Mathematik fu

r Physiker I
Margarita Kraus
Sommersemester 2014

Inhaltsverzeichnis
1 Mengen
1.1 Grundlegende Notationen . . . . . . . . . . . . . . . . . . . .
1.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
1
2

2 Abbildungen
2.1 Definitionen und Notationen . . . . . . . . . . . . . . . . .
2.2 Notation und Beispiel . . . . . . . . . . . . . . . . . . . .
2.3 Definitionen (Injektivitat, Surjektivitat, Bijektivitat) . . .
2.4 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6 Definitionen (Komposition, Inklusion, inverse Abbildung)
2.7 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8 Notation und Definition . . . . . . . . . . . . . . . . . . .
2.9 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.10 Notiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

2
2
3
3
3
4
4
4
5
5
5

3 Relationen
3.1 Definition
3.2 Beispiele .
3.3 Notation .
3.4 Beispiele .
3.5 Definition
3.6 Beispiele .

.
.
.
.
.
.

.
.
.
.
.
.

5
5
6
6
6
6
7

.
.
.
.

7
7
7
8
9

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

4 Beweistechniken
4.1 Direkter Beweis . . . . . . . . . . . . .
4.2 Beweis durch vollstandige Induktion .
4.3 Beweis durch Widerspruch . . . . . . .
4.4 Allgemeine Bemerkung zum Beweisen

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

5 Gruppen und K
orper
5.1 Definition (Assoziativitat, neutrales und inverses
Element, abelsche Gruppen) . . . . . . . . . . . . . . . .
5.2 Notation . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4 Bemerkung (Eindeutigkeit neutraler/inverser Elemente)
5.4.1 Rechtsinverses gleich Linksinverses . . . . . . . .
5.4.2 Eindeutigkeit des neutralen Elements . . . . . .
5.5 Definition . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . .
5.7 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.8 Definition . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.

9
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

10
10
10
11
11
11
11
12
12
12

5.9
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
5.18
5.19

Beispiele . . . . . . . . . . . . . . . .
Bemerkung . . . . . . . . . . . . . .
Definition (des K
orpers) . . . . . . .
Beispiel . . . . . . . . . . . . . . . .
Bemerkung . . . . . . . . . . . . . .
Definition (von geordneten Korpern)
Beispiel . . . . . . . . . . . . . . . .
Bemerkung (zu geordneten Korpern)
Folgerung . . . . . . . . . . . . . . .
Definition . . . . . . . . . . . . . . .
Bemerkung . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

6 Komplexe Zahlen
6.1
Definition und Satz (komplexe Zahlen) . . . . . . .
6.2
Notation . . . . . . . . . . . . . . . . . . . . . . . .
6.3
Bemerkung . . . . . . . . . . . . . . . . . . . . . .
6.4
Notation (komplex konjugierte, Betrag, Argument,
Imagin
ar- und Realteil) . . . . . . . . . . . . . . . .
6.5
Bemerkung (Veranschaulichung der Arithmetik) . .
6.6 Bemerkung (Darstellung durch cosinus und sinus) . .
6.7 Notiz (Weitere Rechenregeln) . . . . . . . . . . . . .
6.8 Bemerkung (Nullstellen von Polynomen) . . . . . . .
6.9 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . .
6.10 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . .
7 Vektorr
aume
7.1 Definition . . . . . .
7.2 Beispiele . . . . . . .
7.3 Notiz und Definition
7.4 Definition . . . . . .
7.5 Notiz . . . . . . . . .
7.6 Beispiele . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

12
12
13
13
13
13
13
13
14
14
14

. . . . .
. . . . .
. . . . .

15
15
15
15

.
.
.
.
.
.
.

.
.
.
.
.
.
.

16
16
17
17
18
18
18

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

18
18
19
20
20
20
20

8 Lineare Abbildungen
8.1 Definition . . . . . . .
8.2 Lemma . . . . . . . .
8.3 Beispiele . . . . . . . .
8.4 Bemerkung . . . . . .
8.5 Beispiel . . . . . . . .
8.6 Notiz . . . . . . . . . .
8.7 Lemma und Definition
8.8 Lemma . . . . . . . .
8.9 Beispiel . . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

22
22
22
22
23
24
24
24
24
24

9 Basen und Dimensionen von Vektorr

aumen
9.1 Definition und Notiz . . . . . . . . . . . . . .
9.2 Beispiele . . . . . . . . . . . . . . . . . . . . .
9.3 Definition . . . . . . . . . . . . . . . . . . . .
9.4 Beispiele . . . . . . . . . . . . . . . . . . . . .
9.5 Definition und Notiz . . . . . . . . . . . . . .
9.6 Bemerkung . . . . . . . . . . . . . . . . . . .
9.7 Notiz . . . . . . . . . . . . . . . . . . . . . . .
9.8 Satz . . . . . . . . . . . . . . . . . . . . . . .
9.9 Basiserg
anzungssatz . . . . . . . . . . . . . .
9.10 Beispiele . . . . . . . . . . . . . . . . . . . . .
9.11 Korollar und Definition . . . . . . . . . . . .
9.12 Beispiele . . . . . . . . . . . . . . . . . . . . .
9.13 Korollar . . . . . . . . . . . . . . . . . . . . .
9.14 Satz . . . . . . . . . . . . . . . . . . . . . . .
10 Der
10.1
10.2
10.3
10.4
10.5
10.6

Rangsatz
Satz . . .
Beispiel .
Korollar .
Satz . . .
Definition
Korollar .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

11 Die Matrixdarstellung linearer

11.1 Notation . . . . . . . . . . . .
11.2 Lemma . . . . . . . . . . . .
11.3 Definition . . . . . . . . . . .
11.4 Lemma . . . . . . . . . . . .
11.5 Beispiel . . . . . . . . . . . .
11.6 Lemma . . . . . . . . . . . .
11.7 Satz . . . . . . . . . . . . . .
11.8 Beispiele . . . . . . . . . . . .
11.9 Korollar . . . . . . . . . . . .
11.10Bemerkung . . . . . . . . . .
11.11Satz . . . . . . . . . . . . . .
11.12Notiz . . . . . . . . . . . . . .
11.13Korollar . . . . . . . . . . . .
11.14Beispiel . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

25
25
25
26
26
27
27
27
28
28
28
29
29
29
30

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

30
30
31
32
32
33
33

Abbildungen
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

33
33
33
33
34
34
34
34
35
36
36
36
37
37
38

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

12 Lineare Gleichungssysteme und Matrizen

38
12.1 Notiz und Notation . . . . . . . . . . . . . . . . . . . . . . . . 38
12.2 Korollar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
12.3 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

13 Multilineare Abbildungen und Determinanten

13.1 Definition . . . . . . . . . . . . . . . . . . . . .
13.2 Beispiele und Notationen . . . . . . . . . . . .
13.3 Notiz und Notation . . . . . . . . . . . . . . . .
13.4 Beispiele . . . . . . . . . . . . . . . . . . . . . .
13.5 Bemerkung . . . . . . . . . . . . . . . . . . . .
13.6 Notiz und Definition . . . . . . . . . . . . . . .
13.7 Lemma . . . . . . . . . . . . . . . . . . . . . .
13.8 Satz und Definition . . . . . . . . . . . . . . . .
13.9 Folgerung Leibnizformel zur Berechnung der
Determinante . . . . . . . . . . . . . . . . . . .
13.10Beispiel . . . . . . . . . . . . . . . . . . . . . .
13.11Korollar . . . . . . . . . . . . . . . . . . . . . .
13.12Lemma und Definition . . . . . . . . . . . . .
13.13Notizen . . . . . . . . . . . . . . . . . . . . . .
13.14Beispiele . . . . . . . . . . . . . . . . . . . . . .
13.15Lemma . . . . . . . . . . . . . . . . . . . . . .
13.16Definition . . . . . . . . . . . . . . . . . . . . .
13.17Beispiele . . . . . . . . . . . . . . . . . . . . . .
13.18Lemma . . . . . . . . . . . . . . . . . . . . . .
13.19Beispiele . . . . . . . . . . . . . . . . . . . . . .
13.20Satz . . . . . . . . . . . . . . . . . . . . . . . .
13.21Folgerung . . . . . . . . . . . . . . . . . . . . .
13.22Notiz . . . . . . . . . . . . . . . . . . . . . . . .
13.23Satz und Definition . . . . . . . . . . . . . . . .
13.24Beispiel . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

40
40
40
41
41
42
42
42
42

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

43
43
43
43
44
44
45
45
45
45
46
46
46
46
47
47

14 Skalarprodukte und Normen

14.1 Definition . . . . . . . . . . . . . . . . .
14.2 Beispiele . . . . . . . . . . . . . . . . . .
14.3 Notiz und Definition . . . . . . . . . . .
14.4 Definition . . . . . . . . . . . . . . . . .
14.5 Bemerkung . . . . . . . . . . . . . . . .
14.6 Definition . . . . . . . . . . . . . . . . .
14.7 Beispiel . . . . . . . . . . . . . . . . . .
14.8 Bemerkung und Definition . . . . . . . .
14.9 Satz (Cauchy-Schwarzsche-Ungleichung)
14.10Definition . . . . . . . . . . . . . . . . .
14.11Lemma . . . . . . . . . . . . . . . . . .
14.12Beispiele und Notation . . . . . . . . . .
14.13Lemma (Polarisationsformel) . . . . . .
14.14Folgerung . . . . . . . . . . . . . . . . .
14.15Definition . . . . . . . . . . . . . . . . .
14.16Bemerkung . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

47
47
47
48
48
48
48
48
49
49
49
49
50
50
51
51
51

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

14.17Definition . . . . . . . . . . . . . . . . . . .
14.18Beispiel . . . . . . . . . . . . . . . . . . . .
14.19Lemma . . . . . . . . . . . . . . . . . . . .
14.20Satz (Gram-Schmidt-Orthonormalisierung)
14.21Definition . . . . . . . . . . . . . . . . . . .
14.22Lemma . . . . . . . . . . . . . . . . . . . .
14.23Lemma . . . . . . . . . . . . . . . . . . . .
14.24Notiz . . . . . . . . . . . . . . . . . . . . . .
14.25Definition . . . . . . . . . . . . . . . . . . .
14.26Beispiele . . . . . . . . . . . . . . . . . . . .
15 Eigenwerte und Eigenvektoren
15.1 Definition . . . . . . . . . . .
15.2 Beispiele . . . . . . . . . . . .
15.3 Lemma und Definition . . . .
15.4 Notiz und Definition . . . . .
15.5 Beispiel . . . . . . . . . . . .
15.6 Lemma . . . . . . . . . . . .
15.7 Korollar . . . . . . . . . . . .
15.8 Satz und Definition . . . . . .
15.9 Beispiele . . . . . . . . . . . .
15.10Korollar . . . . . . . . . . . .
15.11Satz . . . . . . . . . . . . . .
15.12Beispiele . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

51
51
51
52
52
53
53
54
54
54

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

55
55
55
56
56
57
57
58
58
58
59
59
60

16 Selbstadjungierte und hermitesche

Endomorphismen
16.1 Satz und Definition . . . . . . . . .
16.2 Definition . . . . . . . . . . . . . .
16.3 Notiz . . . . . . . . . . . . . . . . .
16.4 Lemma . . . . . . . . . . . . . . .
16.5 Lemma . . . . . . . . . . . . . . .
16.6 Lemma . . . . . . . . . . . . . . .
16.7 Lemma . . . . . . . . . . . . . . .
16.8 Satz . . . . . . . . . . . . . . . . .
16.9 Korollar . . . . . . . . . . . . . . .
16.10Lemma: . . . . . . . . . . . . . . .
16.11Lemma . . . . . . . . . . . . . . .
16.12Beispiel . . . . . . . . . . . . . . .
16.13Definition . . . . . . . . . . . . . .
16.14Beispiel . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

61
61
61
62
62
62
62
63
63
63
64
64
65
66
66

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

17 Folgen
17.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.2 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.3 Definition (von Folgen und Grenzwert) . . . . . . . . . . . . .
17.4 Notation und Sprechweise . . . . . . . . . . . . . . . . . . . .
17.5 Lemma (Eindeutigkeit des Grenzwertes) . . . . . . . . . . . .
17.6 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.7 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.8 Definition (der Beschranktheit) . . . . . . . . . . . . . . . . .
17.9 Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.10Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.11Rechenregeln f
ur den Limes . . . . . . . . . . . . . . . . . . .
17.12Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.13Definition (H
aufungspunkt) . . . . . . . . . . . . . . . . . . .
17.14Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.15Notiz (Beziehung zwischen Grenzwert und Haufungspunkt(en))
17.16Definition (der Teilfolge) . . . . . . . . . . . . . . . . . . . . .
17.17Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17.18Lemma (Teilfolgen und Haufungspunkte) . . . . . . . . . . .

66
66
66
67
67
67
68
68
68
69
69
69
70
70
71
71
71
71
72

18 Reelle Folgen
18.1 Definition (der Monotonie und Konvergenz) . . . . . .
18.2 Definition (der erweiterten Zahlengerade) . . . . . . .
18.3 Warnung . . . . . . . . . . . . . . . . . . . . . . . . . .
18.4 Notiz (Anwendbarkeit der Limes-Rechenregeln) . . . .
18.5 Definition (von Beschranktheit, Maximum, Minimum,
Supremum und Infimum) . . . . . . . . . . . . . . . .
18.6 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . .
18.7 Notation . . . . . . . . . . . . . . . . . . . . . . . . . .
18.8 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . .
18.9 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . .
18.10Definition . . . . . . . . . . . . . . . . . . . . . . . . .
18.11Satz (Vollst
andiger Korper der reellen Zahlen) . . . .
18.12S
atze (Konvergenz und uneigentliche Konvergenz) . .
18.13Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . .
18.14Satz von Bolzano Weierstrass . . . . . . . . . . . . . .
18.15Definition (der Cauchy-Folge) . . . . . . . . . . . . . .
18.16Lemma . . . . . . . . . . . . . . . . . . . . . . . . . .
18.17Satz (Konvergenz der Cauchy-Folge) . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

72
73
73
73
73

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

74
74
74
75
75
75
76
76
76
76
77
77
78

19 Reihen
78
19.1 Definition (der Reihe) . . . . . . . . . . . . . . . . . . . . . . 78
19.2 Notiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
19.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

19.4 Satz und Definition . . . . . . . . . . . . . . . . . . . . . . . .

19.5 Notiz (Cauchy-Kriterium f
ur Reihen) . . . . . . . . . . . . . .
19.6 Definition und Korollar (Majoranten-Kriterium) . . . . . . .
20 Stetige Abbildungen auf metrischen R
aumen
20.1 Definition . . . . . . . . . . . . . . . . . . . . .
20.2 Beispiele . . . . . . . . . . . . . . . . . . . . . .
20.3 Vereinbarung . . . . . . . . . . . . . . . . . . .
20.4 Definition . . . . . . . . . . . . . . . . . . . . .
20.5 Definition (--Kriterium) . . . . . . . . . . . .
20.6 Beispiele . . . . . . . . . . . . . . . . . . . . . .
20.7 Definition . . . . . . . . . . . . . . . . . . . . .
20.8 Beispiele . . . . . . . . . . . . . . . . . . . . . .
20.9 Lemma . . . . . . . . . . . . . . . . . . . . . .
20.10Definition . . . . . . . . . . . . . . . . . . . . .
20.11Beispiele . . . . . . . . . . . . . . . . . . . . . .
20.12Satz . . . . . . . . . . . . . . . . . . . . . . . .
20.13Korollar . . . . . . . . . . . . . . . . . . . . . .
20.14Lemma . . . . . . . . . . . . . . . . . . . . . .
20.15Bemerkung . . . . . . . . . . . . . . . . . . . .
20.16Rechenregeln . . . . . . . . . . . . . . . . . . .
20.17Definition (rationale Funktion) . . . . . . . . .
20.18Korollar (Stetigkeit rationaler Funktionen) . . .
20.19Beispiel . . . . . . . . . . . . . . . . . . . . . .
21 Eigenschaften stetiger Funktionen
21.1 Definition (von Minimum/Maximum) . . . .
21.2 Satz . . . . . . . . . . . . . . . . . . . . . . .
21.3 Beispiel . . . . . . . . . . . . . . . . . . . . .
21.4 Zwischenwertsatz . . . . . . . . . . . . . . . .
21.5 Definition (Monotonie) . . . . . . . . . . . . .
21.6 Satz (Umkehrsatz) . . . . . . . . . . . . . . .
21.7 Bemerkung (
uber Monotonie und Stetigkeit) .
21.8 Vorsicht . . . . . . . . . . . . . . . . . . . . .
21.9 Beispiel . . . . . . . . . . . . . . . . . . . . .
21.10Definition . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

22 Elementare Funktionen
22.1 Satz (
uber Potenzrechenregeln und Monotonie)
22.2 Definition . . . . . . . . . . . . . . . . . . . . .
22.3 Satz . . . . . . . . . . . . . . . . . . . . . . . .
22.4 Definition (des Logarithmus) . . . . . . . . . .
22.5 Lemma (Logarithmus-Rechenregeln) . . . . . .
22.6 Korollar . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

80
81
81

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

81
81
81
82
82
82
82
83
83
84
85
85
86
86
87
87
88
89
89
89

.
.
.
.
.
.
.
.
.
.

89
89
89
89
90
90
91
91
92
92
93

.
.
.
.
.
.

93
93
94
94
94
95
95

22.7 Satz . . . . . . . . . . . . . . . . . .
22.8 Satz . . . . . . . . . . . . . . . . . .
22.9 Proposition . . . . . . . . . . . . . .
22.10Satz . . . . . . . . . . . . . . . . . .
22.11Bemerkung (Die Winkelfunktionen) .
22.12Definition . . . . . . . . . . . . . . .
22.13Notiz . . . . . . . . . . . . . . . . . .
22.14Notiz . . . . . . . . . . . . . . . . . .
22.15Definition . . . . . . . . . . . . . . .
22.16Proposition (spezielle Grenzwerte) .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

95
96
96
96
97
100
100
100
100
101

23 Die Ableitung
23.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23.2 Anschauung . . . . . . . . . . . . . . . . . . . . . . . . . . .
23.3 Notiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23.4 Notiz (Differenzierbarkeit und Stetigkeit) . . . . . . . . . .
23.5 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23.6 Ableitungsregeln . . . . . . . . . . . . . . . . . . . . . . . .
23.7 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . .
23.8 Beispiele (Lemma) . . . . . . . . . . . . . . . . . . . . . . .
23.9 Korollar (Potenz-, Exponential- und Logarithmus-Funktion)
23.10Korollar (Sinus und Cosinus) . . . . . . . . . . . . . . . . .
23.11Korollar (Ableitungen des Tangens und Cotangens) . . . . .
23.12Korollar (Ableitungen der Arcus-Winkelfunktionen) . . . .

.
.
.
.
.
.
.
.
.
.
.
.

101
101
101
101
102
102
102
104
104
104
104
105
105

24 Mittelwertsatz und Extrema

24.1 Definition . . . . . . . . . . . . . . . . . . . . .
24.2 Notiz . . . . . . . . . . . . . . . . . . . . . . . .
24.3 Definition . . . . . . . . . . . . . . . . . . . . .
24.4 Beispiel . . . . . . . . . . . . . . . . . . . . . .
24.5 Satz von Rolle . . . . . . . . . . . . . . . . . .
24.6 Korollar (1. Mittelwertsatz der Differentiation)
24.7 Bemerkung . . . . . . . . . . . . . . . . . . . .
24.8 Zweiter Mittelwertsatz der Differentiation . . .
24.9 Korollar (Regel von l Hospital) . . . . . . . . .
24.10Beispiele . . . . . . . . . . . . . . . . . . . . . .
24.11Lemma (Monotonie) . . . . . . . . . . . . . . .
24.12Korollar . . . . . . . . . . . . . . . . . . . . . .
24.13Lemma (Kritischer Punkt und isoliertes lokales
Maximum/Minimum) . . . . . . . . . . . . . .
24.14Bemerkung . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

105
. 105
. 106
. 106
. 106
. 106
. 106
. 107
. 107
. 107
. 107
. 108
. 108

. . . . . . . . 108
. . . . . . . . 109

25 Partielle Ableitung und Richtungsableitung

25.1 Notation . . . . . . . . . . . . . . . . . . . . .
25.2 Definition . . . . . . . . . . . . . . . . . . . .
25.3 Beispiele . . . . . . . . . . . . . . . . . . . . .
25.4 Notation . . . . . . . . . . . . . . . . . . . . .
25.5 Warnendes Beispiel . . . . . . . . . . . . . . .
25.6 Notation . . . . . . . . . . . . . . . . . . . . .
25.7 Beispiel . . . . . . . . . . . . . . . . . . . . .
25.8 Satz (Schwarzscher Satz) . . . . . . . . . . . .
25.9 Notation . . . . . . . . . . . . . . . . . . . . .
25.10Anwendung . . . . . . . . . . . . . . . . . . .
25.11Lemma . . . . . . . . . . . . . . . . . . . . .
25.12Definition . . . . . . . . . . . . . . . . . . . .
25.13Bemerkung . . . . . . . . . . . . . . . . . . .
25.14Definition . . . . . . . . . . . . . . . . . . . .
25.15Definition . . . . . . . . . . . . . . . . . . . .
25.16Beispiele . . . . . . . . . . . . . . . . . . . . .
26 Totale Differenzierbarkeit
26.1 Satz, Definition und Notation
26.2 Notiz . . . . . . . . . . . . . .
26.3 Satz . . . . . . . . . . . . . .
26.4 Beispiele . . . . . . . . . . . .
26.5 Rechenregeln . . . . . . . . .
26.6 Korollar . . . . . . . . . . . .
26.7 Beispiel . . . . . . . . . . . .
26.8 Satz und Definition . . . . . .
26.9 Warnung und Definition . . .
26.10Beispiel . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

27 Taylorpolynome fu
r Funktionen auf R
27.1 Definition . . . . . . . . . . . . . . . .
27.2 Beispiele . . . . . . . . . . . . . . . . .
27.3 Lemma . . . . . . . . . . . . . . . . .
27.4 Approximationslemma . . . . . . . . .
27.5 Proposition . . . . . . . . . . . . . . .
27.6 Beispiele . . . . . . . . . . . . . . . . .
27.7 Proposition . . . . . . . . . . . . . . .
27.8 Beispiel . . . . . . . . . . . . . . . . .
27.9 Satz . . . . . . . . . . . . . . . . . . .
27.10Bemerkung und warnendes Beispiel . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

109
109
109
110
110
110
111
111
111
112
112
112
112
112
113
113
113

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

114
. 114
. 114
. 115
. 115
. 115
. 116
. 116
. 116
. 116
. 116

.
.
.
.
.
.
.
.
.
.

117
. 117
. 117
. 118
. 118
. 119
. 119
. 119
. 120
. 120
. 120

28 Taylorpolynome fu
anderlichen121
r Funktionen in mehreren Ver
28.1 Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
28.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
28.3 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
28.4 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
28.5 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
28.6 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
28.7 Restgliedformel . . . . . . . . . . . . . . . . . . . . . . . . . . 123
28.8 Korollar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
29 Riemann-Integral
29.1 Definition . . . . . . . . . . . . . . . . . . . . . .
29.2 Lemma und Definition . . . . . . . . . . . . . . .
29.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . .
29.4 Lemma (Rechenregeln f
ur das Integral) . . . . .
29.5 Notation . . . . . . . . . . . . . . . . . . . . . . .
29.6 Korollar . . . . . . . . . . . . . . . . . . . . . . .
29.7 Satz . . . . . . . . . . . . . . . . . . . . . . . . .
29.8 Satz . . . . . . . . . . . . . . . . . . . . . . . . .
29.9 Satz (Mittelwertsatz der Integralrechnung) . . . .
29.10Hauptsatz der Differential- und Integralrechnung
29.11Definition . . . . . . . . . . . . . . . . . . . . . .
29.12Korollar . . . . . . . . . . . . . . . . . . . . . . .
29.13Erinnerung . . . . . . . . . . . . . . . . . . . . .
29.14Definition . . . . . . . . . . . . . . . . . . . . . .
29.15Beispiel . . . . . . . . . . . . . . . . . . . . . . .
29.16Satz . . . . . . . . . . . . . . . . . . . . . . . . .
29.17Beispiel . . . . . . . . . . . . . . . . . . . . . . .
29.18Bemerkung . . . . . . . . . . . . . . . . . . . . .
29.19Beispiel: . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

125
. 125
. 125
. 126
. 128
. 130
. 130
. 130
. 130
. 132
. 132
. 132
. 132
. 133
. 133
. 133
. 134
. 134
. 134
. 135

30 Finden von Stammfunktionen

30.1 Satz von der partiellen Integration . . . . . . . . . .
30.2 Satz von der Substitution . . . . . . . . . . . . . . .
30.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . .
30.4 Partialbruchzerlegung . . . . . . . . . . . . . . . . .
30.5 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . .
30.6 Polynomdivision . . . . . . . . . . . . . . . . . . . .
30.7 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . .
30.8 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . .
30.9 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . .
30.10Finden der PBZ . . . . . . . . . . . . . . . . . . . .
30.11Beispiel . . . . . . . . . . . . . . . . . . . . . . . . .
30.12Integration der Terme aus der Partialbruchzerlegung

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

135
135
135
135
136
136
137
137
137
137
138
138
139

31 Mehrdimensionales Riemann-Integral
31.1 Definition . . . . . . . . . . . . . . . .
31.2 Lemma . . . . . . . . . . . . . . . . .
31.3 Lemma . . . . . . . . . . . . . . . . .
31.4 Beispiel . . . . . . . . . . . . . . . . .
31.5 Notiz . . . . . . . . . . . . . . . . . . .
31.6 Definition . . . . . . . . . . . . . . . .
31.7 Beispiele . . . . . . . . . . . . . . . . .
31.8 Satz (Fubini) . . . . . . . . . . . . . .
31.9 Beispiele . . . . . . . . . . . . . . . . .
31.10Transformationsformel . . . . . . . . .
31.11Beispiel . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

139
140
140
141
141
141
141
141
142
142
143
143

Mengen

1.1

Grundlegende Notationen

Gleichheitszeichen

:=

linke Seite wird durch rechte Seite definiert

=:

rechte Seite wird durch links Seite definiert

a = b

Aussage a impliziert Aussage b

a 6 b

Aussage a impliziert nicht Aussage b

a : b

Ausdruck a wird durch b definiert

ab

Ausdruck a ist aquivalent zu Ausdruck b

oder

und zugleich

nicht

<

kleiner

AB

Menge A vereinigt mit Menge B

AB

Schnittmenge/Durchschnitt von Menge A und Menge B

xA

x Element von A

P(A)

Potenzmenge von Menge A - Menge aller Teilmengen von A

#A

die M
achtigkeit von A, Anzahl der Elemente von A

AB

Menge A Teilmenge von Menge B; x A = x B

A\B

Komplement von B in A; {x A|x 6 B} = {x A : x 6 B}

BA
AB

(x A)

(x A)

: A B

Kartesisches Produkt der Mengen A und B;

A B := {(x, y)|x A, y B}
f
ur alle x A

es existiert ein x A

N := {1, 2, 3, . . . }

N0 := {0, 1, 2, 3, . . . } = N {0}

Z := {. . . , 3, 2, 1, 0, 1, 2, 3, . . . }

Q := { pq |p Z, q N}

[a, b] := {x R | a x b}

(a, b) := {x R | a < x < b}

a|b

a ist Teiler von b f

ur a, b N
1

R> = R+

{x R | x > 0}

R =

R+
0

1.2

Beispiele

{x R | x 0}

1. x2 = 1 ; x = 1. Aber x = 1 x2 = 1
2. (a b) (a < b) (a = b)
3. (a > b) : (b < a)
4. x y > 0 6 (x > 0) (y > 0)
5. x A B (x A x B)
6. A = {1, 2, 3}, P(A) = {, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, A}
7. Z\N0 = {1, 2, 3, . . . }
8. Z N = {(p, q)|p Z, q N}
9. A := {1, 2}B := {1, 0, 1} = AB = {(1, 1), (1, 0), (1, 1), (2, 1), (2, 0), (2, 1)}
10. C = {x R| 1 x 1}
= A C = {(1, x)|x [1, 1]} {(2, x)|x [1, 1]}

11. A := {1, 2, 3}, B := {a, b}

A B = {(1, a), (2, a), (3, a), (1, b), (2, b), (3, b)}

2
2.1

Abbildungen
Definitionen und Notationen
Eine Abbildung f zwischen zwei Mengen A und B ist eine Vorschrift,
die jedem Element a A genau ein Element b B zuordnet. Man
schreibt dann f : A B, a 7 f (a).
A heit Definitionsbereich; B heit Zielmenge.
Ist A0 A, dann heit f (A0 ) := {f (x)|x A0 } B das Bild von A0
unter f . f (A) heit das Bild oder der Wertebereich von f .

Ist B0 B, dann heit f 1 (B0 ) = {x A|f (x) B0 } das Urbild von

B0 unter f .
Ist x B, so schreibt man kurz: f 1 (x) := f 1 ({x}). (Vorsicht: f 1
ist im Allgemeinen keine Abbildung.)
Gf = {(x, f (x))|x A} A B heit der Graph von f .

2.2

Notation und Beispiel

a) Ist A eine Menge, so ist die Identit

at f = idA : A A, a 7 a eine
Abbildung mit Wertebereich A. Der Graph von f ist die Diagonale in
A A, d.h. GidA = {(a, a)|a A}. F
ur a A ist f 1 (a) = a.
b) Ist A0 A eine Teilmenge, so ist die Inklusion f = j : A0 A, a 7 a
eine Abbildung mit Wertebereich A0 . F
ur a 6 A0 ist f 1 (a) = .
c) Ist B eine weitere Menge, so ist die Projektion pr : AB A, (x, y) 7
x eine Abbildung mit Wertebereich A. F
ur a A ist f 1 (a) = {(a, b)|b
B}.

2.3

at, Surjektivit
at, Bijektivit
at)
Definitionen (Injektivit
Seien A und B Mengen. Eine Abbildung f : A B heit
injektiv : (f (x) = f (y) = x = y)
surjektiv : F
ur jedes y B existiert ein x A mit f (x) = y
bijektiv : f ist surjektiv und injektiv

Eine Abbildung f : N A heit eine Folge in A. Eine Abz

ahlung
von A ist eine bijektive Abbildung f : N A. Eine Menge A heit
abz
ahlbar, falls A nur endlich viele Elemente besitzt (#A < ) oder
eine Abz
ahlung von A existiert.

2.4

Beispiele

1. Ist A eine Menge, so ist die Identitat: idA : A A, a 7 a bijektiv.

2. Ist A0 A, dann ist die Inklusion j : A0 A, a 7 a injektiv, aber
f
ur A0 6= A nicht surjektiv.
3. Sind A, B Mengen, so ist die Projektion p : A B A, (a, b) 7 a
surjektiv, aber nur dann injektiv, falls B aus genau einem Element
besteht.
4. f : N N, n 7 2n ist injektiv, aber nicht surjektiv, denn f
ur n
1
ungerade ist f (n) = .
3

5. f : N N, f (n) =
injektiv.
6. f : N Z, f (n) =
Z abz
ahlbar.


n
2

n
2
n+1
2

n1
2

n gerade
n ungerade

ist surjektiv, aber nicht

n gerade
ist eine Bijektion, also ist
n ungerade

7. Die Abbildung Z N Q, (p, q) 7

p
q

ist surjektiv, aber nicht injektiv.

