Sie sind auf Seite 1von 166

Mathematische Methoden der

Chemie

Prof. Dr. Uwe Manthe, Dr. Christoph Scheurer


Lehrstuhl f
ur Theoretische Chemie
Technische Universitat M
unchen
Lichtenbergstr. 4, 85748 Garching

Wintersemester 2013/2014
c 20022013 Uwe Manthe, Christoph Scheurer.
Copyright
Permission is granted to copy, distribute and/or modify this document
under the terms of the GNU Free Documentation License, Version 1.1
or any later version published by the Free Software Foundation; with
the Invariant Sections being LIST THEIR TITLES, with the Front-
Cover Texts being LIST, and with the Back-Cover Texts being LIST.
A copy of the license is included in the section entitled GNU Free
Documentation License.
Inhaltsverzeichnis

A 1. Semester 4

I Grundlegende Begriffe und Symbole 5

II Zahlen 8

III Elementare Funktionen 32

IV Kombinatorik 51

V Folgen und Reihen 54

VI Grenzwerte und Stetigkeit 75

VII Differentialrechnung 88

VIII Integralrechnung 112

IX Gew
ohnliche Differentialgleichungen 139

X Vektorrechnung und Geometrie 155

2
B 2. Semester 166

XI Lineare Algebra 167

XII Funktionen mehrerer Variablen 223

XIII Mehrdimensionale Differentialrechnung 227

XIV Mehrdimensionale Integralrechnung 248

XV Fouriertransformation 269

3
Teil A

1. Semester

4
Kapitel I

Grundlegende Begriffe und


Symbole

Inhaltsangabe
1 Logik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

5
I 1. LOGIK 6

1 Logik

Aussagen und Verkn


upfungen von Aussagen

A: Aussage
A ist wahr oder falsch

Negation einer Aussage: A

A ist wahr, wenn A falsch ist,


oder falsch, wenn A wahr ist.

Logische Verkn
upfungen:

A B : A ist
aquivalent zu B
A und B sind gleichbedeutende Aussagen
A B : aus A folgt B, wenn A dann B
A ist eine hinreichende Bedingung f
ur B

Aquivalent zu (A B) ist
B A : B ist eine notwendige Bedingung f
ur A

Damit A wahr sein kann, mu B wahr sein.

Entsprechend konnen mathematische Aussagen auf zwei verschiedene Arten be-


wiesen werden:

direkter Beweis : A B
Man zeigt, da aus der Aussage A die Aussage B folgt

indirekter Beweis, Beweis durch Widerspruch: B A


Man zeigt, da aus der Verneinung von B die Verneinung von A folgt. Ist B
falsch, mu also auch A falsch sein. Da A aber wahr ist, kann B nicht falsch
sein, mu also wahr sein.

Formal: (A B) (B A)

Weitere Verkn
upfungen:
A B : A oder B
A B : A und B
I 2. MENGEN 7

2 Mengen

Eine Menge ist eine Zusammenfassung von Elementen

a M : a ist ein Element der Menge M

a 6 M (a M): a ist kein Element der Menge M

Eine Menge kann durch die Aufzahlung ihrer Elemente definiert werden.

Beispiele: M = {a, b, c}
M ist die Menge mit den Elementen a, b und c
M = {n N | n = gerade}
M ist die Menge der geraden nat
urlichen Zahlen

Gleichheit:
A = B (F ur alle x A oder x B gilt: x A x B)

Teilmenge:
A ist Teilmenge von B
A B (F ur alle x A gilt: x A x B)

Vereinigungsmenge:
A B = {x | x A x B}

Schnittmenge:
A B = {x | x A x B}

Differenzmenge:
A\B = {x | x A x 6 B}

Kartesisches Produkt zweier Mengen:


A B = {(a, b) | a A b B}
Kapitel II

Zahlen

Inhaltsangabe
3 Nat
urliche Zahlen . . . . . . . . . . . . . . . . . . . . . . . 9
4 Ganze Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . 13
5 Rationale Zahlen . . . . . . . . . . . . . . . . . . . . . . . 16
6 Reelle Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . 18
7 Komplexe Zahlen . . . . . . . . . . . . . . . . . . . . . . . 22

8

II 3. NATURLICHE ZAHLEN 9

3 Nat
urliche Zahlen

Die offensichtlichste oder nat


urliche Zahlenmenge sind die
nat
urlichen Zahlen: N = {1, 2, 3, . . .}

Nat
urliche Zahlen konnen zusammengezahlt oder addiert werden.
Auf der Menge der nat urlichen Zahlen ist also die Operation Addition definiert.
Die Summe n + m zweier nat urlicher Zahlen n und m ist wieder eine nat
urliche
Zahl.

n N, m N n + m N

F
ur die Addition gilt (n, m, k N):

n+m=m+n Kommutativgesetz
n + (m + k) = (n + m) + k Assoziativgesetz
P
Mehrfache Summation kann durch die Verwendung des Summensymbols ver-
einfacht ausgedr
uckt werden:
4
X
1+2+3+4= n
n=1
Xk
1 + 2 + + k = n
n=1
m+k
X
m + (m + 1) + + (m + k) = n
n=m

Allgemein:
m
X
ai := an + an+1 + + am
i=n

Anmerkung: Die gleiche Summe kann auf verschiedene Weise geschrieben werden
k
X k1
X
2 + 3 + 4 + + k = i= (i + 1)
i=2 i=1

Addition zweier Summen


m
X k
X k
X
ai + ai = ai
i=n i=m+1 i=n

(an + an+1 + + am ) + (am+1 + am+2 + + ak ) = (an + an+1 + + ak )



II 3. NATURLICHE ZAHLEN 10

Die mehrfache Ausf


uhrung identischer Summationen definiert dann die Operation
Multiplikation.
3
X
2+2+2= 2=32
i=1

allgemein:
m
X
n {z. . . + n} =
| +n+ n=mn
mmal i=1

Das Produkt m n zweier nat


urlicher Zahlen ist eine nat
urliche Zahl.
n N, m N
m
X
m n := nN
i=1

Wie f
ur die Addition gilt auch f
ur die Multiplikation (m, n, k N):
nm=mn Kommutativgesetz
n (m k) = (n m) k Assoziativgesetz

Fur kombinierte Addition und Multiplikation gilt zudem:


k (m + n) = k m + k n Distributivgesetz
(Ausmultiplizieren bzw. Ausklammern)

Entsprechend gilt bei der Verwendung des Summensymbols:


n
X n
X
a bi = (a bi )
i=1 i=1

Summation Multiplikation ?
Mehrfache Ausf
uhrung identischer Multiplikationen f
uhrt zu Potenzen.
3
Y
222= 2 = 23
i=1
Produktsymbol (analog zum Summensymbol)
Ym
m
n
| n {z
. . . n} = n=n
mmal i=1

Aber! Im Allgemeinen gilt f


ur Potenzen kein Kommutativ- und Assoziativgesetz:
23 6= 32
c)
(ab )c = abc 6= a(b

II 3. NATURLICHE ZAHLEN 11

F
ur das Potenzieren gelten andere Regeln als f
ur Multiplizieren und Addieren

Eng mit den nat


urlichen Zahlen verwandt ist das Beweisprinzip der vollst
andigen
Induktion.

Dies soll anhand eines Beispiels eingefuhrt werden.


Aufgabe: Summieren Sie alle nat urlichen Zahlen von 1 bis 100 ( C. F. Gauss)

Idee:

( 1+ 2+ 3 + . . . + 50)+
(100+ 99+ 98 + . . . + 51) =
100
101+101+101 + . . . +101 = 101
2

Ergebnis:
100
X 101 100
i=
i=1
2

Verallgemeinerung:
n
X ? (n + 1) n
i=
i=1
2
Pn (n+1)n
Beweis von i=1 i= 2
mittels vollstandiger Induktion:

1. Induktionsanfang
Zu zeigen, da die Aussage A(n) f
ur n = 1 wahr ist (A(1) wahr)
1
X (1 + 1) 1
i=
i=1
2
21
1 =
2
1 = 1

2. Induktionsschluss
Zu zeigen, da, wenn A(n) wahr ist, auch A(n + 1) wahr ist.
(A(n) A(n + 1))

II 3. NATURLICHE ZAHLEN 12

n
X (n + 1) n
i=
i=1
2
n
!
X (n + 1) n
i + (n + 1) = + (n + 1)
i=1
2
n+1
X n(n + 1) + 2 (n + 1)
i=
i=1
2
n+1
X (n + 2) (n + 1)
i=
i=1
2
n+1
X ((n + 1) + 1) (n + 1)
i=
i=1
2
Also: A(n) A(n + 1)

Da die Aussage fur n = 1 wahr ist und f ur jedes n + 1 wahr ist, wenn sie f
ur n
wahr ist, mu sie f
ur alle n wahr sein und ist somit bewiesen.

Zusammenfassung:
Beweis durch vollstandige Induktion.

1. Induktionsanfang:
A(n0 ) wahr

2. Induktionsschluss:
A(n) A(n + 1) A(n) ist f
ur jedes n N, n n0 wahr.
II 4. GANZE ZAHLEN 13

4 Ganze Zahlen

Betrachtet man eine Verkn upfung wie Addition oder Multiplikation, so hat eine
Zahl jeweils eine besondere Bedeutung.

Multiplikation: 1 n = n
Addition : 0 + n = n

Multiplikation mit 1 oder Addition von Null f


uhrt zu keiner Veranderung.

Diese Eigenschaft f
uhrt zu dem Begriff des neutralen Elements.

Betrachtet man eine beliebige Verknupfung, hier symbolisch mit bezeichnet,


so gilt f
ur das neutrale Element e:

e n = n , f
ur jedes Element n der betrachteten Mengen.

0 6 N
Erweiterung der Zahlenmenge
N0 = {0, 1, 2, 3, . . .}
N N0

Betrachten wir nun die Verkn upfungen Addition und Multiplikation auf der Menge
N0 , so finden wir die neutralen Elemente:

0 + n = n, n N0
1 n = n, n N0

0 ist das neutrale Element bez


uglich +,
1 ist das neutrale Element bez
uglich .

Subtraktion und Division sind die Umkehrungen von Addition und Multiplikati-
on. Derartige Umkehroperationen lassen sich u ber den Begriff des inversen
Elements einfuhren.

Verkn
upfung
neutrales Element e

Gilt n m = e, dann ist m das zu n inverse Element.

Wir betrachten nun die Addition. Hier gilt beispielsweise:

2 + (2) = 0
neutrales Element

2 ist also bez


uglich der Addition das Inverse zu 2.
II 4. GANZE ZAHLEN 14

Allgemein:
n + (n) = 0
n ist bez
uglich der Addition das Inverse zu n.

n 6 N0 Erweiterung der Zahlenmenge notig

ganze Zahlen: Z = {. . . , 3, 2, 1, 0, 1, 2, 3, . . .}
N0 Z

F
ur die Addition und Multiplikation auf Z gelten die gleichen Gesetze wie auf N:
Kommutativgesetze, Assoziativgesetze und Distributivgesetz.

Die Addition des inversen Elements definiert die Subtraktion:


m + (n) = m n

Auerdem stellen wir fest:


(n) = n

allgemeinere mathematische Struktur: Gruppe

Anwendungen in der Chemie: Symmetriegruppen zur Beschreibung von Kri-


stallsymmetrien und Molek
ulsymmetrien.

Definition der Gruppe


Eine Gruppe besteht aus einer Menge G = {a, b, c, . . .} und einer Verkn
upfungs-
operation () mit folgenden Eigenschaften:
1. Abgeschlossenheit:
a, b G a b G

2. Assoziativitat:
(a b) c = a (b c), a, b, c G

3. Existenz eines neutralen Elements e:


a e = a, e G, gilt f
ur jedes a G

4. Existenz eines Inversen:


Fur jedes a G existiert ein a1 G so da
a a1 = e.

F
ur Abelsche oder kommutative Gruppen gilt zusatzlich:

5. a b = b a, a, b G

Man sieht sofort, da die ganzen Zahlen bez


uglich der Verkn
upfung Addition eine
kommutative Gruppe bilden.
1. n, m Z n + m Z
II 4. GANZE ZAHLEN 15

2. (n + m) + k = n + (m + k), n, m, k Z

3. n + 0 = n gilt f
ur jedes n Z

4. n + (n) = 0, n, (n) Z

5. n + m = m + n, n, m Z

Vorteile des allgemeinen Begriffs der Gruppe:


Viele Gesetze lassen sich f
ur Gruppen herleiten ( Gruppentheorie), die dann f
ur
eine Vielzahl von Anwendungen (z.B. Symmetriegruppen in der Chemie) genutzt
werden konnen.
II 5. RATIONALE ZAHLEN 16

5 Rationale Zahlen

Z bildet bez
uglich der Addition eine kommutative Gruppe, nicht aber bez
uglich
der Multiplikation:

1
n n
= 1 (Neutralelement der Multiplikation), n Z,

ur n 6= 1 ist n1 6 Z
f
Erweiterung der Zahlenmenge:
Rationale Zahlen  
p
Q= | p, q Z, q 6= 0
q

Zwei rationale Zahlen pq und rs werden nicht unterschieden, wenn es ein t Z gibt,
so da p = t r und q = t s.
p tr r
K
urzen = =
q ts s

Addition und Multiplikation werden durch die folgenden Rechenregeln definiert


(konsistent mit Addition und Multiplikation in Z und N):
p r ps+qr
+ =
q s qs
p r pr
=
q s qs

Wie bei N und Z gelten die entsprechenden Kommutativ- und Assoziativgesetze


f
ur Addition und Multiplikation sowie das Distributivgesetz.

p
x= Q x 6= 0
q
1 q
= Q ist das zu x bez
uglich der Multiplikation inverse Element
x p

1 p q pq qp
Beweis: x = = = =1
x q p qp qp

F
uhrt man jetzt die Division als Multiplikation mit dem Inversen (bez
uglich der
II 5. RATIONALE ZAHLEN 17

Multiplikation) ein, so hat man auf Q\{0} alle vier Grundrechenarten definiert:

x+y Addition
xy Multiplikation
x y = x + (y) Subtraktion
x 1
=x Division
y y

Gruppenstrukturen:
Q und die Verkn
upfung Addition bilden eine Abelsche Gruppe.
Q\{0} und die Verkn
upfung Multiplikation bilden eine Abelsche Gruppe.

Uberpr
ufung der letzten Aussage

1. Abgeschlossenheit:
x, y Q, x, y 6= 0 x y Q, x y 6= 0

2. Assoziativgesetz

3. Neutrales Element : 1
x1=x xQ

4. Inverses:
1 1
x Q x 6= 0 x
Q x
6= 0

5. Kommutativgesetz

Neuer Begriff : K
orper
Eine Menge M mit den Verkn
upfungen + und heit Korper, wenn:

1. M mit der Verkn


upfung + bilden eine Abelsche Gruppe

2. M\{Neutralelement der Addition} mit der Verkn


upfung bilden eine Abel-
sche Gruppe

3. Es gilt das Distributivgesetz

x (y + z) = x y + x z x, y, z M

Q ist ein Korper


II 6. REELLE ZAHLEN 18

6 Reelle Zahlen

Die rationalen Zahlen sind bez uglich der Anwendungen der 4 Grundrechenarten
abgeschlossen. Zudem liegen sie dicht, das heit zwischen zwei rationalen Zahlen
a und b (a < b) liegen beliebig viele weitere rationale Zahlen.

Trotzdem gibt es weitere Zahlen auf der Zahlengerade, die nicht zu Q gehoren.
Dies erkennt man z.B., wenn man Potenzen betrachtet.

Definition von Potenzen auf N ( Wiederholung aus Abschnitt 3):


m
Y
m
n := n = |n n {z
. . . n}
i=1 mmal

Rechenregeln f
ur Potenzen:

nm nj = nm+j
nm j m = (n j)m
(nm )j = nmj

ergeben sich offensichtlich aus der Definition f


ur n, m, j N

Verallgemeinerung auf groere Zahlenmenge


Rationale Basis: x Q, n N
n
Y
xn = x = x
| x {z
. . . x}
i=1 nmal

offensichtlich

Verallgemeinerung der Exponenten basierend auf obigen Rechenregeln:

xn x0 = xn+0 = xn

Fur xn 6= 0 x 6= 0 mu x0 das Neutralelement der Multiplikation sein


0
x = 1 f
ur x 6= 1

xn xn = xnn
 = x0 = 1
n
xn = x1

Dies definiert Potenzen xk mit ganzzahligen Exponent k Z und x Q\{0}

xk Q

Zudem: 0n = 0 f
ur n N
II 6. REELLE ZAHLEN 19

Rationale Exponenten f
uhren zum Begriff der Wurzel:
Die
nte Wurzel von x, x, ist definiert als die Zahl, deren nte Potenz x ist:
n

n
( x) = x
n

 1
n 1
x= x n n = x1 = x
n
 1
xn = n x

Potenz mit rationalem Exponenten:


y = pq Q, p, q N :
p p
x q := ( x)
q

Wurzeln sind aber haufig keine rationalen Zahlen.



Beispiel: 2 ist keine rationale Zahl
Beweis (indirekt):
Angenommen es existieren zwei teilerfremde Zahlen p, q Z, so da
p
= 2
q
 2
p
= 2
q
p2
= 2
q2
p2 = 2q 2
p gerade (zu beweisender Hilfssatz: p2 gerade p gerade)
p = 2 p p Z
p)2 = 2q 2
(2
p2 = 2q 2
4
p2 = q 2
2
q gerade
p und q gerade
p und q nicht teilerfremd
Widerspruch zu Voraussetzung!

Erweiterung der Zahlenmenge, so da z.B. auch Wurzeln enthalten sind


reelle Zahlen R

Hier soll keine mathematische Definition der reellen Zahlen gegeben werden. Diese
findet man in Lehrbuchern, z.B. Ansorge, Oberle, Mathematik f ur Ingenieure.

Wir beschranken uns vielmehr auf die Aussage, da sich jede reelle Zahl eindeutig
durch eine unendliche Dezimalzahl,
II 6. REELLE ZAHLEN 20

z.B. x = 0.753413207 . . .,
darstellen lat.

Die rationalen Zahle sind gerade die endlichen oder periodischen Dezimalzahlen
z.B. x = 0.73455555 . . . = 0.7345,
oder x = 0.849 = 0.8490.

Also: Q R

Fur reelle Zahlen gelten analoge Regeln bez


uglich der Grundrechenarten wie f
ur
rationale Zahlen
R ist ein Korper.

Die reellen (rationalen, ganzen, nat


urlichen) Zahlen sind geordnet, d.h. man kann
sie ihrer Groe nach sortieren. (Dies ist f
ur die mathematische Einf uhrung der
reellen Zahlen wichtig.)

Ordnungsrelationen:

x < y, x ist kleiner als y


x > y, x ist groer als y
x y, x ist kleiner oder gleich y
x y, x ist groer oder gleich y
x 6 = y, x ist ungleich y

Aufgrund ihrer Definition gilt f


ur die reellen Zahlen

x y y x (a)
x x (b)
x y y x x = y (c)
x y y z x z (d)
x y x + z y + z (e)
x y z 0 xz yz (f)

Die Regeln (a) (d) sind offensichtlich, (e) und (f) definieren Rechenregeln f
ur
Ungleichungen.

Man kann jetzt weitere Regeln herleiten:

Satz

1. x y x y
II 6. REELLE ZAHLEN 21

Beweis: x y
(e)

x + (x y) y + (x y)
y x

2. x y z 0 x z y z
(bei Multiplikation mit einer negativen Zahl wird aus < > )

Beweis: x y z 0
(1)

x y z 0
(f )

x (z) y (z)
x z y z
(1)

xz yz

3. x2 0

Beweis:
f
ur x 0 : x 0
(f )

xx 0x
x2 0

Beweis:
f
ur x 0 : x 0
(2)

xx 0x
x2 0

Viele weitere Moglichkeiten . . .

Definition: Betrag einer reellen Zahl


(
x f
ur x 0
|x| =
x f
ur x < 0
|x| 0
II 7. KOMPLEXE ZAHLEN 22

7 Komplexe Zahlen

Im vorherigen Kapitel hatten wir die Wurzeln



n
x

eingef
uhrt, die durch n
n
x =x
definiert sind. Dies zeigte die Notwendigkeit der Erweiterung der Zahlenmenge von
Q auf R. Allerdings gibt es trotz dieser Erweiterung weiterhin Unvollstandigkeiten
in der Zahlenmenge.
2
F
ur x R gilt: x x 0 ( x) 0 f
ur x R F
ur x < 0 gilt aber aufgrund
2
derDefinition der Wurzel: ( x) = x < 0.
x 6 R f ur x < 0

Eine weitere (und letzte) Erweiterung der Zahlenmenge ist also notig, diese f
uhrt
zu den komplexen Zahlen. Dies geschieht durch Definition der imagin aren
Zahl i.

Diese Zahl soll die Eigenschaft


i2 = 1
haben.

Die u
blichen Rechenregeln ( Korper) sollen ansonsten weiter gelten.

Potenzen von i:
i2 := 1
i3 = i2 i = i
i4 = i2 i2 = 1
i5 = i4 i = i
1
i i = i2 = 1 i1 = = i
i
II 7. KOMPLEXE ZAHLEN 23

Durch Multiplikation von i mit reellen Zahlen y R\{0} konnen wieder ima-
gin
are Zahlen
iy
erhalten werden.

(i y)2 = i2 y 2 = y 2 < 0 i y 6 R

Addiert man zu einer imaginaren Zahl i y (y R)\{0} eine reelle Zahl x R, so


kann man eine komplexe Zahl

x + iy
erhalten.

Die Menge der komplexen Zahlen ist also definiert als:


C = {x + iy | x, y R}.

Addition zweier komplexer Zahlen ist definiert durch:

(x1 + iy1 ) + (x2 + iy2 ) = (x1 + x2 ) + i(y1 + y2 )

Multiplikation zweier komplexer Zahlen ist definiert durch:

(x1 + iy1 ) (x2 + iy2 ) = x1 x2 + x1 iy2 + iy1 x2 + i y1 iy2


= x1 x2 + i (x1 y2 + y1 x2 ) y1 y2
= (x1 x2 y1 y2 ) + i (x1 y2 + y1 x2 ).

Daher gilt: C ist ein K


orper, R C

Bei einer komplexen Zahl z C, z = x + iy (x, y R), bezeichnet man


x als den Realteil von z, x = Re(z),
und
y als den Imaginarteil von z, y = Im(z).

Die Zahl z = x iy heit zu z komplex konjugiert.


II 7. KOMPLEXE ZAHLEN 24

F
ur z = x + iy, z1 = x1 + iy1 , z2 = x2 + iy2 gilt:

z = x iy
(z ) = (x iy) = x + iy = z
z1 + z2 = (x1 iy1 ) + (x2 iy2 )
= (x1 + x2 ) i(y1 + y2 )
= (z1 + z2 )
z1 z2 = (x1 iy1 ) (x2 iy2 )
= x1 x2 ix1 y2 iy1 x2 + i2 y1 y2
= (x1 x2 y1 y2 ) i(x1 y2 + y1 x2 )
= (z1 z2 )
z + z = x + iy + x iy = 2x = 2Re(z)
1
Re(z) = (z + z )
2

z z = x + iy (x iy) = 2iy = 2iIm(z)
1 i
Im(z) = (z z ) = (z z )
2i 2

Komplexe Zahlen weichen in einer Hinsicht jedoch deutlich von den reellen, ratio-
nalen, ganzen und naturlichen Zahlen ab. Man kann sie nicht nach ihrer Groe
sortieren. Ordnungsrelationen wie bei den reellen Zahlen gibt es f
ur die komplexen
Zahlen nicht.

Graphische Darstellung:
Die reellen Zahlen liegen auf einer Zahlengeraden



-1 0 1 2 2

1 < 0 < 1 < 2<2
II 7. KOMPLEXE ZAHLEN 25

Die komplexen Zahlen liegen auf einer Zahlenebene, der Gauschen Zahlenebe-
ne, da eine komplexe Zahl z = x + iy durch zwei reelle Zahlen x, y charakterisiert
wird.
Im (z)

+1 (1+i)
Re (z)
1 1 x
1 (3i)

Eine komplexe Zahl lat sich durch 2 Koordinaten eines zweidimensionalen


kartesischen Koordinatensystems charakterisieren.