8. Die Abbildung
p
Q Z N, 7
q

(p, q) wobei ggT(|p|, q) = 1 und

(0, 1) f
ur pq = 0

p
q

6= 0

ist injektiv, aber nicht surjektiv.

9. N N ist abz
ahlbar. F
ur k N sei n N0 durch n(n + 1)/2 < k


, (n+1)(n+2)
k + 1 .
(n + 1)(n + 2)/2 gegeben. Setze f (k) := k n(n+1)
2
2

10. Analog ist auch Z N abzahlbar.

2.5

Bemerkung

a) Ist X eine abz

ahlbare Menge, so ist auch jede Teilmenge von X abzahlbar
b) Existiert eine Bijektion X Y und ist X abzahlbar, so auch Y .
c) Aus a), b) und 2.4,10 folgt: Q ist abzahlbar.
d) R ist nicht abz
ahlbar.

2.6

Definitionen (Komposition, Inklusion, inverse Abbildung)

Sind f : A B, g : B C Abbildungen, so bezeichnet man mit
g f : A C, (g f )(x) := g(f (x)) die Komposition von g und f .
Ist A0 A, j : A0 A die Inklusion, so schreibt man auch f |A0 statt
f j. f |A0 heit die Einschr
ankung von f auf A0 .
Ist f : A B bijektiv, dann heit die Abbildung g : B A mit
g f = idA und f g = idB die inverse Abbildung zu f . Man schreibt
auch g = f 1 .

2.7

Bemerkung

Man zeigt leicht, dass es stets nur eine inverse Abbildung gibt, also f 1
eindeutig bestimmt ist.
4

2.8

Notation und Definition

Ist Mn = {1, 2, . . . , n}, dann heit eine Bijektion Mn Mn eine Permutation. Die Menge aller Permutationen von Mn bezeichnet man mit S(n) und
heit die symmetrische Gruppe.
F
ur f S(n) schreibt man


1
2
3
...
n
f (1) f (2) f (3) . . . f (n)

Eine Permutation, die alle bis auf 2 Elemente festlasst und diese vertauscht,
heit Transposition. Die Transposition, die i und i+1 vertauscht, bezeichnet
man mit i , also


1 ...
i
i + 1 ... n
i =
1 ... i + 1
i
... n

2.9

Beispiele

S(1) = {id{1} }
S(2) = {id{1,2} , 1 }





1 2 3
1 2 3
S(3) = id{1,2,3} ,
= 1 ,
= 2 ,
2 1 3
1 3 2

 
 

1 2 3
1 2 3
1 2 3
,
,
3 1 2
2 3 1
3 2 1


1 2 3
2 1 =
3 1 2

2.10

Notiz

F
ur jede Transposition gilt: =: 2 = id, also 1 = .

Relationen

3.1

Definition

Unter einer Relation R auf einer Menge M versteht man eine Teilmenge
R M M . Eine Relation heit
a) reflexiv, falls f
ur alle a M gilt (a, a) R;

b) symmetrisch, falls aus (a, b) R auch (b, a) R folgt;

c) transitiv, falls aus (a, b) R und (b, c) R auch (a, c) R folgt.

Eine Aquivalenzrelation
auf M ist eine reflexive, symmetrische transitive
Relation auf M .
5

3.2

Beispiele

a) R = {(x, x) | x A} ist eine Aquivalenzrelation

auf A.
b) R = {(x, y) R2 | x2 + y 2 = 1} ist eine symmetrische Relation auf R,

aber keine Aquivalenzrelation.

c) R = {( x1 , x2 ), (y1 , y2 ) R4 | x1 = y1 } ist eine Aquivalenzrelation

2
auf R .
d) R = {(x, y) R2 | x < y} ist eine transitive Relation auf R.

3.3

Notation

Ist R eine Aquivalenzrelation

auf einer Menge A, so schreibt man x y,
falls (x, y) R. Die Menge
[x] := {x A | x x }

heit Aquivalenzklasse
von x, und x heit Repr
asentant der Aquivalenzklas
se [x], falls x [x]. Der Modulraum X/ ist durch X/ := {[x] | x X}
gegeben.

3.4

Beispiele

a) R = {(x, x) A A | x A}. Dann ist [x] = {x}.

b) R = {((x1 , x2 ), (y1 , y2 )) R4 | x1 = y1 }. Dann ist f
ur alle x1 , x , y R
(x1 , x ) (x1 , y )

und [(x1 , x2 )] = {(x1 , y) R2 | y R}.

3.5

Definition

Sei X eine Menge. Dann heit eine Teilmenge R (X X) eine Ordnungsrelation oder totale Ordnung auf X, falls gilt:
1. R ist transitiv, d.h. ist (x, y) R und (y, z) R, so ist (x, z) R.
2. F
ur a, b X mit a 6= b gilt stets genau eine der beiden Moglichkeiten:
(a, b) R oder (b, a) R.
3. (a, a) 6 R f
ur alle a X.
Man sagt, X ist durch R total geordnet. Schreibt man a < b (a, b) R,
dann spricht man auch von der Ordnung <.

3.6

Beispiele

a) R ist durch < total geordnet: R = {(x, y) R R|x < y}

b) R ist auch durch > total geordnet.

Beweistechniken

4.1

Direkter Beweis

Beispiel: Es gilt

m+1
n+1

>

m
n

f
ur alle n > m > 0.

Beweis: Sei n > m > 0. Dann gilt

nm + n > nm + m n(m + 1) > m(n + 1).
Da n > 0 folgt daraus:

4.2

m+1
m
>
n+1
n

Beweis durch vollst

andige Induktion

Diese Beweistechnik wird in folgender Situation angewandt:

Es sei n0 Z, und f
ur jedes n Z0 mit n n0 eine Aussage A(n) gegeben.
Zu zeigen ist: A(n) ist wahr f
ur alle n n0 . Meist ist n0 = 1 oder 0.
Beispiele zur Anwendung dieser Beweistechnik
a) Zeige f
ur alle n N : 1 + 2 + + n = 12 n(n + 1).
b) Zwischen 2 Mengen mit n Elementen gibt es genau n! Bijektionen.
c) F
ur h 1 und n N0 gilt die Bernoullische Ungleichung: (1 + h)n
1 + hn.
d) P
F
ur a, b
R und n N0 gilt die binomische Formel: (a + b)n =
n
n k nk
.
k=0 k a b
e) Jede Permutation kann als Komposition von Transpositionen geschrieben werden.

Die Beweismethode beruht auf folgender Tatsache

Sei W N0 eine Teilmenge der nat
urlichen Zahlen, mit folgenden Eigenschaften:
1. n0 W f
ur ein n0 N0
2. n W = (n + 1) W
7

Dann gilt W {n0 , n0 + 1, n0 + 2, . . . } = N0 \{0, 1, . . . , n0 1} = {n

N|n n0 }. Daraus erh
alt man mit W = {n N|A(n) ist richtig} folgendes
Beweisschema:
1. IB (Induktionsbeginn) Zeige: Die Behauptung ist richtig f
ur n = n0 .
2. IA (Induktionsannahme): Sei n n0 und A(n) wahr.
3. IS (Induktionsschritt): A(n) wahr = A(n + 1) wahr.
2. und 3. k
onnen zusammengefasst werden: IA+IS. Ist A(n) wahr, so folgt
auch A(n + 1).
Beweis von Beispiel a)
IB: Behauptung ist offensichtlich wahr f
ur n = 1.
IA: Sei n n0 und A(n) wahr.
IS: Dann gilt auch A(n + 1), denn:
1 + + n + (n + 1) = 12 n(n + 1) + (n + 1)
= (n + 1)( 12 n + 1)
= 21 (n + 1)(n + 2)
2
Beweis von Beispiel b)
IB: Die Behauptung ist offensichtlich richtig f
ur n = 1.
IA: Die Behauptung sei richtig f
ur ein n N.
IS: Seien X, Y zwei Mengen mit n + 1 Elementen. Sei x0 X. Dann
gibt es nach IA f
ur jedes y0 Y genau n! Bijektionen zwischen X\{x0 }
und Y \{y0 }, denn X\{x0 } und Y \{y0 } bestehen aus n Elementen.
Also gibt es f
ur jedes y0 Y genau n! Bijektionen zwischen X und
Y , die x0 auf y0 abbilden. Da y0 Y beliebig gewahlt werden kann
und Y aus n + 1 Elementen besteht, gibt es (n + 1) n! = (n + 1)!
Bijektionen zwischen X und Y .
2

4.3

Beweis durch Widerspruch

Wir nutzen folgende Aquivalenz

der Implikationen aus:
(A = B) (B = A)
B = A heit die Kontraposition zu B = A.

Beispiel:
a) Wenn es regnet, ist die Strae nass.
Kontraposition: Wenn die Strae nicht nass ist, regnet es nicht.
b) (x > 0 y > 0) = x y > 0.
Kontraposition: x y 0 = (x 0 y 0).
Beachte:

1. Das ist nicht ausschlieend.

2. In Aussage und Kontraposition steht nur ein =, kein .

Die Form des Beweises ist entweder:
Angenommen B A = . . . = Widerspruch.
oder:
Angenommen B. . . = A. : Widerspruch.

2
2

Beispiel:
Behauptung: Es gibt kein a Q mit a2 = 2 (a2 = 2 = a 6 Q).
Beweis:
Angenommen a2 = 2 und a Q.
Dann existieren (p, q) Z N, p 6= 0 mit a = pq , ggT (|p|, q) = 1.
Also ist 2q 2 = p2 . Also ist p2 gerade, also auch |p| gerade. Also ist p2 durch
4 teilbar, also ist q 2 gerade, also ist auch q gerade, also ist ggT (|p|, q) 6= 1.
Widerspruch.
2

4.4

Allgemeine Bemerkung zum Beweisen

Schreiben Sie stets ganze S

atze und verbinden Sie Rechnungen durch =
oder . Formulieren Sie Voraussetzung und Behauptung klar. Um A
B zu zeigen, ist es oft g
unstig, A = B und B = A getrennt zu zeigen.

Gruppen und K
orper

Ziel dieses Abschnittes ist es, die Gesetzmaigkeiten, denen die Addition
und Multiplikation auf den Zahlenmengen gehorchen, zu prazisieren und zu
verallgemeinern. F
ur die Addition in den rationalen Zahlen gelten folgende
Gesetze:
F
ur alle a, b, c Q gilt
(a + b) + c = a + (b + c) (Assoziativitat)
a+b
=
b+a
(Kommutativitat)
0+b
=
b
(0 ist Neutrales)
9

Weiter gilt: F
ur alle a Q existiert ein b Q mit a + b = 0 (namlich
b = a), dieses b ist Inverses zu a.

5.1

Definition (Assoziativit
at, neutrales und inverses
Element, abelsche Gruppen)

Unter einer Gruppe (G, ) versteht man eine Menge G zusammen mit einer
Abbildung: G G G, (a, b) 7 a b mit folgenden Eigenschaften:
1. (a b) c = a (b c) f
ur alle a, b, c G (Assoziativit
at).
2. Es existiert ein neutrales Element n G, d.h. es existiert ein n G,
so dass f
ur alle a G gilt: n a = a.
3. Zu jedem a G existiert ein inverses Element a G, d.h. ein Element
a G mit a a = n.
Eine Gruppe heit abelsch, wenn f
ur alle a, b G gilt: a b = b a.

5.2

Notation
Ist klar, welche Verkn
upfung gemeint ist, spricht man auch von der
Gruppe G statt von (G, ).
Ist G abelsch, so schreibt man statt oft +, statt n oft 0

und statt aoft a.

Schreibt man statt , so schreibt man (meist) statt n 1und

statt a a1 oder a1 .

5.3

Beispiele

1. (N, +) und (N0 , +) bilden keine Gruppen, da 5.1, 3. nicht erf

ullt ist.
2. (Z, +), (Q, +) und (R, +) bilden Gruppen, welche auch abelsch sind:
Das neutrale Element n ist 0 und das Inverse zu a ist a = a.
3. (Rn , +), wobei

v1
..
. +
vn

w1
v1 + w 1

.. :=
..

.
.
wn
vn + wn

ist eine abelsche Gruppe.

n
o
4. M (n k, R) = (aij ) i=1...n | aij R mit der Addition
j=1...k

(aij )i,j + (bij )i,j = (aij + bij )i,j

ist eine abelsche Gruppe.

10

5. (Q, ) ist keine Gruppe, denn 0 hat kein Inverses.

6. (Q\{0}, ) ist eine abelsche Gruppe, denn das neutrale Element ist
1 Q, und f
ur 0 6= q ist 1q das Inverse zu q. Ebenso ist (R\{0}, ) eine
abelsche Gruppe.
7. ({f : R R}, +), wobei (f1 + f2 )(x) = f1 (x) + f2 (x) ist eine abelsche
Gruppe.
8. (Z\{0}, ) ist keine Gruppe, weil 5.1, 3. nicht erf
ullt ist.
9. Die symmetrische Gruppe (S(n), ) mit der Komposition als Verkn
upfung
ist eine nichtabelsche Gruppe.
10. Die Menge der invertierbaren nn-Matrizen mit der Matrizenmultipli
kation bildet eine nichtabelsche Gruppe GL(n, R), (vergleiche Ubungen).
11. Verallgemeinerung von 9.:
Ist X eine Menge G := Bij (X) := {f : X X | f bijektive Abbildung},
so ist (G, ) eine Gruppe. Im Allgemeinen ist diese Gruppe nichtabelsch.

5.4
5.4.1

Bemerkung (Eindeutigkeit neutraler/inverser Elemente)

Rechtsinverses gleich Linksinverses

Ist a das inverse Element von a, so folgt (auch in nichtabelschen Gruppen!)

stets: a a = n, denn ist a das Inverse Element zu a , so gilt:
a a = (a a ) a a = a (a a) a = a a = n

Analog folgt: Inverse Elemente sind eindeutig bestimmt, f

ur das neutrale
Element gilt stets a n = a, und a = a.
5.4.2

Eindeutigkeit des neutralen Elements

Ist (G, ) eine Gruppe, so ist das neutrale Element n eindeutig bestimmt:
Ist m ein weiteres Element m G, mit m a = a f
ur alle a G, so existiert
ein m G mit m m = n, also
m = n m = (m m ) m = m (m m) = m n = n.

Das erste Gleichheitszeichen gilt, da n neutral, das letzte, da m neutral ist.

5.5

Definition

Ist (G, ) eine Gruppe, G0 G eine Teilmenge, so heit G0 G eine

Untergruppe, falls (G0 , ) wieder eine Gruppe ist.
11

5.6

Bemerkung

Eine Teilmenge G0 G einer Gruppe (G, ) ist eine Untergruppe, falls gilt:
1. n G0 .

2. Ist g G0 , so auch g G0 .
3. Ist g1 , g2 G0 , so auch g1 g2 G0 .

Ist #G0 < , so kann man dies leicht mit einer Verkn
upfungstabelle
u
ufen, in der gi gj f
ur alle gi , gj G aufgef
uhrt sind.
berpr

5.7

Beispiele

a) Z R ist Untergruppe von (R, +).

b) N Z ist keine Untergruppe von (Z, +).
c) Z\{0} R\{0} ist keine Untergruppe von (R\{0}, ).
d) Z2 := ({1, +1}, ) (R\{0}, ) ist eine Untergruppe.
e) S 1 := {z C | |z| = 1} ist Untergruppe von (C\{0}, ).

5.8

Definition

Sind (G, ) und (H, ) Gruppen. So heit eine Abbildung f : G H

Homomorphismus, falls f (g1 g2 ) = f (g1 ) f (g2 ) f
ur alle g1 , g2 G gilt.

5.9

Beispiele

a) f : Z Z, z 7 2z ist ein Homomorphismus.

b) f : R R> , x 7 ex ist ein Homomorphismus von (R, +) nach (R> , ),
denn f (x + y) = ex+y = ex ey = f (x) f (y).
c) f : Z Z, z 7 z + 1 ist kein Homomorphismus, denn f (z1 + z2 ) =
z1 + z2 + 1 = f (z1 ) + f (z2 ) 1.
Q
ist ein Gruppenhomomord) sign : S(n) Z2 , sign() = i<j (j)(i)
ji

phismus. (Beweis als Ubungsaufgabe.)

5.10

Bemerkung

Ist f : G1 7 G2 ein Homomorphismus und sind n1 G1 , n2 G2 die

neutralen Elemente in G1 und G2 , so ist f (n1 ) = n2 , denn
f (g) = f (n1 g) = f (n1 ) f (g).

Weiter gilt f (g ) = (f (g)) , denn

f (g ) f (g) = f (g g) = f (n1 ) = n2 .
12

5.11

Definition (des K
orpers)

Unter einem K
orper versteht man ein Tripel (K, +, ) bestehend aus
1. einer abelschen Gruppe (K, +) mit neutralem Element 0
und
2. einer abelschen Gruppe (K\0, ) mit neutralem Element 1,
sodass f
ur alle a, b, c K das Distributivgesetz gilt:
a (b + c) = ab + ac

5.12

Beispiel

1. (Q, +, ) ist ein K

orper, ebenso (R, +, ), (C, +, ).

2. Weitere Beispiele in den Ubungen.

5.13

Bemerkung

In einem K
orper gilt stets: 0 x = 0, denn x = 1 x = (1 + 0)x = x + 0 x,
und (1) x = x, denn 0 = 0 x = (1 + (1)) x = x + (1) x f
ur alle
x K.

5.14

Definition (von geordneten K

orpern)

Ein K
orper (K, +, ) mit einer totalen Ordnung R auf K heit geordneter
K
orper, falls gilt:
1. Ist (x, y) R, so auch (x + a, y + a) R f
ur alle a K.
2. Ist (x, y) R und (0, a) R, so ist auch (ax, ay) R.

5.15

Beispiel

(Q, +, ) mit der Ordnung (x, y) R x < y ist ein geordneter Korper.
Ebenso ist R mit dieser Ordnung ein Korper.

5.16

Bemerkung (zu geordneten K

orpern)

a) In einem geordnetem Korper gilt stets: (0, x) R (x, 0) R,

denn (0, x) R (x + x, x) R (x, 0) R.
b) (0, x2 ) R, falls x 6= 0, denn entweder
(0, x) R, dann folgt aus 5.14, 2. (0, x2 ) R, oder

(x, 0) R, dann ist (0, x) R, also (0, (x)2 ) = (0, x2 ) R.

13

5.17

Folgerung

Auf C existiert keine totale Ordnung auf R, so dass C ein geordneter Korper
ist.
Beweis:
Angenommen R w
are eine totale Ordnung, die 5.14, 1. und 5.14, 2. erf
ullt.
Dann w
are nach 5.16, b) (0, 1) R und (0, 1) R, da 12 = 1 und i2 = 1,
also w
are nach 5.16, a) (0, 1) R und (1, 0) R im Widerspruch dazu, dass
R totale Ordnung ist.

5.18

Definition

Ist (K, +, ) ein durch R geordneter Korper, dann schreibt man

x (0, x) R
0 x=0
|x| :=

x (x, 0) R
und nennt |x| den Betrag von x.

5.19

Bemerkung

Es gilt f
ur alle x, y K:
1. (0, |x|) R, falls x 6= 0.
2. |x y| = |x| |y|.
3. Entweder |x + y| = |x| + |y| oder (|x + y|, |x| + |y|) R.
Beweis:
1) Folgt sofort aus 5.16, a).
2) Ist (0, x) R und (0, y) R, so auch (0, x y) nach 5.14, 1.
Ist (x, 0) R und (0, y) R, so ist (x y, 0) R, also |x| |y| = xy
und ebenso |x y| = x y. Genauso folgt die Gleichung f
ur (0, x) R
und (y, 0) R.
Ist (x, 0) R und (y, 0) R, so ist |x| |y| = xy. Ferner ist (0, x) R
und (0, y) R und (0, (x)(y)) = (0, x y)) R, also |x y| = x y.
Ist x = 0 oder y = 0, so ist |x y| = 0 = |x| |y|.
Fall 1: (0, x) R, (0, y) R.
Dann ist (0, x + y)) R nach 5.14, 2, also |x + y| = x + y = |x| + |y|.
Fall 2: (x, 0) R, (y, 0) R
Dann ist (x + y, 0) R, also |x + y| = x y = |x| + |y|.
14

Fall 3a: (x, 0) R, (0, y) R und (x + y, 0) R.

Dann ist |x + y| = x y und |x| + |y| = y x. Da (0, y) R, ist
(y, 0) R, also (y, y) R, also (|x + y|, |x| + |y|) R nach 5.14, 2.
Fall 3b: (x, 0) R, (0, y) R und (0, x + y) R.
Dann ist |x + y| = x + y und |x| + |y| = y x. Da (x, x) R, ist also
(|x + y|, |x|, |y|) R.
Fall 4: (0, y) R, (x, 0) R folgt analog zum Fall 3.
Fall 5: Ist x = 0, so ist |x + y| = |y| = |x| + |y|, ebenso f
ur y = 0.

6
6.1

Komplexe Zahlen
Definition und Satz (komplexe Zahlen)

Die Menge R R zusammen mit Addition +:

(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
und der Multiplikation :
(x1 , y1 ) (x2 , y2 ) = (x1 x2 y1 y2 , x1 y2 + x2 y1 )
bildet einen K
orper, den K
orper der komplexen Zahlen. Das neutrale Element der Addition ist durch (0, 0) gegeben, das neutrale Element der Multiplikation ist durch (1, 0) gegeben. Wir bezeichnen diesen Korper als Korper
der komplexen Zahlen mit C und fassen R C mittels j : R C, x 7 (x, 0)
auf. Statt (x, y) schreibt man dann x + iy.
- Das Inverse der Additon zu x + iy ist durch x iy gegeben.
- Das Inverse der Multiplikation zu x + iy ist durch xxiy
2 +y 2 gegeben.

6.2

Notation

Wir schreiben i = (0, 1) und (a, b) =: a + bi, also

i2 = 1 = 1 + 0i
und
(a1 + ib1 )(a2 + ib2 ) = a1 a2 + i2 b1 b2 + i(b1 a2 + a1 b2 )
= a1 a2 b1 b2 + i(b1 a2 + a1 b2 )

6.3

Bemerkung

Es gibt keine Ordnungsrelation auf C, so dass C ein geordneter Korper wird,

vergleiche 5.17.
15

6.4

Notation (komplex konjugierte, Betrag, Argument,

Imagin
ar- und Realteil)

F
ur z = a + ib C heit
1. z := a ib das komplex Konjugierte von z.

2. |z| := a2 + b2 der Betrag von z.

3. (z) := a (= Re(z)) der Realteil von z.
4. (z) := b (=: Im(z)) der Imaginarteil von z.
F
ur z 6= (0, 0) ist das Argument von z durch arg(z) := arctan( ab )
[0, 2) f
ur a 6= 0 und arg(z) := arccot( ab ) [0, 2) f
ur b 6= 0 wohldefiniert.
In der Gauschen Zahlenebene kann man sich Konjugation und Addition
wie folgt veranschaulichen:
Konjugation:

Addition:

6.5

Bemerkung (Veranschaulichung der Arithmetik)

a) Die Multiplikation mit i entspricht einer Drehung um 90 (i(a + ib) =

b + ia).
16

b) Die Multiplikation mit r > 0 entspricht f

ur r > 1 einer Streckung und
f
ur r < 1 einer Stauchung.
r (a + ib) = (r, 0) (a, b) = (ra, rb) = ra + irb
c) Die komplexe Konjugation entspricht einer Spiegelung an der reellen
Achse ({z C|(z) = 0}).

6.6

Bemerkung (Darstellung durch cosinus und sinus)

Ist = arg(z), r = |z|, so ist offenbar

z = r(cos() + i sin()) =: rei .
Die Multiplikation mit z ist eine Drehstreckung mit dem Streckfaktor r und
um den Winkel , wie man leicht nachrechnet, wenn man die Additionstheoreme benutzt (Beweis sp
ater).
z1 z2 = r1 (cos(1 ) + i sin(1 )) r2 (cos(2 ) + i sin(2 ))
= r1 r2 (cos(1 ) cos(2 ) sin(1 ) sin(2 )

+i(cos(1 ) sin(2 ) + cos(2 ) sin(1 )))

= r1 r2 (cos(1 + 2 ) + i sin(1 + 2 )), also

i1

r1 e

6.7

i2

r2 e

= r1 r2 ei(1 +2 ) .

Notiz (Weitere Rechenregeln)

F
ur z C, zi C gilt:
1. z z = |z|2
2.

1
z

:= z 1 =

z
|z|2

f
ur z 6= 0

3. (z) = 12 (z + z); (z) = 12 i(z z)

4. |z| 0 und (|z| = 0 z = 0)
17

5. |z1 z2 | = |z1 | |z2 |

6. |z| |(z)| + |(z)|
7. |z1 + z2 | |z1 | + |z2 | (Dreiecksungleichung)

6.8

Bemerkung (Nullstellen von Polynomen)

Die Gleichung z 2 = r hat f

ur jedes r R, r 6= 0 in C genau
2 Losungen,

ur r < 0 ist = i r. Es ist dann

und . F
ur r > 0 ist = r R, f
(z 2 r) = (z )(z + ).

6.9

Beispiel

x2 + 1 = (x i)(x + i). Es gilt sogar:

6.10

Satz

In C hat jedes Polynom

p(z) = an z n + an1 z n1 + + a0 , aj C

(1)

eine Zerlegung in Linearfaktoren

p(z) = (z 1 )n1 (z j )nj , n1 + + nj = n
Die i C sind die Nullstellen des Polynoms p der Vielfachheit ni .
Insbesondere hat z n rei die Nullstellen

n
rei(+2k)/n , k = 0, . . . , n 1.
Sind die Koeffizienten aj in (1) alle reell, aj R, und i eine Nullstelle
i eine Nullstelle von p der selben
von p der Vielfachheit ni , so ist auch
Vielfachheit.

Vektorr
aume

7.1

Definition

Sei k ein K
orper. Eine abelsche Gruppe (X, +) zusammen mit einer Abbildung k X X, (, x) 7 x heit ein k-Vektorraum, falls gilt:
1. 1 x = x
2. ( + ) x = x + x
3. ( ) x = ( x)
4. (x + y) = x + y
18

f
ur alle , k und alle x, y X. Die Elemente x X heien Vektoren,
die Elemente k heien Skalare, statt x schreibt man auch x. Die
Abbildung k X 7 X, (, x) 7 x heit Multiplikation mit Skalaren. Der
Vektor 0 X heit der Nullvektor. F
ur k = R (bzw. C) spricht man vom
reellen (bzw. komplexen) Vektorraum.
Ab jetzt setzen wir stets k = R oder k = C voraus.

7.2

Beispiele

1. k ist ein k-Vektorraum

2. C ist ein R-Vektorraum mit (a + ib) = a + ib
3. k n := k k, n N sind k-Vektorraume mit

x1
y1

x1

..
.. ..
n
k :=
. |xi k
. + .

xn
xn
yn

x1 + y1
x1
x1

.
.
.
=
.. = ..
..
xn + yn

xn

Vorstellung im R2 :

xn

4. Sei I ein Intervall, dann bildet die Menge Abb(I, R) der Abbildungen
I R einen R-Vektorraum, zusammen mit der Multiplikation mit
Skalaren
( f )(x) = f (x), R
und der Vektoraddition

(f + g)(x) = f (x) + g(x).

5. Verallgemeinerung von Punkt 4.: Ist V ein beliebiger Vektorraum, so
ist die Menge Abb(I, V ) der Abbildungen f : I V mit der Vektoraddition und Multiplikation wie in Punkt 4. ein Vektorraum.
19

6. Der Raum der Polynome vom Grad hochstens n



Pn := an xn + an1 xn1 + . . . + a1 x + a0 | ai k

mit der Addition und Mulitplikation wie Punkt 4. bildet einen Vektorraum.

7.3

Notiz und Definition

Sind U, V k-Vektorr
aume, so ist das kartesische Produkt
 

u
U V :=
|u U, v V
v
mit der Vektoraddition


u1
v1

u2
v2

u1 + u2
v1 + v 2

und der Multiplikation mit Skalaren


  
u
u
=

v
v
ein k-Vektorraum.

7.4

Definition

Sei X ein k-Vektorraum, Y X eine Teilmenge, die zusammen mit der

Einschr
ankung der Addition und Multiplikation von X auf Y wieder ein
Vektorraum ist, so heit Y ein Untervektorraum von X.

7.5

Notiz

Sei X ein Vektorraum. Eine Teilmenge Y X ist genau dann ein Untervektorraum von X, wenn gilt
1. 0 Y
2. F
ur alle y1 , y2 Y und k ist y1 + y2 Y

7.6

Beispiele

1. {0} V und V V sind Untervektorr

ume.
2. k m {0} Rn ist ein Untervektorraum. Dabei ist 0 k nm .



a
3.
| R ist ein Untervektorraum von R2 ,
b
 
a
f
ur jedes
R2 .
b
20

4. Ist V ein k-Vektorraum, v V , so ist {v| k} ein k-Vektorraum.

5. Ist V ein k-Vektorraum, v1 , . . . , vm V , so ist
{1 v1 + . . . + m vm |i k} ein Untervektorraum.
6. {(x1 , x2 ) R2 |x1 + x2 = 0} ist ein Untervektorraum von R2

7. Seien aij k; i = 1, . . . , m; j = 1, . . . , n; dann bilden

x1

X
x2

n
aij xj = 0, i = 1, . . . , m
x= . k 

..

j=1

xn

= {x k n |Ax = 0}, wobei A = (aij )i=1...m;j=1...n

einen Untervektorraum von k n .

8. {1} R R2 ist kein Untervektorraum.
S 1 C ist kein Untervektorraum.
9. Der Raum der Polynome von Grad hochstens n, den wir mit Pn
Abb(I, R) bezeichnen, ist ein Untervektorraum.

21

Lineare Abbildungen

8.1

Definition

Eine Abbildung f : V W zwischen Vektorraumen heit linear oder

Vektorraumhomophismus, wenn gilt
1. f (x + y) = f (x) + f (y) f
ur alle x, y V .
2. f (x) = f (x) f
ur alle x V, k.
Die Menge der linearen Abbildungen f : V W bezeichnet man mit
L(V, W ) oder Homk (V, W ) (= Hom(V, W )). Lineare Abbildungen f : V
V heien Endomorphismen, man schreibt: End(V ) := Hom(V, V ).
Ein Isomorphismus zwischen zwei Vektorraumen ist eine bijektive lineare
Abbildung. Zwei Vektorr
aume V und W heien isomorph, wenn es einen
Isomorphismus f : V W gibt.
Wir schreiben GL(V ) := {f End(V ) | f ist ein Isomorphismus}.

8.2

Lemma

Ist f ein Isomorphismus, so ist f 1 ebenfalls eine lineare Abbildung, also

ebenfalls ein Isomorphismus. Auch die Verkn
upfung und Summe linearer Abbildungen ist wieder linear, daher ist GL(V ) eine Gruppe und Homk (V, W )
ein k-Vektorraum.

8.3

Beispiele

1. f : R R, x 7 2x ist ein Isomorphismus.

2. f : R R, x 7 x + 1 ist keine lineare Abbildung.
3. f : R R, x 7 x2 ist keine lineare Abbildung.

 
3x + 4y
x
4. R2 R3 ,
7 x y ist eine lineare Abbildung.
y
4y
 


x
xy
2
2
5. R R ,
7
ist keine lineare Abbildung.
y
xy
6. Abb(R, R) R, f 7 f (0) ist eine lineare Abbildung.
7. Bezeichnet C 1 (R) den Raum der stetig differenzierbaren Funktionen,
C 0 (R) den Raum der stetigen Funktionen, so ist C 1 (R) C 0 (R),
f 7 f eine lineare Abbildung, denn
1. (f + g) = f + g , f, g C 1 (R).
22

2. (f ) = f , R.
Wir werden dies sp
ater noch ausf
uhrlicher behandeln.
8. Mit M (m n, k) := {(Aij ) | i = 1 . . . m, j = 1 . . . n, Aij k} bezeichnet man den Raum der Matrizen mit m-Zeilen und n-Spalten und
Koeffizienten in k. Man schreibt

A11 . . . A1j . . . A1n

..
..
..
.
.
.

A = Ai1 . . . Aij . . . Ain

..
..
..
.
.
.
Am1 . . . Amj . . . Amn
F
ur A, B M (m n, k) ist A + B =: (Aij + Bij ) M (m n, R) und
f
ur A M (m n, k), B(n r, k) ist A B =: C M (m r, k) mit
n
P
Aip Bpj . Offenbar ist k m = M (m 1, k), also definiert die
Cij =
p=1

Matrizenmultiplikation mit A M (m n, k) eine lineare Abbildung

k n k m , n
amlich:
TA : k n k m , v 7 A v.
Falls kein Missverst
andnis moglich ist, werden wir die lineare Abbildung TA wieder mit A bezeichnen.

8.4

Bemerkung

Bezeichnet ei Rn den Vektor mit


1 j=i
(ei )j =
,
0 sonst

also ei =

TA , denn

0
1
0
..
.
0

, so steht in der i-ten Spalte von A das Bild von ei unter

TA (ei ) =

a1i
a2i
..
.
ami

wobei A = (aij )i=1...m;j=1...n . In der j-ten Spalte von A steht also TA (ej ).
23

8.5

Beispiel

A = (1, 2), TA :

8.6

R2

R,

x1
x2

7 x1 + 2x2 .

Notiz

Ist f eine lineare Abbildung, so ist f (0) = 0, denn f (v) = f (0 + v) =

f (0) + f (v).

8.7

Lemma und Definition

Ist f : V W eine lineare Abbildung, so ist der Kern von f :

ker f := {x V | f (x) = 0} V ein Untervektorraum von V
und das Bild von f :
bildf := {f (x) W | x V } W ein Untervektorraum von W .
Beweis:
Sind x, y ker f , so ist auch f (x + y) = f (x) + f (y) = 0,
also x + y ker f .
Ist x ker f , k, so ist f (x) = f (x) = 0 = 0,
also x ker f und 0 ker f nach 8.6.
Ebenso folgt, dass bildf W ein Untervektorraum von W ist:
0 bildf , denn 0 = f (0). Sind w1 , w2 bildf, w1 = f (v1 ), w2 = f (v2 ),
so ist w1 + w2 = f (v1 + v2 ) bildf .
2

8.8

Lemma

Eine lineare Abbildung f ist genau dann injektiv, wenn ker f = 0 gilt.
Beweis: Sei x, y V, f Hom(V, W ). Dann gilt
f (x) = f (y)
f (x) f (y) = 0
f (x y) = 0
x y ker f

8.9

Beispiel

a) A = (1, 2).
Bild A = R und ker A = R

2
1

. A ist nicht injektiv.

24

b) A =

1 2
3 4


 
y1
2y1 + y2
.
=
1
3
y2
2 y1 2 y 2


ker A = {0}, denn A xx12 = 0 (x1 = 0 x2 = 0) wie das Losen des
Systems linearer Gleichungen ergibt. Also ist A injektiv.

Bild A = R2 , denn A

Basen und Dimensionen von Vektorr

aumen

Sei V ein k-Vektorraum.

9.1

Definition und Notiz

Sei S V , dann heit der kleinste Untervektorraum von V , der S enthalt,

die lineare H
ulle oder der Span von S. Wir schreiben < S >= LH(S) =
span(S). Sind v1 , . . . , vr V , so schreibt man hv1 , . . . , vr i = h{v1 , . . . , vr }i
= span(v1 , . . . , vr ). Ist U = hv1 , . . . , vr i, so heien v1 , . . . , vr ein erzeugendes
System von U . Es ist dann U = {1 v1 + + r vr | i k}.
Beweis:
a) Offenbar ist {1 v1 + + r vr | i k} < v1 . . . vr >, denn falls
v1 . . . vr U , so auch 1 v1 + + r vr U . Andererseits ist nach
7.6, Punkt 5. {1 v1 + + r vr | i k} ein Untervektorraum, also
{1 v1 + + r vr | i k} < v1 . . . vr >.
b) Der kleinste Untervektorraum, der S enthalt, ist eindeutig bestimmt.
Denn, sind U1 , U2 zwei Untervektorraume, die S enthalten, so ist S
U1 U2 , und U1 U2 ist wiederum ein Untervektorraum.
2

9.2

Beispiele

1. span

 a

b






= ab | R = R ab

25


0
1
2. span 0 , 1 = R2 {0}
0
0

1
1
= span 1 , 0
0
0

1
0
1
0

= span R {0}, 1 = span 0 , 1 , 1 .

0
0
0
0

9.3

Definition

Seien v1 , . . . , vr V .

1. Ein Vektor v V heit Linearkombination

von v1 , . . . , vr V , wenn
Pr
es 1 , . . . , r k gibt mit v = i=1 i vi .
P
2. Die Vektoren {v1 , . . . , vr } heien linear unabh
angig, wenn aus ri=1 i vi =
0 folgt, dass 1 = 2 = = r = 0 gilt. Sonst heien {v1 , . . . , vr }
linear abh
angig.

3. {v1 , . . . , vr } heien eine Basis von V , wenn {v1 , . . . , vr } linear unabh

angig sind und span(v1 , . . . , vr ) = V gilt.

9.4

Beispiele

1
1. 0 ,

0

1
2. 2 ,

3

1
3. 0 ,

2
0 sind linear abhangig.

0

3
6 sind linear abhangig.

9

1
1 sind linear unabhangig.

4. Im R-Vektorraum C ist {1, i} eine Basis.

Im C-Vektorraum C sind {1, i} linear abhangig, {1} ist eine Basis.

5. Sei V = C 0 (R) und i : R R, i C 0 (R) durch

0
x 6 [i 12 , i + 21 ]

x i + 12 x [i 21 , i]
i (x) =

x + i + 21 x [i, i + 12 ]
definiert.

26

{1 , 2 , . . . , N } sind linear unabhangig f

ur jedes N N, denn aus
P
N
ur kein
i=1 i i = 0 folgt 1 = 2 = = 0, aber 1 , . . . N bilden f
N N eine Basis f
ur C 0 (R).

9.5

Definition und Notiz

Die Vektoren

e1 =

1
0
0
..
.
0

, e2 =

..

, . . . , en = 0

0
0
1
0
1
0
..
.

bilden eine Basis von k n , die sogenannte Standardbasis En .

9.6

Bemerkung

En ist nat
urlich nicht die einzige Basis von Rn , z.B. ist


1
1
1

0 1

0 0
, , ..., 1
..

. .

.
.. ..

1
0
0
eine weitere Basis von Rn .

9.7

Notiz

Sind v1 , . . . , vr linear unabh

angig und ist x span{v1 , . . . , vr }, x =
dann sind die 1 , . . . , r eindeutig bestimmt, denn
r
X
i=1

i vi =

r
X
i=1

i vi
27

r
X
i=1

(i i )vi = 0,

r
P

i=1

i vi ,

also folgt aus der linearen Unabhangigkeit von {v1 , . . . , vr }, dass i i = 0

f
ur alle i {1, . . . , r} .

9.8

Satz

Sei V ein Vektorraum, vi V f

ur i = 1 . . . r, so dass {v1 , . . . , vr } linear unabh
angig ist. Sei w V . Dann ist {v1 , . . . , vr , w} genau dann linear
abh
angig, wenn w span(v1 , . . . , vr ).
Beweis:
= Sei {v1 , . . . , vr , w} linear abhangig. Dann existieren 1 . . . r+1 k mit

1 v1 + + r vr + r+1 w = 0
(1)
1
und mindestens ein i 6= 0. Ist r+1 6= 0, so ist w = r+1
(1 v1 + +
r vr ) span(v1 , . . . , vr ). Ist r+1 = 0, so folgt aus (1)

1 v1 + + r vr = 0
und mindestens ein i 6= 0, also ist {v1 , . . . , vr } linear abhangig im
Widerspruch zur Voraussetzung.
= Ist w span(v1 , . . . , vr ), so existieren 1 , . . . , r k mit w = 1 v1 +

+ r vr , also 1 v1 + + r vr w = 0.
2

9.9

Basiserg
anzungssatz

Ist V ein k-Vektorraum, U = {u1 , . . . , ur } eine Menge linear unabhangiger

Vektoren, W = {w1 , . . . , wt } ein erzeugendes System f
ur V , dann ist t r
und es gibt j1 , . . . , js {1, . . . , t}, so dass {u1 , . . . , ur , wj1 , . . . , wjs } eine
Basis von V ist. Insbesondere hat jeder Vektorraum mit endlich erzeugendem
System eine endliche Basis.
Beweis: Siehe Literatur, z.B. Janich, Lineare Algebra, 3.4.

9.10

Beispiele

V = R4

0
1

1
0
a) u =
0 , 1

1
0

sind linear unabh

angig, aber nicht erzeugend f
ur R4 .

b) w = {e1 , e2 , e3 , e4 } ist eine Basis von R4 , damit konnen wir u zu einer

Basis von R4 erg
anzen.

28


0
1

1
0
c)
0 , 1

1
0

ebenso ist

aber nicht

1
0
,
0
0

1

1
,

0
0

1

1
,

0
0

0
0
,
1
0

0

0
,

1
1

0

0
,

1
1

ist eine Basis von R4 ,

0
1
0
0
,
0 0
1
0

0
1
1
0
,
0 0
0
0

eine Basis von R4 ,

d) Sei jetzt V = PnR der Vektorraum der Polynome vom Grad hochstens
n. Dann ist {1, x, . . . , xn } eine Basis von V .

9.11

Korollar und Definition

Ist {v1 , . . . , vn } eine Basis von V und {w1 , . . . , wm } ebenfalls eine Basis
von V , dann folgt aus 9.9 n = m. Die damit wohldefinierte Anzahl der
Basisvektoren n eines (endlich erzeugten) Vektorraums heit die Dimension
des Vektorraums, man schreibt dimk V := dim V := n.

9.12

Beispiele

1. dimR Rn = n.
2. dimC Cn = n.
3. dimR Cn = 2n.
4. dimR Pn = n + 1, denn {1, x, . . . , xn } ist eine Basis von Pn .
5. dimk M (mn, k) = mn, denn Eij M (mn, k) mit (Eij )rs = ir js
bilden eine Basis von M (m n, k).

9.13

Korollar

Ist W V ein Untervektorraum, so gilt W = V , genau dann, wenn

dim V = dim W .

29

9.14

Satz

Ist V ein Untervektorraum, U = {u1 , . . . , un }

V.
1

dann eine Basis von V , wenn U : k n V, ...

Dann
gilt: U ist genau

n
P

i ui ein Iso 7
i=1

n
morphismus ist. U heit dann der durch U gegebene Basisisomorphismus.
Insbesondere gilt dann U (ei ) = ui . Genauer gilt: U ist genau dann linear
unabh
angig, wenn U injektiv ist, und genau dann erzeugend, wenn U surjektiv ist.
Beweis:
1. Offenbar ist U ist linear.

1
n
P

i ui = 0.
2. Es gilt U ... = 0
i=1
n
Also ist ker U = 0 {u1 , . . . , un } linear unabhangig. Damit ist U
genau dann injektiv, wenn {u1 , . . . , un } linear unabhangig sind.
3. U ist surjektiv {u1 , . . . , un } ist erzeugendes System von V .

10

Der Rangsatz

Wir betrachten in diesem Kapitel nur Vektorraume endlicher Dimension,

d.h. Vektorr
aume, die ein endliches erzeugendes System besitzen. Wir wollen
den Begriff Dimension benutzen, um leichter Aussagen u
ber Injektivitat und
Surjektivit
at treffen zu k
onnen.

10.1

Satz

Ist f Homk (U, V ), so gilt

a) f ist genau dann injektiv, falls f
ur jede linear unabhangige Teilmenge
{u1 , . . . , ur } von U gilt: {f (u1 ), . . . , f (ur )} ist linear unabhangig.
b f ist genau dann surjektiv, falls f
ur eine, dann jede erzeugende Teilmenge {u1 , . . . , ur } von U gilt: {f (u1 ), . . . , f (ur )} ist erzeugend f
ur
V.
c) f ist genau dann ein Isomorphismus, wenn f
ur eine, dann jede Basis
{u1 , . . . , ur } von U gilt: {f (u1 ), . . . , f (ur )} ist Basis von V .

30

Beweis:
a) Sei f Hom(U, V ) und {u1 , . . . , ur } U eine linear unabhangige
Teilmenge. Dann gilt
1 f (u1 ) + 2 f (u2 ) + + r f (ur ) = f (1 u1 + + r ur ) = 0
1 u1 + + r ur ker f .
Ist f injektiv, also ker f = {0}, so folgt 1 = 2 = = r = 0, also
ist {f (u1 ), . . . , f (ur )} linear unabhangig.
Umgekehrt: Ist {f (u1 ), . . . , f (ur )} linear unabhangig f
ur eine Basis
{u1 , . . . , ur } von U , so folgt ker f = 0, also ist f injektiv.
b) Sei f surjektiv, {u1 , . . . , ur } eine erzeugende Teilmenge f
ur U . Dann
gibt es zu jedem y V ein x U mit f (x)
=
y.
Da
{u
1 , . . . , ur }
Pr
erzeugend ist, gibt es 1 , . . . , r k mit x = i=1 i ui , also
!
r
r
X
X
y=f
i u i =
i f (ui ),
i=1

i=1

also ist {f (u1 ), . . . , f (ur )} erzeugende Teilmenge von V .

Umgekehrt: Ist {f (u1 ), . . . , f (ur )} erzeugend, so existieren zu jedem
y V Skalare 1 , . . . , r k mit
!
r
r
X
X
y=
i f (ui ) = f
i ui bild f,
i=1

i=1

also ist f jurjektiv, also ist auch f

ur jede weitere erzeugende Teilmenge
{
u1 , . . . , u
r } U das Bild {f (
u1 ), . . . , f (
ur )} V erzeugend.
c) Folgt aus a) und b).

10.2

Beispiel

f : R3 R2 , f (x) =

1 2 3
4 5 6

x. f ist surjektiv, denn

     


3
2
1
,
,
f (e1 ), f (e2 ), f (e3 ) =
6
5
4

ist erzeugend, da
   
     
2
1
3
2
1
= R2 ,
,
=
,
,
5
4
6
5
4



denn { 14 , 25 } ist linear unabhangig, bildet also eine Basis von R2 .
31

10.3

Korollar

Zwei Vektorr
aume endlicher Dimension sind genau dann isomorph, wenn sie
gleiche Dimension haben. Insbesondere hat V genau dann die Dimension n,
wenn es einen Isomorphismus f : k n V gibt.
Beweis:
Ist v = {v1 , . . . , vn } eine Basis von V und {w1 , . . . , wn } eine Basis von

W , so ist
!
r
r
X
X
f
i wi
i vi =
i=1

i=1

der gesuchte Isomorphismus.

Ist f : V W ein Isomorphismus und {v1 , . . . , vn } eine Basis von V,

dann ist {f (v1 ), . . . , f (vn )} eine Basis von W .

2

10.4

Satz

Sei T : V W eine lineare Abbildung, dann ist

dim ker T + dim bild T = dim V.
Beweis:
Sei dim ker T = n 0, dim V dim ker T = k 0. Sei {v1 , . . . , vn } eine Basis von ker T , {v1 , . . . , vn , w1 , . . . , wk } eine Basis von V . Dann ist
{T (w1 ), . . . , T (wk )} bild T eine Basis von bild T , denn:
1. span(w1 , . . . , wk ) ker T = {0}.
2. span(T (w1 ), . . . , T (wk )) = bild T (nach 10.1),
denn T : V bild T ist surjektiv und span(T (w1 ), . . . , T (wk )) =
span(T (v1 ), . . . , T (vn ), T (w1 ), . . . , T (wk )).
3. {T (w1 ), . . . , T (wk )} ist linear unabhangig, denn
k
P

i T (wi ) = 0,

i=1
Linearit
at

k
X
i=1

k
X

Def. ker

i=1
k
X

(1.)

i wi

=0

i wi ker T
i wi = 0

i=1

1 = = k = 0.
32

10.5

Definition

rg T := dim bild T heit der Rang von T .

10.6

Korollar

Ist f Hom(V, V ), dann ist f genau dann injektiv, wenn es surjektiv ist,
d.h. genau dann, wenn rg T = dim V gilt.

11

Die Matrixdarstellung linearer Abbildungen

Ist A M (m n, k), dann definiert die Matrizenmultiplikation mit A eine

lineare Abbildung k n k m , namlich:
TA : Rn Rm , v 7 A v
Genauer definiert die Abbildung
M (m n, k) Hom(k n , k m ), A 7 TA

(1)

eine injektive lineare Abbildung, und f

ur A M (m n, k), B M (n r, k)
r
n
ist TAB = TA TB Hom(k , k ). Wir werden in diesem Kapitel sehen,
dass die Abbildung (1) sogar ein Isomorphismus ist.

11.1

Notation
GL(V ) := {f Hom(V, V ) | f ist Isomorphismus}

GL(n, k) := {A M (n n, k) | A ist invertierbar}

heit die allgemeine lineare Gruppe. Offenbar sind GL(V ) und GL(n, k)
Gruppen und
GL(n, k) GL(k n ), A 7 TA
ist ein Gruppenisomorphismus.

11.2

Lemma

Ist A = (a1 . . . an ) M (m n, k), wobei aj k m die Spalten von A sind,

dann ist
bild TA = span{a1 , . . . , an },

denn aj = TA (ej ) nach 10.1.

11.3

Definition

Die maximale Anzahl der linear unabhangigen Spaltenvektoren, der Rang

von A, ist
rg A := dim bild TA .
33

11.4

Lemma

Folgende Operationen
andern das Bild und damit den Rang einer Matrix
nicht:
1. Vertauschen zweier Spalten.
2. Multiplikation einer Spalte mit einem Skalar 6= 0.
3. Addition einer Spalte zu einer anderen.

11.5

Beispiel

1 2 0
1 2 2
1 2 4
3Sp.21Sp.
3Sp.2Sp.
=
rg 1 0 0 = 2,
=
rg 1 0 2
rg 1 0 2
0 3 0
0 3 0
0 3 3

denn aus + 0 = 0 folgt = = 0.

3
0

11.6

Lemma

Folgende Operationen
andern den Kern und nach 10.3 damit den Rang einer
Matrix nicht:
1. Vertauschen zweier Zeilen.
2. Multiplikation einer Zeile mit einem Skalar 6= 0.
3. Addition einer Zeile zu einer anderen.
Beweis: Die Bestimmung des Kerns erfolgt durch Losen eines Systems linearer Gleichungen, das durch 11.6, 1. - 3. in ein aquivalentes System u
bergef
uhrt wird.
2
Wir werden jetzt lineare Abbildungen durch Matrizen darstellen und konnen
dann 11.4 und 11.6 auf beliebige lineare Abbildungen anwenden. Dazu ist es
sinnvoll, statt einer Basis {v1 , . . . , vn } jeweils eine geordnete Basis (v1 , . . . , vn )
zu betrachten.

11.7

Satz

Sind V, W Vektorr
aume der Dimension n und m mit geordneten Basen v =
(v1 , . . . , vn ) und w = (w1 , . . . , wm ), f : V W eine lineare Abbildung, so
ist durch
fv,w := (aij )i=1...m;j=1...n M (m n, k) mit f (vj ) =:
34

m
X
i=1

aij wi

eine m n-Matrix wohldefiniert. fv,w heit die Matrixdarstellung von f

bez
uglich der Basen v, w. Es ist dann

1
1
n
m
X
X

f
j vj =
i wi fv,w ... = ... ,
(2)
j=1
i=1
n
m

denn

n
m X
n
n
X
X
X
f
j aij wi .
j vj =
j f (vj ) =
j=1

i=1 j=1

j=1

Damit ist die Abbildung

Homk (V, W ) M (m n, k), f 7 fv,w

invers zur Abbildung
M (m n, k) Hom(V, W )

n
n
m
X
X
X

A 7 TA :
j vj 7
aij j wi
j=1

i=1

j=1

f
ur jede Basis v von V und w von W .
Insbesondere ist nach 8.4 (TA )En ,Em = A, wobei En := (e1 , . . . , en ),
Em := (e1 , . . . , em ) die Standardbasen in Rn bzw. Rm sind.

11.8

Beispiele



x
x
+
3y
3
2
1. f : R R , f y =
z 2x
z


1 3 0
, denn
fE3 ,E2 =
2 0 1


 
 
1
3
0
f (e1 ) =
, f (e2 ) =
, f (e3 ) =
, also
2
0
1
 
 
0
1
= 1e1 2e2 .
|{z}
2
fe1 = |{z}
1
1
0


a11

a21

f (e2 ) = 3 e1 .
f (e3 ) = 1 e2 .
2. Sei f wie in 1.

35

v := {e1 , e2 , e3 } = E3 , w :=



Dann ist

1
2

  
3
,
.
0



f (e1 ) = 1 w1 + 0 w2
1 0 12
f (e2 ) = 0 w1 + 1 w2
= fv,w =
0 1 16

f (e3 ) = 12 w1 + 61 w2

3. Sei fwie
in1.

  
3
0
1
1
3
,
.
v = 0 , 1 , 0 . w =
2
0
6
0
0


1 0 0
Dann ist f (v3 ) = w2 , also fv,w =
.
0 1 1
4. f : Pn Pm , p 7 p . In Pn ist eine Basis
gegeben. Dann ist

0 1 0
..
. 0 2

. .
fv,v =
.. .. 0

0 0 0 . . .
0 0 ... ...
denn (xj ) = jxj1 .

11.9

durch (1, x, . . . , xn ) =: v

0
..
.

n
0

Korollar

Ist f Hom(V, W ), v eine Basis von V , w eine Basis von W , so ist rgf =
rgfv,w und dim ker f = dim ker fv,w .

11.10

Bemerkung

Lineare Abbildungen sind durch Werte auf den Basisvektoren schon festgelegt, d.h. sind fi : V W linear f
ur i = 1, 2, (v1 , . . . , vn ) Basis von V und
f1 (vi ) = f2 (vi ) f
ur i = 1 . . . n, so ist
!
!
n
n
n
X
X
X
f1
i f1 (vi ) = f2
i vi =
i vi , also f1 = f2 .
i=1

11.11

i=1

i=1

Satz

Sind U, V, W Vektorr
aume und f : U V , g : V W lineare Abbildungen,
so gilt f
ur Matrixdarstellungen bez
uglich Basen u, v, w:
gv,w fu,v = (g f )u,w .
36

Insbesondere ist f
ur jeden n-dimensionalen Vektorraum V und jede Basis v
von V durch
GL(V ) GL(n, k), f 7 fv,v

ein Gruppenisomorphismus gegeben.

Nach 11.10 m
ussen wir dies nur f
ur die Bilder von uj U verifizieren. Sei
dim U = m, dim V = n, dim W = r, und
fu,v = (aij )i=1...n;j=1...m
gv,w = (bij )i=1...r;j=1...n
so ist
(g f )(uj ) = g

11.12

n
X

aij vi

i=1

n
X

aij g(vi ) =

i=1

n,r
X

i=1,k=1

Notiz

aij bki wk
| {z }

(BA)kj

Seien v = (v1 , . . . , vn ), w = (w1 , . . . , wm ) Basen von V und W und v :

k n V , ei 7 vi , w : k m W , ei 7 wi die dadurch gegebenen Basisisomorphismen (vgl. 9.14). Dann kommutiert
f

V W

fv,w

k n k m
d.h. f v (x) = w (fv,w x), denn es ist f v (ei ) = f (vi ) = w (fv,wi ) nach
(2) f
ur alle ei En .

11.13

Korollar

)
Seien v = (v1 , . . . , vn ), v = (v1 , . . . , vn ), w = (w1 , . . . , wm ), w = (w1 , . . . , wm
m
n
P
P
bji wj . Dann
aji vj und wi =
geordnete Basen von V und W mit vi =
j=1

j=1

ist

fv ,w = B fv,w A

mit B = (bij )i,j=1...m , A = (aij )i,j=1...n .

Beweis: Sind v , v , w , w wie in 11.12, so ist v = v TA , denn

n
n
X
X
v TA ei = v
aji vj = vi = v ei .
aji ej =
j=1

j=1

1
1
Ebenso ist w = w TB , also ist w
= TB w , also

1
1
fv ,w = w
f v = B w f v A = B fvw A.

2
37

11.14

Beispiel



x
x + 3y
3
2

y
=
,
f : R R ,f
z 2x
z

v = E2 , w = E3 .


  
3
0
1
1
3

,
.
v = 0 , 1 , 0 , w =
2
0

6
0
0



1 0 3
0 12
Dann ist A = 0 1 0 , B = 1
.
1
3
6
0 0 6
fv,w =

12




1 0 0
1 3 0
.
und B fv,w A =
0 1 1
2 0 1

Lineare Gleichungssysteme und Matrizen

Matrizen und lineare Abbildungen hangen eng mit linearen Gleichungssystemen zusammen.

12.1

Notiz und Notation

Sei A M (m n, k), A = (aij ), aij k:

x ker A x ker TA (mit TA : Rn Rm , x 7 Ax)

a11 x1 +
..
.

...

am1 x1 + . . .

+a1n xn
..
.
+amn xn

= 0

= 0

(1)

: x = (x1 , . . . , xn )t ist Losung des durch (1) gegebenen homogenen

Systems linearer Gleichungen.
Sei b Rm , b = (b1 , . . . , bm ):
Ax = b

38

a11 x1 +
..
.

...

+a1n xn
..
.

am1 x1 + . . .

b1

+amn xn = bm

(2)

: x ist L
osung des durch (2) gegebenen inhomogenen Systems linearer Gleichungen.

12.2

Korollar

1. Die L
osungen der homogenen Gleichung (1) bilden einen Vektorraum,
den Kern von A, d.h. sind x und x Losungen von (1), so auch x f
ur

alle k und x + x .
2. Ist x eine L
osung der inhomogenen Gleichung (2), so ist die Menge
aller L
osungen von (2) durch {x + v|v Losung von (1)} gegeben.
3. Ist rgA = m, so besitzt (2) f
ur jedes b Rm Losungen.
4. Ist rgA = n, so ist jede Losung von (2), falls sie existiert, eindeutig.
5. Ist n = m, so hat (2) genau dann f
ur jedes b Rm eine Losung, wenn
(1) nur die triviale L
osung hat. Diese Losung ist dann eindeutig.

12.3

Beispiel
z

}| {
x
x + z = 0
1 0 1
2x + y + 3z = 0 y ker 2 1 3
z
y + z = 0
0 1 1

Das Gleichungssystem hat

1
L = { 1 | R},
1


0
1
denn 2 und 1
1
0
also ist L = ker A.
Betrachte das inhomogene

den eindimensionalen Losungsraum

denn offenbar ist L ker A und rgA 2,

sind linear unabhangig, also ist dim ker A 1,
System

x+z
= 0
2x + y + 3z = 1

y+z
= 1
39

(3)


0
Dann ist offenbar 1 eine Losung von (3), d.h. der Losungsraum
0

von (3) ist durch 1 + | R gegeben.

13
13.1

Multilineare Abbildungen und Determinanten

Definition

Seien V und W k-Vektorr

aume, k = R oder k = C.
1. Unter einer multilinearen Abbildung (bzw. r-linearen Abbildung) versteht man eine Abbildung : |V .{z
. . V} W , so dass
r

(v1 , . . . , vi +vi , . . . , vr )

= (v1 , . . . , vi , . . . , vr )+(v1 , . . . , vi , . . . , vr )

f
ur alle i {1, . . . , r} gilt.
2. Ist (v1 , . . . , vi , . . . , vj , . . . , vr ) = (v1 , . . . , vj , . . . , vi , . . . , vr ) f
ur alle
i, j {1, . . . , r}, so heit symmetrisch.
3. Ist (v1 , . . . , vi , . . . , vj , . . . , vr ) = (v1 , . . . , vj , . . . , vi , . . . , vr ) f
ur alle
i, j {1, . . . , r}, so heit alternierend oder antisymmetrisch.
4. Wir bezeichnen den Raum der r-linearen alternierenden Abbildungen
auf V mit Werten in k mit Altr V , den Raum der symmetrischen rlinearen Abbildungen auf V mit Werten in k mit Symr V .

13.2

Beispiele und Notationen

1. Das Standardskalarprodukt Rn Rn R, (x, y) 7< x, y >:=

xt y ist eine 2-lineare (bilineare) symmetrische Abbildung.

n
P

xi yi =

i=1

2. Das Vektorprodukt R3 R3 R3 , (x, y) 7 x y ist eine alternierende

bilineare Abbildung.
   
x
x
2
2
3. Die Determinante det : R R R,
,
7 xy x y
y
y
ist eine alternierende bilineare Abbildung.
4. Ist A M (n n, k), so ist die Abbildung

x1
y1
n
X
.. ..
n
n
A : k k k, . , . 7
aij xi yj = xt Ay
i,j=1
xn
yn
40

bilinear.
Sie ist genau dann symmetrisch, wenn aij = aji f
ur alle i, j {1, . . . , n}
t
gilt, d.h. wenn A = A .
Sie ist genau dann antisymmetrisch, wenn aij = aji f
ur alle i, j
t
{1, . . . , n} gilt, d.h. wenn A = A .

13.3

Notiz und Notation

Ist v1 , . . . , vr eine Basis von V und w1 , . . . , wm eine Basis von W , so werden

durch eine r-lineare Abbildung : V . . . V W die Zahlen i1 ,...,ir ; j ,
wobei i1 , . . . , ir {1, . . . , n}, j {1, . . . , m} durch
(vi1 , . . . , vir ) =

m
X

i1 ,...,ir ; j wj

j=1

wohldefiniert, die Tensordarstellung von bez

uglich der gegebenen Basis.
Umgekehrt wird analog zu linearen Abbildungen, die durch Matrizen beschrieben werden, eine multilineare Abbildung vollstandig durch ihre Tensordarstellung beschrieben. (vgl. 11.7 und 11.10).
Ist W = k, so schreibt man
i1 ...ir := (vi1 . . . vir ).

13.4

Beispiele

1. Die Tensordarstellung des Standardskalarprodukts wird bzgl. Em durch


1 i=j
gij =
0 sonst
bez
uglich der Standardbasis gegeben. Man schreibt gij = ij . ij heit
Kroneckersymbol.
2. R3 R3 R3 , (x, y) 7 x y, wird bez
uglich der Standardbasis durch



1 2 3

sign
falls i 6= j 6= k
i j k
ij;k =

0
sonst,
also

ij;k

1 (i, j, k) = (1, 2, 3) oder eine zyklische Permutation von (1, 2, 3)

= 1 (i, j, k) = (2, 1, 3) oder eine zyklische Permutation von (2, 1, 3)

0
sonst

gegeben. heit der -Tensor.

41

3. det : R2 R2 R wird bez

uglich der Standardbasis durch

1 (i, j) = (1, 2)
det ij = 1 (i, j) = (2, 1)

0
i=j
beschrieben. det(x, y) =

xt


0 1

y.
1 0

4. A M (n n, k), A wie in 13.2, Punkt 4, so ist (A )ij = Aij .

13.5

Bemerkung

Sowohl Symr V als auch Altr V bilden einen Vektorraum.