Anstelle durch zwei kartesische Koordinaten x und y kann man eine komplexe
Zahl alternativ durch eine Abstandskoordinate r und einen Winkel , sogenannte
Polarkoordinaten, beschreiben.
Im (z)

y z


Re (z)
x

p
Den Abstand r = x2 + y 2 bezeichnet man als Betrag
p
|z| = Re(z)2 + Im(z)2

der komplexen Zahl.


II 7. KOMPLEXE ZAHLEN 26

Aus der Trigonometrie ergibt sich:

r y = r sin


x = r cos
Also:
x + i y = (r cos ) + i (r sin )
= r (cos + i sin )
Der Betrag einer komplexen Zahl ist eine wichtige Groe, da er Groenvergleiche
zwischen komplexen Zahlen ermoglicht:
|z| R, |z| 0.
Die Definition des Betrags ist kompatibel mit der Definition bei reellen Zahlen.

(
x , f
ur x 0
x R |x| = x2 =
x , f
ur x < 0

Insbesondere gilt:
z z =(x + iy) (x iy)
=x x ixy + iyx i2 y 2
=x2 (1) y 2
=x2 + y 2
=|z|2

|z| = z z

S
atze:
|z| = | z| = |z |
|z1 z2 | = |z1 | |z2 |

Beweis: p
|z1 z2 | = (z1 z2 ) (z1 z2 )
p
= z1 z2 z1 z2
p
= (z1 z1 )(z2 z2 )
p p
= z1 z1 z2 z2
= |z1 | |z2 |
II 7. KOMPLEXE ZAHLEN 27

Dreiecksungleichung: |z1 + z2 | |z1 | + |z2 |

Beweis:
|z1 + z2 | |z1 | + |z2 |
|z1 + z2 |2 (|z1 | + |z2 |)2
(z1 + z2 )(z1 + z2 ) |z1 |2 + 2|z1 ||z2 | + |z2 |2
z1 z1 + z1 z2 + z2 z1 + z2 z2 |z1 |2 + 2|z1 ||z2 | + |z2 |2
z1 z2 + z1 z2 2|z1 ||z2 |
(z1 z2 ) + (z1 z2 ) 2|z1 ||z2 |
2Re(z1 z2 ) 2|z1 z2 |
Re(z1 z2 ) |z1 z2 |
Re(z) |z|, f ur z C

Die Phase einer komplexen Zahl z = x + iy wird durch die Gleichungen

x = |z| cos
y = |z| sin

bestimmt. Daraus folgt


sin y
tan = =
cos x

Bei der Bestimmung mittels dieser Relation ist aber Vorsicht geboten, da tan =
tan( + ) ist. Daher verbleibt bei der Umkehrung des tan eine Unsicherheit, ob
im Intervall [0, ] oder [, 2] liegt ( mehr spater im Kapitel Funktionen).

Wahrend die kartesische Darstellung die einfache Addition zweier komplexer Zah-
len ermoglicht, (x1 +iy1 )+(x2 +iy2 ) = (x1 +x2 )+i(y1 +y2 ), ist die Polardarstellung
gut zur Multiplikation geeignet:

z1 = r1 (cos 1 + i sin 1 ), z2 = r2 (cos 2 + i sin 2 )


z1 z2 = r1 (cos 1 + i sin 1 ) r2 (cos 2 + i sin 2 )
= r1 r2 (cos 1 cos 2 + cos 1 i sin 2 + i sin 1 cos 2 + i sin 1 i sin 2 )
= r1 r2 ((cos 1 cos 2 sin 1 sin 2 ) + i (cos 1 sin 2 + sin 1 cos 2 ))

Aufgrund der Additionstheoreme

cos(1 + 2 ) = cos 1 cos 2 sin 1 sin 2


sin(1 + 2 ) = cos 1 sin 2 + sin 1 cos 2

folgt:

z1 z2 = r1 r2 (cos(1 + 2 ) + i sin(1 + 2 ))
II 7. KOMPLEXE ZAHLEN 28

Zwei komplexe Zahlen werden multipliziert, in dem man ihre Betrage multipliziert
und ihre Phasen addiert.

Multipliziert man mehrere komplexe Zahlen zj = rj (cos j + i sin j ) so erhalt


man

z1 z2 z3 . . . = r1 r2 r3 . . . (cos(1 + 2 + 3 + . . .)) + i (sin(1 + 2 + 3 + . . .))

oder ! !!
n
Y n
Y n
X n
X
zj = rj cos j + i sin j
j=1 j=1 j=1 j=1

Damit ergibt sich f


ur die Potenz einer komplexen Zahl
n
Y
n
z = z = rn (cos(n) + i sin(n))
j=1

Betrachten wir spezielle komplexe Zahlen mit Betrag 1, zj = cos j + i sin j , so


finden wir:
z1 z2 = cos(1 + 2 ) + i sin(1 + 2 )
z n = cos n + i sin n

Dies vergleichen wir mit den Regeln zur Multiplikation und Potenzierung von
Potenzen:

a1 a2 = a1 +2
(a )n = an
Der Phasenfaktor cos + i sin verhalt sich wie eine -te Potenz.

Wir schreiben daher:


cos + i sin = ei .

Die Schreibweise konnen wir im Moment nur als symbolischen Ausdruck der Re-
chenregeln fur cos + i sin einf
uhren. Zu einem spateren Zeitpunkt im Verlauf
der Vorlesung werden wir diese Beziehung auch im strikten Sinne beweisen. Dann
zeigt sich, da die reelle Zahl e den Wert
1 1 1 1
e=1+1+ + + + + . . . = 2.71828 . . .
2 6 24 120
besitzt.
II 7. KOMPLEXE ZAHLEN 29

Spezielle Werte von ei :

ei0 =1

ei 2 =i
ei = 1
3
ei 2 = i
ei2 =1

Es gilt also:

ei(+2) = ei ei2 = ei
ist nur bis auf einen additiven Faktor von 2 definiert:

ei(+2m) = ei , m Z
II 7. KOMPLEXE ZAHLEN 30

Zusammenfassung:

Produkt zweier komplexer Zahlen:

z1 z2 =(r1 ei1 )(r2 ei2 ) = r1 r2 ei(1 +2 )


zn =(r ei )n = rn ein (n Z)

Wurzeln:
n
n
z= r ei
n
= n r ei
|{z}
R


n
Betrachten wir nun ei naher. Formal konnte man schreiben:
n 1
ei = ei n = ei n

Hier ist allerdings Vorsicht geboten. ist nur bis auf ein Vielfaches von 2 definiert.
Daher ware n nur bis auf ein Vielfaches von 2 n
definiert.
Problem: mehrere Phasen zwischen 0 und 2 moglich.

Betrachte die Zahlen


k
zk = ei n 2 , k = 0, 1, . . . , n 1,

mit Phasen zwischen 0 und 2.


 k n k
zk = ei n 2 = ei n 2n = eik2 = 1
n


n
zk = 1

Die n-te Wurzel ist nicht eindeutig. Es gibt n verschiedene mogliche Werte. Allge-
mein:


n
n
z= r ei = n
r e i n zk
II 7. KOMPLEXE ZAHLEN 31
(
Beispiele:
2 1
1= 1=
1


1


3 2 2
1 = ei 3 3
= 120

i 43 4

e 3
= 240

Darstellung auf dem Einheitskreis:

Im (z)

+1
X
120
1 X1 Re (z)

X 240
1



1


4
i
1=


1

i
Kapitel III

Elementare Funktionen

Inhaltsangabe
8 Abbildungen, Funktionsbegriff . . . . . . . . . . . . . . . . 33
9 Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
10 Rationale Funktionen . . . . . . . . . . . . . . . . . . . . . 39
11 Potenzfunktion . . . . . . . . . . . . . . . . . . . . . . . . 42
12 Exponentialfunktion und Logarithmus . . . . . . . . . . . 44
13 Trigonometrische und Hyperbolische Funktionen . . . . . 46

32
III 8. ABBILDUNGEN, FUNKTIONSBEGRIFF 33

8 Abbildungen, Funktionsbegriff

Definition:
Unter einer Funktion oder Abbildung von D in W verstehen wir eine Vorschrift
f , die jedem Element x D genau ein y W zuordnet. F
ur jedes x D existiert
genau ein y = f (x) W .

D bezeichnet den Definitionsbereich und W den Wertebereich.

Beispiel:
y = x2 , D R ist eine Funktion mit W = {y R | y 0}.
2
y = x, D R ist keine Funktion, da sowohl y = x als auch y = x die
Vorschrift erf
ullen. y ist somit nicht eindeutig f
ur jedes x gegeben.

Der Funktionsbegriff ist f


ur die Naturwissenschaften von zentraler Bedeutung.

Beispiele:
Ein Stein wird zum Zeitpunkt t = 0 senkrecht nach oben geworfen. Die Hohe, die
der Stein zu einer Zeit t erreicht, ist eine Funktion der Zeit
1 2
h(t) = v0 t t g
2
Anfangsgeschwindigkeit Erdbeschleunigung

Umgekehrt ist t aber keine Funktion von h.


III 8. ABBILDUNGEN, FUNKTIONSBEGRIFF 34

Wir betrachten eine Substanz A, die mit einer konstanten Rate in neue Substanzen
B + C zerfallt (unimolekularer Zerfall). t = 0 sei der Anfangszeitpunkt, zu dem
der Zerfall einsetzt.

Dann ist die Substanzmenge a zum Zeitpunkt t:


a(t) = a0 ekt
Anfangsmenge Zerfallsrate

ao

t
a(t) ist eine Funktion mit Definitionsbereich t R t 0 und Wertebereich
a R a0 a 0.

Hier gilt: Auch t(a) ist eine Funktion.

Eine Abbildung heit bijektiv, wenn es f


ur jedes y W genau ein x D gibt,
f
ur das f (x) = y gilt.

Dann existiert die Umkehrfunktion f 1 mit Definitionsbereich W und Wertebe-


reich D definiert durch:
f 1 (y) = x, wenn y = f (x).

Beispiele:
Die oben betrachtete Funktion
a(t) = a0 ekt , D = {t R | t 0}, W = {a R | 0 < a a0 },
ist bijektiv.

Es gilt:
(f 1 )1 (x) = f (x).

Das Nacheinanderausf
uhren zweier Abbildungen bzw. Funktionen definiert eine
neue Abbildung bzw. Funktion:
g f (x) := g (f (x)) = y.
III 8. ABBILDUNGEN, FUNKTIONSBEGRIFF 35

Dazu mu der Definitionsbereich von g den Wertebereich von f enthalten:


W f Dg .

Diese Verkn
upfung ist assoziativ,

(h (g f )) (x) = ((h g) f ) (x) = h (g(f (x))) ,

im allgemeinem aber nicht kommutativ,

g f (x) = g(f (x)) 6= f (g(x)) = f g(x).

Satze zu Umkehrfunktionen (geeignete Definitions- und Wertebereich vorausge-


setzt):

f 1 Umkehrfunktion zu f f 1 (f (x)) = x und f (f 1 (x)) = x

f 1 und g 1 Umkehrfunktion zu f und g (g f )1 (x) = f 1 (g 1 (x))

Ist der Definition- und Wertebereich einer Funktion angeordnet (z.B. R, Q, Z, N),
so nennt man die Funktion
monoton wachsend, wenn x < y f (x) f (y),
monoton fallend, wenn x < y f (x) f (y),
streng monoton wachsend, wenn x < y f (x) < f (y),
streng monoton fallend, wenn x < y f (x) > f (y).

Eine Funktion heit


gerade, wenn f (x) = f (x)
und
ungerade, wenn f (x) = f (x)
III 9. POLYNOME 36

9 Polynome

Polynom n-ten Grades:


f (x) = an xn + an1 xn1 + . . . + a0
Xn
= ak x k
k=0

wobei an 6= 0 ( sonst Polynom niedrigeren Grades)

ak R: reelle Polynome
ak C: komplexe Polynome

In C lat sich ein Polynom n-ten Grades in n Linearfaktoren (x xj ) zerlegen:


f (x) = an (x x1 ) (x x2 ) . . . (x xn )
Yn
= an (x xj )
j=1

Die xj sind Nullstellen des Polynoms: f (xj ) = 0.

Eine spezielle Nullstelle kann in mehreren Linearfaktoren auftreten. Man spricht


dann von einer mehrfachen Nullstelle. Tritt eine Nullstelle in k Linearfaktoren
auf, so bezeichnet man sie als k-fache Nullstelle.

Satz:
Ein Polynom n-ten Grades hat n komplexe Nullstellen, wobei man eine
k-fache Nullstelle als k Nullstellen zu zahlen hat.
Beispiele:
f (x) = x3 + 2x2 + x
= x (x2 + 2x + 1)
= x (x + 1)2
0 ist eine einfache Nullstelle
1 ist eine zweifache Nullstelle

f (x) = x2 + 1
= (x + i)(x i)
i und i sind einfache Nullstellen

Achtung:
Ein reelles Polynom n-ten Grades kann nicht reellwertige Nullstellen haben.
III 9. POLYNOME 37

Hat ein reelles Polynom eine komplexe Nullstelle x0 , dann ist auch x0 eine Null-
stelle.

Beweis:
n
X
f (x0 ) = ak xk0 = 0
k=0
f (x0 ) = 0
n
!
X
ak xk0 =0
k=0
n
X
ak (xk0 ) = 0
k=0
Xn
ak (x0 )k = 0
k=0
f (x0 ) =0

Zerlegung eines reellen Polynoms mit 2m nicht reellen Nullstellen x1 , x2 , . . ., xm ,


x1 , x2 , . . ., xm und (n 2m) reellen Nullstellen xj (j = 2m + 1, . . . , n):
m
Y n
Y
f (x) = an (x xk ) (x xk ) (x xj )
k=1 j=2m+1
Y n
Y
2
= an (x (xk + xk )x + xk xk ) (x xj )
k=1 j=2m+1

Zerlegung in reelle Faktoren (x xj ) und x2 2 Re(xk )x + |xk |2 .

Kennt man eine Nullstelle eines Polynoms n-ter Ordnung, so kann man dieses
Polynom in einen Linearfaktor und ein Polynom (n 1)-ter Ordnung zerlegen:
n
X n1
X
k
f (x) = ak x = (x x0 ) bk xk ,
k=0 k=0

wenn f (x0 ) = 0.
III 9. POLYNOME 38

Bestimmung der bk durch Koeffizientenvergleich:


n
X n1
X
ak xk = (x x0 ) bk xk
k=0 k=0
n1
X n1
X
k
=x bk x x0 bk xk
k=0 k=0
n1
X n1
X
= bk xk+1 bk x0 xk
k=0 k=0
Xn n1
X
= bk1 xk bk x0 xk
k=1 k=0
n1 n1
!
X X
= bn1 xn + bk1 xk b0 x0 + bk x0 xk
k=1 k=1
n1
X
= bn1 xn + (bk1 bk x0 )xk b0 x0
k=1
bn1 = an
bk1 bk x0 = ak , f
ur k = n 1, n 2, . . . , 1
b 0 x 0 = a0 oder: b0 b1 x0 = a1
(das Gleichungssystem ist u berbestimmt)

Beispiel:

f (x) = x3 2x2 x + 2, f (1) = 0


x3 2x2 x + 2 = (x 1) (b2 x2 + b1 x + b0 )
= b2 x3 + b1 x2 + b0 x b2 x2 b1 x b0
= b2 x3 + (b1 b2 )x2 + (b0 b1 )x b0
b2 = 1
b1 b2 = 2 b1 = 2 + b2 = 1
b0 b1 = 1 b0 = 1 + b1
b0 = 2

f (x) = (x 1) (x2 x 2)
Bestimmung der Nullstellen von(x2 x 2) :
Quadratische Gleichung(x2 x 2) = 0 : x1 = 1, x2 = 2
x2 x 2 = (x + 1) (x 2)
f (x) = (x 1)(x + 1)(x 2)
III 10. RATIONALE FUNKTIONEN 39

10 Rationale Funktionen

Rationale Funktion sind Quotienten von Polynomen:


Pn
P (x) ak x k
f (x) = = Pk=0
m j
Q(x) j=0 bj x

Der Definitionsbereich enthalt die Nullstellen von Q(x) nicht, ist also D = R\{x |
Q(x) = 0} f ur reelle rationale Funktionen oder D = C\{x | Q(x) = 0} f ur
komplexe rationale Funktionen.
n < m : echt gebrochene rationale Funktionen
n m : unecht gebrochene rationale Funktionen

Partialbruchzerlegung echt gebrochen rationaler Funktionen:


m
X Cj C1 C2 Cm
f (x) = = + + ... + ,
j=1
x xj x x1 x x2 x xm

wobei xj die Nullstellen des Nennerpolynoms Q(x) sind.

Die Koeffizienten Cj konnen mittels Koeffizientenvergleichs aus f (x)Q(x) = P (x)


bestimmt werden.

Bei mehrfachen Nullstellen mussen zusatzliche Terme zur Zerlegung hinzugef


ugt
werden: X Cj X Dk X Gl
f (x) = + 2
+ + ...
j
x xj k
(x xk ) l
(x xl )3

Hier werden quadratische Terme f


ur mindestens zweifache Nullstellen hinzugef
ugt,
kubische Terme f
ur mindestens dreifache Nullstellen, usw..

Beispiel:

P (x) =x2 + 1
Q(x) =x3 2x2 x + 2
x2 + 1
f (x) = 3 echt gebrochen rational
x 2x2 x + 2

Nullstellen von Q(x):


x1 = 1, x2 = 1, x3 = 2
III 10. RATIONALE FUNKTIONEN 40

C1 C2 C3
f (x) = + +
x1 x+1 x2
C1 (x + 1)(x 2) + C2 (x 1)(x 2) + C3 (x 1)(x + 1)
=
(x 1)(x + 1)(x 2)
C1 (x x 2) + C2 (x2 3x + 2) + C3 (x2 1)
2
=
x3 2x2 x + 2
(C1 + C2 + C3 )x2 + (C1 3C2 )x + (2C1 + 2C2 C3 )
=
x3 2x2 x + 2
P (x)
f (x) = f (x) Q(x) = P (x)
Q(x)
f (x) Q(x) = (C1 + C2 + C3 )x2 + (C1 3C2 )x + (2C1 + 2C2 C3 )
= P (x) = x2 + 1

Koeffizientenvergleich

C1 + C2 + C3 = 1 (I)
C1 3C2 = 0 (II)
2C1 + 2C2 C3 = 1 (III)

Aus (II):

C1 = 3 C2
Einsetzen in (I) und (III):

3C2 + C2 + C3 = 1
2C2 + C3 = 1 (I)
2(3C2 ) + 2C2 C3 = 1
8C2 C3 = 1 (III)

Aus (I):

C3 = 1 + 2 C2
Einsetzen in (III):

8C2 (1 + 2C2 ) = 1
6C2 = 2
1 5
C2 = , C3 = (aus (I)), C1 = 1 (aus (II))
3 3
III 10. RATIONALE FUNKTIONEN 41

Ergebnis:
1 1 1 5 1
f (x) = + +
x1 3 x+1 3 x2
x2 + 1
= 3
x 2x x + 2

Unecht gebrochen rationale Funktionen lassen sich in die Summe eines Polynoms
und einer echt gebrochen rationalen Funktion zerlegen:
Pn k nm Pm1 k
a k x X
l k=0 gk x
Pk=0
m j
= d l x + P m j
j=0 bj x l=0 j=0 bj x

Die Koeffizienten dl und gk kann man durch Koeffizientenvergleich aus


n
! nm
! m ! m1
!
X X X X
ak x k = d l xl bj xj + g k xk
k=0 l=0 j=0 k=0

bestimmen.

Einfacher durchfuhrbar ist diese Rechnung mittels des Divisionsalgorithmus,


der analog zur schriftlichen Division ganzer Zahlen angewandt werden kann.

Beispiel:
P (x) 4x4 3x3 + 2x2 x + 1
f (x) = =
Q(x) x2 + x + 1

x4
(4x4 3x3 +2x2 x + 1) (x2 + x + 1) = 4x2 7x + 5 +
x2 +x+1
4x4 +4x3 +4x2

7x3 2x2 x
7x3 7x2 7x

5x2 +6x + 1
5x2 +5x + 5

x4

Also:
x4
f (x) = 4x2 7x + 5 +
x2 +x+1
III 11. POTENZFUNKTION 42

11 Potenzfunktion

xa
a N Polynome (Abschnitt 9)
a Z, a < 0 Rationale Funktionen (Abschnitt 10)

Ansonsten ergibt sich das Problem der Vieldeutigkeit der Wurzeln. Bei Beschrankung
auf den positiven reellen Wertebereich konnen folgende Potenzfunktionen im Re-
ellen definiert werden:

a R, a > 0 :
f (x) = xa , D = {x R | x 0}
W = {x R | x 0}

a>1 a=1
y

a<1
1

x
1
a R, a < 0 :
f (x) = xa , D = {x R | x > 0}
W = {x R | x > 0}
III 11. POTENZFUNKTION 43

1 x
f (x) = xa ist bijektiv.
1
Umkehrfunktion zu f (x) = xa ist f 1 (x) = x a .
III 12. EXPONENTIALFUNKTION UND LOGARITHMUS 44

12 Exponentialfunktion und Logarithmus

Potenzen mit veranderlichem Exponenten


Exponentialfunktion:

f (x) = ax , a R, a > 0, D = R, W = {x R | x > 0}

Skizze:
y
a>1

1
a<1
x
x
a = ( a1 )x

1
Spezielle Werte: a0 = 1, a1 = a, a1 = a

f (x) = ax ist bijektiv.


Umkehrfunktion ist der Logarithmus: f 1 (x) = loga x

Skizze:
f(x) a>1

1 x

Also:

loga ax = x , f ur x 0
loga x
a = x , f
ur x > 0
III 12. EXPONENTIALFUNKTION UND LOGARITHMUS 45

Spezielle Werte: a0 = 1 loga 1 = 0


a1 = a loga a = 1
1 1
a1 = loga ( ) = 1
a a

Rechenregeln: x y = aloga x aloga y = aloga x+loga y


loga (x y) = loga x + loga y
xz = (aloga x )z = azloga x
loga (xz ) = z loga x
Damit folgt auch: 1
loga ( ) = loga x
x
x
loga ( ) = loga x loga y
y

Mit Hilfe des Logarithmus kann man Exponentialfunktionen mit verschiedenen


Basen a und b in einander umwandeln:
ax = (blogb a )x = blogb ax

Konvention:
Die Euler-Zahl e = 2.71828 . . . (vgl. komplexe Zahlen) wird als Basis zur Darstel-
lung von Exponentialfunktionen genutzt.
e-Funktion: f (x) = ex
Umkehrfunktion: f 1 (x) = loge x := ln x
ln x bezeichnet man als nat
urlichen Logarithmus.

Also: ax = eln ax

Erweiterung des Definitionsbereichs auf C : z = x + iy, z C, x, y R


f (z) = ez = ex+iy = ex eiy ex R, eiy C

Verbindung zu Sinus und Kosinus:


eiy = cos y + i sin y
f (z) = ex (cos y + i sin y)

Wertebereich: W = C\{0}

Naturlicher Logarithmus:
ln z ist nur bis auf ein Vielfaches von 2i definiert, da ez = ez+2in (n Z). ln z
kann daher nur auf einem entsprechend eingeschrankten Bereich von C als Funk-
tion definiert werden.
III 13. TRIGONOMETRISCHE UND HYPERBOLISCHE FUNKTIONEN 46

13 Trigonometrische und Hyperbolische Funk-


tionen

Geometrische Definition

/2

1
sin

cos

Satz des Pythagoras: cos2 + sin2 = 1


Aufgrund der Winkelbeziehungen gilt:
sin = cos(/2 )
cos = sin(/2 )

Weitere trigonometrische Funktionen


sin
Tangens : tan =
cos
cos
Cotangens : cot =
sin
1
Sekans : sec =
cos
1
Cosekans : cosec=
sin

Trigonometrische Funktionen im Reellen


Skizzen:
III 13. TRIGONOMETRISCHE UND HYPERBOLISCHE FUNKTIONEN 47

sin(x)
1

x
/2

D = R, W = {x R | |x| 1}
2 periodisch: sin(x) = sin(x + 2)
ungerade: sin(x) = sin(x)

cos(x)
1

x
/2

D = R, W = {x R | |x| 1}
2 periodisch: cos(x) = cos(x + 2)
gerade: cos(x) = cos(x)
III 13. TRIGONOMETRISCHE UND HYPERBOLISCHE FUNKTIONEN 48

tan(x)

1
/4 x
1

ur x = (n 12 ), n Z ist cos(x) = 0 und daher tan(x) nicht definiert.