Man u
berlegt sich


n
r
leicht mit Hilfe von 13.3, dass dim(Alt V ) = r gilt, wobei dim V = n.

13.6

Notiz und Definition

Jedes S(n) l
asst sich als Produkt von Transpositionen schreiben. Ist
Produkt von k Transpositionen, so ist das Signum der Permutation durch
sign() = (1)k gegeben. Dies ist wohldefiniert.

13.7

Lemma

F
ur eine multilineare Abbildung sind aquivalent:
1. ist alternierend.
2. Falls vi = vj f
ur i 6= j, so ist (v1 , . . . , vk ) = 0.
3. Falls {v1 , . . . , vk } linear abhangig, so ist (v1 , . . . , vk ) = 0.
4. Ist S(n) eine Permutation, so gilt:
(v (1) , . . . , v (k) ) = sign( )(v1 , . . . , vk ).

13.8

Satz und Definition

Es gibt genau eine n-lineare, alternierende Abbildung det : k n . . . k n k

mit det(e1 , . . . , en ) = 1. Diese Abbildung heit die Determinante und wird
auch aufgefasst als Abbildung:
M (n n, k) k, A = (1 . . . n ) 7 det(1 . . . n ) =: |A|.
Beweis: Ist Altn k n mit (e1 , . . . , en ) = 1, so ist (e(1) , . . . , e(n) ) =
sign(), also

42

n
X

a1i1 ei1 , . . . ,

n
X

anin ein

in =1

i1 =1

n
X

i1 =1

S(n)

n
X

a1i1 . . . anin (ei1 , . . . , ein )

in =1

a1(1) . . . an(n) sign()

Also ist det Altn k n durch det(e1 , . . . , en ) = 1 eindeutig bestimmt.

Andererseits ist durch (1) auch die Existenz von Altn k n
mit (e1 , . . . , en ) = 1 gezeigt.

(1)

Der Beweis zeigt auch, wie die Determinante explizit berechnet werden kann.

13.9

Folgerung Leibnizformel zur Berechnung der

Determinante

Sei A = (aij ) M (n n, R). Dann ist

det A =

S(n)

13.10

sign() a1(1) an(n) .

Beispiel

a11 a12 a13

..
.. = a a a a a a a a a a a a
det ...
11 22 33
12 21 33
13 22 31
11 23 32
.
.
a31 a32 a33
+a12 a23 a31 + a13 a21 a32

13.11

Korollar

Die Determinante ist auch multilinear und alternierend in den Zeilen, also
det At = det A.
Eine weitere M
oglichkeit zur Berechnung der Determinanten ist in folgendem
Lemma gegeben.

13.12

Lemma und Definition

Sei A(ij) die (ij)-Minore von A, d.h. die Matrix, die aus A = (aij ) durch
Streichen der i-ten Zeile und j-ten Spalte hervorgeht. Dann kann det A induktiv durch
n
X
(1)i+j aij det(A(ij) )
(2)
det A =
j=1

43

f
ur beliebiges i {1, . . . , n} berechnet werden (Entwicklungsformel).

Beweis: Offenbar ist durch (2) eine Abbildung mit det(1) = 1 definiert.
Dabei ist (1ij ) := (ij ) die Einheitsmatrix. Dass sie alternierend und multilinear ist, folgt mittels Induktion, (siehe Literatur, z.B. Janich Lineare
Algebra, Springer, S. 139).
2

13.13

Notizen

Es gilt:
1. n = 1: det(a) = a


a b
2. n = 2: det
= ad bc
c d
3. n = 3: (Regel von

a11 a12

det a21 a22

a31 a32

Sarrus)

a13
a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
a33
a31 a22 a13 a32 a23 a11 a33 a21 a12

4. det(1 , . . . , i , . . . , j , . . . , n ) = det(1 , . . . , j , . . . , i , . . . , n ) f
ur
k Rn .
5. det(1 , . . . , i +j , . . . , j , . . . , n ) = det(1 , . . . , i , . . . , j , . . . , n )+
det(1 , . . . , j , . . . , j , . . . , n ) f
ur alle R.
|{z}

13.14

i-te Spalte

{z

=0

Beispiele

1. Berechnung

1 2
1 0
det
2 3
0 1

mit Hilfe der Entwicklungsformel (2):

3 4
1
2
3
2
3
4
0 1
i=2
= (1) det 3 4 5 + 1 det 2 3 4
4 5
0 1 0
1 0 2
0 2






1 3
2 3
3 4
i=3
1 det
+ 2 det
= 1 det
2 4
3 4
4 5
= 1 + (1) 2 1 (2)
=

1 2 + 2
1.

44

2. Berechnung mit Hilfe

1 2
1 0
det
2 3
0 1

von 13.13, Punkt 4. und 5.:

5 2
3 4
0 0
0 1
1.+4.Sp.

=
det
7 3
4 5
0 2
2 1

5 2
i=2

=
det 7 3
2 1

1 2
1.22.Sp.
=
det 1 3
0 1

1
=
det
1
=
1.

3 4
0 1

4 5
0 2

3
4
0

3
4
0

3
4

Aus 13.11 und 13.12 folgt auch:

13.15
det A =

13.16

Lemma
Pn

i+j a
ij
i=1 (1)

det(A(ij) ) f
ur beliebiges j {1 . . . n}.

Definition

Sei A = (aij ) M (n n, R). Dann ist die komplement

are Matrix A = (
aij )
durch
a
ij = (1)i+j det(A(ji) )
gegeben, wobei A(ji) die (ij)-Minore ist, also aus A durch Streichen der j-ten
Zeile und i-ten Spalte entsteht.

13.17

Beispiele

^ 

a b
d b
a)
=
.
c d
c a

15
0 6
1 0 2
3 0 .
b) A = 0 3 0 . A = 0
12 0
3
4 0 5

13.18

Lemma

det A
0
...
0
det A . . .

Es gilt : A A = A A = det A 1 = .
..
..
..
.
.
0
0
0
45

0
0

.
0
det A

Insbesondere gilt: A ist genau dann invertierbar, wenn det A 6= 0 ist.

Dann gilt: A1 = 1 A.
det A

Beweis:
(A A)rs =
A

n
X

a
rj ajs =

n
X
j=1

j=1

r+j

(1)

det(A(jr) ) ajs =

det A r = s
det A r =
6 s

Wobei
aus A hervorgeht, wenn man die r-te Spalte durch die s-te ersetzt,

also det A = 0, da A zwei gleiche Spalten enthalt.

2

13.19


a
a)
c

1
b) 0
4

13.20

Beispiele

d b
.
=

c a
1

0 2
5 0 2
3 0 = 13 0 1 0 .
0 5
4 0 1

b
d

1

1
adbc

Satz

Seien A, B M (n n, k). Dann gilt det(AB) = det A det B = det(BA).

Beweis:
Fall 1: Ist det A = 0, so ist rg(AB) rgA < n, da A nicht surjektiv ist,
also ist auch A B nicht surjektiv, also det(AB) = 0.
Fall 2: Ist det A 6= 0, so definiere f : M (n n, k) k, X 7 det(AX)
det A . Dann
ist f (1) = 1 und f ist multilinear und alternierend in den Spalten von
2
X, also ist nach 13.8 f (X) = det(AX)
det A = det X.

13.21

Folgerung

Die invertierbaren n n-Matrizen bilden zusammen mit der Matrizenmultiplikation eine (nicht abelsche) Gruppe, die wir mit GL(n, k) bezeichnen.
det : GL(n, k) k\{0} ist ein Gruppenhomomorphismus.
Die Determinante bietet nun eine einfache Moglichkeit um zu u
ufen,
berpr
ob A GL(k n ) ist.

13.22

Notiz

Es gilt: A GL(n, k) det A 6= 0 TA GL(k n ) ist ein Isomorphismus. Die Spalten von A bilden eine Basis von k n .
Dies k
onnen wir nun auf f End(V ) anwenden, wobei V ein Vektorraum
mit dim V < ist.
46

13.23

Satz und Definition

Ist V ein k-Vektorraum mit dim V < und f : V V eine lineare Abbildung, v eine Basis von V , so ist det f := det fv,v unabhangig von der Wahl
der Basis.
Beweis: Ist v eine weitere Basis von P
V . Dann ist nach Korollar
P11.13
aji vj
bji vj und A durch vi =
fv ,v = B fv,v A, wobei B durch vi =
j

definiert ist. Also ist A =

B 1

und

det fv ,v = det(A1 ) det fv,v det A = (det A)1 det fv,v det A = det fv,v .
2

13.24

Beispiel

f : Pn Pn , p 7 p + p. Sei v = (1, x, . . . , xn ) die Standardbasis in Pn .

Dann ist

1 1 0

0 1 2

, also det f = 1,

.
..
fv,v = .
. n

. 0 1
..
. 1
0 0
also ist f ein Isomorphismus und (1, x + 1, x2 + 2x, . . . , xn + nxn1 ) eine
Basis von Pn .

14
14.1

Skalarprodukte und Normen

Definition

Unter einem Skalarprodukt auf einem R-Vektorraum V versteht man eine

symmetrische bilineare Abbildung q : V V R, die positiv definit ist, d.h.
f
ur die gilt
1. q ist positiv semidefinit, d.h. q(v, v) 0 f
ur alle v V .
2. q(v, v) = 0 v = 0
Eine symmetrische bilineare Abbildung heit negativ (semi-) definit, falls
q positiv (semi-) definit ist, sie heit indefinit, wenn sie weder positiv noch
negativ semidefinit ist.

14.2

Beispiele

a) V = Rn , q(v, w) = v t w =: hv, wi.

R1
b) V = C ([0, 1]), q(f, g) = 0 f (t)g(t) dt.
47

14.3

Notiz und Definition

Ist A M (n n, R), At = A, dann ist durch

qA : Rn Rn R, (v, w) 7< v, Aw >:= v t A w

eine symmetrische bilineare Abbildung gegeben. A heit positiv (semi-) definit bzw. negativ (semi-) definit bzw. indefinit falls qA dies ist. q1 heit das
Standardskalarprodukt auf Rn .
Ist V ein C-Vektorraum und q eine bilineare Abbildung auf V , so ist
q(ei/4 v, ei/4 v) = iq(v, v),
also gilt f
ur q 6= 0 nie q(v, v) R f
ur alle v V . Um von Definitheit der
Abbildung sprechen zu k
onnen, f
uhrt man die folgenden Abbildungen ein.

14.4

Definition

Sei V ein C-Vektorraum. Eine Abbildung q : V V C heit eine

hermitesche Sesquilinearform, wenn gilt:
ur alle v, w V .
1. q(v, w) = q(w, v) f
2. q(v, w + w ) = q(v, w) + q(v, w ) f
ur alle v, w, w V, k.

14.5

Bemerkung

Aus 14.4, Punkt 1. folgt, dass f

ur jede hermitesche Sesquilinearform auf V
und jedes v V gilt q(v, v) R.

14.6

Definition

Ein hermitesches Skalarprodukt q auf V ist eine positiv definite hermitesche

Sesquilinearform, d.h. eine Sesquilinearform, f
ur die gilt
1. q ist positiv semidefinit, d.h. q(v, v) 0 f
ur alle v V .
2. q(v, v) = 0 v = 0.

14.7

Beispiel

v1

1. V = Cn , ... ,
vn

w1
n
.. := P
vi wi = v t w.
.
i=1
wn
t

2. Ist A M (n n, C) mit A = A, so ist

qA : Cn Cn C, (v, w) 7 (v, Aw) = v t Aw

eine hermitesche Sesquilinearform.

48

14.8

Bemerkung und Definition

Ist (qij ) = Q die Tensordarstellung von q bez

uglich En , so ist q(v, w) = v t Qw.
Die Matrix Q heit die Fundamentalmatrix zu q. Die Fundamentalmatrix des
Standardskalarprodukts ist 1.

14.9

Satz (Cauchy-Schwarzsche-Ungleichung)

Sei V ein k-Vektorraum, k = R oder C. Sei q ein (hermitesches) Skalarpro1

dukt auf V . ||v||q := (q(v, v)) 2 . Dann ist
|q(v, w)| ||v||q ||w||q
und Gleichheit gilt genau dann, wenn {v, w} linear abhangig ist.
Beweis:
F
ur w = 0 ist die Formel offenbar richtig. Sei w 6= 0, setze :=
Dann gilt:

q(w,v)
.
q(w,w)2

0 q(vw, vw) = ||v||2q +||2 ||w||2q q(v, w)q(w, v) = ||v||2q

|q(v, w)|2
.
||w||2q
2

14.10

Definition

Sei V ein k-Vektorraum. Eine Abbildung || || : V R heit eine Norm

auf V , falls gilt:
1. ||v|| 0 f
ur alle v V und ||v|| = 0 v = 0 (Positivit
at).
2. ||v|| = || ||v|| f
ur alle R, v V (Homogenit
at).
3. ||v + w|| ||v|| + ||w|| f
ur alle v, w V (Dreiecksungleichung).

14.11

Lemma

Ist q ein (hermitisches) Skalarprodukt auf V , so ist durch ||v||q := (q(v, v))1/2
eine Norm auf V gegeben.
Beweis:
1. Die Positivit
at von k kq folgt aus der positiven Definitheit von q.
2. kvkq = (q(v, v))1/2 = (||2 q(v, v))1/2 = || kvkq .
14.9
3. kv+wk2q = ||v||2q +||w||2q +2Re q(v, w) ||v||2q +||w||2q +2||v||q ||w||q =
(kvkq + kwkq )2
49

14.12

Beispiele und Notation

1. Auf R und C sind durch | | - wie in 5.18 und 6.4, Punkt 2 definiert Normen gegeben.
2. Auf Rn ist eine Norm durch
v
u n
uX

x2
kx|| = < x, x > = t
i

i=1

f
ur x = (x1 , . . . , xn )t gegeben, die Standardnorm auf Rn .
3. Auf Cn ist eine Norm durch
p
kvk = (v, v) =

n
X
i=1

v i vi

!1/2

f
ur v = (v1 , . . . , vn )t gegeben, die Standardnorm auf Cn .
4. Auf k n ist eine Norm durch k(x1 , . . . , xn )t k := max{|xi | | i = 1 . . . n},
die Maximumsnorm definiert, denn
a) kxk = 0 xi = 0 f
ur i = 1 . . . n.

b) kxk = max{|xi | | i = 1 . . . n} = || kxk .

c) kx + yk = max{|xi + yi | | i = 1 . . . n} max{|xi | + |yi | | i =

1 . . . n} kxk + kyk .

Die Norm k k ist nicht durch ein Skalarprodukt gegeben, wie folgendes
Lemma zeigt.

14.13

Lemma (Polarisationsformel)

Ist q ein Skalarprodukt auf V , so gilt f

ur alle v, w V :
kv + wk2q + kv wk2q = 2(kvk2 + kwk2 ).
Beweis:
q(v + w, v + w) + q(v w, v w) = kvk2q + kwk2q + q(v, w) + q(w, v)
+kvk2q + kwk2q q(v, w) q(w, v)
= 2kvk2q + 2kwk2q .
2

50

14.14

Folgerung

Die Norm k k auf k n ist nicht durch ein Skalarprodukt gegeben, denn f
ur


0
1
1
0

v=
0 , w = 0 ist kv + wk = kv wk = kvk = kwk = 1.
0
0

14.15

Definition

Ein R-Vektorraum mit einem Skalarprodukt heit euklidischer Vektorraum,

ein C-Vektorraum mit einem hermiteschen Skalarprodukt heit unit
arer
Vektorraum.

14.16

Bemerkung

F
ur das Standardskalarprodukt im Rn gilt < v, w >= |v||w| cos , wobei
der Winkel zwischen v und w ist, also v w < v, w >= 0.

14.17

Definition

1. Sei (V, q) ein euklidischer oder unitarer Vektorraum. Dann heien

v, w V orthogonal zueinander, falls q(v, w) = 0 ist.
2. Eine Basis {v1 , . .
. , vn } von V heit Orthonormalbasis, wenn gilt:
0 i 6= j
q(vi , vj ) = ij :=
1 i=j

14.18

Beispiel

(e1 , . . . , en ) bildet eine Orthonormalbasis von Rn bzw. Cn bez

uglich des
Standardskalarproduktes.

14.19

Lemma

Ist (v1 , . . . , vn ) eine Orthonormalbasis eines Vektorraums V mit Skalarprodukt q und v V , dann gilt:
v=

n
X
i=1

denn ist v =

n
P

i=1

q(vi , v) vi ,

i vi , so folgt

q(vj , v) = q vj ,

n
X
i=1

i vi

51

n
X

i q(vj , vi ) = j

i=1

14.20

Satz (Gram-Schmidt-Orthonormalisierung)

Ist V ein endlich dimensionaler Vektorraum mit (hermiteschem) Skalarprodukt q, so besitzt V eine Orthonormalbasis, genauer: Ist (v1 , . . . , vn ) eine
Basis von V , so erh
alt man durch folgendes Verfahren eine Orthonormalbasis (e1 , . . . , en ) von V , mit span{v1 , . . . , vk } = span{e1 , . . . , ek }:
1. Setze e1 :=

v1
||v1 ||q .

2. v2 := v2 q(v2 , e1 )e1 .
3. e2 :=

v2
||
v2 ||q ,

4. vk := vk
5. ek :=

vk
||
vk ||q

induktiv definieren wir

k1
P

q(vk , ej )ej

j=1

2.

Dann ist offenbar span{v1 , . . . , vk } = span{e1 , . . . , ek } und q(ei , ej ) = ij .

14.21

Definition

Ist (V, q) ein euklisicher (bzw. ein unitarer) Vektorraum, dann heit eine
lineare Abbildung f : V V orthogonal (bzw. unitar), falls f
ur alle v, w V
gilt q(f (v), f (w)) = q(v, w). Ist speziell V = Rn , q =< , >, so schreibt man
O(n) := {A M (n n, R)| < Av, Aw >=< v, w >, f
ur alle v, w Rn }.
O(n) heit die orthogonale Gruppe.
Die unit
are Gruppe ist durch
U (n) := {A M (n n, C) | (Av, Aw) = (v, w) f
ur alle v, w Cn } definiert.

52

14.22

Lemma

Orthogonale und unit

are Abbildungen sind bijektiv, denn ist f (v) = 0, so
ist 0 = q(f (v), f (v)) = q(v, v), also v = 0. Ihre Inverse ist wieder orthogonal (bzw. unit
ar) und die Komposition von orthogonalen (bzw. unitaren)
Abbildungen ist ebenfalls orthogonal (bzw. unitar), d.h. die Menge der orthogonalen (bzw. unit
aren) Abbildungen V V bildet eine Gruppe.

14.23

Lemma

a) F
ur A M (n n, R) sind aquivalent:
1. A O(n).

2. At A = 1.

3. A1 existiert und A1 = At .

4. Die Spalten von A bilden eine Orthonormalbasis von Rn .

5. At O(n)

6. Die Zeilen von A bilden eine Orthonormalbasis.

b) F
ur A M (n n, C) sind aquivalent:
1. A U (n).
2. A A = 1.
t

3. A1 existiert und A1 = A .
4. Die Spalten von A bilden eine Orthonormalbasis von Cn .
5. At U (n).

6. A U (n).
t

7. A U (n).

8. Die Zeilen von A bilden ein Orthonormalsystem.

53

Beweis: Wir beweisen nur 14.23, a). Teil b) folgt analog.

2 3, 1 4 und 4 3 ist klar. Zu zeigen ist nur 1 2, dann folgt
5 1 aus (At )1 = (A1 )t und 6 5 folgt aus 1 4.
A O(n).
< Av, Aw >=< v, w > f
ur alle v, w Rn .
(Av)t (Aw) = v t w f
ur alle v, w Rn .
v t At A w = v t w f
ur alle v, w Rn .

At A = 1, wie man leicht durch Einsetzen der Basisvektoren ei

und ej f
ur v und w zeigt. Damit ist 1 2 gezeigt.
2

14.24

Notiz

Ist A O(n) oder A U (n), so ist | det A| = 1,

t
denn det(A A) = | det A|2 = 1.

14.25

Definition

SO(n) := {A O(n) | det A = 1} heit die spezielle orthogonale Gruppe.

SU (n) := {A U (n) | det A = 1} heit die spezielle unit
are Gruppe.

14.26

Beispiele

a) O(1) = {+1, 1}.

b) U (1) = S 1 = {z C | |z| = 1}.


a b
c) A O(2) A =
mit a2 + b2 = 1
b a


a b
d) A SO(2) A =
mit a2 + b2 = 1, also
b a


cos() sin()
A SO(2) A =
,
sin() cos()
d.h. A ist Drehung um den Winkel .

54



1 0
e) A =
O(2). A ist Spiegelung an der x-Achse.
0 1


a b
SU (2), falls |a|2 + |b|2 = 1.
f) A =
b a

SU (2) heit auch Quaternionengruppe oder Spin(3).



a eiv b
U (2), falls |a|2 + |b|2 = 1.
g) A =
b eiv a

15
15.1

Eigenwerte und Eigenvektoren

Definition

Sei V ein k-Vektorraum (k = R oder C). Unter einem Eigenwert einer klinearen Abbildung f versteht man ein k, sodass ein v V \{0} existiert
mit f (v) = v.
Der Vektorraum E := {v V | f (v) = v} heit der Eigenraum zum
Eigenwert . Die Dimension von E heit die (geometrische) Vielfachheit
von , ein Vektor v E mit v 6= 0 heit Eigenvektor zum Eigenwert .

15.2

Beispiele

1. Sei A :

R2

R2 ,

A=


3 4
.
0 1

Dann ist 3 Eigenwert von A der Vielfachheit 1 und E3 = R



1 0
2. A =
. Dann sind 1 und 2 Eigenwerte von A.
0 2
 
 
1
0
1. Fall: 1 6= 2 . Dann ist E1 = R
, E2 = R
.
0
1
2. Fall: 1 = 2 =: . Dann ist R2 = E .

55

1
0

Die folgende Abbildung zeigt das Bild des Einheitskreises unter der
Abbildung A.
1 6= 2

1 = 2 =

3. V = C (R), Af =
v = ex .

15.3

d
dx

f . Dann ist jedes R Eigenwert mit Vektor

Lemma und Definition

Sei V ein n-dimensionaler k-Vektorraum, A End(V ) , dann ist k

Eigenwert von A
: Av = v ker(A 1) 6= {0} det(A 1) = 0
v6=0

Ferner gilt: E = ker(A1). Das Polynom n-ter Ordnung p(t) = det(At1)

heit charakteristisches Polynom.
Beweis: Zu zeigen ist nur, dass die Ordnung von p(t) gleich n ist. Dies
folgt leicht aus der Leibnizformel.

15.4

Notiz und Definition

Jede Matrix A M (nn, C) besitzt komplexe Eigenwerte, da jedes Polynom

komplexe Nullstellen hat. Ist p() = (i )mi , so heit mi die algebraische
Vielfachheit des Eigenwerts i .
56

15.5

Beispiel


cos() sin()
A=
.
sin() cos()


cos() sin()
p() = det
= (cos() )2 + sin2 ()
sin()
cos()
= 1 2 cos() + 2

p
ur 6=
Nullstellen 1/2 = cos() cos2 () 1 = cos i sin , also hat A, f
k, k Z keine reellen Eigenwerte, aber die beiden komplexen Eigenwerte
cos() i sin().

15.6

Lemma

Sei V ein k-Vektorraum, f End(V ). Sind 1 , . . . , r verschiedene Eigenwerte von f und vi Eigenvektoren zu i f
ur 1 = l, . . . , r. Dann sind
{v1 , . . . , vr } linear unabh
angig, insbesondere ist Ei Ej = {0} f
ur i 6= j.
Beweis durch Induktion nach r:
Induktionsbeginn r = 2:
Seien 1 und 2 Eigenwerte, 1 6= 2 , mit Eigenvektoren v1 und v2 ,
also f (v1 ) = 1 v1 und f (v2 ) = 2 v2 .
Angenommen, es existiert ein R mit v1 = v2 , dann ist
1 v1 = f (v1 ) = f (v2 ) = 2 v2 = 2 v1 1 = 2 .
Induktionsannahme:
Sei die Behauptung bewiesen f
ur r verschiedene Eigenwerte.
Induktionsschritt :
Seien 1 , . . . , r+1 verschiedene Eigenwerte von f .
Angenommen, es gibt v Er+1 , v 6= 0 und v1 , . . . , vr mit vj Ej , so
dass {v1 , . . . , vr , v}
linear abh
angig sind. Aufgrund der Induktionsannahme konnen wir
dann o.B.d.A annehmen, dass
v = v1 + + v r .

(1)

gilt. Dann folgt f (v) = f (v1 ) + + f (vr ), also, da vj Ej

r+1 v = 1 v1 + + r vr .

(2)

Multiplikation von (1) mit r+1 ergibt andererseits

r+1 v = r+1 v1 + + r+1 vr .
57

(3)

Aus (2) und (3) folgt (r r+1 ) v1 + + (r r+1 ) vr = 0.

Wegen j 6= r+1 f
ur j 6= r + 1 ist dies ein Widerspruch zur Induktionsannahme.
2

15.7

Korollar

Sei f End(V ), 1 , . . . , r Eigenwerte von f . Dann gilt

P
r
i=1 dim Ei dim V .

15.8

Satz und Definition

Sei f : V V
P linear und seien 1 , . . . , m Eigenwerte von f .
Ist dim V = m
i=1 dim Ei , so hat V eine Basis v von Eigenvektoren von f
und f hat bez
uglich dieser Basis die Matrixdarstellung fvv :

1 0 . . .

0 ...

..

..

..

.
.

.
m

Dabei ist die Vielfachheit von j in der Matrix durch dim Ej gegeben. Der
Endomorphismus f heit dann diagonalisierbar.
Beweis: Sei {v1j , . . . , vnj j } eine Basis von Ej . Wegen 15.6 ist dann


v11 , . . . , vn1 1 , v12 , . . . , vn2 2 , . . . , v1m , . . . , vnmm

linear unabh
angig, also wegen n1 + n2 + + nm = dim V eine Basis von
V . Aus f (vij ) = j vij folgt die Behauptung.
2

15.9

Beispiele



1 2
1. A =
hat die Eigenwerte 1 = 0
2 4




2
Eigenvektoren v1 = 1
und v2 = 12 .

0
Also ist bez
uglich (v1 , v2 ) A durch
0
58

und 2 = 5 mit

0
gegeben.
5



1 1
2. A =
hat nur den Eigenwert 1 = 1, denn A () = (1 )2 .
0 1
Es ist

 

1 0
1 1

E1 = ker
0 1
0 1


 
0 1
1
= ker
=R
,
0 0
0
also ist dim E1 = 1, also ist A nicht diagonalisierbar.

15.10

Korollar

Ist A diagonalisierbar mit Eigenwerten 1 , . . . , m und dim E = nj , so ist

det A = n1 1 . . . nmm .
Im Allgemeinen sind Matrizen nicht diagonalisierbar, aber es gilt

15.11

Satz

Sei A M (n n, C),
Pr 1 , . . . , r die verschiedenen Eigenwerte von A,
dim Ej = nj , also j=1 nj n. Dann gibt es ein T GL(n, C), so dass
1
J1 . . .
.. . .
.
.
.
.
.
.
.
.
T 1 AT = J = .
..

.
..

.
..
0 ...

wobei

1
..
.

...

...

...

...

J1n1
J21

..

.
J2n2

...

...

...

...

..

.
...

0
..
.
..

.
..

.
..
.

..
.

..
.
Jrnr

M (mi, mi, , C)

..
. 1
0
i
P
f
ur ein mi, {1, . . . , n}, so dass i, mi, = n.
J heit die Jordanform von A.
Ji

..

Beweis: Z.B. Th. Br

ocker, Lineare Algebra und Analytische Geometrie,
Springer.
59

15.12

Beispiele

Sei A M (n n, C).
1. n = 2.
Hat A zwei Eigenwerte 1 6= 2 , so ist die Matrix diagonalisierbar.


1 0
Die Jordanform ist
.
0 2
Hat A nur einen Eigenwert und ist dim E = 2, so ist A ebenfalls
diagonalisierbar.


0
Die Jordanform ist
.
0
Hat A nur einen Eigenwert und ist dim E = 1,


1
so ist die Jordanform
.
0
2. n = 3.
Hat A zwei verschiedene Eigenwerte 1 6= 2 , und ist dim E1 = 1 und
dim E2 = 1, und ist A (t) = (t 1 )(t 2 )2 , so hat A die Jordanform

1 0 0
J = 0 2 1 .
0 0 2
Hat A nur einen Eigenwert mit

J = 0
0

Hat A nur einen Eigenwert mit

J = 0
0

dim E = 1, so ist

1 0
1 .
0

dim E = 2, so ist

0 0
1 .
0

In allen anderen F
allen ist A diagonalisierbar.

60

16
16.1

Selbstadjungierte und hermitesche

Endomorphismen
Satz und Definition

Ist (V, q) ein euklidischer (bzw. unitarer) Vektorraum endlicher Dimension,

f End(V ), so gibt es genau eine Abbildung f : V V mit q(f (x), y) =
q(x, f (y)) f
ur alle x, y V . f heit die adjungierte Abbildung zu f .

Ist A die Matrixdarstellung von f bez

uglich einer Orthonormalbasis, so ist

die Matrixdarstellung A von f durch A = At f

ur k = R, bzw. A = At
f
ur k = C gegeben.
Beweis: Sei (eP
1 , . . . , en ) eine Orthonormalbasis von V .
Setze f (x) = ni=1 q(f (ei ), x)ei . Dann ist f End(V ) und
n


X
q q(f (ei ), x)ei , y
q(f (x), y) =

i=1

n
X
i=1

q f (ei ), x q(ei , y)

n


X
q x, f (ei ) q(ei , y)
i=1

n


X
q x, f (ei ) q(ei , y)
=
i=1

n


X
q x, f (q(ei , y)ei )
=
i=1

= q(x, f (y)).
Ist f End(V ) eine weitere Abbildung mit q(f(x), y) = q(x, f (y)) f
ur alle
x, y V , so ist q((f f)(x), y) = 0 f
ur alle x, y V , also f (x) = f(x) f
ur

alle x V , also f = f .
2

16.2

Definition

Sei (V, q) ein euklidischer (bzw. unitarer) Vektorraum.

1. f End(V ) heit normal, falls f f = f f .
2. f End(V ) heit selbstadjungiert oder symmetrisch (bzw. hermitesch), falls gilt:
q(f (u), v) = q(u, f (v)) f
ur alle u, v V, d.h. falls f = f gilt.
61

16.3

Notiz

1. Jede orthogonale und jede unitare Abbildung ist normal.

2. Jede selbstadjungierte und jede hermitesche Abbildung ist normal.
Ist V = Rn und <, > das Standardskalarprodukt, so ist A M (n n, R)
selbstadjungiert At = A.

Ist V = Cn und ( , ) das Standard hermitesche Skalarprodukt, so ist

A M (n n, C) hermitsch At = A.

16.4

Lemma

Eigenwert
Ist A normal, so ist C genau dann Eigenwert von A, wenn

von A ist und f

ur die Eigenraume gilt E = E .
Beweis: Sei A normal. Dann ist



k(A )xk2 = q (A )x, (A )x


= q x, (A )(A )x


= q x, (A )(A )x


(A )x

= q (A )x,
2

= k(A )xk
,

also x ker(A ) x ker(A ).

F
ur hermitesche Operatoren gilt sogar:

16.5

Lemma

Alle Eigenwerte einer hermiteschen Abbildung sind reell.

Beweis: Aus f (v) = v f
ur v 6= 0 folgt:

q(v,
v) = q(f (v), v) = q(v, f (v)) = q(v, v) = q(v, v)
R.
=

16.6

Lemma

Eigenvektoren zu verschiedenen Eigenwerten einer normalen Abbildung sind

zueinander orthogonal.
Beweis: Ist 1 6= 2 , f (vj ) = j vj f
ur j = 1, 2, so ist

1 q(v1 , v2 ) = q(f (v1 ), v2 ) = q(v1 , f (v2 )) = 2 q(v1 , v2 )

q(v1 , v2 ) = 0.

2
62

16.7

Lemma

Sei f End(V ) normal. Ist U V ein Untervektorraum und mit f (u) U

f
ur alle u U und U := {x V | q(x, u) = 0 f
ur alle u U }, dann gilt
f (u) U f
ur alle u U .
Beweis: F
ur alle u U, w U gilt
0 = q(w, f (u)) = q(f (w), u),
also f (w) U .

Mit Hilfe von 16.5, 16.6 und 16.7 zeigt man folgenden Satz:

16.8

Satz

Ist f EndC (V ) normal, so besitzt V eine Orthonormalbasis von Eigenvektoren u

ber C zu f . Ist A EndR (V ) symmetrisch, dann gibt es sogar eine
reelle Orthonormalbasis von V von Eigenvektoren von A.
Beweis: Literatur (z.B. Goldhorn, Heinz, Mathematik f
ur Physiker I, Abschnitt 7)

16.9

Korollar

1. Ist A M (n n, R) mit At = A, so existiert ein T O(n),

sodass T t A T =

..

.
.
, i R.

..

.
r
2. Ist A = M (n n, C) mit
Tt A T =

..

At = A, so existert ein T U (n), sodass

..

.
r
..

.
r

63

, i R.

3. Ist A M (nn, C) normal, so existiert ein T U (n), sodass Tt AT =

..

.
..
, i C.

.
.

.
r
Beweis:
Sei (v1 , . . . , vn ) eine Basis von Eigenvektoren mit Av1 = v1 . . . Avn = r vn ,
so hat T 1 AT mit T = (v1 , . . . , vn ) Diagonalgestalt wie behauptet. In den
hier behandelten F
allen ist es moglich, (v1 , . . . , vn ) als Orthonormalbasis zu
w
ahlen. Dann ist T O(n) bzw. T U (n) und T 1 = Tt .
2
Sei jetzt A symmetrisch bzw. hermitesch. Betrachten wir die symmetrische
lineare bzw. sesquilineare Abbildung qA , die durch A gegeben ist. Die Tensordarstellung dieser Abbildung bez
uglich einer Orthonormalbasis von Eigenvektoren ist dann durch eine Diagonalmatrix wie in 16.9, Punkt 2. gegeben.
Damit sieht man leicht

16.10

Lemma:

Ist A M (n n, k) symmetrisch (bzw. hermitesch), so ist die zugehorige

bilinieare (bzw. sesquiliniare) Abbildung qA genau dann
positiv semidefinit, falls f
ur alle Eigenwerte i gilt: i 0,
positiv definit, falls f
ur alle Eigenwerte i gilt: i > 0,
negativ semidefinit, falls f
ur alle Eigenwerte i gilt: i 0,
negativ definit, falls f
ur alle Eigenwerte i gilt: i < 0 f
ur alle i = 1, . . . , r.

16.11

Lemma

a11 . . .
..
Eine Matrix A M (n n, C), A = .
an1 . . .

a1n
.. mit At = A,
.
ann

also aij = a
ji ist genau dann positiv definit, falls f
ur die Determinanten

a11 . . . a1k

.. , k = 1, . . . , n gilt:
aller Hauptabschnittsmatrizen Ak = ...
.
ak1 . . . akk
det Ak > 0.
64

Beweis:
Ist A positiv definit, so sind alle Eigenwerte > 0, also auch det A >

0. Ebenso ist qA | Rk 0 f
ur k {1 . . . n} positiv definit, also auch
det Ak > 0 f
ur k = 1 . . . n.
Wir zeigen die Behauptung durch Induktion nach n.

Induktionsbeginn: F
ur n = 1 ist die Behauptung klar.
Induktionsannahme: Die Behauptung sei f
ur ein n N gezeigt.

Induktionsschritt: Sei A eine (n + 1) (n + 1) Matrix, deren Hauptabschnittsdeterminanten alle positiv sind. Nach Induktionsannahme ist
qA | Rn 0 positiv definit. Angenommen, es gibt ein v mit qA (v, v) =
a2 0. Dann ist v 6 Rn 0.
W
ahle eine Orthonormalbasis aus Eigenvektoren (v1 , . . . , vn ) von An .
Dann ist (v1 , . . . , vn , v) Basis von Rn . Bez
uglich dieser Basis ist

1
0
x
1

..
..

.
.
A=
,
0
n x
n
x1 . . . xn a2


also det A = 1 n a2
Widerspruch zur Voraussetzung.

16.12

Beispiel

4 1 2
1 3 0 ist positiv definit:
2 0 2

det A1
det A2
det A3

4
1
2

=4
= 11 > 0
= 24 12 2 = 10 > 0

1 2
3 0 ist negativ definit:
0 2

det A1 = 4
det A2 = 11
det A3 = 10

65

|x1 |2
1

|xn |2
n

.
2

16.13

Definition

Sei A symmetyrisch oder hermitesch. Seien j , j = 1 . . . r die positiven Eigenwerte mit Vielfachheit nj und j , j = 1 . . . s die negativen Eigenwerte
mit Vielfachheit mj .
P
P
Sei R = rj=1 nj , S = sj=1 mj . Dann heit:

R + S der Rang von A

R S die Signatur von A
S der Index von A.

16.14

Beispiel

A = 12 23 . Wegen det A < 0 hat A einen positiven und einen negativen
Eigenwert. Der Rang von A ist also 2, die Signatur 0 und der Index 1.

17

Folgen

In diesem Abschnitt sei stets (V, || ||) ein normierter Vektorraum, d.h. ein
Vektorraum mit einer Norm und X V .

17.1

Definition

Sei p X. Dann heit

UX (p) := {x X | kx pk < }
die offene -Kugel oder offene -Umgebung von p in X. Ist kein Missverstandnis m
oglich, insbesondere, wenn X = V ist, so schreiben wir auch
U (p) := UX (p).

17.2

Beispiel

1. UR (0) = (, ).
[0,1]

2. U 1

(0) = [0, 21 ).

3. F
ur z C, > 0 ist die -Umgebung von z durch
UC (z) := U (z) := {z C||z z| < } gegeben.

66

17.3

Definition (von Folgen und Grenzwert)

Eine Folge in X ist eine Abbildung A : N X, notiert als (an )nN , mit
an := A(n). Ein Element a X heit Grenzwert oder Limes von (an )nN ,
wenn gilt:
> 0 N N n > N : an UX (a).

Ist X = R (bzw. C) so sprechen wir von reeller (bzw. komplexer Folge).

Eine Folge (an )nN heit konvergent, wenn sie einen Grenzwert besitzt, sonst
heit sie divergent.

17.4

Notation und Sprechweise

a ist Grenzwert von (an )nN

17.5

an a

an a, n

a = lim (an )
n

Lemma (Eindeutigkeit des Grenzwertes)

n

Gilt an a und an b, so ist a = b.

Beweis: Angenommen, a 6= b, also kabk =: d > 0. Dann gibt es ein N1 N,
ur alle n > N1 und ein N2 N, so dass kan bk < d2
so dass kan ak < d2 f
f
ur alle n > N2 . F
ur n > max{N1 , N2 } gilt also an U d (a) U d (b) = .
2
2
Widerspruch.
2

67

17.6

Beispiele

1. Sei an = a f
ur alle n N. Dann gilt lim (an ) = a.
n

2. Sei an = n1 . Dann gilt lim (an ) = 0, denn:

n

Sei > 0. W
ahle N N mit N > 1 .

Dann ist an =

1
n

< f
ur alle n > N .

3. Die Folge an = (1)n hat keinen Grenzwert.

(Vergleiche 17.14, Punkt 2. und 17.15).
4. Die Folge an = n hat keinen Grenzwert.
(Vergleiche 17.10, Punkt 2.).
5. Sei z C, |z| < 1 und an = z n . Dann ist limn an = 0.
Beweis:
Es gilt |an | = |z n | = |z|n .
Sei jetzt |z| < 1, also z0 =

1
|z|

1 > 0.

1 n
) , also |z|n
Dann ist n z0 1 + n z0 (1 + z0 )n = ( |z|

Sei > 0. W
ahle N N mit N >
Dann ist f
ur alle n > N : |z n | <

1
z0 .

1
N z0

< .

6. Sei P der Raum aller Polynome mit der Norm kf k22 =

1
Sei fn (t) = tn , also kfn k22 = 2n+1
.
Dann ist limn fn = 0.
Aber f
ur t = 1 ist limn fn (t) = 1.

17.7

1
nz0 .

2
R1
0

|f |2 dt.

Bemerkung

Eine Folge in k n konvergiert genau dann, wenn jede ihrer Komponenten

konvergiert. Eine Folge in C konvergiert genau dann, wenn Real- und Imagin
arteil konvergieren.

17.8

anktheit)
Definition (der Beschr

Eine Folge (an )nN heit beschrankt, wenn ein c > 0 existiert, mit ||an || < c
f
ur alle n N.

68

17.9

Lemma

Jede konvergente Folge ist beschrankt, aber nicht umgekehrt.

Beweis: (an )nN eine konvergente Folge, sei a = lim (an ).
n

W
ahle N so, dass ||an a|| < 1 f
ur alle n > N . Dann ist ||an || < ||a|| + 1
f
ur alle n > N .
Setze C = max{||a1 ||, . . . , ||aN ||, ||a+1||}. Dann ist f
ur alle n N ||an || C.
2

17.10

Bemerkung

a) Die Umkehrung des Lemmas gilt nicht, denn an = (1)n ist eine
beschr
ankte Folge, ||an || 1, aber (an )nN konvergiert nicht.
b) Wir k
onnen nun auch eine einfache Begr
undung f
ur 17.6, Punkt 4.
geben:
an = n definiert eine unbeschrankte Folge, denn f
ur alle n > |c| ist
|an | > c, also ist (an )nN divergent.

17.11

Rechenregeln fu
r den Limes

Seien (an )nN und (bn )nN Folgen in V . Sei lim (an ) = a, lim (bn ) = b.
n

(n )nN eine Folge in k mit lim n = . Dann gilt:

n

1. (an + bn )nN ist konvergent und lim (an + bn ) = a + b.

n

2. (n bn )nN ist konvergent und lim (n bn ) = b.

n

3. Falls n 6= 0 f
ur alle n und 6= 0, dann ist
lim ( ann ) = a .

an
n

konvergent und

4. k = R und (n )nN eine weitere, konvergente Folge in R mit lim n =

n
und n n f
ur alle n, dann ist .
Beweise:
ur alle n > N1 und N2 N
1. Sei > 0. Sei N1 N mit ||an a|| < 2 , f
mit ||bn b|| < 2 f
ur alle n > N2 .

Dann ist ||an + bn (a + b)|| ||an a|| + ||bn b|| < f

ur alle
n > N := max{N1 , N2 }.
2

2. Sei > 0. Sei C R mit |n | < C f

ur alle n N.

und kbn bk <

W
ahle N N so, dass gilt: kn k < 2kbk
f
ur alle n > N .
69

2C

Dann ist
kn bn bk = kn (bn b)+b(n )k kn k kbn bk+kbk kn k <

2
2 + 2 = .
3. Es gen
ugt, zu zeigen, dass lim ( 1n ) = 1 .
n

Sei > 0. Es ist

| 1n

1
|

n
= |
n |.

Sei N N gegeben durch N = max(N1 , N2 ), wobei

|n | <
|n | <

||
ur n > N1 , also
2 f
2
||
ur n > N2 ,
2 f

also gilt f
ur n > N : | 1n 1 | <

|n | >

2||2
||2 2

||
2

f
ur n > N1 und

= .

4. Sei d = .
Dann gibt es Ni , so dass |n | < d2 und f
ur alle n > N1 und
ur alle n > N2 . Also gilt f
ur N > max(N1 , N2 ):
|n | < d2 f
a+b
aN > a+b
2 und bN < 2 , also aN > bN im Widerspruch zur Vorraussetzung.
2

17.12

Beispiele

n+3
)? Wenn ja, bestimme diesen Grenzwert.
Existiert lim ( 2n+1
n

n+3
2n+1

Es ist

3
1+ n
1
2+ n

f
ur n N..

1. Wegen lim ( n1 ) = 0 ist mit Rechenregel 17.11, Punkt 3.

n
3
lim ( ) = lim ( n1 )
n
n n

= 0.

2. Nach Rechenregel 17.11, Punkt 1. ist lim (1 + n3 ) = 1 und

lim (2 +

17.13

1
n)

= 2, also

lim ( n+3 )
n 2n+1

n
1
2.

Definition (H
aufungspunkt)

Sei (an )nN eine Folge in X.. Dann heit a X ein H

aufungspunkt von
(an )nN , wenn in jeder -Umgebung U (a) von a unendlich viele Folgeglieder
liegen.
70

17.14

Beispiele

1. Die Folge (an )nN = (a) hat den Haufungspunkt a.

ur alle > 0
2. Die Folge (an = n1 )n1 hat den Haufungspunkt 0, denn f
existiert N N mit n1 < und damit n1 < f
ur alle n > N .
3. Die Folge (an = (1)n )nN hat die Haufungspunkte {1}, denn f
ur
jedes > 0 ist a2n U (1) und a2n1 U (1) f
ur jedes n N.
4. Die Folge (an = ((1)n + n1 )nN hat die Haufungspunkte {1, +1}.

0 n gerade
5. an :=
n n ungerade

Die Folge (an )nN hat den Haufungspunkt 0 und ist nicht beschrankt.

0 falls n = 3k, k N
1 falls n = 3k + 1, k N
6. an :=

n falls n = 3k + 2, k N

Diese Folge hat die H

aufungspunkte {0, 1} und ist nicht beschrankt.


ur k N hat die Haufungspunkte
7. (e2i/k )n nN f
e2mi/k , m = 0, . . . , k 1.

17.15

Notiz (Beziehung zwischen Grenzwert und H

aufungspunkt(en))

Ist (an )nN eine konvergente Folge mit dem Grenzwert a, dann ist a (einziger) H
aufungspunkt dieser Folge. Aber umgekehrt ist nicht jeder Haufungspunkt Grenzwert der Folge, genauer gilt: Auch falls genau ein Haufungspunkt existiert, muss (an )nN nicht konvergieren, siehe 17.14, Punkt 5.

17.16

Definition (der Teilfolge)

Sei (an )nN eine Folge und 1 n1 < n2 < < nk < nk+1 < . . . eine Folge
nat
urlicher Zahlen, dann heit (ank )kN eine Teilfolge von (an )nN .

17.17

Beispiele

Betrachte die divergenten Folgen:

1. an = n, also hat (an )nN keinen Haufungspunkt.
2. bn = n + (1)n n, also hat (bn )nN den Haufungspunkt 0.
3. cn = (1)n , also hat (cn )nN die Haufungspunkte {+1, 1}.
71

Betrachte die Teilfogen von (an )nN , (bn )nN , (cn )nN , die durch nk = 2k
gegeben sind:
1. (ank )k1 = (2k)k1 , also ist (ank )k1 divergent.
2. (bnk )k1 = (4k)k1 , also ist (bnk )k1 divergent.
3. (cnk )k1 = (1)k1 , also ist (cnk )k1 konvergent.
Betrachte jetzt die durch nk = 2k + 1 gegebenen Teilfolgen:
1. (ank )k1 = (2k + 1)k1 , also ist (ank )k1 divergent.
2. (bnk )k1 = (0)k1 , also ist (bnk )k1 konvergent.
3. (cnk )k1 = (1)k1 , also ist (cnk )k1 konvergent.

17.18

Lemma (Teilfolgen und H

aufungspunkte)

Sei (an )n1 eine Folge, dann sind aquivalent:

1. a ist H
aufungspunkt.
2. Es existiert eine Teilfolge (ank )kN , die gegen a konvergiert.
Beweis:
(2.) (1.):

Ist a Grenzwert einer Teilfolge, dann existieren in jeder -Umgebung

von a unendlich viel Folgeglieder ank U (a).
2

(1.) (2.):

Sei a ein H
aufungspunkt von (an )nN .
W
ahle an1 U1 (a).

W
ahle n2 > n1 mit an2 U 1 (a) (moglich, da unendlich viele
2
Folgeglieder in U 1 (a) liegen).
2

Fahre so induktiv fort: Wahle anj U 1 (a) und nj > nj1 .

j

Dann gilt: anj a, f

ur j .

18

Reelle Folgen

In diesem Kapitel besch

aftigen wir uns mit dem Spezialfall reeller Folgen. Die
Ergebnisse sind nat
urlich auf die Komponenten von Folgen in Rn anwendbar.

72

18.1

Definition (der Monotonie und Konvergenz)

Sei (an )nN eine reelle Folge:

1. (an )nN heit monoton wachsend (bzw. monoton fallend), wenn f
ur
n < m stets gilt: an am (bzw. an am ).
2. (ank )n0 heit streng monoton wachsend (bzw.streng monoton fallend), wenn zus
atzlich stets gilt: n 6= m = an 6= am .
3. (an )nN konvergiert uneigentlich oder divergiert bestimmt nach unendlich : c > 0 N N n > N an > c. Analog: (an )nN konver-

giert uneigentlich oder divergiert bestimmt nach , falls an < c.

Man schreibt dann lim (an ) = bzw. lim (an ) = .
n

Auch auf uneigentlich konvergente Reihen konnen die Rechenregeln 17.11

angewendet werden, wenn man die u
blichen Rechenregelen in R etwas erweitert.

18.2

Definition (der erweiterten Zahlengerade)

= R {, } heit erweiterte Zahlengerade. Wir definieren:

R

< a f
ur alle a R {}.

a < f
ur alle a R {}.

+ = , = .

a = f
ur a R.

() a = f
ur a > 0.

() a = f
ur a < 0.

a
a
ur a R.
= = 0 f
a
ur a > 0, a0 =
0 = f

18.3

f
ur a < 0.

Warnung

oder 0 ist nicht definiert.

18.4

Notiz (Anwendbarkeit der Limes-Rechenregeln)

Die Rechenregeln 18.2 f

ur den Limes sind auf uneigentliche konvergente Folgen anwendbar. Aber auch hier ist 18.3 zu beachten, wie folgende Beispiele
zeigen:

73

(an )nN
(bn )nN

 
1
=
, also lim (an ) = 0
n
n nN
= (n)nN , also lim (bn ) =
n

(cn )nN = (n )nN , also lim (cn ) = ,

n

aber lim (an bn ) = 1 und lim (an cn ) = .

n
n
Wir ben
otigen nun eine weitere Besonderheit der reellen Zahlen. Dazu zunachst
einige neue Begriffe.

18.5

Definition (von Beschr

anktheit, Maximum, Minimum,
Supremum und Infimum)

1. Sei M R, B M , dann heit B nach oben (bzw. nach unten)

beschr
ankt (in M ), falls es ein c M , mit b c (bzw. b c) f
ur alle
b B gibt. Ein solches c heit dann obere (bzw. untere) Schranke von
B M . B heit beschr
ankt, wenn es eine obere und untere Schranke
von B gibt.
2. Sei B eine nach oben beschrankte Menge mit B 6= , dann heit s M
Supremum von B, wenn gilt:
(a) s ist obere Schranke von B.
(b) Ist s < s, dann existiert ein b B mit b > s .
Ist das Supremum s B, dann heit s ein Maximum von B.
3. Sei B eine nach unten beschrankte Menge mit B 6= , dann heit
j M ein Infimum von B, wenn gilt:
(a) j ist untere Schranke von B.
(b) Ist j > j, dann existiert ein b B mit b < j .
Ist das Infimum j B, dann heit j ein Minimum von B.

18.6

Bemerkung

Sei M R und B M nach oben bzw. unten beschrankt, B 6= . Dann ist

das Supremum, bzw. das Infimum von B eindeutig bestimmt und wird mit
sup B bzw. inf B bezeichnet.

18.7

Notation

Ist B R nicht nach oben (bzw. unten) beschrankt, B 6= , so schreibt

man sup B = (bzw. inf B = ).
74

18.8

Beispiele

1. B = {x Q|x 2} Q ist nach oben beschrankt und das Maximum

von B ist 2.
2. B = {x Q|x < 2} Q ist nach oben beschrankt und das Supremum
von B ist 2 (z.B. 20 ist eine weitere obere Schranke von B).
3. B = {x Z|x < 2} Z ist nach oben beschrankt.
1 ist Maximum von B.

18.9

Beispiel

B = {q Q|q 2 < 2} Q ist beschrankt und besitzt kein Supremum.

Beweis:
Wir werden zeigen: Ware s ein Supremum von B, so ware s2 = 2.
Angenommen s2 6= 2:
Fall a) s2 > 2. Dann gilt f
ur s = s

1
n

und n >

2s
s2 2

1. s < s
2. s2 = (s n1 )2 > s2

2s
n

>2

Also w
are s eine obere Schranke von B mit s < s, im Widerspruch
dazu, dass s Supremum ist.
Fall b) s2 < 2, dann gilt f
ur b := s +

1
n

1
4s
mit n > max( 2s
2 , 2s )

1. b > s
2. b2 < 2, also b B, denn
(s +

2s
1
4s
1 2
) = s2 +
+ 2 < s2 +
< 2.
n
n
n
n

Also w
are s keine obere Schranke f
ur B, also kein Supremum.
Widerspruch = s2 = 2, aber in Q existiert kein s mit s2 = 2.

18.10

Definition

Ein geordneter K
orper heit vollst
andig, falls jede nach oben beschrankte
Teilmenge ein Supremum besitzt.

75

18.11

Satz (Vollst
andiger K
orper der reellen Zahlen)

Es gibt (bis auf Isomorphie) genau einen vollstandigen, geordneten Korper,

den K
orper der reellen Zahlen R.

18.12

S
atze (Konvergenz und uneigentliche Konvergenz)

Jede monotone Folge in R konvergiert oder konvergiert uneigentlich.

Beweis:
Wir beweisen hier nur den Fall: (an )nN ist monoton wachsend und
nach oben beschr
ankt.
Sei a = sup(an ).
nN

Dann existiert f
ur jedes > 0 ein N N, so dass aN > a (sonst
w
are (a ) eine obere Schranke und somit a kein Supremum).
Da (an )nN monoton wachsend ist, folgt f
ur jedes n > N , dass aN
an a gilt, da a obere Schranke ist. Also ist f
ur n > N stets |an a| <
, also ist lim (an ) = a.
2
n

18.13

Beispiele

1. Die Folge (an = n)n1 ist monoton wachsend und konvergiert uneigentlich nach .
2. Die Folge (an = n)n1 ist monoton fallend und lim (an ) = .
n

(1)n n)n1

3. Die Folge (an =

konvergiert nicht, da sie nicht beschrankt
ist. Sie konvergiert auch nicht uneigentlich, denn f
ur ungerade n ist
an < 0, also gilt nicht lim an = . F
ur gerade n ist an > 0, also gilt
nicht lim an = .
4. Die Folge (an = (1)n )n1 konvergiert nicht, da sie zwei Haufungspunkte hat und konvergiert auch nicht uneigentlich, da sie beschrankt
ist.

18.14

Satz von Bolzano Weierstrass

Jede beschr
ankte Folge in Rn oder Cn hat einen Haufungspunkt, also eine
konvergente Teilfolge.

76

Beweis:
Wir behandeln nur den Fall reeller Folgen. Die u
brigen Falle folgen
komponentenweise.
Sei xn a0 und xn b0 f
ur alle n, also xn [a0 , b0 ] f
ur alle n
a0 +b0
0
]
oder
[
,
b
]
unendlich
viele
N. Dann sind entweder in [a0 , a0 +b
0
2
2
Folgeglieder.
Sei I1 := [a1 , b1 ] dieses Intervall.
Verfahre induktiv so weiter und konstruiere [a0 , b0 ] I1 I2
Ik . . . mit Ik = [ak , bk ], wobei bk ak = 21k (b0 a0 ) und a0 a1
a2 ak bk b1 b0 , so dass unendlich viele
Folgeglieder in Ik liegen.
Es sind also (ai )i1 und (bi )i1 beschrankte, monotone, also konvergente Folgen und lim (an ) = lim (bn ), wegen bn an 0, f
ur n .
n

Setze x := lim (an ). Dann ist x ein Haufungspunkt von (xn )n N , denn
n

f
ur jedes > 0 existiert ein K mit 21k (b0 a0 ) < 2 f
ur alle k > K, und
|an x| < 2 f
ur alle n > K, also Ik U (x) f
ur alle k > K.
2

18.15

Definition (der Cauchy-Folge)

Sei ein Vektorraum mit einer Norm k k. Eine Folge (xn )nN mit xn V
heit Cauchy-Folge genau dann, wenn gilt:
> 0 N N n, m > N : ||xn xm || < .

18.16

Lemma

Jede Cauchy-Folge ist beschrankt.

Beweis:
Sei N N so, dass kan aN k 1 f
ur alle n N , dann ist kan k
max{ka1 k, . . . , kaN 1 k, kaN k + 1}.
2

77

18.17

Satz (Konvergenz der Cauchy-Folge)

Eine Folge in Rn oder Cn konvergiert genau dann, wenn sie eine CauchyFolge ist.
Beweis:
Sei (xn )nN konvergente Folge, lim (xn ) = a.

n
ur n > N .
Sei > 0. Sei N N mit ||xn a|| < 2 f
Dann ist f
ur n, m > N
||xn xm || ||xn a|| + ||xm a|| < .
2
Es gen
ugt die Behauptung f
ur R zu beweisen.

Jede Cauchy-Folge ist beschrankt nach 18.16, besitzt also nach dem
Satz von Bolzano Weierstrass einen Haufungspunkt x.
Sei > 0 und N > 0 so, dass kan am k < /2 f
ur alle n, m N .
N so, dass ka xk < /2. Dann ist f

Sei N
u
r alle n > N
N
kan xk kan aN k + kaN xk < .
2

19
19.1

Reihen
Definition (der Reihe)

Sei (an )n1 eine reelle oder komplexe Folge. Unter einer Reihe

(an ) ver-

n=1

steht man die Folge der Partialsummen sk :=

diese Folge, so schreibt man lim (sn ) =
n

19.2

(ak ).

k
P

n=1

(an ) k1 . Konvergiert

k=1

Notiz

Konvergiert

ak , so ist (ak )k1 eine Nullfolge (d.h. lim (ak ) = 0), aber
k

k=1

nicht umgekehrt.

78

19.3
1.

Beispiele

n=1

( n1 ) = heit die harmonische Reihe.

Beweisidee:

X
1
1 1 1 1 1 1 1
1 1
= 1 + + + + + + + + = + + .
n
2 |3 {z 4} |5 6 {z 7 8}
2 2
n=1
> 21

> 12

Beweis:
s2k+1 =
Es ist

k+1 
2P

j=1

j+1
2P

l=2j +1

Also s2k+1

2.

k=1

1
k(k+1)

1
j

j=1

2j
k
P

j=1

1
2

3
2

( 21 )

= 1, denn sn =

(q k ) =

n
P

k=1

n=0

1
1q

l=2j +1

1
2j+1

also ist lim (sn ) = 1.

3.

j+1
2P

k
P

( 1l )

k+3
2 ,

1
k(k+1)

+ 1 + 21 .

also lim (sk ) =

n
P

k=1

k
( k+1

k1
k )

n
n+1

1
1 ,
1+ n

f
ur |q| < 1, q C heit die geometrische Reihe.

Beweis:
Wir zeigen mit Induktion, dass sn =

n
P

(q k ) =

k=0

1q n+1
1q .

Induktionsbeginn: F
ur n = 0 ergeben beide Seiten 1.
Induktionsschritt:
sn+1 =

n+1
X

(q k )

k=1

=
|

1 q n+1
1q
{z
}

+ q n+1

Induktionsannahme

1 q n+1 + q n+1 q n+2

1q
2
79

4.

k=1

1
( k!
) konvergiert, denn sn =

und weil

1
k!

1
23(k1)k

alle n N, also

19.4

k=1

1
k!

n
P

k=1

1
( k!
) ist eine monoton steigende Folge

( 12 )k1 , ist sn

k=0

2.

( 12 )k =

1
1 12

= 2 f
ur

Satz und Definition

Es gilt: 2 < lim (1 + n1 )n =

n

Zahl.

k=0

1
( k!
) =: e < 3. Die Zahl e heit die eulersche

Beweis:
Mit der Dreiecksungleichung und der binomischen Formel folgt f
ur jedes
KN




   j
 
n

K    j


X
X
X


n
1
1
n
1
1
1



 1+
e
+
+
.




j
n
n
j!
n
j!
j
j=0

j=K+1


K1

P
Sei > 0. Sei K1 N mit e

k=0

1
k!




=


k=K1 +1

j=K+1

1
k!

< 3 .

Um die beiden ersten Summanden abzuschatzen, benutzen wir

 
n (n 1) (n j + 1)
1
n 1 j
,
( ) =
j!nj
j!
j n

also kann wegen 19.3, Punkt 4. K so gewahlt werden, dass

   j

X
n

1
<
n
3
j
j=K2 +1

Sei K = max(K1 , K2 ). Wegen

   j !
  



n
1
1
1
j+1
1
lim
= lim
1 1
1
=
n
n
n
j!
n
n
j!
j
existiert ein N N mit



K    j

X
n
1
1


<

 j
n
j!  3
j=0

ur alle n > N .
f
ur alle n N , also |(1 + n1 )n e| < f
80

19.5

Notiz (Cauchy-Kriterium fu
r Reihen)

Eine Reihe

(ak ) ist genau dann eine Cauchy-Folge (und konvergiert somit

k=1

genau dann), wenn gilt:

19.6
Sei



 X

 n

> 0 N N N < m < n : 
aj  < .
j=m+1 

Definition und Korollar (Majoranten-Kriterium)

j=0

sowohl

(cj ) eine konvergente Reihe und |aj | cj f

ur alle j, dann konvergiert

aj als auch

j=0

j=0

|aj |, d.h.

aj konvergiert absolut.

j=0

Beweis:

 n
n
n
P 
 P |ak | P ck , damit folgt die Konvergenz aus 19.5.

a
k


k=m

k=m

k=m

2
Hieraus werden weitere Konvergenzkriterien f
ur Reihen, die Sie in der Mathematik f
ur Physiker IIb kennen lernen werden, abgeleitet.

20
20.1

Stetige Abbildungen auf metrischen R

aumen
Definition

Sei X eine Menge. Eine Metrik auf X ist eine Abbildung d : X X R+

0
mit
1. d(x, y) = 0 x = y
2. d(x, y) = d(y, x)
3. d(x, y) d(x, z) + d(z, y)

Das Paar (X, d) heit dann metrischer Raum.

20.2

Beispiele

1. Sei V ein Vektorraum mit einer Norm k k und X V , dann ist

d(x, y) := ||x y|| eine Metrik auf X.
2. Ist X = {a, c, d}, so ist durch d(a, a) = d(b, b) = d(c, c) = 0, d(x, y) = 1
f
ur x 6= y eine Metrik auf X gegeben.
3. Ist (X, d) ein metrischer Raum, X0 X, so ist durch d | (X0 X0 )
eine Metrik auf X0 gegeben.
81

20.3

Vereinbarung

Ist X Rn oder X Cn und nichts anderes gesagt, so benutzen wir die

Metrik aus 20.2, Punkt 1.