F

1
D = {x R | x 6= (n ), n Z}
2
W=R
periodisch: tan(x) = tan(x + )
ungerade: tan(x) = tan(x)

Umkehrfunktionen:
Die trigonometrischen Funktionen sind nur dann bijektiv, wenn man den Defini-
tionsbereich auf ein Intervall der Lange geeignet beschrankt. Entsprechend der
Konvention wahlen wir:

sin : D=[ , ]
2 2
[a, b] := {x R | a x b}
cos : D=[0, ]

tan: D=] , [
2 2
]a, b[:= {x R | a < x < b}
cot : D=]0, [

[] ist ein abgeschlossenes Intervall, und ][ ist ein offenes Intervall


III 13. TRIGONOMETRISCHE UND HYPERBOLISCHE FUNKTIONEN 49

Damit definiert man die Umkehrfunktionen:



f (x) = arcsin(x), D = [1, 1], W = [ , ]
2 2

arcsin(sin(x)) = x, fur x [ , ]
2 2
sin(arcsin(x)) = x, fur x [1, 1]

f (x) = arccos(x), D = [1, 1], W = [0, ]


arccos(cos(x)) = x, fur x [0, ]
cos(arccos(x)) = x, fur x [1, 1]


f (x) = arctan(x), D = R, W =] , [
2 2

arctan(tan(x)) = x, fur x ] , [
2 2
tan(arctan(x)) = x, fur x R

f (x) = arccot(x), D = R, W =]0, [


arccot(cot(x)) = x, f
ur x ]0, [
cot(arccot(x)) = x, fur x R

Das Rechnen mit trigonometrischen Funktionen vereinfacht sich erheblich, wenn


man die Euler-Darstellung nutzt. F
ur x R gilt:

eix = cos(x) + i sin(x)


ix
e =(eix ) = cos(x) i sin(x)
cos(x)=Re(eix )
1
= (eix + eix )
2
sin(x) =Im(eix )
1
= (eix eix )
2i

Die Rechenregeln fur trigonometrische Funktionen ergeben sich dann aus den Re-
geln f
ur Potenzen.
III 13. TRIGONOMETRISCHE UND HYPERBOLISCHE FUNKTIONEN 50

Beispiele:
Additionstheoreme

cos( + )=Re ei(+)
=Re(ei ei )
=Re((cos + i sin ) (cos + i sin ))
=Re(cos cos + i sin cos + i sin cos sin sin )
= cos cos sin sin

sin( + ) =Im ei(+)
= sin cos + sin cos

Mit der Definition von Sinus und Kosinus u


ber die Euler-Darstellung
1
cos(x) = (eix + eix )
2
1
sin(x) = (eix eix )
2i
kann man den Definitionsbereich von R auf C erweitern.

Hyperbolische Funktionen lassen sich so aus trigonometrischen Funktionen mit


imaginarem Argument erhalten.
1
cosh(x) = (ex + ex ) = cos(ix) = cos(ix)
2
1 x
sinh(x) = (e ex ) =i sin(ix)
2
(=Im(sin(ix)) , fur x R)
sinh(x)
tanh(x) =
cosh(x)
cosh(x)
coth(x) =
sinh(x)
Kapitel IV

Kombinatorik

Inhaltsangabe
14 Permutationen und binomischer Satz . . . . . . . . . . . . 52

51
IV 14. PERMUTATIONEN UND BINOMISCHER SATZ 52

14 Permutationen und binomischer Satz

Definition:

Eine Permutation von n Objekten ist eine Anderung ihrer Reihenfolge

Beispiel:
Permutationen von 2 Elementen
ab, ba
2 Permutationen
Permutationen von 3 Elementen
abc, acb, cab
bac, bca, cba
2 3 = 6 Permutationen

Satz: Q
Es gibt 1 2 3 . . . n = ni=1 i = n! verschiedene Permutationen von n Elementen.

rekursive Definition der Fakultat:


0! = 1
n! = n (n 1)!

Auswahl von p (verschiedenen) Elementen aus n vorgebenen Elementen:


Die Anzahl der Moglichkeiten unter Ber ucksichtigung der Reihenfolge ist
n!
n (n 1) (n p + 1) = (np)! .
Es gibt p! Moglichkeiten die p ausgewahlten Elemente anzuordnen. Daher ist die
Anzahl der M  oglichkeiten ohne Ber ucksichtigung der Reihenfolge:
n! n
(np)! p!
= p
Binomialkoeffizient (n u
ber p)

Anwendungsbeispiel : V3+ 
zwei Elektronen in den 10 3d-Spinorbitalen 10
2
= 45 Anordnungsm
 oglichkeiten
5
zwei Elektronen mit parallelem Spin in den 5 3d-Orbitalen 2 = 10 Moglich-
keiten pro Spinrichtung 20 Moglichkeiten mit parallelem Spin

Anwendung auf Potenzen: Ausmultiplizieren

(a + b)2 =(a + b)(a + b)


= a a
+ a b
+ b a
+ b b

2

k
Moglichkeiten, k Faktoren von a beim Ausmultiplizieren zu erhalten

Binomische Formel (Beweis durch vollstandige Induktion):


IV 14. PERMUTATIONEN UND BINOMISCHER SATZ 53

n  
n
X n k nk
(a + b) = a b
k=0
k

Anwendung der binomischen Formel:


   
n n n 2
(1 + x) = 1 + x+ x + ...
1 2
n(n 1) 2
=1+nx+ x + ...
2
Bernoullische Ungleichung (Beweis durch vollstandige Induktion):

(1 + x)n 1 + nx f
ur x 1
Kapitel V

Folgen und Reihen

Inhaltsangabe
15 Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
16 Grenzwerte . . . . . . . . . . . . . . . . . . . . . . . . . . 57
17 Grenzwertsatze . . . . . . . . . . . . . . . . . . . . . . . . 60
18 Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
19 Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . 72

54
V 15. FOLGEN 55

15 Folgen

Definition:
Eine Folge ist eine Abbildung aus der Menge der nat
urlichen Zahlen, d.h.
eine Funktion mit Definitionsbereich N.

Beispiele:

Arithmetische Folgen
ai = a1 + (i 1) d
a2 = a1 + d, a3 = a1 + 2d, a4 = a1 + 3d ...
rekursive Definition: ai = ai1 + d

Geometrische Folgen
ai = a1 q i1
a2 = a1 q, a3 = a1 q 2 , a4 = a1 q 3 ...
rekursive Definition: ai = ai1 q

Anwendung: Zinsrechnung

Das Ausgangskapital A wird mit dem Zinssatz Z in einem Zeitabschnitt (z.B.


einem Jahr) verzinst. Das Kapital ai nach i Zeitabschnitten ist dann:
ai = ai1 + z ai1 = (1 + z) ai1 , a1 = A (1 + z)
ai = A (1 + z)i

Verandert man die Verzinsung auf halbjahrliche Verzinsung, so ergibt sich nach i
Jahren ein Kapital: 
ai = (1 + z2 )2 ai1 z
2
: Zinssatz pro halbes Jahr
ai = A (1 + z2 )2i

Z ni
n Verzinsungszeitpunkte pro Jahr: ai = A 1 + n

Betrachten wird nun das nach einem Jahr erhaltene Kapital in Abhangigkeit dern
Anzahl n der Verzinsungszeitpunkte, so wird dieses durch die Folge A 1 + nz
beschrieben. Mit A = 1 und z = 1 untersuchen wir als einfachen Spezialfall die
Folge n
bn = 1 + n1
b1 = 2
b2 = 2.25
b3 = 2.37 . . .
b4 = 2.44 . . .
b5 = 2.48 . . .
..
.
b10 = 2.59 . . .
..
.
V 15. FOLGEN 56

b20 = 2.65 . . .
..
.
b30 = 2.67 . . .

bn scheint f
ur groe n gegen einen konstanten Wert zu laufen
Begriff des Grenzwertes
V 16. GRENZWERTE 57

16 Grenzwerte

Definition:
Sei an eine Folge reeller oder komplexer Zahlen. Man bezeichnet die Zahl a als
Limes oder Grenzwert der Folge,

a = lim an ,
n

wenn der Abstand |an a| kleiner als jede beliebige positive reelle Zahl wird,
sobald n gen
ugend gro ist.

lim an = a
n

F
ur jedes R, > 0 existiert ein N N, so da |an a| < f
ur n N .

Existiert limn an = a, so sagt man, da die Folge an gegen den Grenzwert a


konvergiert. Die Folge ist dann konvergent.

Satz:
Der Grenzwert einer konvergenten Folge ist eindeutig bestimmt.

Beweis:
Angenommen es gabe zwei verschiedene Grenzwerte a und a . Dann betrachten wir
1
ein R definiert durch = 3 |a a
| > 0. Sind a und a
Grenzwerte, so mu es
ein N N geben, bei dem gilt:

|an a
| < |an a| < f
ur n N
3 = |a a| = |a an + an a |
|a an | + |an a|
< + = 2
Widerspruch!

Definitionen:
Eine Folge reeller Zahlen an heit nach oben beschrankt, wenn ein S R existiert,
so da fur jedes n N : an S.
Eine Folge reeller Zahlen an heit nach unten beschrankt, wenn ein S R existiert,
so da fur jedes n N : an S.
Eine Folge reeller oder komplexer Zahlen heit beschrankt, wenn ein S R exi-
stiert, so da f
ur jedes n N : |an | S.
V 16. GRENZWERTE 58

Satz:
Eine konvergente Folge ist beschrankt.

Beweis:
Da an konvergent, gibt es ein N N, so da
|an a| < |an | < |a| +
f
ur jedes n N . Damit ist das Maximum der Betrage |a1 |, |a2 |, . . . , |aN 1 |, |a| +
eine Schranke.

Satz:
Ist eine reelle Folge an nach oben beschrankt und monoton wachsend, so konver-
giert die Folge. Ebenso konvergiert die Folge, wenn sie nach unten beschrankt und
monoton fallend ist.

Beweis fur Teil 1:


S sei die kleinste obere Schranke (S R). F
ur vorgegebenes > 0 existiert dann
immer ein N N, so da
S < aN S
(Ansonsten ware ja nicht S sondern S die kleinste obere Schranke). Da an
monoton wachst, gilt f
ur n N
S < aN an S < S +
S < an < S +
< an S <
|an S| <
lim an = S
n

Beweis f
ur Teil 2 analog.

Definition:
Sei nj eine streng monoton wachsende Folge nat
urlicher Zahlen. Die Folge bj defi-
niert durch bj = anj heit Teilfolge von an .

Beispiel:  2j

1 n 1
an = 1 + n
, dann ist bj = a2j = 1 + 2j
eine Teilfolge von an .

Satz:
Konvergiert eine Folge an , dann konvergieren alle ihre Teilfolge bj = anj gegen den
gleichen Grenzwert wie an : limj bj = limn an .

Beweis ergibt sich unmittelbar aus der Grenzwertdefinition.

Definition:
Eine reelle Folge an wachst u
ber alle Grenzen, wenn es f
ur jedes x R ein
N N gibt, so da an > x fur n N :
an f ur n .
V 16. GRENZWERTE 59

Eine reelle Folge an fallt unter alle Grenzen, wenn es f


ur jedes x R ein N N
gibt, so da an < x fur n N :
an f ur n .

Man spricht in diesen Fallen auch von Divergenz gegen den uneigentlichen Grenz-
wert oder .

Beispiele der Grenzwertbestimmung:

an = n1 , limn n1 = 0
Beweis:
|an a| = | n1 | < n > 1
Also gibt es f ur jedes ein N (), so da |an n| < f
ur n > N ().

an = n wachst uber alle Schranken.


Beweis:
an > x n > x
Also gibt es f
ur jedes x ein N (x), so da an > x f
ur n > N (x).

V 17. GRENZWERTSATZE 60

17 Grenzwerts
atze

Zur Vereinfachung des Problems der Grenzwertbestimmung dienen die folgenden


Satze.

Sind an und bn konvergente Folgen, so gilt:

lim (an + bn )= lim an + lim bn (I)


n n
 n 
lim (an bn ) = lim an lim bn (II)
n n n
an limn an
lim = , falls bn 6= 0 und lim bn 6= 0 (III)
n bn limn bn n

Beweis von (I):


Da an und bn konvergieren, gibt es f
ur jedes R, > 0 ein N (), so da
|an a| < |bn b| < fur n N (). Folglich:

|(an + bn ) (a + b)| =|an a + bn b|


|an a| + |bn b|
< + = 2

|(an + bn ) (a + b)|< fur n N
2

Beweis von (II):

|an bn a b| = |an bn an b + an b ab|


|an bn an b| + |an b ab|
|an | |bn b| + |b| |an a|

Da an konvergiert, ist die Folge beschrankt und es gibt eine Schranke S mit S
|an |.

|an bn a b| S |bn b| + |b| |an a|


< S + b = (S + |b|)
 

|an bn a b| < f ur n N
S + |b|

Beweis von (III):


Aufgrund von Satz (II) ist es ausreichend,
1 1
lim =
n bn limn bn

V 17. GRENZWERTSATZE 61

zu zeigen.

1 1 b bn |b bn |
=
bn b bn b |b||bn |

Wegen bn 6= 0, limn bn 6= 0 ist bn von Null weg beschrankt, d.h. es gibt ein
S > 0 mit S |bn |.

1
|b bn |
1
bn b |b| S

<
|b| S

1 1
< f ur n N ( S |b|)
bn b

Aus diesem Grenzwertsatz folgt:

lim ( an ) = lim an ,C
n n
lim (an + )= lim an + , C
n n
 m
m
lim an = lim an ,m N
n n

Die letzte Gleichung ergibt sich aus Satz (II) durch


m
! m 
Y Y 
m
lim an = lim an = lim an .
n n n
i=1 i=1

F
ur reelle Folgen kann man einen allgemeineren Satz aufstellen:

Ist an eine konvergente reelle Folge, so gilt:


 q
lim (aqn ) = lim an , f
ur an 0, q Q (IV)
n n

Beweis:
Es ist ausreichend f
ur m N folgendes zu zeigen:
1   m1
lim (anm ) = lim an
n n

Mit Satz (II) und (III) folgt dann


 k   1 k   mk
lim anm = lim anm = lim an
n n n

V 17. GRENZWERTSATZE 62

k
f
ur k Z jedes q Q lat sich als Bruch m
ausdr
ucken.

an konvergent, a = limn an |an a| < f


ur n N ()

Beweis f
ur a = 0:
1 1 1
|anm a m | =|an | m
1
< m
1
ur n N (m )
|anm | < f

Beweis f
ur a > 0: Wir finden die Identitat:
m
X
(x y) xmj y j1 =
j=1
m
X m
X
mj+1 j1
x y xmj y j =
j=1 j=1
m1
X m
X
xmj y j xmj y j =
j=0 j=1
m1
X m1
X
m mj j
x + x y xmj y j y m =
j=1 j=1
m m
x y
F
ur x, y > 0 Somit:
xm y m
x y = Pm mj j1
j=1 x y

Mit dieser Identitat finden wir:




an a
m an m a = P
mj

m j1
j=1 an m a m
|an a|
m1
a m
m1
<a m
 m1 
m an m a < ur n N a m
f

Die Grenzwertsatze lassen sich analog auch auf Kombinationen einer divergenten
und einer konvergenten Folge anwenden.

V 17. GRENZWERTSATZE 63

Konvergiert bn gegen limn bn = b und divergiert an , so folgt f


ur n :

an + bn f
u r an
f
ur an
an bn f
ur (an b > 0)
(an b < 0)
f
ur (an b > 0)
(an b < 0)

F
ur b = 0 ist keine allgemeine Aussage f
ur an bn moglich.
F
ur an > 0 und an f ur n :

aqn f
ur q > 0
1 f
ur q = 0
0 f
ur q < 0

Beispiel:
an = n2 + 5n + 1 n

n2 + 5n + 1 , n f ur n
Summenregel limn (an + bn ) hier nicht direkt anwendbar.

V 17. GRENZWERTSATZE 64

Umformung

( n2 + 5n + 1 n)( n2 + 5n + 1 + n)
an =
n2 + 5n + 1 + n
(n2 + 5n + 1) n2
=
n2 + 5n + 1 + n
5n + 1
=
2
n + 5n + 1 + n
5 + n1
= q
1 + 5 n1 + n12 + 1

 
1 1
lim = 0 lim 5 + =5
n n n n
 
1 1 1
lim = 0 lim 1 + 5 + 2 = 1
n n2 n n n
r
1 1
lim 1 + 5 + 2 = 1
n n n !
r
1 1
lim 1+5 + 2 +1 =2
n n n
5
Also: lim an =
n 2

Beispiel vom Anfang:


 n
1
an = 1+ f
ur n
n

Nicht einfach u
ber Grenzwertsatze zuganglich
1
1+ 1,
n
(1 + x)n f
ur x > 0

Umformung:
 n n    k
1 X n nk 1
1+ = 1
n k=0
k n
n
X n! 1
= k
k=0
k!(n k)! n
n
X 1 n!
= k
k=0
k! n (n k)!

V 17. GRENZWERTSATZE 65

wobei: (
n! 1, f
ur k = 0, 1
k
= n(n1)...(nk+1)
n (n k)! nk
, f
ur k>1
Also:
n!
1
nk (n k)!
n!
lim k =1
n n (n k)!

Abschatzung von (1 + n1 )n nach oben:


 n X n
1 1
1+
n k=0
k!

P
Existiert limn nk=0 k!1 , dann ist an beschrankt. Da an monoton steigend (siehe
Werte vorne, expliziter Beweis einfach aber langlich), wurde die Konvergenz von
an folgen.

Abschatzung nach unten:


m<n
 n X m n
1 1 n! X 1 n!
1+ = k + k
n k=0
k! n (n k)! k=m+1 k! n (n k)!
m
X 1 n!
> k
k=0
k! n (n k)!

Also unter der Annahme der Konvergenz


 n X m
1 1 n!
lim 1 + lim k
n n k=0
k! n n (n k)!
m
X 1
=
k=0
k!
f
ur beliebiges m N.
P
Konvergiert limn nk=0 k!1 so gilt:
 n n  n n
1 X 1 1 X 1
lim 1 + lim lim 1 + lim
n n n
k=0
k! n n n
k=0
k!
 n n
1 X 1
lim 1 + = lim
n n n
k=0
k!
V 18. REIHEN 66

18 Reihen

Am Ende des letzten Kapitels waren wir auf den Grenzwert


n
!
X 1
lim
n
k=0
k!

gestoen, bei dem die Anzahl der Summanden gegen Unendlich geht. Dies f
uhrt
uns zu dem Begriff der Reihe.

Definition:
Bildet man zu einer gegebenen Folge an , n N0 , die neue Folge sn mit
n
X
sn = ak
k=0

so nennt man diese eine Reihe.

Die sn heien auch Partialsummen der Reihe. Ist die Reihe konvergent, so wird
der Grenzwert als n
X X
lim ak = ak
n
k=0 k=0

geschrieben.

Aufgrund
P der Grenzwerts
P atze folgt f ur Reihen:
Sind k=0 ak und Pk=0 bk konvergente Reihen, so konvergieren auch die Reihen
P
k=0 (ak + bk ) und k=0 ( ak ) mit C, und es gilt:


X
X
X
(ak + bk ) = ak + bk
k=0 k=0 k=0

X X
( ak ) = ak
k=0 k=0
V 18. REIHEN 67

Beispiel: P
Geometrische Reihe k=0 a0 q
k

Berechnung der Partialsummen:

n
X
sn = a0 q k
k=0
n
X n
X
k
(1 q) sn = a0 q a0 q k+1
k=0 k=0
n
X n+1
X
= a0 q k a0 q k
k=0 k=1
n
X n
X
k
= a0 + a0 q a0 q k a0 q k+1
k=1 k=1
= a0 (1 q n+1 )
1 q n+1
s n = a0
1q

F
ur |q| < 1 konvergiert die Reihe:
 
X
k 1 q n+1 1
a0 q = lim a0 = a0
k=0
n 1q 1q

F
ur |q| > 1 divergiert sie.

Notwendige Bedingung f
ur Konvergenz:

X
an konvergent lim an = 0
n
n=0

Beweis:
n
X n1
X
an = ak ak
k=0 k=0
n
! n1
!
X X
lim an = lim ak lim ak
n n n
k=0 k=0

X X
= ak ak = 0
k=0 k=0

Aufgrund der Definition der Reihe kann jedes Kriterium f


ur die Konvergenz einer
Folge in ein Kriterium f
ur die Konvergenz einer Reihe umgeschrieben werden. Das
V 18. REIHEN 68

P
Interesse besteht jetzt jedoch darin, die Konvergenz oder Divergenz von n=0 an
direkt aus den an abzulesen.

Leibnizsches Kriterium:
Alternierende Reihen
X
(1)k ak , ak 0,
k=0

bei denen ak eine monoton fallende Folge mit Grenzwert 0 ist, sind konvergent. Es
gilt die Einschlieung:
2n1
X
X 2n
X
(1)k ak (1)k ak (1)k ak .
k=0 k=0 k=0

Beweis:
2n
X
s2n = (1)k ak
k=0
n1
!
X
= a2k a2k+1 + a2n
k=0
a2n 0 s2n nach unten beschrankt
s2n+2 s2n = a2n+2 a2n+1 0
Die Folge s2n ist monoton fallend
s2n konvergent

Analog:
2n+1
X
s2n+1 = (1)k ak
k=0

monoton steigend und nach oben begrenzt konvergent

lim (s2n+1 s2n ) = lim (a2n+1 ) = 0


n n
P k
Die Reihen s2n und s2n+1 haben also einen gemeinsamen Grenzwert k=0 (1) ak
und schlieen diesen von oben und unten ein.

Definition: P P
Eine Reihe k=0 ak heit absolut konvergent, falls die Reihe k=0 |ak | konver-
giert.
V 18. REIHEN 69

P P
k=0 |ak | konvergent k=0 ak konvergent

Beweis:

X n
X
X
|ak | ak |ak |
k=0 k=0 k=0
n
X
ak beschrankt
k=0
Xn
|ak | ak beschrankt und monoton steigend (|ak | ak 0)
k=0
X
|ak | ak konvergent
k=0

X
X
X
ak = |ak | |ak | ak konvergent
k=0 k=0 k=0

Die folgenden Konvergenzkriterien schlieen jeweils auf absolute Konvergenz:

Majorantenkriterium
X
X
bk konvergent und bk |ak | |ak | konvergent
k=0 k=0

Quotientenkriterium
Es existiert ein q R, so da f
ur alle k k0

ak+1 X
ak q < 1 (ak =
6 0) |ak | konvergent

k=0

Wurzelkriterium
Es existiert ein q R, so da fur alle k k0

X
pk
|ak | q < 1 |ak | konvergent
k=0

Beweise:

Majorantenkriterium:
Xn n
X
X n
X
0 |ak | bk bk |ak | beschrankt
k=0 k=0 k=0 k=0
n
X
|ak | monoton steigend und beschrankt konvergent
k=0
V 18. REIHEN 70

Quotientenkriterium:

ur k k0 |ak | q kk0 |ak0 |


|ak+1 | q |ak | f
0 q < 1 die geometrische Reihe ist eine konvergente Majorante

Wurzelkriterium:

pk
ur k k0 |ak | q k
|ak | q 1 f
0 q < 1 die geometrische Reihe ist eine konvergente Majorante

Beispiel:
P 1
k=0 n! absolut konvergent

1/(n + 1)! n! 1 1
= = <1
1/n! (n + 1)! n+1 2
Die Reihe konvergiert nach dem Quotientenkriterium absolut

Alternativ:
n n  n1
1 Y1 Y1 1
= =
n! i=1 i i=2
2 2
F
ur n > 2 gilt r  1 n1 r
n 1 1 1
< <1
n! 2 2
Die Reihe konvergiert nach dem Wurzelkriterium absolut

Anmerkung:
Konvergenz nach dem Quotienten- bzw. Wurzelkriterium ist gegeben, wenn

ak+1
lim <1 bzw.
k ak
p
lim k |ak | < 1.
k

Sind die Grenzwert groer als 1, so divergiert die Reihe.

F
ur absolute konvergente Reihen sind Umformungen moglich, die f
ur andere Rei-
hen zu falschen Ergebnissen f
uhren konnen.