20.4

Definition

Ist X eine Menge mit Metrik d, x X und > 0, so heit

UX (x) := {y X | d(x, y) < }
(offene) -Umgebung von x. Ist kein Missverstandnis moglich, schreibt man
auch U (x0 ) := UX (x0 ).

20.5

Definition (--Kriterium)

Seien X, Y metrische R
aume. Eine Abbildung f : X Y heit
stetig bei x X : > 0 > 0 x U (x) : f (x ) U (f (x))
f heit stetig, wenn f stetig in x ist, f
ur alle x X.

f ist nicht stetig bei x0 .

20.6

Beispiele

1. f : R R, f (x) =

1 x0
ist nicht stetig bei 0.
0 x<0

Beweis: = 12 . Sei > 0.

Dann ist x := 2 U (0) und |f (0) f (x )| = 1 > .

2. Ist c R, f : R R, f (x) c. Dann ist f stetig.

Beweis: Sei > 0, x R.
Dann ist f
ur jedes x R |f (x) f (x )| = 0 < .

82

3. Ist f = id : R R, f (x) = x. Dann ist f stetig.

Beweis: Sei > 0, x R. Wahle := .

Dann ist f
ur alle x mit |xx | < auch |f (x)f (x )| = |xx | < = .
2

4. f : R R, x 7 x2 ist stetig. Sei > 0, x R\0 und = min( 4|x|

,

oder x = 0 und =

20.7

2 .

2 )

Dann ist f (U (x)) U (x2 ).

Definition

Sei (X, d) ein metrischer Raum.

1. Sei M X. p M heit isolierter Punkt von M , wenn es ein > 0
gibt, so dass UX (p) M = {p}.
2. Ist M X, dann heit p X H
aufungspunkt von M , wenn f
ur jedes

X
> 0 gilt: Es existiert ein p 6= p mit p U (p) M .
3. Ist M X, dann heit p M innerer Punkt von M , wenn es ein > 0
gibt, so dass die -Umgebung UX (p) von p in X ganz in M enthalten
ist: UX (p) M .
p X heit
auerer Punkt von M , wenn p innerer Punkt von X\M
ist, und Randpunkt, wenn p weder innerer noch auerer Punkt ist.
M X heit offen (in X), wenn M nur aus inneren Punkten besteht
und abgeschlossen (in X), wenn X\M offen ist.

20.8

Beispiele

1. N X f
ur X = R oder X = C besteht nur aus isolierten Punkten,
denn U X
1 (n) N = {n}. Jeder Punkt n N ist Randpunkt.
2

2. M := { n1 |n N} R besteht nur aus isolierten Punkten, denn

U(n) ( n1 ) M = { n1 } f
ur (n) = 4n1 2 . Der Punkt 0 R ist Haufungspunkt von M und die Randpunkte von M sind M {0}.
83

3. M = ( 21 , 21 ), X = R. Jeder Punkt p M ist

innerer Punkt von ( 12 , 21 ). Sei =
Dann ist U ( 12 , 21 ).

1
4

 


min p 12  , p + 21  .

1 ist
auerer Punkt von ( 12 , 12 ), denn U 1 (1) = ( 43 , 54 ) R\( 12 , 21 ).
4

Die Randpunkte von ( 12 , 21 ) sind { 21 , 12 }, denn 21 ist kein auerer

Punkt, denn f
ur jedes > 0 ist U ( 12 ) = ( 12 , 21 + ) 6 R\( 12 , 12 )
und 12 6 ( 12 , 21 ).

4. M = {x C, x < 1, x R} C besteht nur aus Randpunkten in C.

Denn sei x M , > 0, dann ist x + i 2 UC (x), aber x + i 2 6 M .
Weitere Randpunkte sind {+1, 1}.

5. M = (1, 1) R besteht nur aus inneren Punkten.

M = {z C||z| < 1} C besteht nur aus inneren Punkten.

20.9

Lemma

Sei x0 M ein isolierter Punkt. Dann ist jede Funktion f : M R in x0

stetig.
Beweis: Sei > 0. W
ahle > 0 mit U (x0 ) M = {x0 }.
Dann ist f (U (x0 )) = f (x0 ) U (f (x0 )).
84

20.10

Definition

1. Sei M V Teilmenge eines normierten Vektorraums, p V Haufungspunkt von M oder M R und p = und M R nach oben bzw.
nach unten nicht beschrankt:
lim (f (x)) = a : F
ur alle Folgen (xn )nN in M \p mit lim (xn ) = p

xp

gilt: lim (f (xn )) = a.

n

2. Ist M R, p R H
aufungspunkt von M+ := {x M | x > p} bzw.
M := {x M | x < p}, so schreibt man:

lim (f (x)) = a : F
ur alle Folgen (xn )nN in M + mit lim (xn ) = p
n

xp+

gilt: lim (f (xn )) = a, bzw.

n

lim (f (x)) = a : F
ur alle Folgen (xn )nN in M mit

xp

lim xn = p gilt: lim (f (xn )) = a.

20.11

Beispiele

1 x < 0
0 x=0 .
1. f (x) = sign(x) =

1 x>0

lim (f (x)) = 1; lim (f (x)) = 1.

x0+

2. f (x) =

x0

1 x 6= 0
.
0 x=0

Dann ist lim (f (x)) = 1 6= f (0).

x0

3. f : R+ R, f (x) = x1 .

85

lim (f (x)) = ; lim (f (x)) = 0.

x

x0

4. f : R\{0} R, f (x) =

1
x

lim (f (x)) = ; lim (f (x)) = . Also lim (f (x)) existiert nicht.

x0+

20.12

x0

x0

Satz

Ist p H
aufungspunkt in M , so ist f : M M stetig bei p genau dann, wenn
lim (f (x)) = f (p).

xp

Beweis:
Sei f stetig an der Stelle x0 und (xn )nN eine Folge in M mit

lim (xn ) = x0 .
n

Sei > 0 und > 0 so, dass f

ur alle x U (x0 ) gilt: ||f (x)f (x0 )|| < .

Sei N N, so, dass xn U (x0 ) f

ur alle n > N .
Dann ist f (xn ) U (f (x0 )) f
ur alle n > N .

Also gilt: lim (f (xn )) = f (x0 ).

Angenommen, f ist nicht stetig an der Stelle x0 , d.h.

> 0 > 0 (x U (x0 ) M ) : ||f (x) f (x0 )|| > .

W
ahle also f
ur jedes n N ein xn U 1 (x0 ) M mit
n
||f (xn ) f (x0 )|| > . Dann gilt: lim xn = x0 und f (xn ) konvergiert
n

nicht nach f (x0 ).

20.13

Korollar

Seien M1 , M2 R mit max(M1 ) = min(M2 ) =: x0 und f : M1 R,

g : M2 R stetige Funktionen, f (x0 ) = g(x0 ), so ist die Funktion

f (x) x M1
h : M1 M2 R, h(x) =
g(x) x M2
stetig.
86

20.14

Lemma

Ist M Rn abgeschlossen und beschrankt und f : M R stetig, so ist f

beschr
ankt, d.h. f (M ) R ist beschrankt.
Beweis:
Angenommen f (M ) ist nicht beschrankt nach oben, dann existiert eine Folge (xn )nN in M mit lim (f (xn )) = .
n

(xn )nN besitzt eine konvergente Teilfolge (xnk )kN nach dem Satz von
Bolzano Weierstrass und lim (xnk ) =: p M (da M abgeschlossen ist,

vgl. Ubungen).

Also ist lim (f (xnk )) = f (p), im Widerspruch zu lim f (xnk ) = . Ebenso

k

falls f (M ) nicht nach unten beschrankt.

20.15

Bemerkung

1. Ist M nicht abgeschlossen,

so ist f (M ) nicht notwendig beschrankt;


z.B. ist tan : 2 , 2 R nicht beschrankt.

2. Ist M nicht beschr

ankt, so ist f (M ) nicht notwendig beschrankt; z.B.
ist f : [a, ) R, f (x) = x2 nicht beschrankt.
3. Ist f nicht stetig, so ist f (M ) nicht notwendig beschrankt; z.B. ist
f : [1, 1] R
 1
x x 6= 0
f (x) =
0 x=0
nicht beschr
ankt.

87

20.16

Rechenregeln

Sind f : M Rm , g : N Rn stetig, so gilt

1. Ist M = N und m = n, so ist f + g stetig
2. Ist f (M ) N Rm , so ist g f stetig.
3. Ist m = 1, so ist g f stetig.

h1

4. h : M Rn , h = ... ist genau dann stetig, wenn hi : M R

hn
stetig f
ur i = 1, . . . , n.
5. Ist m = 1 und f (x) 6= 0 f
ur alle x M , so ist

1
f

: M R stetig.

Beweise: Die Beweise k

onnen mit 17.11 und 20.12 gef
uhrt werden oder
direkt mit 20.5.
Dazu benutzen wir folgende Zwischenbemerkung zur Beweistechnik:
Sei C > 0. Dann gilt: Eine Aussage a() ist genau dann wahr f
ur alle > 0,
wenn a(C ) wahr ist f
ur alle > 0, also z.B.: |f (x) f (x0 )| < f
ur alle
> 0 |f (x) f (x0 )| < 3 f
ur alle > 0.
1. Sei > 0, x M .

Sei 1 so, dass ||f (x ) f (x)|| < f

ur alle ||x x|| < 1 , und

sei 2 so, dass ||g(x ) g(x)|| < f

ur alle ||x x|| < 2 .

Dann ist
||f (x ) + g(x ) f (x) g(x)|| ||f (x) f (x )|| + ||g(x) g(x )|| < 2
f
ur alle x mit ||x x || < := min(1 , 2 ).
2. , 3. und 4.
ahnlich wie 1.
1
5. Es ist | f (x
)

1
f (x) |

|f (x)f (x )|
|f (x)f (x )| .

Sei x M und 1 > 0 so, dass |f (x) f (x )| <

||x x || < 1 , also |f (x )| > |f (x)|
2 .
88

|f (x)|
2

f
ur alle

Sei > 0 und 2 > 0 so, dass |f (x) f (x )| < f

ur alle ||x x || < 2 .

Dann gilt:
1
1
| f (x
) f (x) | <

20.17

2
f (x)2

f
ur alle ||x x || < min(1 , 2 ).

Definition (rationale Funktion)

Sei M R, sind p(x) = an xn + +a0 und q(x) = bm xm + +b0 Polynome

und q(x) 6= 0 f
ur alle x M , dann heit pq : M R eine rationale Funktion.

20.18

Korollar (Stetigkeit rationaler Funktionen)

Rationale Funktionen sind stetig.

20.19

Beispiel

z 3 /(x2 + 1)

zy

f : R3 R4 , f (x, y, z) =
x + y + z ist stetig.
x2 y

21
21.1

Eigenschaften stetiger Funktionen

Definition (von Minimum/Maximum)

Sei f : M R eine Funktion, x0 M . f hat ein Maximum (bzw. Minimum)

bei x0 : f (x) f (x0 ) (bzw. f (x) f (x0 )) f
ur alle x M . (Man sagt
auch x0 ist Maximum (Minimum) von f ).

21.2

Satz

Sei M Rn beschr
ankt und abgeschlossen und f : M R stetig. Dann hat
f ein Maximum und ein Minimum.
Beweis: Nach 20.14 ist f (M ) beschrankt.
Sei y0 = sup f (x). Angenommen f (x) < y0 f
ur alle x M , dann ist
xM

1
f (x)y0

eine stetige Funktion auf M , also beschrankt. Da y0 = sup f (x), gibt es

n
eine Folge (xn )nN in M mit f (xn ) y0 , also lim ( f (xn1)y0 ) = , im
n

Widerspruch zur Beschr

anktheit, also gibt es ein x0 M mit f (x0 ) = y0 .

Analog f
ur inf f (x).

21.3

Beispiel

Ist f : [a, b] R beschr

ankt, aber nicht stetig, dann hat f nicht notwendig
ein Maximum oder Minimum:
89

21.4

Zwischenwertsatz

Ist f : [a, b] R stetig, f (a) < y < f (b), dann existert ein x [a, b] mit
f (x) = y (Analog f
ur f (a) > y > f (b)).
Beweis:

M = {x M |f (x ) < y} =
6 , beschrankt
M + = {x M |f (x ) > y} =
6 , beschrankt
Sei x0 = sup M .
Dann ist f (x0 ) = y:
Ist (xn )nN eine Folge in M mit lim (xn ) = x0 , so ist lim (f (xn )) =
n

f (x0 ) y. Angenommen f (x0 ) < y, so gibt es ein > 0 mit |f (x0 )

f (x)| < y f (x0 ) f
ur alle x U (x0 ), also U (x0 ) M , also f (x) < y
f
ur alle x U (x0 ), also (x0 + 2 ) M , im Widerspruch zu x0 =
sup M .
2

21.5

Definition (Monotonie)

Sei M R. Eine Funktion f : M R heit monoton steigend, wenn f

ur
alle x, y M mit x < y gilt: f (x) f (y) monoton fallend, wenn f
ur alle
x, y M mit x < y gilt: f (x) f (y). f heit streng monoton steigend (bzw.
fallend), wenn zus
atzlich sogar gilt:
x 6= y = f (x) 6= f (y)
90

Monoton steigend:

Streng monoton steigend:

21.6

Satz (Umkehrsatz)

Ist M R zusammenh
angend (d.h. M ein Punkt, ein Intervall, ein Halbstrahl oder R), f : M R injektiv und stetig, dann ist die wohldefinierte
Umkehrabbildung f 1 : f (M ) M stetig.
Beweis:
Wir zeigen nur den Fall, dass M = (a, b) und f streng monoton wachsend
ist. Dann ist f (M ) = (f (a), f (b)).
Sei p M, > 0. Dann ist UM (p) = M (p , p + ).

Dann ist (f 1 )1 (UM (p)) = f (UM (p)) =: V ein offenes Intervall V mit
f (p) V .
Also existiert ein > 0 mit (f (p) , f (p) + ) V ,
also f 1 (U (f (p))) U (p) = U (f 1 (f (p))).

Die anderen F
alle folgen analog.

21.7

Bemerkung (u
ber Monotonie und Stetigkeit)

1. Ist f : M R, M R nicht streng monoton, so ist f nicht notwendig

injektiv und die Umkehrung existiert nicht notwendig.
2. Ist f : M R, M R streng monoton und M nicht zusammenhangend,
dann ist die Umkehrabbildung f 1 nicht notwendig stetig.
Beispiel:

91

M = (0, 1) [2, 3)

x 1 x (0, 1)
f (x) =
x 2 x [2, 3)

Dann ist f ((0, 1)) = (1, 0) und f ([2, 3)) = [0, 1).
Also ist f streng monoton, aber f 1 ist nicht stetig.

x + 1 x (1, 0)
1
1
.
f : (1, 1) R und f (x) =
x + 2 x [0, 1)

21.8

Vorsicht

Ist M, N Rn und f : M N stetig und bijektiv, so ist f 1 : N M

nicht notwendig stetig. Beispiel:
f : [0, 2) S 1 := {(x, y) R2 |x2 + y 2 = 1}
7 (cos(), sin())

ist stetig und bijektiv, f 1 ist nicht stetig. Betrachte namlich die Folge
yn = (cos( n1 ), (1)n sin( n1 )). Dann ist lim yn = (1, 0). Aber
n

f 1 (yn ) =

1
n

1
n

falls n gerade
falls n ungerade,

also konvergiert (f 1 (yn ))nN nicht.

21.9

Beispiel

+
n
f : R+
ur jedes n N stetig und streng monoton
0 R0 , x 7 x ist f
1
+
n
steigend, folglich ist auch f : R+
0 R0 , x 7 x stetig.

92

21.10

Definition
p

f : R+ R+ , x 7 x q = (xp ) q ist eine wohldefinierte(*), stetige Abbildung

f
ur jedes pq Q.
( ) heit gute Definition, also unabhangig von Wahlen, die getroffen wur
den, hier:
Ist

p
q

p
q ,

also p = p n, q = q n, so ist x q = x q zu zeigen.

p

Es gen
ugt zu zeigen: (x q )qq = (x q )qq (xp )q = (xp )q .
Dies ist aber richtig, wegen pq = p q.)
Achtung: f : R R, x 7 xn ist im allgemeinen nicht streng monoton, daher
p
ist die Umkehrabbildung im allgemeinen nicht definiert. x q , x R ist nicht
wohldefiniert.

22

Elementare Funktionen

Um die Potenzen ax f
ur reelle x zu definieren, zeigen wir zuerst, dass sich
die Rechengesetze f
ur nat
urliche Potenzen auf rationale u
bertragen:

22.1

Satz (u
ber Potenzrechenregeln und Monotonie)

Sei a R+ , x, y Q. Dann gilt:

1. ax ay = ax+y
2. ax = ( a1 )x
3. (ax )y = axy
4. F
ur a > 1 ist f : Q R+ , f (x) = ax streng monoton wachsend
5. F
ur 0 < a < 1 ist f : Q R+ , f (x) = ax streng monoton fallend
6. Ist b R+ , so ist (a b)x = ax bx
Beweise:
1. Es gen
ugt f
ur x = pq , y =
qq

da (ax ay )

pq

=a

p q

p
x y qq = (ax+y )qq .
q zu zeigen: (a a )

apq +p q = a(x+y)qq = (ax+y )qq .

2. Folgt aus 1.
3. Sei x, y wie in 1., dann folgt:

pp

((ax )y )qq = (ax )p q = app = (a qq )qq = (axy )qq .

93

Dies gilt,

1.

4. Sei y = x + q, q > 0. Dann ist ay = ax+q = ax aq > ax , da aq > 1.

5. Ebenso oder aus ax = ( a1 )x .
6. Analog zu 3.

22.2

Definition

Sei a R+ , a > 1. F
ur x R setze ax := sup{ay |y Q, y x}. F
ur a < 1
1 x
x
setze a := ( a ) .

22.3

Satz

Sei a R+ .
1. 22.1 gilt entsprechend f
ur x, y R.
2. Die Funktion f : R R+ , x 7 ax ist f
ur jedes a > 0 stetig.
3. F
ur a 6= 1 ist f : R R+ , x 7 ax streng monoton und surjektiv.
Beweise:
1. Wir zeigen nur ax ay = ax+y f
ur x, y R. Die anderen Aussagen folgen
analog.
Sei s, t Q, s < x, t < y. Dann ist as+t = as at ax ay = ax+y
ax ay , ebenso folgt ax ay ax+y .

2. Zeige, dass f : R R, x 7 ax stetig in 0 ist: In den Ubungen

wurde

n
lim a = 1 bewiesen. Sei a > 1 und > 0. Dann gibt es ein N N,
n

so, dass f
ur alle n > N gilt: a n 1 < .

Sei x R, 0 < x < N1 , dann ist 0 < ax 1 < a N 1 < , also

ist lim (ax ) = 1 = a0 . Analog folgt lim (ax ) = 1 = a0 , also ist x 7
x0

x0+

ax stetig in 0. Die Stetigkeit an der Stelle x0 folgt aus ax ax0 =

ax 1) = 0.
2
ax0 (axx0 1), also lim (ax ax0 ) = ax0 ( lim

xx0

x 0

3. Die Behauptung folgt aus 22.4 und dem Zwischenwertsatz.

22.4

Definition (des Logarithmus)

F
ur a > 0, a 6= 1 ist der Logarithmus zur Basis a, loga : R+ R als
Umkehrfunktion zu R R+ , x 7 ax definiert, also loga (x) = y x = ay .
Man schreibt loge = ln, wobei e die eulersche Zahl ist.

94

22.5

Lemma (Logarithmus-Rechenregeln)

F
ur a, b, x, y > 0, a, b 6= 1 gilt:
1. loga (x y) = loga (x) + loga (y)
2. loga (xy ) = y loga (x)
3. loga (x) = loga (b) logb (x)
Beweis:
1. Aus 22.3 folgt aloga (xy) = xy und aloga (x)+loga (y) = aloga (x) aloga (y) = xy,
damit folgt die Behauptung aus der Monotonie von x 7 ax .
2. Ebenso folgt aloga (x

y)

= xy = ay loga (x) , also loga (xy ) = y loga (x).

3. aloga (x) = x = blogb (x) = aloga (b)logb (x)

22.6

Korollar

loga : R+ R, x 7 loga (x) ist stetig und streng monoton.

22.7

Satz

Es gilt:
ea = lim (1 +
x

1
a
a x
) = lim (1 + )x = lim (1 + ax) x .
x
x0
x
x

Beweis: Nach 19.4 gilt: e = lim (1 + n1 )n , also folgt:

n

e = lim (1 +
n

1 n
n)

lim (1 +
n

1
n)

= lim (1 + n1 )n+1 = lim (1 +

n

1 n
n1 ) .

Ist also n x n + 1, dann gilt: (1 + n1 )n (1 + x1 )x (1 + n1 )n+1 ,

also e = lim (1 + n1 )n lim (1 + x1 )x lim (1 + n1 )n+1 = e.
n

Also gibt es zu jedem > 0 ein C > 0 so, dass f

ur alle x > C gilt:
1

|(1 + x) x e| < , also lim (1 + x1 )x = e.

x

n n
) = (1 +
Wegen (1 n1 )n = ( n1

1 n
n1 )

folgt auch e = lim (1 + x1 )x und

x

e = lim (1 + x) x folgt ebenso.

x0

F
ur festes a > 0 gilt, da x 7 xa stetig ist:
x

ea = lim ((1 + x1 )x )a = lim ((1 + xa ) a )a = lim (1 + xa )x .

x

Die anderen F
alle folgen ebenso.

Analog zum Beweis von 19.4 zeigt man

95

22.8

Satz

F
ur x R gilt:
ex =

X
xk
k=0

k!

(1)

Die Exponentialabbildung exp : R R+ , x 7 ex kann auch durch (1)

definiert werden. Vgl. z.B. Forster, Analysis 1, Paragraphen 8-10.
Um die Stetigkeit zu beweisen, benutzt man dann folgende

22.9

Proposition

Ist k=0 ak (z z0 )k konvergent f

ur alle z UR (z0 ), so stellt die Reihe f
ur
r < R auf Ur (z0 ) eine stetige, sogar eine -oft differenzierbare Funktion
dar.
F
ur z R ist der Beweis in den Analysis 1-Lehrb
uchern zu finden. Vgl. z.B.
Forster, Analysis 1, Paragraph 21. F
ur z C wird der Beweis in Mathematik f
ur Physiker 2b durchgef
uhrt. Die in (1) definierte Reihe ist jedenfalls
f
ur alle x C konvergent, wie man mit Hilfe des Quotientenkriteriums (vgl.
Rechenmethoden) leicht nachrechnen kann.

22.10

Satz

Es gilt
1. lim ( ln(1+x)
)=1
x
x0

2. lim ( xbx ) = 0 f
ur jedes R und b > 1
x

Beweis:
1. Da ln stetig ist, gilt:






1
1
ln(1 + x)
= lim ln(1 + x) x = ln lim (1 + x) x = ln(e) = 1.
lim
x0
x0
x0
x

2. Sei k N mit k , n N mit n x n + 1. Dann ist

0<

xk
(n + 1)k
(n + 1)k
x
x
= b n+1
x
n
b
b
b
b

F
ur b > 1 existiert ein N N, sodass die Folge (cn =
monoton fallend ist, denn:
cn+1
n + 1 k bn
1
1
=(
) n+1 = (1 + )k
cn
n
b
b
n

nk
bn )nN

streng

f
ur n gro genug, ist also cn+1
cn < 1. Auerdem ist (cn )n1 nach unten
beschr
ankt, also existiert lim (cn ) =: c, und wegen lim ( cn+1
cn ) < 1 ist

c = 0, also auch lim ( xbx ) = 0.

x

96

22.11

Bemerkung (Die Winkelfunktionen)

Uber
cos und sin benutzen wir folgende Tatsachen:
Sei S 1 := {(x, y) R2 |x2 + y 2 = 1}.




v1
1
und v =
S 1 . Dann
Ist [0, 2) der Winkel zwischen e1 =
v2
0
sind durch [0, 2) R, cos() = v1 , sin() = v2 stetige Funktionen definiert,
die als stetige, 2 -periodische Funktionen eindeutig auf R fortgesetzt werden
konnen.


Sinus:

Cosinus:

97

Es gilt:
1. sin2 () + cos2 () = 1
2. sin() = sin()
3. cos() = cos()
Dadurch sind
1. der Tangens tan : R\{ 2 + k|k Z} R, tan() =
2. der Cotangens cot : R\{k|k Z} R, cot() =

sin()
cos()

und

cos()
sin()

ebenfalls als stetige Funktionen definiert.

sin |[ 2 , 2 ] ist streng monoton, ebenso cos |[0, ]. Die Umkehrfunktionen

werden mit
arcsin := (sin |[ 2 , 2 ])1 : [1, 1] [ 2 , 2 ]

und arccos := (cos |[0, ])1 : [1, 1] [0, ]

98

ur jedes
bezeichnet. Nat
urlich ist auch sin |( 2 +k, 2 +k) streng monoton f
k Z, die entsprechenden Umkehrfunktionen werden als Arcussinus-Zweige
bezeichnet arcsink , ebenso arccosk . Auch der Tangens ist auf ( 2 , 2 ) streng
monoton. Die Umkehrfunktion wird mit arctan : R ( 2 , 2 ), arctan =
(tan |( 2 , 2 ))1 bezeichnet.

Auch hier gibt es wie beim Sinus und Cosinus verschiedene Zweige:

Analog gilt f
ur die Umkehrfunktion des Arcus Cotangens:
arccot = (cot |(0, ))1 .
Es gelten die Additionstheoreme:
1. cos( + ) = cos() cos() sin() sin()
2. sin( + ) = cos() sin() + sin() cos()
99

22.12

Definition

Ist a + bi C, so definieren wir

exp(a + ib) = ea+ib := e (cos b + i sin b).

22.13

Notiz

1. Aus den Additionstheoremen folgt dann f

ur z, z C

ez+z = ez ez .
2. Insbesondere folgt damit
ez+2ki = ez ,
also ist exp : C C, exp(z) = ez nicht injektiv.
P
zk
3. Auch f
ur z C gilt ez =
k=0 k! . Nutzt man diese Formel zur Definition von ez , so folgt Punkt 1. aus dem Cauchyprodukt f
ur Reihen
(vgl. z.B. Forster, Analysis 1).

22.14

Notiz

F
ur x R folgt sofort aus der Definition 22.12
sin x =

X
1 ix
x2k+1
(1)k
(e eix ) =
.
2i
(2k + 1)!
k=0

cos x =

22.15

1 ix
(e + eix ) =
2

(1)k

k=0

x2k
.
(2k)!

Definition

F
ur z C definiert man
sin z =

X
z 2k+1
1 iz
(1)k
(e eiz ) =
.
2i
(2k + 1)!
k=0

cos z =

1 iz
(e + eiz ) =
2

(1)k

k=0

die Stetigkeit dieser Abbildungen folgt aus 22.10.

100

z 2k
.
(2k)!

22.16

Proposition (spezielle Grenzwerte)

1cos(x)
lim ( sin(x)
) = 0.
x ) = 1, lim (
x

x0

x0

Beweisidee: Man zeigt zuerst: sin(x) x.

2 x
2 x
Aus dem Additionstheorem cos(2 x2 ) = cos
 ( 2 ) sin ( 2 ) folgt damit: 0
2


1 cos(x) = 2 sin2 ( x2 ) x2 , also  1cos(x)
  x2 .
x

23

23.1

Die Ableitung
Definition

Sei M R, f : M Rn , x M innerer Punkt. Dann heit f : M R

differenzierbar bei x, falls der Grenzwert


d
d 
f (x + h) f (x)
=: f (x), f (x) =:
f (x) =
lim
 f
h0
h
dx
dx x

existiert. Ist f differenzierbar an jeder Stelle x M , so heit f differenzierbar. Ist die Ableitung f : M Rn wiederum differenzierbar, so schreibt
man
d2
d2
(f ) (x) := f (x) =
f
(x)
=
|x f = f (2) (x),
dx2
dx2
induktiv ist so auch f (k) (x), die k-te Ableitung von f an der Stelle x, definiert. Ist f (k) (x) stetig, so schreibt man auch f C k (M ).

23.2

Anschauung

f (x + h) f (x) + f (x) h f
ur h klein.

23.3

Notiz

Eine Funktion f = (f1 , . . . , fn ) : M Rn ist genau dann bei x M differenzierbar, wenn alle Komponenten fi , i {1, . . . , n} bei x M differenzierbar
sind.
101

23.4

Notiz (Differenzierbarkeit und Stetigkeit)

Ist f bei x differenzierbar, so auch stetig, denn

f (x + h) f (x)
|{z}
h
h
|
{z
}

f (x + h) f (x) =

f (x) f
ur h0

23.5

Beispiele

1. Die konstanten Abbildungen f : M R, f (x) c ist differenzierbar,

denn cc
ur alle h 6= 0.
h = 0, f
2. Die Identit
at id : R R, x 7 x ist differenzierbar und (id) = 1, denn
x+hx
= 1 f
ur alle h 6= 0.
h
3.

d n
dx x

= nxn1 f
ur alle n N, denn mit der Binomischen Formel folgt
!
n   

1
n
1 X
n
n
k nk
n
((x + h) x ) =
x h
x
h
h
k
k=0

n1
X n
k nk1
x h
=
k
k=0

n2
X n
xk hnk1
= nxn1 +
k
{z
}
|k=0
0

4.

d 1
dx x

= x12 , denn
Behauptung.

1
h

1
x+h

1
x

1
(x+h)x

f
ur alle h 6= 0, also folgt die

5. f (x) = |x| ist nicht differenzierbar bei x = 0, denn f

ur h > 0 ist
f (h)f (0)
f (h)f (0)

1
und
f
u
r
h
<
0
ist
=
1.
h
h

23.6

Ableitungsregeln

Seien f, g : M R differenzierbar, dann gilt:

1. f + g ist differenzierbar und (f + g) = f + g .
2. Ist R, so ist f differenzierbar und ( f ) = f .
3. die Produktregel: f g ist differenzierbar und (f g) = f g + g f .
4. die Quotientenregel: Ist g(x0 ) 6= 0, dann ist
und ( fg ) (x0 ) =

g(x0 )f (x0 )g (x0 )f (x0 )

.
g 2 (x0 )

102

f
g

bei x0 differenzierbar

5. die Kettenregel: Sei f (M ) M1 , g : M1 R differenzierbar, dann

gilt: (g f ) (x0 ) = g (f (x0 )) f (x0 ) f
ur x0 M .
6. Sei f : (a, b) R differenzierbar und streng monoton und sei f (x0 ) 6=
0. Dann ist die Umkehrabbildung f 1 : f ((a, b)) (a, b) R stetig
und an der Stelle f (x0 ) differenzierbar und es gilt: (f 1 ) (f (x0 )) =
1
f (x0 ) .
Beweis:
1. und 2. folgen sofort aus der Definition.
3.
1
(f (x0 + h) g(x0 + h) f (x0 ) g(x0 ))
h
1
(f (x0 + h) g(x0 + h) f (x0 ) g(x0 ) f (x0 ) g(x0 + h) + f (x0 ) g(x0 + h))
=
h
(f (x0 + h) f (x0 ))
g(x0 + h) g(x0 )
= g(x0 + h)
+ f (x0 )
.
h
h
Im Limes h 0 ergibt sich damit die Produktregel.
4. Beweis von (5.), Kettenregel: Sei y0 = f (x0 ). Betrachte die folgende
Funktion:
(
g(y)g(y0 )
y 6= y0
yy0
.
g (y) =

g (y0 )
y = y0
g ist eine stetige Funktion und es gilt f
ur alle y M :
(y y0 )g (y) = g(y) g(y0 ). Also ist:
g(f (x0 + h)) g(f (x0 ))
(f (x0 + h) f (x0 ))
=
g (f (x0 + h)).
h
h
Da g stetig ist, folgt limh0 ( g
Behauptung.