Umordnungssatz P
Ist P
die Reihe k=0 ak absolut konvergent, so ist auch jede umgeordnete Rei-

he k=0 ak absolut konvergent, bei der (1 , 2 , 3 , . . .) eine Permutation von
V 18. REIHEN 71

(1,2,3,. . . ) ist, und es gilt



X
X
ak = a k .
k=0 k=0

Beweis:
P P P
k=0 |akP| ist eine obere Schranke f ur nk=0 |ak | und nk=0 |ak | ist monoton stei-
gend k=0 |ak | konvergent. P P
Aufgrund der obigen Schranke gilt k=0 |ak | k=0 |ak |. Da man umgekehrt
auch
P (1,2,3,. .P . ) als Permutation von (1 , 2 , 3 , . . .) begreifen kann, gilt ebenfalls
|ak |
k=0 P k=0 Pak . Beide Forderungen konnen nur gleichzeitig erf ullt werden,
wennP k=0 k |a | =
k=0 |a k |.

Da
P k=0 |a k | + a k
P dann ebenfalls absolut
P konvergiert
P und |ak | + ak 0, gilt
|a
k=0 k | + a k = k=0 |a k | + a k a
k=0 k = a
k=0 k .

Produkt vonP Reihen P P


Die Reihen k=0 ak , l=0 bl seien absolut konvergent. Dann ist die Reihe k=0 ak bk
f
ur jede Numerierung der Indexpaare (k , k ) absolut konvergent, und es gilt

X
X
X
a k b k = ak bl
k=0 k=0 l=0

Beweis Literatur

Anmerkung:
F
ur absolut konvergente Reihen konnen Produkte einfach entsprechend

X
X
ak bl =
k=0 l=0
(a0 + a1 + a2 + . . .) (b0 + b1 + b2 + . . .) =
a0 b0 + (a0 b1 + a1 b0 ) + (a0 b2 + a1 b1 + a2 b0 ) + . . . =
X
X k
al bkl
k=0 l=0

berechnet werden.
V 19. POTENZREIHEN 72

19 Potenzreihen


X
f (x) = ak x k
k=0
die Summanden der Reihe hangen von der Variable x ab

Konvergenzbetrachtung nach dem Quotientenkriterium:



ak+1 xk+1 ak+1
lim = |x| lim
<1
k ak x k k ak
Die Potenzreihe konvergiert absolut innerhalb eines Konvergenzradius R

ak
|x| < R = lim
k ak+1

und divergiert f
ur |x| > R.

Beispiele:

X 1 n
f (x) = x
n=0
n!
konvergiert fur

(n + 1)!
|x| < lim = lim (n + 1) = ,
n n! n
also f
ur alle reellen x.


X (1)n
f (x) = xn
n=0
n+1
konvergiert f
ur

n + 1
|x| < lim
=1
n n

P 1
Wie schon gezeigt, konvergiert die Reihe n=0 n! . Ihr Grenzwert definiert die
Euler-Zahl e, die wir schon bei komplexen Zahlen eingef uhrt hatten. Also:
  n
X 1 1
e := = lim 1 + .
n=0
n! n n
Daher konnen wir auch die e-Funktion u
ber einen Grenzwert ausdr
ucken:
 nx
1
ex = lim 1 +
n n
 x nx
= lim 1 +
n
 nx
x m
= lim 1 +
m m
V 19. POTENZREIHEN 73

(Bemerkung: formal korrekt konnten wir dies im Moment maximal f


ur rationale x
zeigen)

Man kann nun die Potenzreihenentwicklung der e-Funktion erhalten.


 m  
x m X m  x n
1+ =
m n=0
n m
m
X m! 1
= n xn
n=0
n!(m n)! m
P 
1 n
Analog wie beim Beweis von n=0 1+ n
= e folgt dann:

x m X 1 n
lim 1+ = x
m m n=0
n!

Wir finden also f


ur die e-Funktion die Potenzreihe

x
X 1 n
e = x
n=0
n!

Da man bei Potenzreihen den Definitionsbereich einfach von Q auf R oder C


erweitern kann, bietet es sich f
ur solche Erweiterungen an, Funktionen u
ber ihre
Potenzreihen zu definieren. Ein analoges Vorgehen finden z.B. auch Anwendung
bei den in der Quantenchemie ( Vorlesung Theoretische Chemie) verwendeten
mathematischen Methoden. Hier gilt es, Funktionen von Matrizen und Operatoren
zu definieren.

Mit Hilfe der Euler-Beziehung ergeben sich auch Potenzreihen f


ur sin(x) und
V 19. POTENZREIHEN 74

cos(x):

cos(x) = Re eix

!
X 1
= Re (ix)n
n=0
n!
n
!
X i n
= Re x
n=0
n!

X (1)n
= x2n
n=0
(2n)!
(nur gerade n ergeben Re(in ) 6= 0, wobei i2n = (1)n )


sin(x) = Im eix
n
!
X i n
= Im x
n=0
n!

X (1)n 2n+1
= x
n=0
(2n + 1)!
(nur ungerade n ergeben Im(in ) 6= 0, wobei i2n+1 = i( 1)n )

Explizit:

(ix)2 (ix)3
eix = 1 + ix + + + ...
2 6
x2
=1 + ...
2
x3
+ ix i + ...
6
2
x x3
= (1 + . . .) +i (x + . . .)
| 2{z } | 6{z }
cos(x) sin(x)
Kapitel VI

Grenzwerte und Stetigkeit

Inhaltsangabe
20 Grenzwerte von Funktionen . . . . . . . . . . . . . . . . . 76
21 Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
22 Zwischenwertsatz . . . . . . . . . . . . . . . . . . . . . . . 85

75
VI 20. GRENZWERTE VON FUNKTIONEN 76

20 Grenzwerte von Funktionen

Folgen sind Funktionen mit Definitionsbereich N. Wir hatten den Grenzwertbegriff


f
ur Folgen diskutiert. Nun soll der Grenzwertbegriff f
ur Funktionen mit Definiti-
onsbereich R verallgemeinert werden.

Folgen:
lim an = a
n

F
ur alle R, > 0 existiert ein N = N (), so da |an a| < f
ur n N ()

Der Grenzwert von f (x) f


ur x lat sich offensichtlich analog definieren.

Definition:
lim f (x) = y
x

F
ur alle R, > 0 existiert ein X = X(), so da |f (x) y| < f
ur x X()

Entsprechend definiert man:

lim f (x) = y
x

F
ur alle R, > 0 existiert ein X = X(), so da |f (x) y| < f
ur x X()

Wahrend die Grenzwerte von Funktionen fur x sich offensichtlich analog


zu Grenzwerten von Folgen ergeben, kann man f
ur Funktionen auch einen anderen
Grenzwerttyp einf
uhren. Zur Motivation betrachtet man:

lim f (xn ) ,
n

wobei xn eine Folge mit dem Grenzwert limn xn = x0 ist.

Beispiel:
1
f (x) = x2 , xn = x0 +
n
   2  2
1 1 2x0 1
lim f (xn ) = lim f x0 + = lim x0 + = lim x0 + + 2 = x20
n n n n n n n n
oder:
1
f (x) = x2 , xn = x0 2
n
 2
1
lim f (xn ) = lim x0 2 = x20
n n n

Der Grenzwert limn f (xn ) scheint also f


ur jede Folge xn mit limn xn = x0
gleich zu sein.
VI 20. GRENZWERTE VON FUNKTIONEN 77

Das dies nicht selbstverstandlich ist, zeigt das Gegenbeispiel


(
1 f
ur x 0
f (x) = (x) =
0 f
ur x < 0

1
x

Hier findet man keinen eindeutigen Grenzwert f


ur x 0.
1
xn = x0 + , x0 = 0
n  
1
lim (xn ) = lim = lim 1 = 1
n n n n
1
xn = x0 2 , x0 = 0
n  
1
lim (xn ) = lim 2 = lim 0 = 0
n n n n

(1)n
xn = x0 + , x0 = 0
n
  (
(1)n 1 f
ur n gerade
(xn ) = = nicht konvergent
n 0 f
ur n ungerade

Definition:
Der Grenzwert einer Funktion f (x) f
ur x gegen x0 existiert und ist y0 , wenn

lim f (xn ) = y0
n

f
ur jede Folge xn mit
lim xn = x0 .
n

Dann schreibt man:


lim f (x) = y0
xx0

Eine aquivalente Definition lautet:


Man bezeichnet y0 als Grenzwert der Funktion f (x) f
ur x gegen x0 , wenn der
VI 20. GRENZWERTE VON FUNKTIONEN 78

Abstand |f (x) y0 | kleiner als jede beliebige positive reelle Zahl wird, wenn
|x x0 | gen
ugend klein ist. D.h.

lim f (x) = y0
xx0

F
ur jedes R, > 0 existiert ein , so da |f (x) y0 | < f
ur |x x0 | < .


Die Aquivalenz dieser beiden Definitionen soll hier nicht formal bewiesen werden.
Zur Motivation sei jedoch angemerkt:

lim xn = x0 |xn x0 | < f


ur n > N ()
n
lim f (xn ) = y0 |f (xn ) y0 | < f
ur n > N ()
n

F
ur hinreichend groes n gilt also

|f (xn ) y0 | < |xn x0 | <

f
ur jede Folge xn , wenn limxx0 f (x) = y0

Aufgrund der Definition gelten f


ur Grenzwerte von Funktionen die gleichen Grenz-
wertsatze wie f
ur Folgen.

Grenzwertsatze:
Existieren limxx0 f (x) und limxx0 g(x), so gilt:

lim (f (x) + g(x)) = lim f (x) + lim g(x)


xx0 xx xx
 0  0 
lim (f (x) g(x)) = lim f (x) lim g(x)
xx0 xx0 xx0
 
f (x) limxx0 f (x)
lim = , f
ur lim g(x) 6= 0
xx0 g(x) limxx0 g(x) xx0

Hier sind limx , limx als Spezialfalle von limxx0 enthalten.

Analog zur Definition bei Folgen kann man fur x , x und x x0


auch die Divergenz gegen uneigentliche Grenzwerte oder definieren.
VI 20. GRENZWERTE VON FUNKTIONEN 79

Existiert ein Grenzwert limxx0 f (x) nicht, so gibt es die Moglichkeit, da zumin-
dest ein einseitiger Grenzwert existiert:

r lim f (x) = y0
xx0

F
ur jedes R, > 0 existiert ein = (), so da |f (x)y0 | < f
ur 0 < xx0 < .
(Diese Definition schliet Werte x x0 aus)

l lim f (x) = y0
xx0

F
ur jedes R, > 0 existiert ein = (), so da |f (x)y0 | < f
ur 0 < x0 x < .
(Diese Definition schliet Werte x x0 aus)

Beispiel: (
1 f
ur x 0
Heaviside-Funktion =
0 f
ur x < 0

1
x

r lim (x) = 1, da (x) = 1 f


ur x > 0.
x0
l lim (x) = 0, da (x) = 0 f
ur x < 0.
x0
r lim (x) 6= l lim (x)
x0 x0
(x) hat keinen Grenzwert f
ur x 0
VI 21. STETIGKEIT 80

21 Stetigkeit

Definition:
Sei f eine Funktion mit Definitionsbereich D R, so heit f
stetig erg anzbar in x0 , wenn limxx0 f (x) existiert,
stetig in x0 D, wenn limxx0 f (x) = f (x0 ),
stetig, wenn limxx0 f (x) = f (x0 ) f
ur alle x0 D.

Die groe Bedeutung der Stetigkeit liegt in der sich ergebenden Vertauschbarkeit
von Grenzwertbildung und Funktionsanwendung.

F
ur stetige Funktionen gilt:
 
lim f (x) = f lim x
xx0 xx0
 
lim f (an ) = f lim an
n n

Aufgrund der Grenzwertsatze gilt:


Sind f (x) und g(x) stetig in x0 , so sind in x0 auch

f (x) + g(x) (, C),


f (x) g(x),
f (x)
(fur g(x0 ) 6= 0)
g(x)
stetig.

Folgerung:
Polynome und rationale Funktionen sind in ihrem Definitionsbereich stetig.

Rationale Funktionen haben Definitionsl


ucken an den Nullstellen des Nennerpoly-
noms:
P (x)
f (x) = , D = R\{x|Q(x) 6= 0}
Q(x)
An diesen Stellen konnen sie stetig erganzbar sein.
VI 21. STETIGKEIT 81

Beispiele:

x (x 2)
f (x) = , D = R\{2}
 x 2 
x (x 2)
lim = lim x = 2
x2 x2 x2

f(x) ist an x=2 stetig erganzbar

x3 a
f (x) = , D = R\{2}
x2

lim f (x) = lim f (2 + h)


x2 h0
(2 + h)3 a
= lim
h0 (2 + h) 2

23 + 3 22 h + 3 2 h 2 + h 3 a
= lim
h0
 h 
8a 2
= lim + 12 + 6h + h
h0 h
 
8a
= lim + 12
h0 h
Fallunterscheidung:
a = 8 lim f (x) = 12 f(x) stetig erganzbar in x=2
x2
1
a 6= 8 lim f (x) existiert nicht, da lim divergiert.
x2 h0 h
VI 21. STETIGKEIT 82

Aus der Stetigkeitsdefinition folgt auch unmittelbar der Satz:


Ist g(x) stetig in x = x0 und f (y) stetig in y0 = g(x0 ), dann ist f (g(x)) stetig in
x0 .

Beweis:
Da f stetig in g(x0 ), existiert f
ur jedes ein , so da

|f (g(x)) f (g(x0 ))| < |g(x) g(x0 )| <



Da g stetig in x0 , existiert f
ur jedes ein so da

|g(x) g(x0 )| < |x x0 | <

Daher existiert f
ur jedes ein , so da

|f (g(x)) f (g(x0 ))| < |x x0 | <

Sind Potenzreihen stetig? Stetigkeit w


urde bedeuten:
n
! n n
!
X X X
k
lim lim ak x = lim ak xk0 = lim lim ak x k
xx0 n n n xx0
k=0 k=0 k=0

Die Grenzwertbildung limxx0 und limn m uten also vertauschbar sein.


Zur Untersuchung
P der Vertauschbarkeit wiederholen wir die Grenzwertdefinitionen
(Sn (x) = nk=0 ak xn ).

limxx0 (limn Sn (x)) existiert und hat den Wert S bedeutet:

F
ur jedes > 0 gilt

(n > N (, x) |Sn (x) S (x)| < ) (|x x0 | < () |S (x) S (x0 )| < )

limn (limxx0 Sn (x)) existiert und hat den Wert S bedeutet:

F
ur jedes > 0 gilt

(|x x0 | < (, n) |Sn (x) Sn (x0 )| < ) (n > N () |Sn (x0 ) S (x0 )| < )

Der wesentliche Unterschied in beiden Definitionen ist, da im ersten Fall N von


und x abhangt, im zweiten Fall aber nur von .
VI 21. STETIGKEIT 83

P
Man kann nun fur Potenzreihen und allgemeiner f
ur Reihen k=0 ak (x) ein stren-
geres Konvergenzkriterium einf
uhren.

Definition: P
Eine Reihe k=0 ak (x) konvergiert gleichm aig f
ur x D, wenn es f
ur alle
x D zu jedem R, > 0 ein (nicht von x abhangiges) N gibt, so da
n

X X

ak (x) ak (x) < f
ur n > N = N ().

k=0 k=0

Wahrend einfache Konvergenz die Existenz eines N (, x) erfordert, benotigt man


f
ur gleichmaige Konvergenz die Existenz eines x-unabhangigen N ().
P
F
ur gleichmaig konvergente Reihen k ak (x) konnen die oben betrachten Grenz-
werte vertauscht werden:
n
! n
!
X X
lim lim ak (x) = lim lim ak (x) .
xx0 n n xx0
k=0 k=0
P
Aus der Stetigkeit der ak (x) folgt dann die Stetigkeit von k=0 ak (x).

Nicht alle konvergenten Reihe sind jedoch gleichmaig konvergent.


Beispiel:
X X
ak (x) = x2 (1 x2 )k
k=0 k=0

Die Reihe konvergiert punktweise f ur alle x ] 2, 2[, x 6= 0 wegen

ak+1 (x)
lim
= lim (1 x2 ) = |1 x2 | < 1 f
u r |x| < 2.
k ak (x) k
und f
ur x = 0 wegen ak (x) = 0.
P 1
Mit k=0 qk = 1q
f
ur |q| < 1 ergibt sich f
ur (x 6= 0) der Grenzwert:

X X 1 1
x2 (1 x2 )k = x2 (1 x2 )k = x2 2
= x2 2 = 1
k=0 k=0
1 (1 x ) x

F
ur x = 0 ergibt sich wegen ak (0) = 0 f
ur die Reihe der Wert 0. Also:

(
X 0 f
ur x = 0
an (x) =
k=0
1 f
ur x 6= 0, x ] 1, 1[

Die Reihe ist also nicht stetig in 0, da:



! 
X X 
lim an (x) = 1 6= 0 = lim an (x)
x0 x0
k=0 k=0
VI 21. STETIGKEIT 84

Satz:
Potenzreihen sind innerhalb ihres Konvergenzradius gleichmaig konvergent.

Beweisskizze:
Die Konvergenz von Potenzreihen innerhalb ihres Konvergenzradius
P R ergibt sich
aus dem Quotientenkriterium. Eine geometrische Reihe n=0 c q n
mit q < R gibt
eine konvergente Majorante. Folglich hangt die Konvergenz nicht von dem Wert
von x ab.

Der Begriff der gleichmaigen Konvergenz ist f ur das Rechnen mit Potenzreihen
zentral. Aufgrund der gleichmaigen Konvergenz kann man Potenzreihen innerhalb
ihres Konvergenzradius wie Polynome behandeln. Dies gilt nicht nur bez uglich der
Stetigkeit, sondern auch bez
uglich der spater besprochenen Differentiation und In-
tegration.

Potenzreihen sind innerhalb ihres Konvergenzradius stetig. Daher:



x
X 1 n
e = x (Konvergenzradius ) Die e-Funktion ist stetig.
n=0
n!

Da man die trigonometrische Funktionen u


ber die Exponentialfunktion oder uber
Potenzreihen mit unendlichem Konvergenzradius definieren kann, sind auch sie in
ihrem Definitionsbereich stetig.
VI 22. ZWISCHENWERTSATZ 85

22 Zwischenwertsatz

Mithilfe des Stetigkeitsbegriffes lassen sich nun einige anschaulich einleuchtende


Eigenschaften von Funktionen formal korrekt fassen.

Es sei f eine stetige reellwertige Funktion auf dem abgeschlossenen, beschrankten


Intervall [a, b] R. Dann gelten folgende Satze:

Existenz einer Nullstelle


f (a) < 0 < f (b) f (a) > 0 > f (b)
Es existiert mindestens ein x0 ]a, b[ mit f (x0 ) = 0.

Zwischenwertsatz
f (a) < c < f (b)
Es existiert mindestens ein x0 ]a, b[ mit f (x0 ) = c.

Stetige Umkehrfunktion
Ist f (x) streng monoton wachsend (oder fallend), so existiert die Umkehrfunktion
f 1 (x) mit Definitionsbereich [f (a), f (b)] (oder [f (b), f (a)]) und ist stetig und
streng monoton wachsend (oder fallend).

Min-Max-Eigenschaft
Es gibt x1 , x2 [a, b] mit:

f (x1 ) f (x) f
ur jedes x [a, b] (Minimum),
f (x2 ) f (x) f
ur jedes x [a, b] (Maximum).

Folgerung aus dem Satz u ber stetige Umkehrfunktionen:


ln(x) ist stetig, da es die Umkehrfunktion der streng monoton steigenden, stetigen
Funktion ex ist. Analog folgt, da die Umkehrfunktionen der trigonometrischen
Funktionen stetig sind.

Beweis der Satze:


1. Nullstellensatz
Wir betrachten nur den Fall f (a) < 0 < f (b), da f (a) > 0 > f (b) analog behandelt
werden kann, und f uhren eine Intervallschachtelung durch:
x1 := a, y1 := b 
Nun betrachtet man x1 +y 2
1
. Ist f x1 +y1
2
< 0, dann wahlen wir neue x2 , y2 mit
x2 = x1 +y
2
1
, y 2= y 1 .
Ist jedoch f x1 +y2
1
0, dann wahlen wir neue x2 , y2 mit:
x2 = x1 , y2 = x1 +y
2
1
.
VI 22. ZWISCHENWERTSATZ 86

Dieses Verfahren konnen wir beliebig weiter fortsetzen:


 
xk + yk xk + yk
f <0 xk+1 = , yk+1 = yk
2 2
 
xk + yk xk + yk
f 0 xk+1 = xk , yk+1 =
2 2

Die Folgen xk und yk sind monoton und beschrankt. Da yk+1 xk+1 = 21 (yk xk )
gilt:
ba
lim (yk xk ) = lim k1 = 0.
k k 2

Die Folgen xk und yk konvergieren also gegen einen gemeinsamen Grenzwert x0 :

lim xk = lim yk = x0 .
k k

Da f (xk ) < 0 und f (yk ) 0 gilt limk f (xk ) 0 und limk f (yk ) 0. Wenn
f (x) stetig ist, mu somit f (x0 ) = 0 sein.

Graphische Darstellung:

x1 x3 x4 y2 y1
=x2 = y3
=y4

2. Zwischenwertsatz
Man betrachte die Funktion g(x) = f (x) c. Dann folgt aus dem Nullstellensatz:
Es existiert ein x0 ]a, b[, so da g(x0 ) f (x0 ) = 0.

3. Umkehrfunktion
Aufgrund des Zwischenwertsatzes gibt es f ur jedes y0 [f (a), f (b)] ein x0 , so
da f (x0 ) = y0 . Aufgrund der strengen Monotonie ist dieses x0 zudem eindeutig.
Daher existiert die Umkehrfunktion f 1 mit f 1 (y0 ) = x0 . Die Umkehrfunktion
ist ebenfalls streng monoton.
Fur jedes y [f (x0 ), f (x0 + )] liegt also x = f 1 (y) im Intervall [x0 , x0 + ].
Wahlt man ein () = min (|y0 f (x0 )|, |y0 + f (x0 + )|) so gilt wegen der
VI 22. ZWISCHENWERTSATZ 87

strengen Monotonie:

|y y0 | < ()
y [f (x0 ), f (x0 + )]
x [x0 , x0 + ]
|x x0 | <
|f 1 (y) f 1 (y0 )| < ,

die Umkehrfunktion ist also stetig.

4. Min-Max-Eigenschaft
Beweis siehe Literatur
Kapitel VII

Differentialrechnung

Inhaltsangabe
23 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
24 Differentiationsregeln . . . . . . . . . . . . . . . . . . . . . 93
25 Extremwerte . . . . . . . . . . . . . . . . . . . . . . . . . . 98
26 Mittelwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . 102
27 Regel von de lHospital . . . . . . . . . . . . . . . . . . . . 104
28 Der Taylorsche Satz . . . . . . . . . . . . . . . . . . . . . . 107

88
VII 23. DEFINITION 89

23 Definition

Stetigkeit die Funktion macht keine Spr


unge

Quantifizierung der Frage Wie stark andert sich die Funktion Ableitung

Beispiel:
Ein Auto fahrt mit konstanter Geschwindigkeit und bremst dann bis zum Stehen.
Der zuruckgelegte Weg S ist eine Funktion der Zeit t.
S(t) ist stetig.

t0 t0+ t t 0+ 2 t

t1 t2 t

Die Geschwindigkeit mit die in einem Zeitintervall zur


uckgelegte Strecke

S(tb ) S(ta ) S(ta + t) S(ta )


v= =
tb ta t
Wenn das Auto mit konstanter Geschwindigkeit fahrt, hangt das Ergebnis nicht
vom betrachten Zeitintervall ab.
S(t + t) S(t)
v(t, t) = = konstant
t
Verandert sich jedoch die Geschwindigkeit, so hangt der Wert des Differenzen-
quotienten
S(t + t) S(t) S(tb ) S(ta )
bzw.
t tb ta
von der Lange des Meintervalls t bzw. tb ta ab ( siehe Skizze).

Um die Geschwindigkeit unabhangig von der Lange des Meintervalls zu defi-


nieren, betrachtet man daher eine idealisierte Messung u
ber ein beliebig kurzes
VII 23. DEFINITION 90

Meintervall:
S(t + t) S(t) S(tb ) S(ta )
lim = lim
t0 t tb ta tb ta
Damit erhalt man die von t unabhangige Momentangeschwindigkeit.
S(t + t) S(t)
v(t) = lim
t0 t

v(t) bezeichnet man als Ableitung S (t) von S(t) und
dS S(t + t) S(t)
S (t) = = lim
dt t0 t
als Differentialquotienten.