(f (x

0 +h))

) = g (f (x0 )) und damit die

5. Beweis von (4.), Quotientenregel: Nach der Kettenregel und 13.5, Punkt
4. ist ( g1 ) (x) = g21(x) g (x) und dann folgt die Quotientenregel aus
der Produktregel angewandt auf f g1 .

6. Beweis von (6.): Sei h(k) := f 1 (f (x0 ) + k) x0 f

ur k (, ), klein
genug. Dann ist h stetig, h(0) = 0, und es ist f (x0 + h(k)) = f (x0 ) + k.
Also ist
f 1 (f (x0 ) + k) f 1 (f (x0 ))
h(k)
h(k)
=
=
k
k
f (x0 + h(k)) f (x0 )
und die Behauptung folgt aus lim h(k) = 0.
k0

103

23.7

Bemerkung

Die Bedingung f (x0 ) 6= 0 in 23.6, Punkt 6. ist notwendig.

Beispiel: f (x) = x3 . Dann ist f 1 an der Stelle 0 nicht differenzierbar.

23.8

Beispiele (Lemma)

1.

d
dx

2.

d x
dx e

ln(x) =

1
x

= ex

Beweise:
1.

ln(x+h)ln(x)
h

1
h
1 x
h
1
h ln(1 + x ) = x h ln(1 + x ) = x
x
+ hx ) h = e folgt die Behauptung.

Wegen lim (1
h0



x
ln (1 + hx ) h .

2. Sei f (x) = ex , also f

ur f = g 1 , g(x) = ln(x). Mit der Umkehrregel
d x
1
x
folgt dx e = 1 = e .
ex

23.9

Korollar (Potenz-, Exponential- und Logarithmus-Funktion)

1.

2.

d x
dx a

= ax ln(a), denn ax = exln(a) , also folgt aus der Kettenregel:

d x
dx a

= exln(a) ln(a) = ax ln(a).

d
dx x

= x(1) f
ur x > 0, denn x = eln(x) , also folgt nach der
Kettenregel:
d
dx x

3.

23.10

d
dx

= eln(x)

loga (x) =

1
ln(a)

= xx = x(1) .

x1 , denn (loga (x)) = ( ln(x)

ln(a) ) =

Korollar (Sinus und Cosinus)

1. (cos) (x) = sin(x)

2. (sin) (x) = cos(x)
104

1
x

ln(a)

1
x

1
ln(a) .

Beweis: Aus 22.14 folgt:

1.
cos(x + h) cos(x)
cos(h) 1
sin(x) sin(h)
sin(x)
= cos(x)

h
h
h
{z
} h0
|
sin(x) f
ur h0

2.

sin(x + h) sin(x)
cos(h) 1
sin(h)
= sin(x)
+ cos(x)
cos(x)
h
h
h } h0
| {z }
| {z
0

23.11
d
dx

Korollar (Ableitungen des Tangens und Cotangens)

tan(x) =

23.12

1
,
cos2 (x)

d
dx

cot(x) = sin21(x) . (Quotientenregel)

Korollar (Ableitungen der Arcus-Winkelfunktionen)

1.

d
dx

arcsin(x) =

2.

d
dx

1
arccos(x) = 1x
2

3.

d
dx

arctan(x) =

4.

d
dx arccot(x)

1
1x2

1
1+x2

1
= 1+x
2

Beweise:
1.

d
dx

arcsin(x) =

1
cos(arcsin(x))

1
1sin2 (arcsin(x))

1
.
1x2

2. Analog.
3.

d
dx

arctan(x) = cos2 (arctan(x)).

Es ist tan2 (x) =

sin2 (x)
cos2 (x)

1cos2 (x)
cos2 (x)

= cos2 (x) =

1
.
1+tan2 (x)

4. Analog.

24
24.1

Mittelwertsatz und Extrema

Definition

Sei M ein metrischer Raum. f : M R hat bei x0 M ein lokales Maximum, falls es ein > 0 gibt, sodass f (x) f (x0 ) f
ur alle x U (x0 ). f hat
ein lokales Minimum bei x0 , falls es ein > 0 gibt, sodass f (x) f (x0 ) f
ur
alle x U (x0 ). Gilt zus
atzlich sogar f (x) 6= f (x0 ) f
ur alle x U (x0 )\{x0 },
so hat f bei x0 ein isoliertes lokales Maximum oder Minimum.
Hat f bei x0 ein lokales Maximum oder lokales Minimum, so sagt man auch
f hat bei x0 ein lokales Extremum.
105

24.2

Notiz

Ist f : (x0 , x0 + ) R differenzierbar und hat f bei x0 ein lokales

Extremum, so ist f (x0 ) = 0, denn: Ist x0 ein lokales Maximum, so gibt es
(x0 )
(x0 )
0 f
ur alle h (0, ), und f (x0 +h)f
0
ein > 0, so dass f (x0 +h)f
h
h
f (x0 +h)f (x0 )

f
ur alle h ( , 0), also lim
= 0.
h
h0

24.3

Definition

Ist M R und f : M R differenzierbar, so heit ein innerer Punkt

x0 M kritischer Punkt von f , wenn f (x0 ) = 0 gilt.

24.4

Beispiel

Nicht jeder kritische Punkt ist ein lokales Extremum, z.B. ist 0 kritischer
Punkt der Funktion f (x) = x3 , aber f ist streng monoton wachsend.

24.5

Satz von Rolle

Sei f : [a, b] R stetig, f |(a, b) differenzierbar und f (a) = f (b), dann gibt
es ein x (a, b) mit f (x) = 0.
Beweis:
Nach Satz 21.2 hat f zwei Extrema in [a, b], namlich ein Minimum und ein
Maximum. Ist f nicht konstant, so ist mindestens eines der beiden Extrema
in (a, b) enthalten und dort ist dann f (x0 ) = 0. Ist f konstant, so ist f (x) =
0 f
ur jedes x (a, b).
2

24.6

Korollar (1. Mittelwertsatz der Differentiation)

Sei f : M R differenzierbar, [a, b] M , dann gibt es ein x [a, b] mit

(a)
.
f (x) = f (b)f
ba

Beweis:
f (b)f (a)
(x
ba

[a, b] mit g (x)

F
ur die Funktion g(x) = f (x)

also gibt es nach 24.5 ein x

106

a) gilt: g(a) = g(b) = f (a),

= f (x)

f (b)f (a)
ba

= 0.

24.7

Bemerkung

Korollar 24.6 kann auch folgendermaen formuliert werden:

Ist [a, a+h] M , so existiert ein [0, 1] mit f (a+h) = f (a)+f (a+h)h.

24.8

Zweiter Mittelwertsatz der Differentiation

Sind f, g : M R stetig differenzierbar [a, b] M und g (x) 6= 0 f

ur alle
f (b)f (a)
f (x)
x (a, b), dann gibt es ein x (a, b) mit g (x) = g(b)g(a) .
Beweis: Wende den Satz von Rolle auf h(x) = f (x)

24.9

f (b)f (a)
g(b)g(a)

g(x) an.

Korollar (Regel von l Hospital)

Seien f, g : (a, b) R stetig differenzierbar, a, b R {}, und ist

g (x) 6= 0 f
ur alle x (a, b).

oder
0

oder ,
Ist lim (f (x)) = lim (g(x)) =

xb
xb

(x)
(x)
) = lim ( fg (x)
), falls der letzte Grenzwert existiert.
dann ist lim ( fg(x)
xb

xb

Analoge Aussagen gelten f

ur lim .
xa+

Beweis: Wir behandeln nur den Fall lim f (x) = lim g(x) = 0. Dann gilt
xb

nach 24.8:

xb

f (x)
f (b) f (x)
f ()
=
=
g(x)
g(b) g(x)
g ()

f
ur ein (x, b).

Die anderen F
alle folgen analog. (Vgl. z.B.: Th. Brocker, Analysis I, S. 158).

24.10
1. lim

Beispiele

x0

sin(x)
x

= lim

x0

cos(x)
1

= 1.
107

ln x
x x

2. lim
3. lim

x0

24.11

1
x x

= lim

sin(x)x
x3

= lim

x0

= 0.
cos(x)1
3x2

= lim

x0

sin x
6x

= 16 .

Lemma (Monotonie)

Ist f : (a, b) R differenzierbar. Dann gilt:

1. f (x) 0 f
ur alle x (a, b) genau dann, wenn f monoton wachsend
ist.

2. Ist f (x) > 0 f

ur alle x (a, b), so ist f streng monoton wachsend.
3. f (x) 0 f
ur alle x (a, b) genau dann, wenn f monoton fallend ist.
4. Ist f (x) < 0 f
ur alle x (a, b), so ist f streng monoton fallend.
Beweise:
1. =: Ist f monoton wachsend, so ist f (x + h) f (x) 0, falls h > 0

und f (x) f (x + h) 0, falls h < 0, also f (x) 0.

=: Angenommen, es gibt ein x1 < x2 mit f (x1 ) > f (x2 ), dann

gibt es nach dem 1. Mittelwertsatz ein (x1 , x2 ) mit f () < 0. 2

2. Angenommen, es existieren x1 , x2 mit f (x1 ) = f (x2 ), dann gibt es
nach dem Satz von Rolle ein (x1 , x2 ) mit f () = 0. Widerspruch
zur Voraussetzung.
2
3. und 4. folgt aus Punkt 1 und 2, angewandt auf f .

24.12

Korollar

Ist f : (a, b) R differenzierbar, so ist f genau dann konstant, wenn f (x) =

0 f
ur alle x (a, b) gilt.

24.13

Lemma (Kritischer Punkt und isoliertes lokales

Maximum/Minimum)

Sei f : (a, b) R zweimal stetig differenzierbar und x0 (a, b) ein kritischer

Punkt. Ist f (x0 ) > 0, dann hat f bei x0 ein isoliertes lokales Minimum, ist
f (x0 ) < 0, dann hat f bei x0 ein isoliertes lokales Maximum.
Beweis:
Nach 24.11, Punkt 2. gibt es im ersten Fall eine Umgebung U (x0 ) von x0 ,
sodass f | U (x0 ) monoton wachsend ist, also f (x) < 0 f
ur x (x0 , x0 )

und f (x) > 0 f

ur x (x0 , x0 + ) gilt, also folgt die erste Behauptung aus
24.11, Punkt 4. und Punkt 2.
Der zweite Fall folgt aus dem ersten, angewandt auf f .
108

24.14

Bemerkung

Die Umkehrung gilt nicht: f (x) = x4 hat bei 0 ein isoliertes lokales Minimum, aber f (0) = f (0) = 0.

25
25.1

Partielle Ableitung und Richtungsableitung

Notation

Sei B Rn offen, v Rn , und x B. Dann gibt es ein > 0, sodass das

Bild von x,v : (, ) Rn , x,v (t) = x + tv ganz in B enhalten ist. Ist
f : B Rm , so definieren wir dann fx,v : (, ) B, fx,v = f x,v .

25.2

Definition

F
ur f wie in 25.1 definieren wir die Richtungsableitung von f bei x in Richtung v durch


f (x + tv) f (x)
d 
fx,v (t) = lim
,
Dfx (v) :=

t0
dt t=0
t
falls der Limes existiert.

F
ur v = ei heit
f
(x) := Dfx (ei ) = lim
t0
xi

f (x1 , . . . , xi + t, . . . , xn ) f (x1 , . . . , xn )
t

die i-te partielle Ableitung.

f1

f
(x) =
Ist f = ... , so ist x

f1
xi (x)

..
.

fm

fm
xi (x)

f heit (stetig) partiell differenzierbar, falls alle partielle Ableitungen existieren (und stetig sind). C 1 (B, W ) bezeichnet den Raum der stetig partiell
differenzierbaren Abbildungen auf B mit Werten in W , und f
ur W = R
1
1
schreibt man C (B) := C (B, R).
109

25.3

Beispiele


ex2 x1
ist stetig partiell differenzierbar.
f (x1 , x2 ) =
sin(x1 ) cos(x2 )


ex2
f
,
x1 (x) =
cos(x1 ) cos(x2 )


ex2 x1
f
.
x2 (x) =
sin(x1 ) sin(x2 )


25.4

Notation

Sei B Rn offen, so heit

x1 f

1. f := gradf =

..
.

xn f

der Gradient von f .

2. f = divf =

n
P

i=1

fi
xi

3
x2

f1
x3
f2
x1

die Rotation von f .

f1
x1 (x) . . .
..
4. Jf (x) = .
fk
x1 (x)

...

die Jacobimatrix von f .

25.5

ur f C 1 (B)
f

f
ur f C 1 (B, Rn )

die Divergenz von f .

f

3. f := rotf =

f2
x3
f3
x1
f1
x2

1
3
f
ur f C (B, R ), n = 3

f1
xn (x)

.. f
1
k
. ur f C (B, R )
fk
xn (x)

Warnendes Beispiel

f (x, y) =

xy

x2 +y 2

falls (x, y) = (0, 0)

ist partiell differenzierbar bei (0, 0),
sonst

f
(0, 0) = 0 und
denn f (t, 0) 0 f (0, t) f
ur alle t, also x
1

0 t=0
aber f ist nicht stetig, denn f (t, t) =
.
1
2 t 6= 0

110

f
x2 (0, 0)

= 0,

25.6

Notation

Sei B Rn offen, f : B Rm , (i1 , . . . , ir ) {1, . . . , n}r und existiert






f
=:
f,
...
xi1 xi2 xi3
xir
xi1 . . . xir
so heit dies eine partielle Ableitung von f der Ordnung r.
C r (B, W ) := {f : B W | alle partiellen Ableitungen der Ordnung r
existieren und sind stetig}. Man sagt auch f ist eine C r -Funktion, falls
f C r (B, W ). F
ur W = R schreibt man wieder C r (B) := C r (B, R).

25.7

Beispiel

Im Allgemeinen ist

f 6=
f.
xi xj
xj xi

Betrachte f : R2 R,

xy

f (x, y) =
x

f (x, y) =
y

f (x, y) =
Dann ist

x2 y 2
x2 +y 2

f
ur (x, y) 6= (0, 0)

f
ur (x, y) = (0, 0)

yx4 y 5 +4x2 y 3
(x2 +y 2 )2

f
ur (x, y) 6= (0, 0)

f
ur (x, y) = (0, 0)

x5 xy 4 4x3 y 2
(x2 +y 2 )2

f
ur (x, y) 6= (0, 0)

f
ur (x, y) = (0, 0)

Also

y 5
2

f
= lim
= 1
xy (0,0) y0 y y 4

25.8


2
x5

= lim
f
= 1.
yx (0,0) x0 x x4

Satz (Schwarzscher Satz)

Ist f C r (B), so sind die partiellen Ableitungen bis zur Ordnung r miteinander vertauschbar, also insbesondere ist f
ur f C 2 (B)
2
2
f=
f f
ur ij {1, . . . n}.
xi1 xi2
xi2 xi1
Beweis: Folgt aus dem Mittelwertsatz der Differentialrechnung, siehe z.B.
Forster, Analysis 2, S. 55.
111

25.9

Notation

Ist := (i1 , . . . , ir ) Nr0 , so ist || := i1 + + ir und

||
||
f
f
:=
x
xi11 . . . xirr
ist eine partielle Ableitung der Ordnung || von f .

25.10

Anwendung

Sei v : Rn Rn eine C 1 -Abbildung. Dann stellt sich die Frage, wann eine
Abbildung f C 2 (R) existiert mit gradf = v, d.h. wenn v ein Potential

vj = x j vi .
hat. Nach 25.7 ist eine notwendige Bedingung x
i
Beispiel: v(x, y) =

25.11

y
x


,

x v2

= 1,

y v1

= 1. Also hat v kein Potential.

Lemma

Ist f : B R partiell differenzierbar und hat f bei x0 ein lokales Extremum,

so ist gradf (x0 ) = 0, denn dann ist f
ur i = 1 . . . n
d 
 f (x0 + tei ) = 0.
dt t=0

25.12

Definition

Ist f : B R partiell differenzierbar, x0 B, gradf (x0 ) = 0, so heit x0

kritischer Punkt von f .

25.13

Bemerkung

Nicht jeder kritische Punkt ist lokales Extremum, z.B. f

ur f (x, y) = x2 y 2
ist gradf (0, 0) = (0, 0). Die Abbildungen f 0,e1 und f 0,e2 haben verschiedene lokale Extrema: f 0,e1 (t) = f (t, 0) = t2 hat bei 0 ein Minimum,
die Abbildung f 0,e2 (t) = f (0, t) = t2 hat bei 0 ein Maximum.
112

25.14

Definition

Ein kritischer Punkt x0 einer Abbildung f : B R heit Sattelpunkt:

F
ur alle > 0 gibt es x1 , x2 U (x0 ) mit f (x1 ) > x0 und f (x2 ) < x0 .

25.15

Definition

Sei f C 2 (B). Die symmetrische Matrix

 2 
f
Hf (x0 ) =
xi xj i=1...m,j=1...m
heit die Hessematrix zu f bei x0 . Die durch Hf (x0 ) gegebene symmetrische
bilineare Abbildung hf : (Rn )2 R, hf (v, w) = hv, Hf (x0 )wi heit die
Hesseform von f an der Stelle x0 .

25.16

Beispiele

In den folgenden Beispielen ist stets (0, 0) der einzige kritische Punkt.
1. f (x, y) = x2 + y 2 hat bei (0, 0) ein isoliertes lokales Minimum, denn
f (x, y) 0 f
ur alle (x, y) R2 und f (x, y) = 0 (x, y) = (0, 0).


2 0
Hf (0, 0) =
.
0 2
2. f (x, y) = x2 + y 4 hat bei (0, 0) wieder ein isoliertes lokales Minimum.


2 0
Hf (0, 0) =
.
0 0
3. f (x, y) = x2 y 4 hat bei (0, 0) einen Sattelpunkt.


2 0
Hf (0, 0) =
.
0 0
4. f (x, y) = x2 y 2 hat bei (0, 0) ein isoliertes lokales Maximum.


2 0
Hf (0, 0) =
.
0 2
5. f (x, y) = xy hat bei 0 Sattelpunkt, denn f (x, x) = x2 > 0, falls x 6= 0
und f (x, x) = x2 < 0 falls x 6= 0.


0 1
Hf (0, 0) =
.
1 0

113

26
26.1

Totale Differenzierbarkeit
Satz, Definition und Notation

Sei B Rn offen. Dann heit f : B Rk , (total) differenzierbar an der

Stelle x B, falls es eine lineare Abbildung A : Rn Rk gibt, sodass


(v)
f (x + v) = f (x) + Av + (v) mit lim
= 0.
(1)
v0
||v||

f heit (total)differenzierbar, falls f differenzierbar an jeder Stelle x B

ist. Die Abbildung A in (26.1) ist eindeutig bestimmt und heit das totale
Differential von f an der Stelle x. Das totale Differential an der Stelle x
bezeichnet man auch mit dfx : Rn Rk .

26.2

Notiz

Sei B Rn offen, x B und f : B Rk total differenzierbar in x. Dann

gilt:
1. f ist stetig in x, denn lim (f (x + h) f (x)) = lim (df x(h) + (h)) = 0.
h0

2. F
ur alle v
und es ist

Rn

h0

existiert die Richtungsableitung von f in Richtung v

Dfx (v) =
=
=

d 
 f (x + tv)
dt t=0
d 
 (f (x) + t dfx (v) + (tv))
dt t=0

dfx (v).

Das letzte Gleichheitszeichen folgt wegen

lim

t0

(tv) (0)
t

= lim

t0

114

(tv)
|tv|

|v| = 0.

f
(x) =
Insbesondere ist f partiell differenzierbar und es gilt: dfx (ei ) = x
i
Jf (x)ei , also ist die Matrixdarstellung von dfx bez
uglich der Standardbasis
durch die Jacobimatrix gegeben:

f1
f1
x1 (x) . . .
xn (x)

..
Jf (x) = ...
.
fk
x1 (x)

...

fk
xn (x)

Nach 26.2, Punkt 1. ist nicht jede partiell differenzierbare Funktion total
differenzierbar, aber es gilt

26.3

Satz

Jede C 1 -Abbildung ist (total) differenzierbar.

Beweis: z.B. Th. Br
ocker, Analysis II, Kap. 1.2.

26.4

Beispiele

1. f : (0, ) R R2 (Polarkoordinaten)
f (r, ) = (r cos(), r sin()) ist total differenzierbar und es gilt:


cos() r sin()
Jf (x) =
.
sin() r cos()
2. Ist A : Rn Rm linear, A Hom(Rn , Rm ), b Rm . Dann ist f : Rn
Rm , f (x) = Ax + b differenzierbar und dfx = A, denn f (x + v) =
Ax + Av + b = f (x) + Av, also f (x + v) f (x) = Av = df x(v).
Die Rechenregeln f
ur das Differential u
bertragen sich damit direkt aus dem
eindimensionalen:

26.5

Rechenregeln

1. Ist f, g : Rn Rk differenzierbar, so auch f + g und es gilt:

Jf +g (x) = Jf (x) + Jg (x).
2. Ist f : Rn Rk differenzierbar, R, so ist auch f diffrenzierbar
und es gilt:
Jf (x) = Jf (x).
3. Ist h : U Rn differenzierbar, U Rm offen, so ist f h differenzierbar
und es gilt: Jf h (x) = Jf (g(x)) Jh (x), also
n

X fj

gr
(f g)j (x) =
(fj g)(x) =
(g(x))
(x).
xi
xi
yr
xi
r=1

115

Insbesondere f
ur U R und k = 1 gilt:
n

X f
d
d
(f g)(t) =
gk (t) = hgradf (g(t)), g(t)i.

(g(t))
dt
yk
dt
k=1

26.6

Korollar

Ist f : Rn R differenzierbar, so steht gradf senkrecht auf den Niveaufl

achen von f , d.h. ist : I Rn eine Kurve mit f (t) c f
ur alle t
d
(f )(t) = hgradf ((t)), (t)i.

I, so ist hgradf ((t)), (t)i

= 0, denn 0 = dt

26.7

Beispiel

f (x, y) =

26.8

x2 +y 2 ,

gradf =

2x
2y



 

x
 2
1
2
2
2
, f (c) =
R x + y = c .
y

Satz und Definition

Ist f : U V differenzierbar, U, V Rn und ist f bijektiv und g = f 1 :

V U differenzierbar, so heit f ein Diffeomorphismus. Es gilt dann: Die
Jacobimatrix ist invertierbar und Jg (f (x)) = Jf1 (x), denn Jg (f (x))Jf (x) =
Jgf (x) = Jid (x) = 1.

26.9

Warnung und Definition

Ist n = 1 und f (x) 6= 0 f

ur alle x U , so folgt schon, dass f injektiv
ist, also f : U f (U ) ein Diffeomorphismus ist. Ist jedoch n > 1 und Jf
invertierbar f
ur alle x B, so ist nicht notwendig f ein Diffeomorphismus.
f heit in diesem Fall lokaler Diffeomorphismus.

26.10

Beispiel

f : (0, ) R R2 , (r, ) 7 (r cos(), r sin()) ist nicht injektiv, denn

f (r, + 2) = f (r, ).


 cos() r sin() 
 = r 6= 0.
Aber: |Jf (r, )| = 
sin() r cos() 
116



Aber: f R+ (0, 0 ) ist f
ur 0 2 injektiv.

f | R+ (0, 2) : R+ (0, 2) R2 \{(x, y) | x 0, y = 0} ist ein Diffeomorphiusmus.

27

Taylorpolynome fu
r Funktionen auf R

Durch Taylorpolynome versucht man eine moglichst gute Approximation

einer Funktion in einer Umgebung eines Punktes durch Polynome zu erhalten. Die erste Ableitung liefert nach dem Mittwelwertsatz eine lineare
Approximation. Ist f differenzierbar, so ist f (p + h) = f (p) + f () h f
ur
ein [p, p + h]. Dies soll nun verallgemeinert werden.

27.1

Definition

Ist f C k (a, b) und n k, so versteht man unter dem n-ten Taylorpolynom

von f an der Stelle p (a, b) das Polynom
(Pn f )p (h) =

n
X
f (j) (p) j
(
h )
j!
j=0

1
1
f (n) (p) hn .
= f (p) + f (p) h + f (p) h2 + +
2
n!
Unter dem (n + 1)-Restglied an der Stelle p versteht man die Funktion
(Rn+1 f )p
(Rn+1 f )p (x) = f (x) (Pn f )p (x p).

27.2

Beispiele

1. f (x) = sin(x):
f (2k) (0) = 0
f (4k+1) (0) = 1
f (4k+3) (0) = 1

117

Also:
1
1 3
h + h5 . . .
3!
5!
[ n1
]


2
X
1
k
2k+1
=
(1) h
.
(2k + 1)!

(Pn f )0 (h) = h

k=0

2. f (x) = cos(x):
n

(Pn f )0 (h) =

[2]
X
k=0

1
1
1
(1)k h2k ) = 1 h2 + h4 . . .
(2k)!
2!
4!

Dabei ist [x] := max{z Z | z x}.

3. f (x) = ex :
(Pn f )0 (h) =

n 
X
1
k=0

(Rn+1 f )(h) =

k!

1
1
1
= 1 + h + h2 + h3 + + hn
2
3!
n!

X
1 k
h .
k!

k=n+1

4. f (x) = (1 +

x) ,

R, x > 1:
(P1 f )0 (h) = 1 + h.

5. f (x) = an xn + an1 xx1 + + a0

m
P (a hk ) m n
k
.
(Pm f )0 (h) =
k=0
f (h)
m>n

27.3

Lemma

(Pn f )0 (h) ist das eindeutig bestimmte Polynom vom Grad n, das bei 0 die
selben Ableitungen bis zur Ordnung n hat wie f .
Beweis:
dk
(a xn
dxk n

+ + a0 ) =

dk
| (a xn
dxk x=0 n

27.4

n!
(nk)!

an xnk + + k! ak , also

+ + a0 ) = k! ak f
ur k n.

Approximationslemma

(Pn f )p approximiert f bei p von der Ordnung n, d.h.



(Pn f )p (x p) f (x)
= 0 f
ur m n.
lim
xp
(x p)m
118

Beweis (mit der Regel von l Hospital):

Es gilt f
ur m n:




(Pn f )p (x p) f (x)
(Pn f )0 (x p) f (x)
lim
= lim
xp
xp
(x p)m
m(x p)m1
!
(m)
(Pn f )p (x p) f (m) (x)
= 0.
= . . . = lim
xp
m!
2

27.5

Proposition

Ist > 0 und f (x) =

k=0

(ak (x x0 )k ) durch eine f

ur x U (x0 ) konvergente

Reihe gegeben, so ist (Pn,x0 f )(h) =

n
P

(ak hk ).

k=0

27.6

Beispiele

1. f (x) =

1
1x

(xk ) f
ur |x| < 1.

k=0

Also ist (Pn f )0 (h) =

n
P

(hk ).

k=0

2. f (x) =

1
1+x2

((x2 )k ) =

k=0

[n
]
2

Also ist (Pn f )0 (h) =

((1)k x2k ) f
ur |x| < 1.

k=0

((1)k h2k ).

k=0

27.7

Proposition

Ist f (x) =

(ak (x x0 )k ) durch eine konvergente Reihe f

ur x U (x0 )

k=0

gegeben, so ist

(Pn f )0 (h) = f (x0 ) +

n1
X
k=0

ak
hk+1
k+1

= f (x0 ) +

n 
X
ak1
k=1


hk .

Bemerkung und Warnung: Der Beweis von 25.5 und 25.7 ist nicht trivial.
Die Behauptung sind offensichtlich richtig, falls die Summe endlich ist, aber

P
d P
d
( dx
=
) ist zu zeigen, vgl. z.B. Forster, Analysis 1, Paragraph 21.
dx
k=0

k=0

119

27.8

Beispiel

Sei f (x) = ln(1 + x). Dann ist f

ur |x| < 1
f (x) =

1
1+x

(Pn f )0 (h) =

k=0
n1
P
k=0

((x)k ) f
ur |x| < 1, also nach 27.7.
(1)k
k+1


hk+1 .

Als Verallgemeinerung des Mittelwertsatzes erhalt man dann

27.9

Satz

Ist f : M R eine n + 1-mal stetig differenzierbare Funktion, [p, x] M ,

dann gibt es ein [0, 1] mit
(Rn+1,p f )(x) =

f (n+1) (p + (x p))
(x p)n+1 .
(n + 1)!

Ist insbesondere f (n+1) (x ) c f

ur alle x [p, x], dann ist
(Rn+1 f )p (x)

c
(x p)n+1 .
(n + 1)!

Beweis: Vergleiche Forster, Analysis 1, S. 247.

27.10

Bemerkung und warnendes Beispiel

Die Folge ((Pn f )p (h))n1 heit Taylorreihe von f an der Stelle p. Diese Reihe
konvergiert nicht notwendig.
Auch wenn die Folge ((Pn f )p (h))n1 auf einer Umgebung von 0 konvergiert,
so konvergiert sie im allgemeinen nicht notwendig gegen f !
Beispiel:
f (x) =

e x
0

x>0
x0

ist eine C -Funktion und f (n) (0) = 0 f

ur alle n, also (Pn f )0 )(h) 0, also
lim (Pn f )0 (h) 6= f (h) f
ur h > 0.

120

Beweis:
Offensichtlich existiert f (n) (x) f
ur alle x 6= 0 und alle n N.
F
ur jedes n N existieren Polynome pn und qn mit f (n) (x) =
x1

f
ur x > 0 (Beweis durch Induktion).

pn (x)
qn (x)

Dann ist lim (f (n) (x)) = 0 = lim (f (n) (x)), da f

ur alle n N gilt
x0+
x0


n
lim xex = 0. Also folgt mit dem Mittelwertsatz f (n) (0) = 0.
x

28

Taylorpolynome fu
r Funktionen in mehreren
Ver
anderlichen

Wir kommen jetzt zur Taylorentwicklung f

ur Funktionen in mehreren Veranderlichen.

28.1

Notation

Unter einem Multiindex versteht man ein Element Nn0 , = (1 , . . . , n ).

Man schreibt dann
x := x1 1 xnn .
D :=

x1 1

n
n.
x
n

|| := 1 + + n .
! := 1 !2 ! . . . n !.
: i < i f
ur i = 1 . . . n.
+ := (1 + 1 , . . . , n + n ).

28.2

Beispiele
= (2, 1, 4).
x = x21 x2 x43 .
D f =

4
2
x21 x2 x43

f.

|| = 7, ! = 2 4! = 48.

121

28.3

Definition

Sei B Rm offen, x0 B, f : B R (n + 1)-stetig differenzierbar, h Rm ,

so dass {x0 + th | t [0, 1]} B, so ist das n-te Taylorpolynom von f durch
(Pn f )x0 (h) =

X 1
(D f )(x0 )h
!

||n

gegeben. Insbesondere ist

(P2 f )x0 (h) = f (x0 ) +

m
m
X

1 X 2f
f (x0 ) hi +
(x0 ) hi hj .
xi
2
xi xj

(1)

i,j=1

i=1

Der dritte Term ist dabei die Summe u

ber alle Multiindices mit || = 2.
Dies sind einerseits die Terme zu = (0, . . . , 2, 0 . . . 0), die die Summanden
1 Pn
2
2
i=1 x2i f (x0 )hi ergeben, andererseits die Terme zu
2
P
2
= (0, . . . 1, 0 . . . 0, 1, 0 . . . 0), die die Summe
xi xj f (x0 )hi hj
1i<jn

ergeben.