In der Chemie findet die Ableitung insbesondere in Differentialgleichungen An-


wendung.

Beispiel aus der Kinetik:

A+B C +D
bimolekulare Reaktion

Damit die Reaktion eintritt, m ussen die Molekule A und B zusammenstoen.


Die Wahrscheinlichkeit hierf
ur ist proportional zu

CA CB ,

wobei CA und CB die Konzentrationen von A und B sind (z.B. in Losung). F


ur
die Bildungsgeschwindigkeit von C und D gilt also:
dCC dCD
= = K CA CB (K ist eine Konstante)
dt dt

Definition:
Die Funktion f, D R, heit differenzierbar in x0 , wenn der Grenzwert

f (x) f (x0 )
lim
xx0 x x0
existiert. Dieser Grenzwert heit Differentialquotient oder Ableitung
von f (x) an der Stelle x0 und wird auch als

df f (x) f (x0 ) f (x0 + h) f (x0 )


f (x0 ) = (x0 ) = lim = lim
dx xx0 x x0 h0 h
bezeichnet.
Die Funktion f heit differenzierbar, wenn f f
ur alle x D differen-
zierbar ist.
VII 23. DEFINITION 91

Anmerkung:
Aufgrund der Definition ist Stetigkeit eine notwendige Bedingung f
ur Diffe-
renzierbarkeit.

Die Definition hoherer Ableitungen durch mehrfaches differenzieren ist offensicht-


lich:

df (x) d2 f
f (x) = = 2
dx dx

df (x) d3 f
f (x) = = 3
dx dx
allgemein:
dn f
f (n) (x) = n
dx

Beispiele:

f (x) = 1
11
f (x) = lim =0
h0 h

f (x) = x
f (x + h) f (x) x+hx h
f (x) = lim = lim = lim = 1
h0 h h0 h h0 h

f (x) = xn , n N
(x + h)n xn
f (x) = lim
h0
P h  
n n nj j
j=0 j x n xn
= lim
h0
n
 n n
h n1 n
 n2 2
x + x h + x h + xn
= lim 0 1 2
h0 h
n(n1) n2 2
n n1
x + n x h + 2 x h + xn
= lim
h0
 h 
n1 n(n 1) n2
= lim n x + x h +
h0 2

f (x) = nxn1
VII 23. DEFINITION 92

f (x) = ex
ex+h ex
f (x) = lim
h0 h
e e ex
x h
= lim
h0 h
h
e 1
= ex lim
h0 h

wobei:
eh 1
lim =
h0 h
(1 + h + 21 h2 + 61 h3 + . . .) 1
lim
h0 h
h + 12 h2 + 61 h3 + . . .
lim =1
h0 h
(Gleichmaige Konvergenz der Potenzreihe)


f (x) = ex = f (x) besondere Bedeutung der e-Funktion
VII 24. DIFFERENTIATIONSREGELN 93

24 Differentiationsregeln

Betrachte f (x) + g(x), , C:

d
( f (x) + g(x)) =
dx
( f (x + h) + g(x + h)) ( f (x) + g(x))
lim =
h0
 h 
f (x + h) f (x) g(x + h) g(x)
lim +
h0 h h
   
f (x + h) f (x) g(x + h) g(x)
lim + lim
h0 h h0 h

Satz:
Sind f (x) und g(x) differenzierbar in x, so gilt f
ur jedes , C

d df dg
( f + g) = +
dx dx dx

Betrachte f (x) g(x):

d
(f (x) g(x)) =
dx
f (x + h) g(x + h) f (x) g(x)
lim =
h0 h
f (x + h)g(x + h) f (x)g(x + h) + f (x)g(x + h) f (x)g(x)
lim =
h0
 h  
f (x + h) f (x) g(x + h) g(x)
lim g(x + h) + f (x) =
h0 h h
   
f (x + h) f (x) g(x + h) g(x)
g(x) lim + f (x) lim =
h0 h h0 h
df dg
g(x) + f (x)
dx dx

Satz (Produktregel):
Sind f (x) und g(x) differenzierbar in x, so gilt

d df dg
(f g) = g +f
dx dx dx
VII 24. DIFFERENTIATIONSREGELN 94

Anwendung:
f (x) = xn , g(x) = xn , x 6= 0

d d
(f (x) g(x)) = (1) = 0
dx dx
df dg 1 dxn dxn 1 dxn n dxn
g +f = n + xn = n n xn1 + xn = + xn
dx dx x dx dx x dx x dx
n
d df dg n dx
(f g) = g +f 0 = + xn
dx dx dx x dx

d n n
x = n+1 = n xn1
dx  x
1 1
Speziell: = 2
x x

Betrachte f (g(x)), g differenzierbar in x, f differenzierbar in g(x):


d f (g(x + h)) f (g(x))
f (g(x)) = lim
dx h0 h

Aufgrund der Stetigkeit von g in x gilt:


f (g(x + h)) f (g(x)) f (g(x0 )) f (g(x))
lim = lim = f (g(x))
h0 g(x + h) g(x) x0 x g(x0 ) g(x)
Also:
 
d f (g(x + h)) f (g(x)) g(x + h) g(x)
f (g(x)) = lim = f (g(x)) g (x)
dx h0 g(x + h) g(x) h

Satz (Kettenregel):
Ist f differenzierbar in g(x) und g differenzierbar in x, dann gilt

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

Anwendung:
1 1 1
f (g(x)) = f (x) = , f (x) = 2
g(x) x x
 
d 1
= f (g(x)) g (x)
dx g(x)
1
= 2
g (x)
g(x)
VII 24. DIFFERENTIATIONSREGELN 95

f (x)
Betrachte g(x)
:
   
d f (x) d 1
= f (x)
dx g(x) dx g(x)
 
df 1 d 1
= + f (x) (Produktregel)
dx g(x) dx g(x)

df 1 g (x)
= f (x) (Kettenregel)
dx g(x) g(x)2

f (x) g(x) f (x) g (x)
=
g(x)2

Satz (Quotinentenregel):
Sind f und g differenzierbar in x und g(x) 6= 0, so gilt:
 
d f f (x) g(x) f (x) g (x)
=
dx g g(x)2

Mit Hilfe dieser Regeln konnen Ableitungen systematisch berechnet werden.

Wir hatten schon gefunden:



(xn ) = n xn1 , n Z

(ex ) = ex

Jetzt werden wir auch f


ur die anderen elementaren Funktionen Ableitungen be-
rechnen.

ln(x):

Aufgrund der Kettenregel gilt:



1 = (x) = (eln x ) = eln x (ln x) = x (ln x)
1
(ln x) =
x

x ( C):

1
(x ) = (eln x ) = eln x (ln x ) = x = x1
x
VII 24. DIFFERENTIATIONSREGELN 96

Die trigonometrischen Funktionen konnen aus der e-Funktion gewonnen werden:


 
1 ix 
(cos x) = e + eix
2
1 
= (eix ) + (eix )
2
1

= (ix) eix + (ix) eix
2
1 
= ieix ieix
2
i ix 
= e eix
2
1 ix 
= e eix
2i
= sin x

 
1 ix 
(sin x) = e eix
2i
1 
= (ieix ) (i)(eix )
2i
1 
= (ieix + ieix
2i
1 ix 
= e + eix
2
= cos x

tan x und cot x ergeben sich dann aus der Produkt- bzw. Quotientenregel. Hyper-
bolische Funktionen lassen sich analog behandeln.

Umkehrfunktionen trigonometrischer Funktionen:



1 = (x) = (sin(arc sin(x))) = cos(arc sin(x)) (arc sin(x))
 2
1
= (cos(arc sin(x)))2 = 1 (sin(arc sin(x)))2 = 1 x2
(arc sin(x))
(da cos2 y = 1 sin2 y)
1
(arc sin(x)) =
1 x2

analog:
1
(arc cos(x)) =
1 x2
VII 24. DIFFERENTIATIONSREGELN 97

ur Umkehrfunktionen f 1 (x) wegen


Allgemein kann man f

1 = (x) = (f (f 1 (x))) = f (f 1 (x)) (f 1 (x))

den folgenden Satz herleiten.

Satz:

Sei f (x), D = [a, b], streng monoton und differenzierbar mit f (x) =
6 0,
dann ist auch die Umkehrfunktion differenzierbar und es gilt f ur x
[f (a), f (b)] bzw. [f (b), f (a)]
 1
f 1 (x) =
f
(f 1 (x))
VII 25. EXTREMWERTE 98

25 Extremwerte

Motivation:
Wie schon besprochen, wird die Hohe eines mit der Anfangsgeschwindigkeit v0
nach oben geworfenen Steins durch die Funktion
1
h(t) = v0 t gt2
2
angegeben. Nun stellt sich die Frage, welche Hohe der Stein maximal erreicht.
Diese Fragestellung lat sich mit Hilfe der Differentialrechnung beantworten.
h

Maximum: dh ?= 0
dt

Definition:
Bei der reellwertigen Funktion f (x) ist x0 ein

globales Maximum, falls f ur jedes


x D gilt: f (x) f (x0 )

globales Minimum, falls f ur jedes


x D gilt: f (x) f (x0 )

lokales Maximum, falls ein > 0 existiert, so da


|x x0 | < f (x) f (x0 )

lokales Minimum, falls ein > 0 existiert, so da


|x x0 | < f (x) f (x0 )
VII 25. EXTREMWERTE 99

Beispiel:

globales und lokales Maximum

lokales Maximum

x
lokales
Minimum lokales
Maximum
lokales Minimum

globales und lokales Minimum


Maxima und Minima bezeichnet man zusammenfassend als Extrema.

Lokale Extrema lassen sich nun mit Hilfe der Differentialrechnung finden.

Satz:
Besitzt eine reellwertige Funktion f (x) mit Definitionsbereich D = [a, b]
ein lokales Extremum in x0 und ist f (x) dort differenzierbar, so gilt:

x0 ]a, b[ f (x0 ) = 0
(
0 f
ur ein Maximum
x0 = a f (x0 )
0 f
ur ein Minimum
(
0 f
ur ein Maximum
x0 = b f (x0 )
0 f
ur ein Minimum

Beweis:
Annahme: x0 sei ein lokales Maximum. Dann gilt in einer -Umgebung um x0
(
f (x) f (x0 ) 0 fu r x > x0
f (x) f (x0 ) 0
x x0 0 f
u r x < x0
VII 25. EXTREMWERTE 100

Da f (x) differenzierbar in x0 , folgt

f (x) f (x0
lim = 0.
xx0 x x0

Beweis f
ur andere Falle analog.

Der obige Satz gibt eine notwendige, aber keine hinreichende Bedingung f
ur lokale
Extrema.

Im folgenden beschranken wir uns auf die Betrachtung von Extrema in offenen
Intervallen, d.h. Extrema auf Randpunkten werden im weiteren nicht betrachtet.
Dann gilt folgende notwendige Bedingung f
ur lokale Extrema:

x0 ist ein lokales Extremum f (x0 ) = 0


Alle Punkte x0 mit f (x0 ) = 0 bezeichnet man als station
are Punkte:

f (x0 ) = 0 x0 ist ein stationarer Punkt

Dann stellt sich die Frage, wann stationare Punkte Extrema sind. Daf
ur betrachtet
man die Funktion in einer -Umgebung um den stationaren Punkt x0 :

f (x) monoton steigend fur x < x0 und monoton fallend f


ur x > x0 Maximum
f (x) monoton fallend f
ur x < x0 und monoton steigend fur x > x0 Minimum

Ansonsten handelt es sich nicht um ein Extremum, sondern um einen Sattel-


punkt.
VII 25. EXTREMWERTE 101

Betrachten wir nun wieder unser Beispiel von Anfang


1
h(t) = v0 t gt2 , t ]0, [.
2
Stationare Punkte finden wir als Nullstellen der Ableitung
dh(t)
= v0 gt
dt
v0
h (t0 ) = v0 gt0 = 0 t0 =
g
Um die Frage, ob es sich um ein Maximum handelt, zu beantworten, stellt man
fest:
(
> 0 f
u r t < t0
h (t) = v0 gt = v0 gt0 g(t t0 ) = g (t t0 )
< 0 f
u r t > t0

h(t) steigt also monoton f


ur t < t0 und fallt f
ur t > t0 . Folglich ist t0 ein lokales
und globales Maximum.

Dieser anscheinend offensichtliche Zusammenhang zwischen dem Vorzeichen der


Ableitung wird durch die folgenden Satze ausgedr
uckt:


f (x) 0 f
ur x D f (x) monoton wachsend

f (x) 0 f
ur x D f (x) monoton fallend

f (x) > 0 f
ur x D f (x) streng monoton wachsend

f (x) < 0 f
ur x D f (x) streng monoton fallend

Beweis: f (x) monoton wachsend


f (x) f (x0 )
0 fur x, x0 D
x x0
 
f (x) f (x0 )
f (x0 ) = lim 0 f
u r x0 D
xx0 x x0
Damit ist gezeigt, da

f (x) 0 f
ur x D f (x) monoton wachsend
Monoton fallende Funktionen kann man offensichtlich analog behandeln.

Der Beweis der anderen Schlurichtung



f (x) 0 f
ur x D f (x) monoton wachsend
folgt aus dem Mittelwertsatz der Differentialrechnung.
VII 26. MITTELWERTSATZ 102

26 Mittelwertsatz

Satz von Rolle:


Ist die reellwertige Funktion f (x) stetig auf [a, b] und differenzierbar auf
]a, b[, so gilt:

f (a) = f (b) Es existiert ein x0 ]a, b[ mit f (x0 ) = 0

Mittelwertsatz:
Es existiert ein x0 ]a, b[, f
ur das gilt:

f (b) f (a)
f (x0 ) =
ba

Beweise:

Satz von Rolle:


Da f (x) auf [a, b] stetig, nimmt die Funktion auf [a, b] ein Maximum und ein
Minimum an. Sind Maximum oder Minimum nicht auf den Randern, also auf

]a, b[, so gilt an diesen Punkten x0 f (x0 ) = 0. Sind Maximum und Minimum auf

den Randern, so gilt f (x) = f (a) = f (b) f (x) = 0.

Mittelwertsatz:
Die Funktion
xa
f(x) = f (x) (f (b) f (a))
ba
erf
ullt die Voraussetzung des Satzes Rolle.

f(b) = f (b) (f (b) f (a)) = f (a)


f(a) = f (a)
f(b) = f(a)

Damit existiert ein x0 ]a, b[ mit

f (b) f (a)
0 = f (x0 ) = f (x0 )

ba
f (b) f (a)
f (x0 ) =
ba

Betrachtet man das Intervall [x0 , x] so folgt aus dem Mittelwertsatz, da ein
]0, 1[ existiert, f
ur welches

f (x) f (x0 )
f (x0 + (x x0 )) =
x x0
VII 26. MITTELWERTSATZ 103

Folglich:

f (x) = f (x0 ) + (x x0 ) f (x0 + (x x0 )) , ]0, 1[


Ist f (x) 0 f
ur alle x [a, b], dann mu somit f (x) auf [a, b] monoton steigend
sein.

Die obige Beziehung lat sich auch zur Behandlung problematischer Grenzwerte
nutzen.
VII 27. REGEL VON DE LHOSPITAL 104

27 Regel von de lHospital

f (x)
Betrachtet sei der Grenzwert limxx0 g(x)
, bei dem f (x0 ) = g(x0 ) = 0.

Es gilt nun f
ur differenzierbares f (x) und g(x):

f (x) = f (x0 ) + (x x0 ) f (x0 + (x x0 )), ]0, 1[,

x0 )), ]0, 1[.
g(x) = g(x0 ) + (x x0 ) g (x0 + (x

Wegen f (x0 ) = g(x0 ) = 0 folgt:



f (x) (x x0 ) f (x0 + (x x0 )) f (x0 + (x x0 ))
= =
g(x) x0 ))
(x x0 ) g (x0 + (x x0 ))
g (x0 + (x

f (x) f (x0 + (x x0 )) f (x0 )
lim = lim = , falls g (x0 ) 6= 0
xx0 g(x) xx0 g (x + (x
0
x0 )) g (x0 )


Regel von lHospital f ur 00
Sind die reellwertigen Funktionen g(x) und f (x) auf ]a, b[ differenzierbar

und gilt f
ur x0 ]a, b[ f (x0 ) = g(x0 ) = 0 sowie g (x) 6= 0 f
ur x 6= x0 , dann
folgt

f (x) f (x)
lim = lim ,
xx0 g(x) xx0 g (x)

sofern der rechts stehende Grenzwert existiert.

Beweis:

Obige Uberlegung gibt den Beweis f

ur g (x) 6= 0. F
ur den allgemeinen Beweis nutzt
man einen verallgemeinerten Mittelwertsatz:
Sind die Funktionen f (x) und g(x) stetig auf [a, b] und differenzierbar auf ]a, b[, so
existiert ein x0 ]a, b[ mit

f (x0 ) f (b) f (a)
=
g (x0 ) g(b) g(a)

Dieser folgt aus dem Satz von Rolle angewandt auf die Funktion

f (b) f (a)
f(x) = f (x) g(x) .
ba
VII 27. REGEL VON DE LHOSPITAL 105

Entsprechend zu dem Fall 00 kann auch der Fall


behandelt werden. Wir
betrachten Funktionen f (x) und g(x), die f ur x x0 gegen divergieren. Dann
konvergieren folglich
1 1
lim = lim = 0.
xx0 f (x) xx0 g(x)

Es gilt:
   
1 1 2 1
= f (x) f (x) = f (x)
f (x) f (x)2 f (x)

(x)

( f (x)
1
)
Existieren die Grenzwerte limxx0 fg (x) und limxx0 so gilt
( g(x)
1
)
 
1
f (x)
f (x)2 f (x)
lim = lim  
xx0 g (x) xx0 1
g(x)2 g(x)
 
1
2
f (x) f (x)
= lim lim  
xx0 g(x)2 xx0 1
g(x)

( f (x)
1
)
Existiert der Grenzwert limxx0 , so gilt aufgrund der Regel von l Hospital:
( g(x) )
1

 
1 1
f (x) f (x) g(x)
lim   = xx
lim 1 = lim
xx0 1 0
g(x)
xx0 f (x)
g(x)
 
f (x) f (x)2 g(x) f (x)
lim = lim = lim
xx0 g (x) xx0 g(x)2 f (x) xx0 g(x)



Regel von l Hospital f ur
Sind die reellwertigen Funktionen g(x) und f (x) differenzierbar auf

]a, b[\{x0 } und f (x) , g(x) f ur x x0 sowie g 6= 0 f
ur x 6= x0
dann folgt

f (x) f (x)
lim = lim
xx0 g(x) xx0 g(x)

sofern der rechts stehende Grenzwert existiert.

Beweis:

Literatur (Die obige Uberlegung stellt keinen korrekten Beweis im strengeren
Sinne dar.)

Beispiele:
sin x cos x
lim = lim =1
x0 x x0 1
x 1
lim = lim x = 0
x ex x e
VII 27. REGEL VON DE LHOSPITAL 106

Auch mehrfache Anwendung ist moglich:

xn nxn1 n(n 1)xn2 n!


lim = lim = lim = . . . = lim x = 0
x ex x e x x e x x e
ex waschst rascher als jede Potenz xn .
VII 28. DER TAYLORSCHE SATZ 107

28 Der Taylorsche Satz

Funktionen konnen u
ber Potenzreihen dargestellt werden. Bisher bekannt sind z.B.

X 1 n 1
ex = x = 1 + x + x2 + . . .
n=0
n! 2

X (1)n 1 1
cos(x) = x2n = 1 x2 + x4 . . .
n=0
(2n!) 2 24

Dabei stellt sich die Frage, wie die Entwicklungskoeffizienten cn der Reihe

X
f (x) = c n xn
n=0

f
ur eine gegebene Funktion bestimmt werden konnen. Innerhalb ihres Konvergenz-
radius konvergiert ein Potenzreihe gleichmaig. Daher kann man sie differenzieren,
in dem man ihre Summanden differenziert:

d X X d X
c n xn = (cn xn ) = cn n xn1
dx n=0 n=0
dx n=0

n-maliges Differenzieren ergibt:



dn X j
X dn j
c j x = c j x
dxn j=0 j=0
dxn

dn j
F
ur dxn
x findet man

dn j dn1 j1
bei n j : x = j x
dxn dxn1
dn2
= j (j 1) n2 xj2
dx
= j (j 1) . . . (j (n 1)) xjn
j!
= xjn
(j n)!
dn j
und bei n > j : x =0
dxn

Also:
dn X j
X j!
n
cj x = cj xjn
dx j=0 j=n
(j n)!
VII 28. DER TAYLORSCHE SATZ 108

Betrachtet man nun die n-te Ableitung am Ort x = 0, so findet man



X
f (x) = c j xj
j=0

(n) dn X j!
f (x) = n f (x) = cj xjn
dx j=n
(j n)!

(n)
X j! n!
f (0) = cj 0jn = cn = cn n!
j=n
(j n)! (n n)!
1 n
cn = f (0)
n!

Die Entwicklungskoeffizienten lassen sich also durch sukzessives Differenzieren be-


stimmen. Die Reihenentwicklung einer unendlich oft differenzierbaren Funktion
f (x) ist also durch

X 1 (n)
f (x) = f (0) xn
n=0
n!
gegeben. Eine solche Reihe bezeichnet man als Taylorreihe.

Bisher wurden Reihenentwicklungen in xn betrachtet. Man kann analog auch Rei-


henentwicklungen in (x x0 )n einf
uhren:

X
f (x) = kn (x x0 )n
n=0

Eine solche Reihe konvergiert dann innerhalb eines Konvergenzradius


kn
R = lim
n kn+1

um x0 , also in ]x0 R, x + R[. Analog zu vorne kann man die Koeffizienten kn aus
den Ableitungen an der Stelle x0 erhalten:
1 (n)
kn = f (x0 ).
n!
Fur eine unendlich oft differenzierbare Funktion ergibt sich also die Taylorentwick-
lung um x0 als

X 1 (n)
f (x) = f (x0 )(x x0 )n
n=0
n!
Allgemeiner und mathematisch korrekt wird dieses durch den Taylorschen Satz
angegeben.
VII 28. DER TAYLORSCHE SATZ 109

Taylorscher Satz:
Sei f (x), D = [a, b], eine reellwertige, n-mal differenzierbare Funktion und
x0 ]a, b[. Dann gibt es genau ein Polynom Tn (x) hochstens n-ten Grades,
f
ur das gilt
f (x) Tn (x)
lim = 0.
xx0 (x x0 )n
Dieses Polynom ist
n
X f (j) (x0 )
Tn (x) = (x x0 )j
j=0
j!

Beweis Literatur

Anmerkung: Taylorreihen kann man nicht nur fur reellwertige, sondern auch f
ur
komplexwertige Funktionen verwenden. Im Komplexen ergeben sich zudem weitere
n
utzliche Eigenschaften Funktionentheorie.

Beispiel:
Entwicklung von ln(x) um x0 = 1

ln(1) = 0
d 1 d ln(x)
ln(x) = |x=1 = 1
dx x dx
d2 d 1 1 d2 ln(x)
2
ln(x) = = 2 |x=1 = 1
dx dx x x
 dx2
d3 d 1 2 d3 ln(x)
ln(x) = = |x=1 = 2
dx3 dx x2 x3 dx3
 
d4 d 2 23 d4 ln(x)
4
ln(x) = 3
= 4 |x=1 = 2 3
dx dx x x dx4

dn n1 (n 1)! dn
ln(x) = (1) ln(x) |x=1 = (1)n1 (n 1)!
dxn xn dxn


X 1
ln(x) = (1)n1 (n 1)! (x 1)n
n=1
n!

X 1
= (1)n1 (x 1)n
n=1
n
1 1
= (x 1) (x 1)2 + (x 1)3 . . .
2 3

Haufig berechnet man nur die ersten Entwicklungsglieder einer Taylorreihe. Dann
VII 28. DER TAYLORSCHE SATZ 110

schreibt man z.B.


1 1
ln(x) = (x 1) (x 1)2 + (x 1)3 . . .
2 2
1 
= (x 1) (x 1)2 + O (x 1)3
2 
= (x 1) + O (x 1)2

Das Landau-Symbol O(xn ) wird dabei definiert durch:

f (x)
f (x) = O(xn ) lim konvergiert (6= )
x0 xn

Die besondere Bedeutung von Taylorreihen in den Naturwissenschaften ergibt sich


daraus, da diese das Verhalten von Funktionen bei kleinen Abweichung von einem
Ausgangspunkt x0 einfach beschreiben.