28.4

Beispiele

1. f : R2 R, f (x, y) = ex sin(xy), x0 = 0:
a) || = 0, = (0, 0) ergibt den Summanden f (0, 0) = 0.
b) || = 1 ergibt folgende Summanden:
= (1, 0)

1
!

=1

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

= ex sin(xy) + yex cos(xy) |(0,0) = 0

= (0, 1)

1
!

=1

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

= xex cos(xy) |(0,0) = 0

c) || = 2 ergibt folgende Summanden:

= (2, 0)
= (0, 2)

1
2
1
2

1
!
1
!

1
!

=1

2
f (x, y) |(0,0)
x2
2

f (x, y) |(0,0)
y 2

=0
=0

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

= ex cos(xy)|(0,0) + 0 = 1


0 1
Zusammenfassend ist (P2 f )(0,0) (h) = h1 h2 und Hf (0, 0) =
.
1 0
= (1, 1)

122

2. Wie im Fall k = 1 gilt: Ist f ein Polynom vom Grad m, also

f (h)
falls n m
X
P

.
f=
a x , so ist (Pn f )(0) (h) =
||n a h falls n < m
||m

28.5

Bemerkung

Die Rechenregeln f
ur Taylorpolynome in mehreren Veranderichen gelten
ebenso wie f
ur Taylorpolynome in einer Veranderlichen, z.B. f (x, y) = ex sin(xy):
(P2 ex )0 (x) = 1 + x +

x2
2

P2 (sin(t))0 () =
(P2 (xy))0 (h1 , h2 ) = h1 h2 ,
also
(P2 f )(0,0) (h1 , h2 ) = P2



h2
1 + h1 + 1
2

h1 h2

1
= (P2 (h1 h2 + h21 h2 + h31 h2 ))(0,0) (h) = h1 h2
2

(h)

(0,0)

und ebenso
(P3 f )(0,0) (h1 h2 ) = h1 h2 + h21 h2 .
Ebenso wie f
ur Funktionen in einer Variable definieren wir

28.6

Definition

Sei f C r+1 (B), so ist das (r + 1)-te Restglied

(Rr+1 f )x0 () := f (x0 + ) (Pr f )x0 ().
Aus den Absch
atzungen in einer Variable erhalt man Abschatzungen auch
in mehreren Variablen. Wir benutzen hier nur die folgende Restgliedformel:

28.7

Restgliedformel

Ist f C r+1 (B), KR := {x Rk |||x x0 || R} B, so gibt es ein C > 0,

so dass gilt:
k(Rr+1 f )x0 ()k Ckkr+1

f
ur alle mit kk R (vgl. Forster, Analysis 2).
Wir kommen nun zur
uck zur Bestimmung lokaler Minima und Maxima.
Nach 28.3 ist das zweite Taylorpolynom durch
1
(P2 f )x0 () = f (x0 ) + hgradf (x0 ), i + h, Hf (x0 )i
2
gegeben, wobei Hf (x0 ) die Hessematrix von f ist.
123

28.8

Korollar

Ist B Rn offen, f : B R eine C 3 -Funktion, x0 B ein kritischer Punkt,

dann gilt:
1. Ist Hf (x0 ) positiv definit, so hat f bei x0 ein isoliertes, lokales Minimum.
2. Ist Hf (x0 ) negativ definit, so hat f bei x0 ein isoliertes, lokales Maximum.
3. Hat f bei x0 ein lokales Minimum, so ist Hf (x0 ) positiv semidefinit.
4. Hat f bei x0 ein lokales Maximum, so ist Hf (x0 ) negativ semidefinit.
Beweis:
1. Ist x0 kritischer Punkt von f , dann ist
1
f0 (x0 + v) = f (x0 ) + v T Hf (x0 )v + R3 (v)
2
3 (v)
mit lim ( Rkvk
2 ) = 0.

kvk0


Die Abbildung S n1 := {v Rn kvk2 = 1} R, v 7 v T Hf (x0 )v hat
ein Minimum und ein Maximum nach Satz 21.2.
Sei Hf (x0 ) positiv definit, so folgt also
:=

1
min (v T Hf (x0 )v) > 0.
2 kvk=1

3 (v)
W
ahle > 0 so, dass Rkvk
2 <
f
ur alle v U (0), v 6= 0:

f
ur alle v mit kvk < gilt. Dann ist


v
R3 (v)
1 vT
Hf (x0 )
+
f (x0 + v) f (x0 ) = kvk
2 kvk
kvk
kvk2



> 0,
> kvk2
2
also ist x0 ein isoliertes lokales Minimum.
2


2

3. Sei x0 jetzt lokales Minimum von f und sei > 0 mit f (x0 +v) f (x0 )
f
ur alle v U (0), v 6= 0, dann ist
1 vT
v
R3 (v)
Hf (x0 )
+
0
2 kvk
kvk
kvk2

R3 (v)
2
|v|0 kvk

also ist wegen lim

= 0 der erste Term f

ur alle v U (0)\{0}

nicht negativ, also ist Hf (x0 ) positiv semidefinit.

2
Die anderen beiden F
alle erhalt man analog oder indem man statt f
dann f betrachtet.
2
124

29

Riemann-Integral

Vorstellung: Ist f : [a, b] R , so ist

der x-Achse eingeschlossen wird.

29.1

Rb
a

f (x) dx die Flache, die von f und

Definition

Sei [a, b] R, so heit (x0 . . . , xn ) [a, b]n mit x0 = a < x1 < . . . xn = b eine
Zerlegung von [a, b]. := max |xi xi1 | heit die Feinheit der Zerlegung.
Ist f : [a, b] R beschr
ankt, so versteht man unter einer Zange f
ur f eine
Zerlegung a = x0 < x1 < < xn = b von [a, b] und Zahlen hi , ki , i
{1, . . . , n} mit ki f (x) hi f
ur x [xi1 , xi ].
n
P
(ki (xi xi1 )) heit die Untersumme und
U (Z, f ) =
i=1

O(Z, f ) =

n
P

i=1

(hi (xi xi1 )) die Obersumme

von f zur Zange Z. f heit Riemann-integrierbar, f R[a, b], wenn es zu

jedem > 0 eine Zerlegung Z gibt mit O(Z, f ) U (Z, f ) < . Z heit dann
Zange oder Feinheit . Ist nichts anderes gesagt, versteht man unter der Zange zur Zerlegung a = x0 < < xn = b die durch hi := supx[xi1 ,xi ] f (x),
ki := inf x[xi1 ,xi ] f (x) gegebene Zange.

29.2

Lemma und Definition

Ist f : [a, b] R Riemann-integrierbar, dann gibt es genau eine Zahl I R

mit U (Z, f ) I O(Z, f ) f
ur alle Zangen Z f
ur f . I heit das RiemannRb
Integral von f u
ber [a, b]. Man schreibt f (x) dx.
a

125

Beweisidee:
Man nutzt aus, dass {U (Z, f ) | Z Zange f
ur f } nach oben beschrankt ist, da
U (Z, f ) O(Z , f ) f
ur alle Zangen Z, Z gilt und definiert:
I :=

sup (U (Z, f )).

Z Zangen

Schlielich benutzt man, dass bei Verfeinerung der Zerlegung die Untersummen monoton wachsen, also gegen I konvergieren, ebenso fallen die Obersummen.

29.3

Beispiele

1. f : [a, b] R, f (x) = c f
ur alle x [a, b]. Dann ist
(b a)c.

Rb
a

f (x) dx =

W
ahle eine Zerlegung x0 = a < x1 < < xn = b und hi = ki = c.
Dann ist U (Z, f ) = O(Z, f ) = (b a) c.
2. f : [a, b] R, f (x) = x.
Dann ist f Riemann-integrierbar und

Rb
a

Beweis:

f (x) dx = 21 (b2 a2 ).

Sei > 0. Sei n N, n > 1 .

Wir definieren eine Zange Zn folgendermaen:
ba
ba
Sei xi = a + i ba
n , also x0 := a < a + n < < b n < b, hi := xi
und ki = xi1 , also hi ki = ba
n , also

O(Z, f ) U (Z, f ) =

n
X
(b a) (b a)
1
(
)
= 2 n(b a)2 < (b a)2 ,
n
n
n
i=1

also ist f Riemann-integrierbar.

126



n 
X
(b a)
(b a)
U (Zn , f ) =
a + (i 1)
n
n
i=1

n1
(b a)2 X
= a(b a) +
(i)

n2
i=0

= a(b a) +
n 1
2

Ebenso folgt O(Zn , f )

n(n 1) n 1 2
1
(b a)2
(b a2 ).
2
n2
2

(b2 a2 ).

3. Sei y [a, b] und fy : [a, b] R durch


1 x=y
fx (x) :=
definiert. Dann ist fy Riemann-integrierbar und
0 x 6= y
Z

fy (x) dx = 0.

Beweis:
Sei > 0 und := min(, y a, b y). Wahle eine Zerlegung von [a, b]
folgendermaen:
a = x0 < x1 := y

< x2 := y + < x3 = b.
2
2

127

Definiere dazu eine Zange durch ki = 0 f

ur i = 1, 2, 3 und

0 i = 1, 3
. Dann ist O(Z, f ) U (Z, f ) = 1 .
hi =
1 i=2
Rb
Also ist f Riemann-integrierbar und f (x) dx = 0.
a

4. f : [0, 1] R, f (x) =

1 xQ
.
0 sonst

Dann gilt f
ur jede Zange O(Z, f ) 1, U (Z, f ) 0, also ist f ist nicht
Riemann-integrierbar.


0 falls x = n1 , n N
.
1 sonst
R1
Dann ist f Riemann integrierbar und 0 f (x) dx = 1.

5. f : [0, 1] R, f (x) =

Beweis:

Sei > 0, n > 2 .

Definiere eine Zerlegung von [0, 1] durch (0, x1 , . . . , x2n1 = 1) mit
x2j

1
1
2 f
ur j = 1, . . . , n 1
n j 2n
1
1
+ 2 f
ur j = 0, . . . , n 2
n j 2n

x2j+1 =

und die zugeh

orige Zange durch
k2j

= 1 f
ur j = 1, . . . , n 1

k2j+1 = 0 f
ur j = 0, . . . , n 1
hj

= 1 f
ur alle j.

Dann ist
U (Z, f ) = 1 (n 1)

29.4

1
2
1
> 1 > 1 und O(Z, f ) = 1.
2
n
n
n

Lemma (Rechenregeln fu
r das Integral)

Sind f, g : [a, b] R Riemann-integrierbare Funktionen, so gilt:

1. f : [a, b] R ist Riemann-integrierbar, f
ur jedes R und
Zb
a

(f (x)) dx =

128

Zb
a

f (x) dx.

2. f + g : [a, b] R ist Riemann-integrierbar und

Zb

(f + g)(x) dx =

Zb

(f (x)) dx +

Zb

(g(x)) dx.



3. f [a, c] und f [c, b] ist Riemann-integrierbar f
ur jedes c [a, b],
Rb
Rc 
Rc
f (x) dx := (f [a, c])(x) dx, analog f (x) dx, und es gilt:
a

Zb
a

f (x) dx =

Zc

(f (x)) dx +

Zb

(f (x)) dx.

(Unterteilbarkeit des Riemann-Integrals)

Beweise:
1. Sei Z eine Zange f
ur f zur Zerlegung x0 = a < x1 < < xn = b,
hi , ki R.

Dann ist eine Zange Z1 f

ur f durch die selbe Zerlegung wie f
ur Z
x0 = a < x1 < < xn = b und hi, = hi , ki, = ki , falls 0
gegeben, und damit ist O(Z, f ) = O(Z, f ) und U (Z, f ) =
U (Z, f ). Ist < 0, vertauscht man die Rolle von ki und hi .
2
2. Analog zu 1.


3. Zangen f
ur f [a, c] und f [c, b] ergeben sich in nat
urlicher Weise f
ur f .

129

Ist Z eine Zange f

ur f , gegeben durch eine Zerlegung x0 = a < x1 <
< xn b und hi , ki R und c (xj1 , xj ), so erhalt man daraus
i = hi ,
eine Zange f
ur f [a, c] durch x0 = a < x1 < < xj1 < c, h

ki = ki , i = 1, . . . , j. Ebenso erhalt man eine Zange f
ur f [c, b].
Das weitere Vorgehen ist analog zu 1.

29.5

Notation

F
ur b > a sei
Za

f (t) dt :=

Za

f (t) dt := 0

Zb

f (t) dt

29.6

Korollar

Ab
andern einer Riemann-integrierbaren Funktion an endlich vielen Stellen
andert nichts an der Integrierbarkeit und am Wert des Integrals.
Beweis: Dies folgt analog zu Beispiel 29.3, Punkt 3.

29.7

Satz

1. Ist f : [a, b] R stetig, so ist f Riemann-integrierbar.

2. Ist f : [a, b] R beschrankt und nur an endlich vielen Stellen unstetig,
so ist f Riemann-integrierbar.
3. Ist f : [a, b] R streng monoton, so ist f Riemann-integrierbar.
Beweis: Analysis-Literatur, z.B. Forster, Analysis 1, Paragraph 18.

29.8

Satz

Seien f, g : [a, b] R Riemann-integrierbare Funktionen, dann gilt:

Rb
Rb
1. |f | ist Riemann-integrierbar und es gilt | f (x) dx| |f (x)| dx
a

(Dreiecksungleichung).

2. F
ur jedes p [1, ) ist |f |p Riemann-integrierbar.
3. f g : [a, b] R ist Riemann-integrierbar.

130

Beweise:
1. Wir zeigen, dass f+ = max(f, 0) integrierbar ist:

Ist Z eine Zange f

ur f gegeben durch a = x0 < x1 < < xn = b und
hi , ki R. Dann ist eine Zange Ze f
ur f+ gegeben durch
a = x0 < < xn = b,

hi falls hi 0
,
hi,+ =
0 sonst

ki falls ki 0
ki,+ =
.
0 sonst

e f+ ) U (Z,
e f+ ) O(Z, f ) U (Z, f ). Also ist f+ RieDann ist O(Z,
mann integrierbar, ebenso ist f = min(f, 0) Riemann integrierbar,
also auch |f | = f+ f .
2. |f |n ist integrierbar:

Wegen 29.4, Punkt 1. gen

ugt es, die Behauptung f
ur f : [a, b] R mit
|f (x)| < 1 f
ur alle x [a, b] zu zeigen.

Sei Z eine Zange f

ur f , Zp die Zange, die man daraus f
ur |f |p erhalt,
p
p
n
amlich hi,p := hi , ki,p := ki .
Dann folgt aus dem Mittelwertsatz der Differentialrechnung wegen
(xp ) = p xp1 p f
ur |x| 1 auch hi,p ki,p |hi ki | p f
ur
|hi |, |ki | 1.
Also ist f
ur jede Zange Z mit |hi |, |ki | 1 auch

O(Zp , |f |p ) U (Zp , |f |p ) p(O(Z, f ) U (Z, f )),

also ist |f |p integrierbar.
3. Folgt aus 2., da f g = 14 ((f + g)2 (f g)2 ).

131

29.9

Satz (Mittelwertsatz der Integralrechnung)

Sei f : [a, b] R stetig, dann gibt es ein [a, b] mit f () =

1
ba

Beweis:

Rb

f (x) dx.

Sei m := min (f (x)), M = max (f (x)). Dann ist

x[a,b]

m=

1
ba

Rb
a

m dx

x[a,b]

1
ba

Rb
a

f (x) dx M

Also folgt die Behauptung aus dem Zwischenwertsatz.

29.10

Hauptsatz der Differential- und Integralrechnung

Sei f : I R stetig und a I. F

ur x I sei F (x) =
F : I R differenzierbar und es gilt F (x) = f (x).

Rx

f (t) dt. Dann ist

Beweis:
Nach dem Mittelwertsatz 29.9 existiert ein h [x, x + h] f
ur h > 0
x+h
R
(x)
= h1
f (t) dt = f (h ).
mit F (x+h)F
h
x

(x)
Also folgt lim ( F (x+h)F
) = f (x) aus der Stetigkeit von f .
h
h0+

Ebenso f
ur h < 0.

29.11

Definition

Eine differenzierbare Funktion F : (a, b) R heit eine Stammfunktion von

f , falls F = f gilt.
Bemerkung: Stammfunktionen sind nicht eindeutig bestimmt.

29.12

Korollar

Ist f : [a, b] R stetig und F eine Stammfunktion von f , so ist

Zb
a

f (t) dt = F (b) F (a)

132

29.13

Erinnerung

In Kapitel 23 wurden verschiedene Ableitungen berechnet, daraus konnen

nun sofort folgende Stammfunktionen abgelesen werden:
f

F
1
x+1
+1

x , 6= 1
1
x
ex

ln x
ex
cos x

sin x
cos x
1

1 x2
1

1 x2
1
1 + x2
1
cos2 x
1
sin2 x

29.14

sin x

arcsin x
arccos x
arctan x
tan x
cot x

Definition

Ist f : (a, b] R eine Funktion, sodass f

ur alle > 0
heit
lim (

Zb

f (t) dt) =:

Zb

Rb

f (t) dt existiert, so

a+

f (t) dt

a+

das uneigentliche Integral von f u

ber (a, b], falls der Limes existiert. Man
sagt dann auch, das Integral konvergiert. Analog f
ur [a, b); [a, ); (, b].
Ist f : R R eine Funktion mit f |[a, b] f
ur alle a < b integrierbar, so
definiert man
Z
Zb


f (t) dt := lim
lim ( f (t) dt)
b

analog f
ur f : (a, b) R.

29.15

Beispiel
R

(sin(x)) dx existiert nicht, da

R
(sin(t)) dt nicht existiert,
0

133

aber lim (

Rr

r r

29.16

sin(t) dt) = 0.

Satz

Ist f : (a, b] R stetig, F : [a, b] R stetig und F |(a, b) eine StammfunkRb

tion von f |(a, b), dann existert f (t) dt = F (b) F (a).
a

29.17

Beispiel

f (0, 1] R, f (t) =

:
2 t

Dann ist F : (0, 1) R, F (t) =

R1
also f (t) dt = 1.

t eine Stammfunktion von f |(0, 1),

29.18

Bemerkung

Satz 29.16 gilt analog, falls a = oder b = .

134

29.19
Rr
1

Beispiel:

( x12 ) dx = 1r + 1:

Rr
R
Also lim ( ( x12 ) dx = 1 =: ( x12 ) dx.
r 1

30

Finden von Stammfunktionen

30.1

Satz von der partiellen Integration

F
ur stetig differenzierbare Funktionen u, v : [a, b] R gilt:
Zb
a

u(x)v (x) dx = [u

v]ba

Zb

u (x)v(x) dx.

Beweis: Da (uv) = u v +uv , folgt dies aus dem Hauptsatz der Differentialund Integralrechnung, 29.10.

30.2

Satz von der Substitution

Sind I, Ie R, u : I R differenzierbar und f : Ie R stetig. Sei [a, b] I

e Dann gilt:
und u([a, b]) I.
Zb
a

u(b)
Z
f (u(x))u (x) dx =
f (t) dt.

u(a)

d
Beweis: Sei F eine Stammfunktion von f . Dann ist dx
(F u)(x) = f (u(x))u (x),
also ist F u eine Stammfunktion von (f u) u . Also ist

Zb
a

f (u(x))u (x) dx = [F u]ba = F (u(b)) F (u(a)) =

u(b)
[F ]u(a)

u(b)
Z
=
f (x) dx.
u(a)

30.3
1.

Beispiele
Zb
a

x cos(x) dx =
|{z}
| {z }
u

[x sin(x)]ba

Zb
a

sin(x) dx = [x sin(x) + cos(x)]ba .

2. Sei [a, b] ( 2 , 2 ). Dann folgt mit Substitution u(x) = cos x

Zb
a

tan(x) dx =

Zb
a

sin(x)
dx =
cos(x)

cos(b)
Z

cos(a)

135


cos(b)
1
du = ln(|u|) cos(a) .
u

3. Sei [a, b] (1, 1). Dann folgt mit Substitution u(x) = arcsin x,
1
, also
also u (x) = 1x
2
Zb p
1 x2 dx =
a

arcsin(b)
Z

cos2 (u) du

arcsin(a)

1
2

arcsin(b)
Z

(cos(2u) + 1) du

arcsin(a)

=
=


arcsin(b)
1 1
sin(2u) + u
2 2
arcsin(a)

ib
1h p
x 1 x2 + arcsin(x) .
2
a

Beim 2ten und 4ten Gleichheitszeichen wurden die Additionstheoreme

cos2 (u) = 21 (cos(2u) + 1) und sin(2x) = 2 sin x cos x benutzt.

30.4

Partialbruchzerlegung

Ist Q ein reelles Polynom vom Grad n, dann gibt es r verschiedene reelle
Zahlen 1 , . . . , r mit Vielfachheiten n1 , . . . , nr (die reellen Nullstellen von
Q mit ihren Vielfachheiten) und s paarweise verschiedene komplexe Zahlen
1 + i 1 , . . . , s + i s , j 6= 0 mit Vielfachheiten m1 , . . . , ms , so dass
n1 + + nr + 2(m1 + + ms ) = n
und

m
Q(x) = (x 1 )n1 (x r )nr (x 1 + i1 )(x 1 i1 ) 1
((x s + is )(x s is ))ms
r
s
Y
Y
nj
=
(x j )
((x j )2 + j2 )mj ,
j=1

j=1

denn, da Q reell ist, treten die nicht reellen Nullstellen stets paarweise auf:
Q(z) = 0 Q(
z ) = 0.

30.5

Beispiel
(x4 1) = (x2 + 1)(x2 1)

= (x2 + 1)(x + 1)(x 1)

= (x + i)(x i)(x + 1)(x 1)

Hier sind die Nullstellen 1 = 1, 2 = 1, w1 = i, w2 = w1 = i.
136

30.6

Polynomdivision

Sind P = an xn + + a0 und Q = bm xm + + b0 Polynome vom Grad

n m, dann gibt es ein Polynom p vom Grad n m und ein Polynom r
P
= p + Qr .
vom Grad m 1 mit Q

30.7

Beispiel

(x3 2x2 2x 1) : (x 1)
(x3
(x3

2x2
x2 )
x2
(x2

1) : (x 1) = x2 x 3

2x

2x
1
+x)
3x
1
(3x +3)
4

Rest r = 4. Also:
x3 2x2 2x 1
x {z
1
|
}

Integral nicht leicht ersichtlich

30.8

2
x
| {zx 3}

leicht zu integrieren

4
1}
|x {z

hier auch leicht zu integrieren

Satz

P
eine rationale Funktion, also P und Q Polynome vom Grad n und m,
Ist Q
n m und Q wie in 30.4, dann gibt es ein Polynom p vom Grad n m und
reelle Zahlen
aik
f
ur k = 1 . . . r, i = 1 . . . nr
bik , cik f
ur k = 1 . . . s, i = 1, . . . ms ,

sodass
r

k
XX
P
=p+
Q

k=1 i=1

aik
(x k )i

mk
s X
X
k=1 i=1

bik x + cik
(x k )2 + k2

Diese Darstellung heit Partialbruchzerlegung (PBZ) von

30.9
F
ur

P
Q

P
Q.

i

Beispiel
=

x2 +3
x(x1)3 (x2 +1)2

ist r = 2; 1 = 0, n1 = 1; 2 = 1, n2 = 3, s = 1;

ms = 2; 1 + i1 = i, also hat

P
Q

eine PBZ der Form:

a12
a22
a32
b11 x + c11 b21 x + c21
a11
+
+
+
+
+ 2
.
2
3
x
(x 1) (x 1)
(x 1)
(x2 + 1)
(x + 1)2
137

(1)

30.10

Finden der PBZ

Kurz:
1. Polynomdivision.
2. Gehe in den Ansatz (1) in 30.8, multipliziere mit dem Nenner und
setze Nullstellen ein.
Ausf
uhrlich:
1. Durch Polynomdivision erhalt man

P
Q

=p+

r
Q,

mit deg(r) < deg(Q).

2. Finde f
ur jedes j das anj j : Ist Q von der Form 30.4, so ergibt der
r(x)
Ansatz (1) Q(x)
(x j )nj |x=j = anj j .
3. Induktives Bestimmen der weiteren aik : Ersetze
r
Q

r
Q

durch

und verfahre wie in Punkt 2., um a(nj 1)j zu finden.

4. Verfahre ebenso mit den komplexen Wurzeln.

30.11
R(x) =

Beispiel
x+1
.
x(x1)2

1 = 0, n1 = 1
2 = 1, n2 = 2,
gesucht sind also a, b, c
R(x) =

a
b
c
+
+
.
x x 1 (x 1)2

Bestimmung von a:
x R(x)|x=0 = 1 = a.
Bestimmung von c:
(x 1)2 R(x)|x=1 =

2
= c.
1

Bestimmung von b:
b
1
2
1
= R(x)
=
.
x1
x (x 1)2
x1
Also
R(x) =

1
2
1
+
+
.
x x 1 (x 1)2

138

anj j
r
Q (xj )nj

=:

30.12

Integration der Terme aus der Partialbruchzerlegung

1.

1
dx =
(x )k

ln(|x |)
1
1k

1
(x)k1

k=1
k 6= 1

2. Durch Substitution x = u + erhalt man:

Z
Z
x
u +
dx =
du
2
2
m
2m
((x ) + )
(u2 + 1)m
Z
1
u
du
=
2m2
2

(u + 1)m
Z

1
+ 2m1
du

(u2 + 1)m
Das erste Integral berechnet man
( 1
Z
2
m=1
u
2 ln(u + 1)
du
=
2
m
1
1
1
m1
(u + 1)
m=
6 1
2 1m ( u2 +1 )

Das zweite Integral kann als Ubungsaufgabe

gelost werden.
3. Durch Substitution x = u + wird auch das letzte Integral in dieses
u
uhrt.
bergef
Z
Z
1
1
1
dx
=
du.
2
2
m
2m1
2
((x ) + )

(u + 1)m

31

Mehrdimensionales Riemann-Integral

Erinnerung:

139

Sei jetzt f : R, mit R2 . Vorstellung:

31.1

Definition

Sei Q = [a1 , b1 ] . . . [an , bn ] ein n-dim. Quader.

n
Q
(bi ai ) das n-dimensionale Volumen von Q. Ist f : Q R
Dann heit
i=1

beschr
ankt, so ist eine Zange f
ur f : Q R gegeben durch Zerlegungen
ai = xi0 < xi1 < < xini = bi und Zahlen hj1 ,...,jn , kj1 ,...,jn mit hj1 ,...,jn
f |Qj1 ,...,jn kj1 ,...,jn , wobei Qj1 ,...,jn = [x1j1 1 , x1j1 ] [xnjn 1 , xnjn ].

Setze

U (Z, f ) =
O(Z, f ) =

vol(Qj1 ,...,jn ) hj1 ,...,jn

vol(Qj1 ,...,jn ) kj1 ,...,jn

und definiere Integrierbarkeit f : Q R wie f

ur Funktionen in einer Variable.
Wie in einer Dimension gilt:

31.2

Lemma

1. Ist f : Q R stetig, so ist f Riemann integrierbar.

2. Sind f , g Riemann integrierbar, so auch f + g, f und
lineare Abbildung.

140

. . . ist eine

31.3

Lemma

Ist f : Q R integrierbar, Q ein Quader, Q = [a1 , b1 ] . . . [an , bn ], so

Rbn
Rb1
R
ist f (x) dn x = . . . ( f (x1 , . . . , xn ) dxn ) dxn1 . . . dx1 , wobei es auf die
an

a1

Integrationsreihenfolge nicht ankommt.

31.4

Beispiel
Z

xy d2 x =

[0,1][0,2]

31.5

Z1 Z2
0

xy dy dx =

1 1
4 = 1.
2 2

Notiz

Nat
urlich will man auch u
ber Gebiete integrieren, die keine Quader sind. In
Mathematik f
ur Physiker IIa wird das Lebesgue-Integral behandelt, das sich
in vielerlei Hinsicht besser als das Riemann-Integral verhalt. Daher geben
wir hier nur - ohne weitere Beweise - an, wie man das Riemann-Integral in
einigen einfachen F
allen berechnet. Besonders einfache Integrationsgebiete
sind stetig berandete Teilmengen von Rn .

31.6

Definition

Abgeschlossene Intervalle heien stetig berandete Teilmengen von R1 . Sei

A Rn1 eine stetig berandete Teilmenge von Rn1 , a, b : A R stetig mit
a(x) b(x) f
ur alle x A, dann heit
[



[a(x), b(x)] := (x, y) Rn1 R  x A, a(x) y b(x)
xA

eine stetig berandete Teilmenge von Rn .

31.7

Beispiele

1.


(x, y) R2  x2 + y 2 1
o
n
p
p

=
(x, y) R2  x [1, 1], 1 x2 y 1 x2

D2 =

ist
eine stetig berandete Teilmenge mit A = [1, 1], a(x) = b(x) =
1 x2 .

141

2.
=



(x, y) R2  x [0, 1], 0 y 1 x

ist stetig berandete Teilmenge von R2 .

3.

x R3 ||x|2 1
n
o
p
p
=
(x, y, z) R3 |(x, y) D2 , 1 x2 y 2 z 1 x2 y 2

D3 =

ist stetig berandete Teilmenge von R3 .

31.8

Satz (Fubini)

Ist Rn stetig berandetes Gebiet f : R stetig, so ist f Riemann

integrierbar, und es gilt
Z

Zb0 b1Z(x1 ) 
f dn x =
...
a0 a1 (x1 )

bn1 (xZ
1 ,...,xn1 )

an1 (x1 ,...,xn1 )


f (x1 , . . . , xn ) dxn . . . dx1

wobei ai , bi die stetigen Funktionen sind, aus denen nach 31.6 definiert
ist.

31.9

Beispiele

1. = D2 , f 1
vol(D2 ) :=

D2

d2 x =

Z1

Z1x2

1 1x2

Z1 p
dy dx = 2
1 x2 dx = .

2 := {(x, y) R2 |x [1, 1], 0 y

2. = D+

2
D+

1 x2 }, f (x, y) = x2 y.

Z1
Z1 Z1x2
1
2
2
x y dy dx =
x2 (1 x2 ) dx
f (x, y) d (x, y) =
2
1

1 1 3 1 51
1 1
2
[ x x ]1 = =
2 3
5
3 5
15

Zum Schluss geben wir noch die Verallgemeinerung des Satzes von der Substitution an (30.2):
142

31.10

Transformationsformel

Sei : ein Diffeomorphismus, B , B = (B), f : B R eine

integrierbare Funktion, dann ist auch
f | det J | : B R
integrierbar und es gilt:
Z

f | det J | d x =

31.11

f dxn

Beispiel

B = {(x, y) R2 |r2 x2 + y 2 R2 , x, y 0}, f (x, y) =

1
.
x2 +y 2

Wir betrachten den Diffeomorphismus

: (0, )(, ) R2 \{(x, y) | y = 0, x 0}, (r, ) 7 (r cos(), r sin()).

Dann ist 1 (B ) = [r, R] [0, 2 ] und det J = r, also
Z

f (x, y) d2 (x, y) =

ZR Z2
r

143

1
d d = (R r).