Anwendung: Fehlerrechnung
Ein Mewert x ist mit einem Mefehler x behaftet. Eine daraus abgeleitete Groe
y = f (x) zeigt dann den Fehler y. Dieser ist gegeben durch

y + y = f (x + x) = f (x) + f (x) x + O(x2 )

y = f (x) x + O(x2 )

ur kleine Mefehler vernachlassigt man die Korrektur O(x2 ) und erhalt


F

y = f (x) x.

Wei man, da der Mefehler von x betragsmaig x nicht u


berschreitet, folgt f
ur
den Betrag y des Mefehlers von y.

y = |f (x)| x.

Auch f
ur die weitere Untersuchung des Verhaltens von Funktionen an stationaren

Punkten eignen sich Taylorreihen. Ist x0 ein stationarer Punkt, d.h. f (x0 ) = 0,
dann gilt:
1
f (x) = f (x0 ) + f (x0 ) (x x0 )2 + O((x x0 )3 )
2


Ist f (x0 ) 6= 0, so konnen bei der Betrachtung einer kleinen Umgebung um x0 die
O((x x0 )3 )Terme vernachlassigt werden.

F
ur f (x0 ) > 0 findet man dann
1
f (x) = f (x0 ) + f (x0 )(x x0 )2 f (x0 )
2
VII 28. DER TAYLORSCHE SATZ 111

x0 ist ein lokales Minimum.



Analog ergibt sich f
ur f (x0 ) < 0:
1
f (x) = f (x0 ) + f (x0 )(x x0 )2 f (x0 )
2
x0 ist ein lokales Maximum.

ur f (x0 ) = 0 mu man Terme von der Groe O((x x0 )3 ) genauer untersuchen.
F
Dann findet man
1
f (x) = f (x0 ) + f (x0 ) (x x0 )3 + O((x x0 )4 )
6


F
ur f (x0 ) > 0 folgt in der Umgebung um x0
(
1 > f (x0 ), f
u r x > x0
f (x) = f (x0 ) + f (x0 ) (x x0 )3
6 < f (x0 ), f
u r x < x0

x0 ist ein Sattelpunkt und kein Extremum.



Analoges gilt f
ur f (x0 ) < 0.

f (x0 ) = 0 erfordert wiederum die Betrachtung von Termen 4. Ordnung.

Dieses Verfahren kann so weiter durchgef


uhrt werden, bis man die nicht verschwin-
(n)
dende Ableitung f (x0 ) niedrigster Ordnung erhalt. Ist n geradzahlig, so ist x0
ein Extremum, sonst ist x0 ein Sattelpunkt.
Kapitel VIII

Integralrechnung

Inhaltsangabe
29 Einf
uhrung des Integralbegriffs . . . . . . . . . . . . . . . 113
30 Hauptsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
31 Integrationsregeln . . . . . . . . . . . . . . . . . . . . . . . 120
32 Das Riemannsche Integral . . . . . . . . . . . . . . . . . . 129
33 Uneigentliche Integrale . . . . . . . . . . . . . . . . . . . . 134
34 Integrale und Reihen . . . . . . . . . . . . . . . . . . . . . 138

112

VIII 29. EINFUHRUNG DES INTEGRALBEGRIFFS 113

29 Einf
uhrung des Integralbegriffs

Das vorherige Kapitel beschaftigte sich mit der Ableitung f (x) einer Funktion

f (x). Diese charakterisiert die Anderung einer Funktion. Jetzt soll die gegentei-
lige Operation, die Mittelung einer Funktion f (x) u ber Intervalle von x-Werten
betrachtet werden. Dies f uhrt zum Problem der Berechnung der Flache unter ei-
ner Funktion. Im ersten Schritt beschranken wir uns auf die Betrachtung stetiger
Funktionen.

y
1010
111111111111
000000000000 10
000000000000
111111111111
000000000000
111111111111 1010
000000000000
111111111111
0
1 1010
000000000000
111111111111
0
1
000000000000
111111111111
0
1
000000000000
111111111111 10
0
1
000000000000
111111111111
0
1 10
000000000000
111111111111
0
1 1010
000000000000
111111111111
0
1
a
10 b x
1010
Flche unter der Funktion

Diese Flache wird durch das bestimmte Integral

Zb
f (x)dx
a

gegeben.

F
ur stetige Funktionen kann man nun das Integral einfach u
ber seine grundlegen-
den Eigenschaften definieren.

VIII 29. EINFUHRUNG DES INTEGRALBEGRIFFS 114

1111111
0000000
0000000
1111111
F1
0
1 0000000
1111111
0000000
1111111
F2
000000000
111111111
0
1 0
1
000000000
111111111 0000000
1111111
0
1
000000000
111111111
0
1 101111111
0000000
000000000
111111111
0
1 101111111
0000000
101111111
000000000
111111111
0
1 0000000
101111111
000000000
111111111
0
1 0000000
101111111
0000000
000000000
111111111
0a
1 100000000
b1111111 c x

Rc Rb
Wenn das
Rc Integral a
f (x)dx die Gesamtfla che F 1 +F 2 misst, a
f (x)dx die Teilflache
F1 und b f (x)dx die Teilflache F2 , mu man folglich f ur Integrale die Regel
Zc Zb Zc
f (x)dx = f (x)dx + f (x)dx
a a b

fordern.

y
10 f(x)+g(x)
111111111111
000000000000 10
000000000000
111111111111 1010
000000000000
111111111111
1010F2
000000000000
111111111111 1010
0
1
000000000000
111111111111
0
1
0
1 10
000000000000
111111111111
0
1 1010 f(x)
000000000000
111111111111
0
1
000000000000
111111111111 10
0
1
000000000000
111111111111
0
1 1010
000000000000
111111111111
0
1
a
1010 b x
10 F1

Die Teilflache F1 und F2 sind hier offensichtlich


Zb
F1 = f (x)dx
a

VIII 29. EINFUHRUNG DES INTEGRALBEGRIFFS 115

und
Zb
F2 = g(x)dx
a

Die Gesamtflache F ist


Zb
F = f (x) + g(x) dx = F1 + F2
a

Entsprechend mu f
ur Integrale die Linearitatseigenschaft
Zb Zb Zb
f (x) + g(x)dx = f (x)dx + g(x)dx
a a a

gelten.

Als letzten Schritt dieser Untersuchung wollen wir die Integration u


ber ein kleines
Intervall b a 0 betrachten.

11
00
00
11
00
11
00
11
00
11
00
11
00
11
00
11
a b x

Offensichtlich verandert sich der Funktionswert f (x) u


ber ein hinreichend kleines
Intervall [a, b] nur unwesentlich. Entsprechend konnen wir die Flache durch

F (b a) f (x), x [a, b]

approximieren, wobei x eine beliebige reelle Zahl aus dem Intervall [a, b] sein kann.
Nach Grenzwertbildung f uhrt dies zu der Forderung
Rb
F f (x)dx
lim = lim a = f (a)
ba b a ba ba

VIII 29. EINFUHRUNG DES INTEGRALBEGRIFFS 116

Im nachsten Abschnitt werden wir sehen, da diese Forderungen ausreichend sind,


um bestimmte Integrale stetiger Funktion mit D = [a, b] R eindeutig zu de-
finieren. Wir f
uhren jetzt also den Begriff bestimmtes Integral vorlaufig u
ber
die Forderungen dieser Eigenschaften ein. Spater werden wir eine konstruktive
Definition des Integrales kennenlernen ( RiemannIntegral)

f (x) und g(x) seien stetige Funktionen mit Definitionsbereich D = [x1 , x2 ].


Das bestimmte Integral

Zb
f (x)dx, a, b [x1 , x2 ]
a

sei dann definiert als die Vorschrift, die f (x), a, b eine reelle (oder komple-
xe) Zahl (die Flache unter der Funktion) so zuordnet, da folgende Regeln
gelten:

Zb Zc Zc
f (x)dx + f (x)dx = f (x)dx
a b a
Zb Zb Zb Zb
f (x)dx + g(x)dx = f (x)dx + g(x)dx
a a a a

Zb
1
lim f (x)dx = f (a)
ba ba
a
wobei a, b, c [x1 , x2 ] und , C

Bemerkungen: Ra
Aufgrund der letzten Forderung mu a f (x)dx = 0 gelten. Also:

Za Zb Za
0= f (x)dx = f (x)dx + f (x)dx
a a b
Zb Za
f (x)dx = f (x)dx
a b

Umkehrung der Integrationsrichtung andert das Vorzeichen.

Zb Zb
(f (x))dx = f (x)dx
a a

Flachen unterhalb der x-Achse werden als negativ betrachtet.



VIII 29. EINFUHRUNG DES INTEGRALBEGRIFFS 117

10 Flche
negative
0110
a111111111111
000000000000
0
1
000000000000
111111111111
0
1
b
000000000000
111111111111
0
1
000000000000
111111111111
x
0
1
000000000000
111111111111
0
1
000000000000
111111111111
0
1
000000000000
111111111111
0
1
000000000000
111111111111
000000000000
111111111111
VIII 30. HAUPTSATZ 118

30 Hauptsatz

Definition:
Gegeben sei eine Funktion F (x) mit D = [a, b]. Ist F (x) differenzierbar auf

[a, b] und gilt F (x) = f (x), a x b, so heit F (x) Stammfunktion
von f (x).

Bemerkungen:
Ist F (x) Stammfunktion zu f(x), dann ist auch F (x) = F (x)+c, c R(C), Stamm-
funktion.
d d d
F (x) = (F (x) + c) = F (x) = f (x)
dx dx dx
Rx
Betrachtet man nun eine Funktion a f (t)dt, die durch die Veranderung einer
Integralgrenze eines bestimmten Integrales gegeben ist, so findet man:
Zx R x+h Rx
d a
f (t)dt a
f (t)dt
f (t)dt = lim
dx h0 h
a
R x+h Ra
f (t)dt + f (t)dt
= lim a x
h0
h
Zx+h
1
= lim f (t)dt
h0 h
x
= f (x)
Zx
f (t)dt ist also Stammfunktion von f (x)
a

Hauptsatz der Differential- und Integralrechnung:


Sei f (x) mit D = [a, b] eine stetige Funktion. Dann ist
Zx
F (x) = f (t)dt
a

eine Stammfunktion von f (x).


Ist F (x) eine Stammfunktion von f (x), so gilt

Zb
f (t)dt = F (b) F (a)
a

Beweis:
VIII 30. HAUPTSATZ 119

Erste Aussage:
siehe vorne

Zweite Aussage:
Aufgrund des Mittelwertsatzes der Differentialrechnung gilt

f (x) = 0 f (x) = c, c R(C).

F
ur zwei Stammfunktionen F1 (x) und F2 (x) folgt also

d
(F1 (x) F2 (x)) = f (x) f (x) = 0
dx
F1 (x) = F2 (x) + c.

Folglich gilt f
ur jede Stammfunktion
Zx
F (x) = f (t)dt + c
a
a
Zb Z Zb
F (b) F (a) = f (t)dt + c f (t)dt + c = f (t)dt
a a a

Bemerkung: Rb
Aufgrund des Hauptsatzes ist das Integral a f (t)dt durch die Funktion F (x) be-
stimmt, wenn man an das Integral die Forderungen aus Abschnitt 29 stellt.

Schreibweise:
Zb
f (x)dx = F (x) |ba = F (b) F (a)
a

Eine beliebige Stammfunktion zu f (x) wird als das unbestimmte Integral


Z
f (x)dx
R
bezeichnet. Man mu dabei beachten, da f (x)dx nur bis auf ein beliebige Kon-
stante bestimmt ist. Es gilt also:
Z
df
dx = f (x) + c, c R(C)
dx
VIII 31. INTEGRATIONSREGELN 120

31 Integrationsregeln

Aufgrund des Hauptsatzes konnen wir zahlreiche Integrale direkt aus bekannten
Ableitungen verschiedener Funktionen schlieen:

Z
d x
e = ex ex dx = ex + c, cR
dx

d
x = x1 R, x 6= 0 f
ur < 1
dxZ Z
1
x1 dx = x + c x1 = x + c f ur 6= 0

Z
1
x dx = x+1 + c f ur 6= 1
+1

Betrachte nun = 1:
Z
d 1 1
ln x = dx = ln(x) + c fur x > 0
dx x x
Z
d 1 1 1
ln(x) = = dx = ln(x) + c f
ur x < 0
dx x x x
Zusammengefat:
Z
1
dx = ln |x| + c, f
ur x 6= 0
x
1
Betrachte: Die Integration darf sich nicht u R da dort x nicht
ber x = 0 erstrecken,
stetig ist Voraussetzung des Hauptsatzes. Analoges gilt fur x dx mit < 1.

Z
d
sin x = cos x cos x dx = sin x + c
dx

Z
d
cos x = sin x sin x dx = cos x + c
dx
VIII 31. INTEGRATIONSREGELN 121

Aus der Umkehrung der Differentiationsregeln lassen sich Regeln f


ur die Integra-
tion gewinnen.

Kettenregel:
d
(F (g(x))) = F (g(x)) g (x)
dx Z Z
d
F (g(x))g (x) dx = (F (g(x))) dx = F (g(x)) + c
dx

Satz (Substitutionsregel)
Ist g(x) mit D = [a, b] differenzierbar und f (x) auf dem Wertebereich von
g stetig mit Stammfunktion F (x), so gilt:
Z Z

f (g(x)) g (x) dx = f (y) dy = F (g(x)) + c

bzw.
Zb Zg(b)

f (g(x)) g (x) dx = f (y)dy
a g(a)

Symbolisch wird diese Regel durch die Differentialschreibweise ausgedr


uckt
Zb

f (g(x)) g (x) dx =
a
Zb
dg
f (g(x)) dx =
dx
a
Zg(b)
f (g) dg = F (g(b)) F (g(a))
g(a)

Dabei wird gedanklich die Funktion g(x) durch die Variable g substituiert. Nach
Durchf
uhrung der unbestimmten Integration findet Rucksubstitution statt.

Produktregel:
d
(f (x) g(x)) = f g(x) + f (x) g (x)
Z dx Z Z
d
(f (x) g(x)) dx = f (x) g(x) dx + f (x) g (x) dx
dx
Z Z Z
d
f (x) g (x) dx = (f (x) g(x)) dx f (x) g(x) dx
dx
Z

= f (x) g(x) f (x) g(x) dx
VIII 31. INTEGRATIONSREGELN 122

Satz (Partielle Integration):


Sind f (x) und g(x) auf [a, b] differenzierbar, so gilt:
Z Z

f (x) g (x) dx = f (x) g(x) f (x) g(x) dx

bzw.
Zb Zb

f (x) g (x) dx = (f (x) g(x)) |ba f (x) g(x) dx
a a

Im Gegensatz zur Differentiation lat sich das Integral einer Funktion im All-
gemeinem nicht systematisch bestimmen. Teilweise lassen sich Stammfunktionen
u
berhaupt nicht durch elementare Funktionen ausdr ucken, ein Beispiel hierf
ur ist
Z
2
ex dx

Das Ziel der folgenden Betrachtung ist also:

die Berechnung einfacher Integrale

Regeln zur Umformung von Integralen, so da man diese auf in Integralta-


feln tabellierte Integrale zur
uckf
uhren kann.

Anwendungen der Substitutionsregel:


Z
f (x + ) dx, , R(C).


Definiere: g(x) = x + g (x) = g (x) = 1

Z Z
f (x + ) dx = f (g(x)) dx
Z
1
= f (g(x)) g (x) dx

Z
1
= f (g(x)) g (x) dx

1
= F (g(x))

Funktionen, die von dem Linearfaktor x + abhangen, lassen sich mit Hilfe
der Substitutionsregel auswerten, falls man die x-abhangige Funktion integrieren
kann.
VIII 31. INTEGRATIONSREGELN 123

Beispiel: Z
1
(2x 1)1 dx = ln |2x 1| + c
2

Spezielle Beispiele f
ur andere Anwendungen:
Z Z
sin(x)
tan(x) dx = dx
cos(x)
dy
Substitution: y = cos(x) dx
= sin(x)
Z Z dy
dx
tan(x) dx = dx
y
Z
1 dy
= dx
y dx
Z
1
= dy
y
= ln |y| + c
= ln | cos(x)| + c (f
ur cos(x) 6= 0)

Analog:
Z Z
cos(x)
cot(x) dx = dx
sin(x)
Z
1 d sin(x)
= dx
sin(x) dx
= ln | sin(x)| + c (f
ur sin(x) 6= 0)

Anwendungen der partiellen Integration:


Z
xex dx


Wahle: f (x) = x f (x) = 1

g (x) = ex g(x) = ex
Z Z

f (x) g (x) = x e 1 ex dx
x

= x ex ex + c
= (x 1) ex + c

Allgemeiner: Integrale, bei den x mit einer Funktion multipliziert ist, die zweifach
integriert werden kann.
VIII 31. INTEGRATIONSREGELN 124
Z Z
x cos(x) dx = x sin(x) sin(x) dx

= x sin(x) + cos(x) + c

Sukzessive partielle Integration, wenn eine geeignete Funktion mit einem Polynom
multipliziert ist:
Z
(x2 x + 1) ex dx


Wahle: f (x) = x2 x + 1 f (x) = 2x 1

g (x) = ex g(x) = ex
Z
(x2 x + 1) ex dx =
Z
(x x + 1) (e ) (2x 1) (ex ) dx =
2 x

Z
(x + x 1) e + (2x 1) ex dx
2 x

Polynom im Integral wurde um eine Ordnung erniedrigt. Weiter:


Z
(2x 1)ex dx


Wahle: f (x) = 2x 1 f (x) = 2

g (x) = ex g(x) = ex
Z
(2x 1)ex dx =
Z
(2x 1) (e ) 2(ex ) dx =
x

(2x + 1) ex 2 ex + c

Insgesamt:
Z
(x2 x + 1) ex dx =

(x2 + x 1) ex + (2x + 1) ex 2ex + c =


(x2 x 2) ex + c

Spezielles Beispiel f
ur andere Anwendung:
Z Z
ln(x) dx = 1 ln(x) dx (x > 0)
VIII 31. INTEGRATIONSREGELN 125

1
Wahle: f (x) = ln(x) f (x) =
x

g (x) = 1 g(x) = x
Z Z
1
ln(x) dx = x ln(x) x dx
x
Z
= x ln(x) 1 dx

= x ln(x) x + c

Integration rationaler Funktion:

Partialbruchzerlegung
X Cj X Dk X Gl
f (x) = + 2
+ 3
+ ...
j
x xj k
(x x k)
l
(x x l)

xj : mindestens einfache Nullstellen des Nennerpolynoms,


xk : mindestens zweifache Nullstellen des Nennerpolynoms,
xl : mindestens dreifache Nullstellen des Nennerpolynoms,
usw.
Z X Z 1
f (x) dx = Cj dx
j
x xj
Z
X 1
+ Dk 2
dx
k
(x x k)
X Z 1
+ Gl 3
dx + . . .
l
(x x l)
X
= Cj ln |x xj |
j

X 1
+ Dk
k
x xk
 
X 1 1
+ Gl + . . . + Konstante
l
2 (x xl )2

Dabei konnen die Nullstellen des Nennerpolynoms reeller rationaler Funktionen


im Komplexen liegen.

Bei den quadratischen und hoheren Summanden ergibt dies keinerlei Probleme,

wie man an folgender Uberlegung erkennt:
D D
f (x) = + + ...
(x x0 )2 (x x0 )2
VIII 31. INTEGRATIONSREGELN 126

ist eine reelle rationale Funktion mit quadratischen Nullstellen in x0 und x0 .


Z Z Z
1 1
f (x) dx = D + D + ...
(x x0 )2 (x x0 )2
1 1
= D D + ...
x x0 x x0
D(x x0 ) D (x x0 )
= + ...
(x x0 )(x x0 )
(D + D )x + Dx0 + D x0
= + ...
x2 (x0 + x0 )x + x0 x0
reelles Ergebnis


Bei einfachen komplexen Nullstellen sind etwas aufwendigere Uberlegungen not-
1
wendig. Wahrend die komplexen Funktionen (xx0 )n f ur beliebiges x, x0 C ein-
1
deutig sind, ist ln(x x0 ) vieldeutig. (Integration von xx 0
f
uhrt zu speziellen
Ergebnissen Funktionentheorie)

F
ur reelles x und x0 findet man:
Z
1
dx = ln(x x0 ) + c f
u r x > x0
x x0
Z
1
dx = ln(x0 x) + c f
u r x < x0
x x0

Im Komplexen unterscheiden sich allerdings ln(x x0 ) und ln(x0 x) nur um eine


Konstante:

ln(x0 x) = ln((1) (x x0 )) = ln ei (x x0 ) = ln(x x0 ) + i

Zerlegt man x0 in Realteil und Imaginarteil, so findet man f


ur reelles x:
Z
1
dx = ln(x x0 ) + c
x x0
Auswertung des Logarithmus u
ber die Euler-Darstellung:

x x0 = r ei
r2 = |x x0 |2 = (Re(x x0 ))2 + (Im(x x0 ))2 = (x Re(x0 ))2 + Im(x0 )2
     
Im(x x0 ) Im(x0 ) Im(x0 )
= arc tan = arc tan = arc tan
Re(x x0 ) x Re(x0 ) x Re(x0 )
ln(x x0 ) = ln(r) + i
 
1 2 2
 Im(x0 )
= ln (x Re(x0 )) + Im(x0 ) i arc tan
2 x Re(x0 )
VIII 31. INTEGRATIONSREGELN 127

Somit folgt f
ur einfache komplexe Nullstellen reeller rationaler Funktionen:
D D
f (x) = + + ...
x x0 x x0
Z   
1 2 2 Im(x0 )
f (x) dx =D ln((x Re(x0 )) + Im(x0 ) ) i arc tan
2 x Re(x0 )
  
1 2 2 Im(x0 )
+D ln((x Re(x0 )) + Im(x0 ) ) i arc tan + ...
2 x Re(x0 )
  
1 2 2 Im(x0 )
=D ln((x Re(x0 )) + Im(x0 ) ) i arc tan
2 x Re(x0 )
  
1 2 2 Im(x0 )
+D ln((x Re(x0 )) + Im(x0 ) ) + i arc tan + ...
2 x Re(x0 )
1
=(D + D ) ln((x Re(x0 ))2 + Im(x0 )2 )
2  
Im(x0 )
+(D + D ) i arc tan + ...
x Re(x0 )
 
2 2 Im(x0 )
=Re(D) ln((x Re(x0 )) + Im(x0 ) ) + 2 Im(D) arc tan + ...
x Re(x0 )
 
2 2 x Re(x0 )
=Re(D) ln((x Re(x0 )) + Im(x0 ) ) 2 Im(D) arc tan + ...
Im(x0 )
1
(da arc tan( ) = arc tan(z) + c)
z
Dieses Ergebnis ist jetzt reell.

Einfaches Beispiel:
1x
f (x) =
x4 + x2
Partialbruchzerlegung:
x4 + x2 = x2 (x2 + 1) = x2 (x + i)(x i)
Doppelte Nullstelle x0 = 0, einfache Nullstellen x0 = i und x0 = i
1 1
1 1 2
(1 i) (1 + i)
f (x) = + 2 + + 2
x x x+i xi
Integration:
Z Z 1 1
1 2
(1
i) (1 + i)
f (x) dx = ln |x| + + 2 dx
x x+i xi
Abgleich mit obigem Ergebnis (betrachte den zweiten Term im Integral!):
1 1 1
D = (1 + i), x0 = i Re(D) = , Im(D) = , Re(x0 ) = 0, Im(x0 ) = 1
2 Z 2 2  
1 1 2 1
f (x) dx = ln |x| + ln(x + 1) + arc tan +c
x 2 x
1 1
= ln |x| + ln(x2 + 1) arc tan(x) + c
x 2
VIII 31. INTEGRATIONSREGELN 128

Auch bei anderen Beispielen kann das Umschreiben auf komplexe Funktionen die
Integration vereinfachen. So z.B.:
Z Z Z
x 1 ix ix
 x 1
cos(x) e dx = e +e e dx = e(1+i)x + e(1i)x dx
2 2
 
1 1 (1+i)x 1 (1i)x
= e + e +c
2 i1 i 1
= ...
VIII 32. DAS RIEMANNSCHE INTEGRAL 129

32 Das Riemannsche Integral

Bisher hatten wir das Integral u


ber die Forderungen aus Abschnitt 29 definiert. Wir
wollen nun zur normalen konstruktiven Definition des Integralbegriffs ubergehen.
Diese kann f
ur beschrankte und reellwertige Funktionen uber die Definition des
Integrals nach Riemann gegeben werden.

Zur Motivation betrachten wir das Beispiel des Integrals

Z1
x dx
0

1
und zerlegen das Intervall [0, 1] in N gleiche Teile der Lange N
.

....

0 1 2 N1 1 = N x
....
N N N N

1 2
Z1 ZN ZN
x dx = x dx + x dx + . . .
0 0 1
N
i
N ZN
X
= x dx
i=1 (i1)
N

Im Intervall [ (i1)
N
, Ni ] ist der minimale Wert der streng monotonen Funktion f (x) =
x gleich f ( (i1)
N
) = (i1) N
, der maximale Wert der Funktion gleich f ( Ni ) = Ni .
VIII 32. DAS RIEMANNSCHE INTEGRAL 130

Entsprechend gilt:
i
  ZN  
1 i1 1 i
f f (x) dx f
N N N N
(i1)
N
i
N   X N ZN N  
1 X i1 1 X i
f f (x) dx f
N i=1 N i=1
N i=1 N
(i1)
N

N   Z1 N  
1 X i1 1 X i
f x dx f
N i=1 N N i=1 N
0

Das Integral ist also nach oben durch die Obersumme und nach unten durch die
Untersumme beschrankt.

Mit
N
X N (N + 1)
i=
i=1
2
folgt f
ur die Obersumme
N   N N
1 X i 1 X i 1 X 1 N (N + 1) 1 + N1
f = = 2 i= 2 =
N i=1 N N i=1 N N i=1 N 2 2

und f
ur die Untersumme
N   N N N
!
1 X i1 1 Xi1 1 X X
f = = 2 i 1 =
N i=1 N N i=1 N N i=1 i=1
  1 1
1 N (N + 1) 1+ N 1 1 N
2
N = =
N 2 2 N 2

Betrachtet man nun den Grenzfall N einer beliebig feinen Unterteilung, so


findet man
N  !
1 X i 1 + N1 1
lim f = lim =
N N i=1 N N 2 2
N  !
1 X i1 1 N1 1
lim f = lim =
N N i=1 N N 2 2

Ober- und Untersumme haben also den gleich Grenzwert, dieser mu also dem
VIII 32. DAS RIEMANNSCHE INTEGRAL 131

Wert des Integrals entsprechen.


N  ! Z1 N  !
1 X i1 1 1 X i 1
lim f = x dx lim f =
N N i=1 N 2 N N i=1 N 2
0
Z1
1
x dx =
2
0

Das Integral kann also durch den Grenzwert von Ober- und Untersumme f ur belie-

big feine Unterteilung bestimmt werden. Diese Uberlegung wollen wir im folgenden
allgemein fassen.

Definition:
Eine Menge der Form
Z = {a = x0 < x1 < . . . < xN = b}
heit Zerlegung (Partition, Unterteilung) des Intervalls [a, b]. Der maximale Ab-
stand zwischen zwei benachbarten Punkten xi+1 und xi wird als Feinheit der Zer-
legung bezeichnet.

Eine Summe der Form


N
X
R(f, Z) = f (i ) (xi xi1 ), i [xi1 , xi ]
i=1

heit Riemannsche Summe der Zerlegung Z,


N
X
U (f, Z) = Min (f [xi1 , xi ]) (xi xi1 )
i=1

heit Untersumme von f (x) zur Zerlegung Z und


N
X
O(f, Z) = Max (f [xi1 , xi ]) (xi xi1 )
i=1

heit Obersumme.

Folgerungen:
F
ur eine feste Zerlegung Z liegt jede Riemannsche Summe zwischen Unter- und
Obersumme:
U (f, Z) R(f, Z) O(f, Z)
Ist Z1 eine feinere Zerlegung als Z2 mit Z1 Z2 so folgt:
U (f, Z1 ) U (f, Z2 ) O(f, Z2 ) O(f, Z1 )
VIII 32. DAS RIEMANNSCHE INTEGRAL 132

Riemannsche Integraldefinition:
Eine beschrankte Funktion f (x), D = [a, b], ist integrierbar u ber [a,b],
wenn f
ur jedes > 0 eine Zerlegung Z von [a, b] existiert, so da

O(f, Z) U (f, Z) <

Der gemeinsame Grenzwert von Unter- und Obersumme ist das bestimmte
Integral
Zb
f (x) dx.
a

Die Riemannsche Integraldefinition erf ullt die RForderungen aus Abschnitt 29. Der
b
Hauptsatz hat schon gezeigt, da das Integral a f (x) dx f ur stetige Funktion f (x)
eindeutig
Rb ist. Mit Hilfe der Riemannschen Definition konnen wir nun zeigen, da
a
f (x) dx f
ur stetiges f (x) immer existiert.

Satz:
f (x) stetig f (x) integrierbar

Beweis:
Aufgrund der Stetigkeit von f (x) gilt:
Sei > 0. Dann existiert ein > 0, so da

|xi xi1 | < |f (xi ) f (xi1 )| <
ba
Betrachtet man nun eine Zerlegung Z mit einer Feinheit kleiner , so folgt:
N
X
O(f, Z) U (f, Z) = (M ax (f [xi1 , xi ]) M in (f [xi1 , xi ])) (xi xi1 )
i=1
N
X
(xi xi1 ) = (b a) =
i=1
ba ba

Dies ist die Riemannsche Integrierbarkeitsbedingung.

Der Riemannsche Integralbegriff ermoglicht die Integration beschrankter unsteti-


ger Funktion. Besitzt eine beschrankte Funktion f (x) im Intervall [a, b] eine Un-
stetigkeitsstelle x0 , so erhalt man das Integral z.B. u
ber die Aufteilung

Zb Zx0 Zb
f (x) dx = f (x) dx + f (x) dx
a a x0
VIII 32. DAS RIEMANNSCHE INTEGRAL 133

Beispiel: Heaviside-Funktion (x):


(
1 f
ur x 0
(x) =
0 f
ur x < 0
Z3 Z0 Z3
(x) dx = (x) dx + (x) dx
2 2 0
Z0 Z3
= 0 dx + 1 dx
2 0

=0+ [x]30 =3
VIII 33. UNEIGENTLICHE INTEGRALE 134

33 Uneigentliche Integrale

Das Riemannsche Integral ist f ur stetige und beschrankte Funktionen auf geschlos-
senen Intervallen definiert. Allerdings kann man Integrale u ber unbeschrankte Be-
reiche u
ber Grenzwertbildung bestimmen:
Z Zb
f (x) dx := lim f (x) dx
b
a a

Solche Integrale bezeichnet man als uneigentliche Integrale.

Beispiele:
Z Zb  b  
1 1 1 1
dx = lim dx = lim = lim + 1 = 1
x2 b x2 b x 1 b b
1 1
Z Zb
1 1
dx = lim dx = lim [ln(x)]b1 = lim (ln(b)) existiert nicht
x b x b b
1 1

Beidseitige Grenzwertbildung:
Z Zb
f (x) dx := lim lim f (x) dx
b a
a

Beide Grenzwerte sind unabhangig zu betrachten, also nicht als


Zz
lim f (x) dx
z
z

Beispiel:
Z
2
x ex dx = ?

Substitution: z = x2
Z Z
x2 1 1 1 2
xe dx = ez dz = ez + c = ex + c
2 2 2

Z      
x2 1 2 1 2 1 2
xe dx = ex = lim ex lim ex =0
2
x 2 x 2

VIII 33. UNEIGENTLICHE INTEGRALE 135

Durch entsprechende Grenzwertbildung lassen sich auch uneigentliche Integrale


erhalten, bei denen die Funktion auf der Intervallgrenze singular ist:

Zb Zb
f (x) stetig auf ]a, b] f (x) dx := r lim f (x) dx
za
a z

Zb Zz
f (x) stetig auf [a, b[ f (x) dx := l lim f (x) dx
zb
a a

Zb Zy
f (x) stetig auf ]a, b[ f (x) dx := r lim l lim f (x) dx
za yb
a z

Beispiele:

Z1
1
dx = lim [ln(x)]1z = lim ln(z) existiert nicht
x z0 z0
0
Z1
1  1 1
dx = lim 2 x z = 2 lim (2 z) =
x z0 z0 2
0

Hat eine Funktion eine Singularitat bei x = c, so kann man ein Integral u
ber ein
Intervall [a, b], welches x = c beinhaltet, wie folgt definieren:

Zb Zc Zb
f (x) dx = f (x) dx + f (x) dx
a a c

Dieses Integral existiert, wenn beide Integrale auf der rechten Seite existieren.

Beispiele:
Za
1
p dx, a>0
|x|
a
VIII 33. UNEIGENTLICHE INTEGRALE 136

Za Za
1 1  a
p dx = dx = 2 x 0 = 2 a
|x| x
0 0
Z0 Z0 Z0 Za
1 1 1 1
p dx = dx = (1) dz = dz = 2 a
|x| x z=x z z
a a a 0

Folglich:
Za Za Z0
1 1 1
p dx = p dx + p dx = 2 a + 2 a = 4 a
|x| |x| |x|
a 0 a

Za
1
dx a > 0
x2
a
Za  a
1 1
dx = existiert nicht
x2 x 0
0
Za
1
dx existiert nicht
x2
a

Achtung! Direktes Einsetzen der Integralgrenzen in die Stammfunktion hatte zu


einem falschen Ergebnis gefuhrt:
Za  a    
1 1 1 1 2
2
dx 6= = =
x x a a a a
a

Das Ergebnis a2 < 0 ist offensichtlich nicht das Integral der positiven Funktion 1
x2
!

Eine schwachere Definition gibt der Cauchysche Hauptwert des Integrals


b c
Z Z Zb
Hauptwert f (x) = r lim f (x) dx + f (x) dx
0
a a c+

Dies kann existieren, obwohl die Grenzwerte der einzelnen Summanden nicht exi-
stieren.

Beispiel:
Z1
1
dx
x
1
Anschaulich:
VIII 33. UNEIGENTLICHE INTEGRALE 137

R1 1
1 x
dx = 0, da beide Flachen gleich gro mit unterschiedlichen Vorzeichen.

Z1
1
dx = [ln(x)]10 existiert nicht
x
0

Aber:
1
Z
1
Hauptwert dx =
x
1
1
Z Z
1 1
r lim dx + dx =
0 x x
1

1
r lim [ln(x)] + [ln(x)]
1 =
0
r lim ( ln() + ln()) = 0
0
VIII 34. INTEGRALE UND REIHEN 138

34 Integrale und Reihen

Integrale lassen sich zur einfachen Abschatzung von Reihen verwenden.


Beispiel:

X 1
n=2
n2
1
Da f (x) = x2
eine monoton fallende Funktion ist, gilt:
Zn Zn
f (x)dx f (n)dx = f (n)
n1 n1
n+1
Z n+1
Z
f (x)dx f (n)dx = f (n)
n n
Also:
Zn n+1
Z
X 1 X 1 X 1
dx dx
n=2n1
x2 n=2
n2 n=2
x2
n
Z Z
1 X 1 1
dx dx
x2 n=2
n 2 x2
1 2


Diese Uberlegung lat sich leicht verallgemeinern. Man erhalt dann folgendes neues
Konvergenzkriterium f ur Reihen:

Integralkriterium:
P
Sei n=1 an eine Reihe mit positiven an . Sei f (x) eine f
ur x 1 definierte
stetige Funktion mit folgenden Eigenschaften:

f (n) = an f
ur n N,
f (n + 1) f (x) f (n) f
ur n x n + 1, n N

Dann gilt

X Zn
an konvergent lim f (x)dx existiert
n
n=1 1

Im Falle der Konvergenz gilt weiter:


Z
X Z
f (x)dx an a1 + f (x)dx
1 n=1 1
Kapitel IX

Gew ohnliche
Differentialgleichungen

Inhaltsangabe
35 Einf
uhrung . . . . . . . . . . . . . . . . . . . . . . . . . . 140
36 Differentialgleichungen 1.Ordnung . . . . . . . . . . . . . . 142
37 Die lineare DGL hoherer Ordnung . . . . . . . . . . . . . . 151

139

IX 35. EINFUHRUNG 140

35 Einf
uhrung

Beispiel: Zerfallsprozesse (z.B. Atomkerne radioaktiver Isotope, chemische Reak-


tionen, die durch den Zerfall eines Molek
uls initiiert werden (SN 1, E1 -Mechanismen))

Betrachtet man ein kleines Zeitintervall, so ist die Anzahl der in diesen Zeitintervall
zerfallenden Teilchen proportional zur Lange des Zeitintervalls

N t

und zur Anzahl der vorhandenen Spezies

N N

Damit folgt:

N = k N t , k: Raten- oder Geschwindigkeitskonstante des Zerfalls


N
= k N
t

Die Uberlegung gilt f
ur den Grenzfall kleiner Zeitintervalle, also
N dN (t)
lim = = k N (t)
t0 t dt


Die Uberlegung ergibt eine Differentialgleichung, die die Ableitung der Teil-
chenzahl bez
uglich der Zeit mit der Teilchenzahl in Beziehung setzt:
dN (t)
= k N (t)
dt
Integration ergibt:
1 dN (t)
= k
N (t) dt
Z Z
1 dN (t)
dt = k dt
N (t) dt
Z
1
dN = kt + c
N
ln(N (t)) = kt + c (f
ur N > 0)
N (t) = ekt+c
N (t) = c ekt

Aus der Anfangs


uberlegung folgt also, da die Teilchenzahl durch eine Funktion
der Form
N (t) = c ekt

IX 35. EINFUHRUNG 141

beschrieben wird. Diese Funktion enthalt eine unbestimmte Konstante, die von
der Integration herr
uhrt. Man bezeichnet eine solche Konstante als Integrations-
konstante. Die Funktion wird als allgemeine L osung der Differentialgleichung
bezeichnet.

Um die Integrationskonstante zu bestimmen und die Funktion eindeutig zu cha-


rakterisieren, mu man z.B. den Funktionswert zu einem bestimmten Zeitpunkt
kennen. Gibt man die Anfangsbedingung

N (0) = N0 c = N0

vor, so ergibt sich die spezielle L


osung der Differentialgleichung

N (t) = N0 ekt .
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 142

36 Differentialgleichungen 1.Ordnung

dy
= f (y, x) explizite Differentialgleichung 1. Ordnung
dx
dy
0 = f ( , y, x) implizite Differentialgleichung 1. Ordnung
dx
(Anmerkung: Hier ist f eine Funktion mehrerer Variablen genaue Behandlung
im zweiten Teil der Vorlesung)

Im folgenden wollen wir uns hauptsachlich auf explizite DGLs beschranken.


Wie bei der Integration ist die Bestimmung der Losung von DGLs im allgemeinen
Fall nicht systematisch moglich. Die folgende Diskussion wird sich also auf eini-
ge spezielle DGLs beschranken, fur die systematisch Losungen erhalten werden
konnen.

Bedingungen f ur die Existenz von Losungen sind eingehend untersucht worden. F ur


die im Bereich der Chemie typischerweise relevanten DGLs ergeben sich keine Pro-
dy
bleme. Bei geeignet vorgegebener Anfangsbedingung ist dx = f (y, x) losbar, wenn
f im relevanten Bereich stetig und nach y differenzierbar ist. Der Satz von Pickard
und Lindeloff formuliert sogar noch schwachere Bedingungen f ur die Losbarkeit.
Hier soll auf diese Satze nicht weiter eingegangen werden, da die Theorie von
Funktionen mit mehreren Variablen noch nicht behandelt wurde.

F
ur DGLs welche nicht analytisch gelost werden konnen existiert immer noch
die Moglichkeit einer numerischen Naherungslosung, z.B. mit dem RungeKutta
Verfahren. Diese Verfahren, wie auch die qualitative Theorie der DGL, beruhen
auf einer geometrischen Interpretation der expliziten DGL erster Ordnung

y = f (x, y) (36.1)

F
ur eine Losung y(x) auf dem Intervall I ist definitionsgema

y (x) = f (x, y(x)) f


ur alle x I,

die Steigung y (x) der Losungskurve y = y(x) wird also in jedem ihrer Punkte
(x, y(x)) gegeben durch f (x, y(x)). Grob anschaulich konnen wir diese Tatsache so
interpretieren: Ist die Losungskurve im Punkt (x, y) angekommen, so wird sie
dort mit der Steigung f (x, y) weitergeschickt. Die Differentialgleichung (36.1)
dirigiert gewissermaen die Losungskurve mittels standiger Richtungsanweisun-
gen von ihrem Anfangs- zu ihrem Endpunkt. Eine Richtungsanweisung im Punkt
(x, y) konnen wir uns veranschaulichen, indem wir durch diesen Punkt ein kleines
Geradenst uck mit der dort vorgeschriebenen Steigung f (x, y) legen. Eine solche
Konfiguration nennen wir ein Linienelement. Die Gesamtheit der Linienelemen-
te der DGL (36.1) heit ihr Richtungsfeld. Abb. (IX.1) deutet das Richtungsfeld
von y = x + y an. Eine Losungskurve y = y(x) lauft so durch das Richtungsfeld,
da das Geradenst uck des Linienelementes in jedem Punkt (x, y(x)) tangential
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 143

-1
-1 0 1
Abb. IX.1: Richtungsfeld der DGL y = x + y und L
osung y = ex x 1 zum Anfangs-
wertproblem mit y(0) = 0.

zu ihr ist. Man sagt auch, die Losungskurve passe auf das Richtungsfeld. Das
Anfangswertproblem
y = f (x, y), y(x0 ) = y0 (36.2)
zu losen, bedeutet in dieser Sprechweise, eine Kurve zu finden, die vom Punkt
(x0 , y0 ) ausgeht und in ihrem ganzen Verlauf auf das Richtungsfeld pat.

L
osungsschemata f
ur DGL

1. Separierbare DGL

dy
= f (y) g(x)
dx
1 dy
= g(x) (f (y) 6= 0)
f (y) dx
Z Z
1 dy
dx = g(x) dx
f (y) dx
Z Z
1
dy = g(x) dx
f (y)
Dieses Verfahren bezeichnet man als Separation der Variablen, da alle y-
abhangigen Terme auf die linke und alle x-abhangigen Terme auf die rechte Seite
gebracht wurden. Auflosung der Gleichung
Z Z
dy
= g(x) dx + C (36.3)
f (y)
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 144

nach y und Anpassung der Integrationskonstante C an die Anfangsbedingung y0 =


y(x0 ) lost das zugehorige Anfangswertproblem.

Beispiel: y = ay 2 + by + c
Z Z
dy
Separation: 2
= dx + C = x + C (36.4)
ay + by + c

Integration durch Partialbruchzerlegung und Fallunterscheidung mit D = b2 4ac:

1. D < 0: P (y) = ay + by + c besitzt keine reelle Wurzel


Z
dy 2 2ay + b
2
= arctan =x+C
ay + by + c D D
auflosen nach y:
  
1 D
y(x) = b + D tan x+C
2a 2

2. D = 0: P (y) besitzt eine relle Wurzel = b/(2a)


Z
dy 2 1 1
2
= = =x+C
ay + by + c 2ay + b a y
auflosen nach y:
1
y(x) =
ax + C
3. D > 0: P (y) besitzt zwei verschiedene reelle Wurzeln ,
Z
dy 1 y +
= ln =x+C
ay 2 + by + c D y +
auflosen nach y:
C e Dx
y(x) =
1 C e Dx

2. Lineare DGL

dy
= g(x) y linear homogen
dx
dy
= g(x) y + h(x) linear inhomogen (36.5)
dx
Die Funktion h(x) wird auch St
orfunktion oder Inhomogenitat genannt.
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 145

Losungsschema:
1. Schritt: Losung der homogenen DGL durch Separation der Variablen
dy
= g(x) y
dx Z Z
1
dy = g(x) dx
y
Z
ln(y) = g(x) dx
R
Sei G(x) eine Stammfunktion von g(x), g(x) dx = G(x) + c . Die allgemeine
Losung der linear homogenen DGL ist dann
ln(y) = G(x) + c y = c eG(x)

2.Schritt: Die inhomogene DGL behandelt man mittels des Ansatzes:


y(x) = f (x) eG(x)
Dieses Verfahren bezeichnet man als Variation der Konstanten, da hier die
Integrationskonstante der entsprechenden homogenen DGL durch eine Funktion
ersetzt wird. Einsetzen des Ansatzes in die DGL ergibt:
dy
= g(x) y + h(x)
dx
d 
f (x) eG(x) = g(x) f (x) eG(x) + h(x)
dx
df G(x)
e + f (x) g(x) eG(x) = g(x) f (x) eG(x) + h(x)
dx
df G(x)
e = h(x)
dx

Diese DGL lat sich durch Separation der Variablen integrieren:


df
= h(x) eG(x)
dx Z Z
df = h(x) eG(x) dx
Z
f (x) = h(x) eG(x) dx

Es ergibt sich also die allgemeine L osung der linear inhomogenen DGL:
Z
y(x) = e G(x)
h(x)eG(x) dx

3. Methode der unbestimmenten Koeffizienten


Die bei der Variationsmethode anfallenden Integrationen konnen mitunter absto-
end aufwendig und oft genug sogar (elementar) unausf uhrbar sein. Gl
ucklicher-
weise kann man aber gelegentlich und gerade in praktisch besonders wichtigen
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 146

Fallen durch spezielle Ans atze, die der besonderen Bauart der Storfunktion
Rechnung tragen, den lastigen Integrationen vollig aus dem Weg gehen. Wir stel-
len hier eine n
utzliche Ansatzliste f
ur den Fall zusammen, da der Koeffizient g(x)
in (36.5) in Wirklichkeit gar nicht veranderlich, sondern eine Konstante g ist.

Storfunktion h(x) Ansatz f


ur eine partikulare Losung yp
b0 + b1 x + + bm xm  A0 + A1 x + + Am xm , falls g 6= 0
b0 + b1 x + + bm xm eax A0 + A1 x + + Am xm eax , falls g 6= a
 x A0 + A1 x + + Am xm eax , falls g = a
b0 + b1 x + + bm xm  sin bx A0 + A1 x + + Am xm cos  bx
b0 + b1 x + + bm xm cos bx m
+ B0 + B1 x + + Bm x sin bx
jeweils: b 6= 0  
b0 + b1 x + + bm xm eax sin bx A0 + A1 x + + Am xm eax cos bx
b0 + b1 x + + bm xm eax cos bx + B0 + B1 x + + Bm xm eax sin bx
jeweils: b 6= 0

Man sieht, da die Losungsansatze den Storfunktionen immer gleichartig sind.


Das Losungsverfahren selbst besteht einfach darin, mit dem Ansatz fur yp in die
inhomogene DGL einzugehen und die Koeffizienten Ak , Bk durch Koeffizientenver-
gleich zu bestimmen. Die allgemeine Losung der inhomogenen DGL (36.5) wird
dann erhalten als Summe dieser partikularen Losung und der allgemeinen Losung
der zugehorigen homogenen DGL, d.h. y = C exp(g x) + yp .

4. Die exakte DGL


Die Differentialgleichungen der Form
dy
P (x, y) + Q(x, y) =0 (36.6)
dx
und
dx
P (x, y) + Q(x, y) = 0 (36.7)
dy
mit irgendwelchen reellwertigen Funktionen P, Q, die auf einem Rechteck R der
xyEbene definiert sind konnen formal zu der Gleichung
P (x, y)dx + Q(x, y)dy = 0 (36.8)
zusammengefat werden aus der wir (36.6) und (36.7) mittels Division durch dx
bzw. dy erhalten konnen. Die Gleichung (36.8) soll als Aufforderung verstanden
werden, (36.6) durch eine Funktion y(x) oder (36.7) durch eine Funktion x(y) zu
losen.

Wenn eine Funktion F (x, y) existiert, f


ur welche
P = Fx und Q = Fy auf R (36.9)
gilt, so nennen wir (36.8) eine exakte DGL und F eine Stammfunktion. Die Sym-
bole Fx und Fy bedeuten, da wir F formal nach x bzw. nach y ableiten und
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 147

dabei jeweils die andere Variable wie eine Konstante behandeln (siehe: partielle
Ableitungen im 2. Semester).

Wie wir im 2. Semester sehen werden (Satz von Schwartz) ist dies der Fall, wenn
gilt
Py = Qx (36.10)
und damit existiert sicher eine Funktion F (x, y) welche den Gleichungen (36.9)
gehorcht. Wegen der ersten Gleichung mu
Z
F (x, y) = P (x, y)dx + (y) (36.11)

mit einer differenzierbaren Funktion (y). Die Funktion (y) ist hier die Integra-
tionskonstante, d.h. eine nicht mehr von der Integrationsvariablen x abhangige
Groe. Aus (36.11) und der zweiten Gleichung in (36.9) folgt nun
Z
d
P (x, y)dx + (y) = Q(x, y)
y dy
Z
d
also (y) = Q(x, y) P (x, y)dx
dy y

woraus man durch nochmalige unbestimmte Integration (y) gewinnt und damit
schlielich auch F (x, y) erhalt. Das Anfangswertproblem y(x0 ) = y0 losen wir,
indem wir
F (x, y) = F (x0 , y0 ) (36.12)
setzen und die Gleichung nach y auflosen. Dies ist allerdings nur dann moglich,
wenn Q(x0 , y0 ) 6= 0 ist. Sollte die Auflosung von (36.12) nach y nicht moglich sein,
andererseits aber die Auflosung nach x und P (x0 , y0 ) 6= 0), dann erhalten wir die
Umkehrfunktion x(y) unserer gesuchten Losung.

Lat sich (36.12) weder nach x noch nach y auflosen, so lassen wir (36.12) stehen
und sprechen davon, da die Losung implizit durch diese Gleichung gegeben ist.

5. Integrierende Faktoren
Ist die DGL
P (x, y)dx + Q(x, y)dy = 0
nicht exakt, so kann man versuchen, sie durch Multiplikation mit einer auf dem
Rechteck R nirgends verschwindenden Funktion M (x, y) 6= 0 zu einer exakten
Gleichung
M (x, y)P (x, y)dx + M (x, y)Q(x, y)dy = 0 (36.13)
zu machen. Eine derartige Funktion M nennt man einen integrierenden Faktor oder
Eulerschen Multiplikator. Damit (36.13) mu gelten (Existenz der entsprechenden
Ableitungen vorausgesetzt):


(M P ) = (M Q) (36.14)
y x
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 148

Gl
ucklicherweise benotigen wir nicht alle Losungen dieser partiellen DGL sondern
nur irgendeine. Deshalb wird man versuchen, besonders einfache Losungen zu fin-
den, z.B. solche, die nur von einer der beiden Variablen x, y oder nur von speziellen
Kombinationen derselben, etwa von x + y oder xy, abhangen.

Ein wichtiges Beispiel f


ur diese Technik ist die Einf
uhrung der Entropie in der
Thermodynamik mittels des integrierenden Faktors 1/T .

6. Andere Typen von DGLs

Diese konnen teilweise durch geeignete Substitution auf einen der beiden oberen
Typen zuruckgefuhrt werden, so z.B. f
ur die

Bernoullische DGL

u + a(x) u = b(x) un , mit u(x) > 0 falls n nicht ganzzahlig ist. (36.15)

Wir konnen die Falle n = 0, 1 im folgenden ausschlieen, da (36.15) dann linear


ist. Mittels der Substitution

y = u1n , y = u (1 n) un

geht (36.15) in die folgende lineare DGL u


ber

y + (1 n) a(x) y = (1 n) b(x)

welche mit den weiter oben angef uhrten Methoden gelost werden kann. R
uckwarts-
substitution liefert die Losung der Bernoullischen DGL.
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 149

Beispiel: Kinetik 2.Ordnung bei bimolekularen Reaktionen A + B C + D

a, b, c, d seien die Konzentrationen von A, B, C, D


da db dc dd
= = = =kab
dt dt dt dt
F
ur jedes Molek
ul A reagiert auch ein Molek
ul B:
b(0) b(t) = a(0) a(t) b(t) = b(0) a(0) + a(t)
Damit ergibt sich die DGL:
da
= k a(t) (b0 a0 + a(t))
dt
also eine Anwendung von (36.4). Wir wollen die Losung hier allerdings noch einmal
explizit herleiten.

Losung der DGL durch Separation:


1 1 da
= k
a(t) (b0 a0 + a(t)) dt
Z Z
1 1
da = k dt
a b 0 a0 + a

Partialbruchzerlegung (b0 a0 6= 0):


1 1 c1 c2
= +
a b 0 a0 + a a b 0 a0 + a

1 = c1 (b0 a0 + a) + c2 a = c1 (b0 a0 ) + a (c1 + c2 )


c1 + c2 = 0 , c1 (b0 a0 ) = 1
1
c2 = c1 , c1 =
b 0 a0
 
1 1 1 1 1
=
a b 0 a0 + a b 0 a0 a b 0 a0 + a
Einsetzen:
Z Z
1 1 1
da = k dt
b 0 a0 a b 0 a0 + a
1
(ln(a) ln(b0 a0 + a)) = k t + c
b 0 a0
 
a
ln = (b0 a0 ) k t + c
b 0 a0 + a
a
= c e(b0 a0 )kt
b 0 a0 + a
a = c e(b0 a0 )kt (b0 a0 + a)

a 1 c e(b0 a0 )kt = c (b0 a0 ) e(b0 a0 )kt
IX 36. DIFFERENTIALGLEICHUNGEN 1.ORDNUNG 150

Allgemeine Losung der DGL:


c (b0 a0 ) e(b0 a0 )kt
a(t) =
1 c e(b0 a0 )kt

Anfangsbedingung: a(0) = a0
c (b0 a0 ) a0
a0 = a0 (1 c) = c (b0 a0 ) c=
1c b0

Spezielle Losung der DGL (f


ur b0 6= a0 ):
b0 a0
a0 b0
e(b0 a0 )kt
a(t) =
1 ab00 e(b0 a0 )kt

Spezialfalle:
b 0 a0
  
a

a0 1 b 0 b0 kt
a0 1 b0
e 0 
a0

b0 kt
a(t) =   a(t) = a0 e +O
a0
a
1 b 0 b0 kt b0
1 b0
e 0

da
Kinetik erster Ordnung: = (k b0 ) a
dt

b 0 = a0 :

Grenzwertbetrachtung fu r a0 b 0
 
b0 a0 (b0 a0 )kt
Zahler: lim a0 e =0
a0 b0 b0
 
a0 (b0 a0 )kt
Nenner: lim 1 e =0
a0 b0 b0
Regel von lHospital: Betrachte 1. Ableitung
 
b0 a0 (b0 a0 )kt 1 (b0 a0 )kt b0 a0 (b0 a0 )kt
Zahler: lim e a0 e + k t a0 e = 1
a0 b0 b0 b0 b0
 
1 (b0 a0 )kt a0 (b0 a0 )kt 1
Nenner: lim e kt e = kt
a0 b0 b0 b0 b0

Damit folgt:
1 1 1
lim a(t) = = =
a0 b0 b10 kt kt+ 1
b0
kt+ 1
a0

IX 37. DIE LINEARE DGL HOHERER ORDNUNG 151

37 Die lineare DGL zweiter und h oherer Ord-


nung mit konstanten Koeffizienten

37.1 Die lineare DGL zweiter Ordnung

Die Beschreibung der Schwingung eines Federpendels f


uhrt im allgemeinen Fall
auf eine DGL der Form
u + au + bu = s(t) a, b R (37.1)
die eine zweite Ableitung der gesuchten Funktion u(t) nach der unabhangigen
Variable t enthalt. Gleichung (37.1) nennen wir die inhomogene lineare Differenti-
algleichung zweiter Ordnung, die Funktion s(t) heit Storfunktion. Die Gleichung
u + au + bu = 0 (37.2)
wird die zu (37.1) gehorende homogene DGL genannt. Wir werden zunachst diese
homogene Gleichung in Form des Anfangswertproblems
u + au + bu = 0, u(t0 ) = u0 , u (t0 ) = u0 (37.3)
behandeln.
Gleichung (37.2) besitzt immer die triviale Losung u(t) = 0. Sind also u1 , u2 , . . . , um
irgendwelche Losungen von (37.2) so wird auch jede Linearkombination c1 u1 (t) +
+ cm um (t) wieder eine Losung sein. Diese Tatsache bezeichnet man als das Su-
perpositionsprinzip. Auerdem gilt, da das Anfangswertproblem (37.3) auf jedem
Intervall welches t0 enthalt hochstens eine Losung besitzt. Wenn wir diese Losung
finden, dann wissen wir also auch, da sie eindeutig bestimmt ist.
Nun wenden wir uns der Frage zu, ob (37.3) u
berhaupt Losungen besitzt. Dazu
gehen wir vom Eulerschen Ansatz
u(t) = et , ( eine zunachst freie Konstante) (37.4)
aus, den wir in (37.2) einsetzen. Wir erhalten so (2 + a + b) exp(t) und sehen,
da die Funktion exp(t) sicher dann ein Losung von (37.2) sein wird, wenn eine
Losung der charakteristischen Gleichung
2 + a + b = 0 (37.5)
ist. Das linksstehende Polynom heit das charakteristische Polynom der DGL
(37.2). Wir erhalten es formal, indem man u(k) durch k ersetzt (k = 0, 1, 2).
Die Losungen 1 , 2 der quadratischen Gleichung (37.5) werden je nach Vorzeichen
der Diskriminante
= a2 4b (37.6)
bekanntlich durch die folgenden Formeln gegeben

(a )/2,
falls > 0
1,2 = a/2, falls = 0 (37.7)


(a i )/2, falls < 0

IX 37. DIE LINEARE DGL HOHERER ORDNUNG 152

Wir betrachten diese drei Falle im folgenden etwas genauer:

1. > 0: zwei verschiedene reelle Wurzeln 1 , 2 von (37.7)


In diesem Fall sind die Funktionen e1 t und e2 t , also nach dem Superpositi-
onsprinzip auch alle Funktionen

u(t) = C1 e1 t + C2 e2 t (37.8)

auf ganz R definierte Losungen von (37.2). Das Anfangswertproblem (37.3)


ist losbar durch geeignete Wahl der Konstanten C1 , C2 :

u(t0 ) = u0 = C1 e1 t0 + C2 e2 t0
0 ) = u 0 = C1 1 e1 t0 + C2 2 e2 t0
u(t (37.9)

2. = 0: eine reelle Doppelwurzel 1 = 2 von (37.7)


In diesem Fall ist neben e1 t auch te1 t eine auf ganz R definierte Losung von
(37.2), also nach dem Superpositionsprinzip auch alle Funktionen

u(t) = C1 e1 t + C2 te1 t (37.10)

Das Anfangswertproblem (37.3) kann wie oben durch geeignete Wahl von
C1 , C2 gelost werden.

3. < 0: zwei verschiedene konjugiert komplexe Wurzeln 1 , 2 = 1 von (37.7)


Dies entspricht genau dem ersten Fall nur da wir nun die komplexe Ex-
ponentialfunktion benotigen und i.a. eine komplexe Losung u(t) erhalten.
Die reelle Losung des Anfangswertproblems (37.3) ist durch den Realteil
v(t) = Re u(t) gegeben. Unter Verwendung der Zerlegungen 1 = + i und
2 = i, sieht man, da sich v(t) auf die Form

v(t) = et (C1 cos t + C2 sin t) , C1 , C2 R (37.11)

bringen lat. Das reelle Anfangswertproblem (37.3) kann wie oben durch
geeignete Wahl von C1 , C2 gelost werden.

37.2 Die homogene lineare DGL nter Ordnung mit kon-


stanten Koeffizienten

Die reelle homogene lineare DGL nter Ordnung mit konstanten Koeffizienten

u(n) + an1 u(n1) + + a1 u + a0 u = 0, ak R (37.12)

wird mit derselben Methode wie die DGL 2. Ordnung (37.2) gelost. Einsetzen
des Eulerschen Ansatz (37.4) f
uhrt nun auf ein charakteristisches Polynom nter
Ordnung
n + an1 n1 + + a1 + a0 = 0 (37.13)

IX 37. DIE LINEARE DGL HOHERER ORDNUNG 153

welches insgesamt n Nullstellen besitzt die entweder reell sind oder in konjugiert
komplexen Paaren auftreten.
Die allgemeine reelle Losung der homogenen DGL (37.12) wird dann wie folgt
erhalten:

1. Jede fache reelle Nullstelle r von (37.13) erzeugt die reellen Losungen:
ert , t ert , . . . , t1 ert

2. Jedes fache komplexe Nullstellenpaar i erzeugt die 2 reellen Losun-


gen:
et cos t, t et cos t, . . . , t1 et cos t,
et sin t, t et sin t, . . . , t1 et sin t

3. Diese Konstruktion f uhrt man f


ur alle (verschiedenen) reellen Nullstellen und
konjugierten Nullstellenpaare durch und gewinnt insgesamt n reelle Losungen
u1 , . . . , un der DGL (37.12).
4. Alle reellen Losungen erhalt man nun in der Form
C 1 u1 + + C n un (37.14)
wobei die Ck beliebige reelle Zahlen bedeuten d
urfen.

Das reelle Anfangswertproblem


u(n) + an1 u(n1) + + a1 u + a0 u = 0
(n1)
u(t0 ) = u0 , u (t0 ) = u0 , ..., u(n1) (t0 ) = u0 (37.15)
f
uhrt durch Einsetzen der n Bedingungen (37.15) in die DGL auf ein lineares Glei-
chungssystem zur Bestimmung der Koeffizienten Ck der allgemeinen Losungsfunk-
tion (37.14). Methoden zur allgemeinen Losung solcher Gleichungssysteme werden
wir in Abschnitt 43 behandeln.

37.3 Die inhomogene lineare DGL h


oherer Ordnung

Alle reellen Losungen der inhomogenen DGL (von der die inhomogene DGL zweiter
Ordnung (37.1) ein einfacher Spezialfall ist)
u(n) +an1 u(n1) + +a1 u +a0 u = s(t), ak R, mit Storfunktion s(t), (37.16)
erhalten wir, indem wir zur allgemeinen Losung der zugehorigen homogenen DGL
(37.12) irgendeine feste partikulare Losung up (t) von (37.16) addieren, kurz:

allgemeine Losung der inhomogenen Gleichung =


partikulare Losung der inhomogenen Gleichung +
allgemeine Losung der zugehorigen homogenen Gleichung

IX 37. DIE LINEARE DGL HOHERER ORDNUNG 154

Da wir mit (37.14) die allgemeine Losung der zugehorigen homogenen Gleichung
besitzen, m
ussen wir uns nur noch irgendwie eine partikulare Losung der inhomo-
genen Gleichung besorgen. Im allgemeinen gibt es hierzu drei Methoden:

1. die Variation der Konstanten, wie bei den DGL erster Ordnung,

2. die Methode der Laplacetransformation, die sich in den Ingenieurswissen-


schaften groer Beliebtheit erfreut, und

3. spezielle Ansatze f
ur einige Klassen von Storfunktionen s(t).

Wir wollen hier nur den letzen Fall betrachten, da die Variation der Konstanten
zwar prinzipiell f
ur stetige s(t) immer eine Losung liefert, in der Praxis aber schnell
rechentechnisch zu aufwendig wird, und wir die Laplacetransformation nicht be-
handelt haben.
Wir verallgemeinern hier die Methode der unbestimmten Koeffizienten, welche
wir schon bei den DGL erster Ordnung kennengelernt hatten. Die Storfunktionen
s(t), welche wir in der Tabelle auf Seite 146 aufgelistet hatten sind alle von der
allgemeinen Form
(
 cos t
s(t) = b0 + b1 t + + bm tm et (37.17)
sin t

wobei die einfacheren Storfunktionen den Fallen = 0 und/oder = 0 entspre-


chen. Wenn wir mit p das charakteristische Polynom der DGL (37.12) bezeichnen,
dann erhalten wir eine partikulare Losung up mittels des Ansatzes:
   
up (t) = A0 + A1 t + + Am tm cos t + B0 + B1 t + + Bm tm sin t et
falls p( + i) 6= 0

bzw.
   
up (t) = t A0 + A1 t + + Am tm cos t + B0 + B1 t + + Bm tm sin t et
falls ( + i) fache Nullstelle von p

Einsetzen des Ansatzes f


ur up in (37.16) fuhrt auf ein lineares Gleichungssystem
zur Bestimmung der Koeffizienten Ak , Bk .
Kapitel X

Vektorrechnung und Geometrie

Inhaltsangabe
38 uhrung, Vektoren in R2 und R3 . . . . . . . . . . . . . 156
Einf
39 Geraden und Ebenen in R2 und R3 . . . . . . . . . . . . . 163

155

X 38. EINFUHRUNG, VEKTOREN IN R2 UND R3 156

38 uhrung, Vektoren in R2 und R3


Einf
Ein Punkt auf einer Geraden kann durch eine Zahl beschrieben werden (z.B. Dar-
stellung von R als Zahlengerade). Zwei Zahlen (x, y) bestimmen einen Punkt in der
Ebene (z.B. Real und Imaginarteil in C). Analog kann ein Punkt im dreidimen-
sionalen Euklidischen Raum durch ein Zahlentripel (x, y, z) beschrieben werden.
Anstelle von (x, y, z) kann man auch (x1 , x2 , x3 ) schreiben.
Wir konnen also eine einzelne Zahl als einen Punkt in einem eindimensionalen
Raum, ein Zahlenpaar als einen Punkt in einem zweidimsionalen Raum und ein
Zahlentripel als einen Punkt in einem dreidimsionalen Raum auffassen. Dieses
Konzept lat sich systematisch auf beliebige Dimensionen n erweitern. Punk-
te in diesen ndimensionalen Raumen werden dann durch nTupel von Zahlen
(x1 , x2 , . . . , xn ) beschrieben. In diesem Kapitel werden wir uns zunachst mit den
Raumen der Dimensionen n = 1, 2, 3 beschaftigen und die reellen Zahlen R zu-
grunde legen. Die entsprechenden Raume werden mit R, R2 und R3 bezeichnet
und entsprechen unserer geometrischen Anschauung. Die Verallgemeinerung auf
abstrakte Raume und C als zugrunde liegenden Zahlkorper (zur Definition siehe
Abschnitt 5) erfolgt dann in Kapitel XI.
Geometrische Vektoren sind gerichtete Groen. Sie sind durch L ange (Norm,
Betrag) und Richtung gekennzeichnet. Ein Vektor v kann durch die Angabe

zweier Punkte P (Anfangspunkt) und Q (Endpunkt) bestimmt werden: v = P Q.
Alle Vektoren die durch Parallelverschiebung (Abb. X.1) ineinander uberf
uhrt wer-
den konnen (gleiche Lange und Richtung) sind aquivalent und werden miteinander
identifiziert.
In einem Kartesischen Koordinatensystem kann man einen Vektor v daher
stets so parallel verschieben, da sein Anfangspunkt im Koordinatenursprung O
liegt. Dieser spezielle Reprasentant f
ur v wird als Ortsvektor bezeichnet und ist
allein durch seinen Endpunkt Q = (q1 , q2 , . . . , qn ) gekennzeichnet

v1
v2


v = OQ = .. wobei: vi = qi f ur alle i = 1, . . . n (38.1)
.
vn

Die vi heien hierbei die Koordinaten (Komponenten) des Vektors v. Zwei


Vektoren sind gleich, wenn sie in Richtung und Lange u
bereinstimmen oder wenn
sie gleiche Koordinaten besitzen.
Die Vektoraddition und die Skalarmultiplikation (Multiplikation mit einer
Zahl aus R oder C) werden komponentenweise durchgef
uhrt. Man hat also:

v1 + w 1 v1
v2 + w 2 v2

v + w := .. und v := .. mit R oder C (38.2)
. .
vn + w n vn

X 38. EINFUHRUNG, VEKTOREN IN R2 UND R3 157

z
v v v3
v
y
v x v2
v1

Abb. X.1: Aquivalente Vektoren Abb. X.2: Vektoren in R3

Der spezielle Vektor


0
0

0 = .. (38.3)
.
0
heit Nullvektor und es gilt f
ur beliebige Vektoren v:

v+0=v (38.4)

Der zu v inverse Vektor besitzt die gleiche Lange wie v und zeigt in die entgegen-
gesetzte Richtung
v = (1) v (38.5)

Nach dem Satz von Pythagorasp ergibt sich f


ur die Euklidische Norm (Lange)
3 2 2 2
ur v Rn :
eines Vektors v R : kvk2 = v1 + v2 + v3 . Analog definiert man f
v
u n
uX
kvk2 = t vi2 (38.6)
i=1

Die geometrischen Anforderungen an ein Langenma f


uhren zur
Definition 38.1 (NormAxiome)
1. kvk 0
2. kvk = 0 v = 0
3. kvk = || kvk
4. kv + wk kvk + kwk (Dreiecksungleichung)

Die Euklidische Norm ist nicht die einzige Norm, die diese Axiome erf
ullt. Beispiele
n
f
ur weitere wichtige Normen fur den R sind:

kvk := max{|v1 |, . . . , |vn |} Maximumsnorm (38.7)


n
X
kvk1 := |vi | Betragssummennorm (38.8)
i=1

X 38. EINFUHRUNG, VEKTOREN IN R2 UND R3 158

v v+w
v
w z
hv| zi hw| zi
a. kvk2 cos b. kzk2 kzk2

Abb. X.3: Skalarprodukt

Die Frage nach dem Winkel zwischen zwei Vektoren f


uhrt zum Begriff des Ska-
larproduktes (wird auch als inneres Produkt bezeichnet):
ur Vektoren v, w des R3 \{0} heit
F

hv | wi = kvk2 kwk2 cos((v, w)) (38.9)

das (Euklidische) Skalarprodukt von v und w. F


ur v = 0 oder w = 0 setzt man
hv | wi = 0.
Das Skalarprodukt erlaubt es uns Winkel zu messen und Projektionen zu defi-
nieren. Die (vorzeichenbehaftete) Lange der Projektion des Vektors v auf den
Vektor w (w 6= 0) ist gegeben durch (Abb. X.3.a)

hv | wi
= kvk2 cos((v, w)) (38.10)
kwk2

Zwei Vektoren v, w sind orthogonal, wenn gilt

v w hv | wi = 0. (38.11)

Das Skalarprodukt erweist sich als derart bedeutend, da auch seine Eigenschaften
axiomatisch gefat werden:

Definition 38.2 (Skalarprodukt)


1. hv | wi = hw | vi

2. hv | wi = hv | wi

3. hv + w | zi = hv | zi + hw | zi

4. hv | vi 0 und hv | vi = 0 v = 0

F uhrte Skalarprodukt in R3 konnen wir uns leicht davon


ur das in (38.10) eingef
u
berzeugen, da es die Axiome erfullt. Bedingungen 1 und 2 folgen aus den Eigen-
schaften des Kosinus: cos(2) = cos und cos() = cos . Die Additivitat
(Bedingung 3) folgt geometrisch aus der Additivitat der Projektionen (siehe Abb.
X.3.b).

X 38. EINFUHRUNG, VEKTOREN IN R2 UND R3 159

Mit Hilfe der Axiome f ur das Skalarprodukt lat sich hv | wi durch die Koordinaten
vi , wi ausdr
ucken. Seien dazu die Einheitsvektoren e1 , e2 , e3 gegeben durch

1 0 0
e1 = 0 , e2 = 1 , e3 = 0
(38.12)
0 0 1
P3 P
Dann ist: v = i=1vi ei , w = 3i=1 wi ei und somit
* 3 3
+ 3 X3
X X X
hv | wi = vi ei w i ei = vi wj hei | ej i (38.13)
i=1 i=1 i=1 j=1

Schlielich folgt wegen


(
1 f
ur i = j
hei | ej i = ij = (38.14)
0 f
ur i =
6 j
3
X
hv | wi = vi w i (38.15)
i=1

Hier haben wir das KroneckerSymbol ij eingef


uhrt.
Durch ein Skalarprodukt ist auch eine Norm definiert mittels
p
kvk = hv | vi (38.16)

Zwischen dieser durch das Skalarprodukt induzierten Norm und dem Skalar-
produkt besteht eine wichtige Beziehung:

Satz 38.1 (CauchySchwarzsche Ungleichung)

|hv | wi| kvk kwk (38.17)

Beweis:
Fur den R3 und das StandardSkalarprodukt ist dies klar, da cos 1. F
ur ein
allgemeines Skalarprodukt schliet man folgendermaen: Fur beliebige Skalare
und gilt:

hv + w | v + wi 0
2 hv | vi + 2 hw | wi + 2 hv | wi 0
2 kvk 2 + 2 kwk 2 + 2 hv | wi 0

Sei nun = kwk und = kvk

2kvk 2 kwk 2 2kvkkwk hv | wi


kvkkwk hv | wi

X 38. EINFUHRUNG, VEKTOREN IN R2 UND R3 160

ur Vektoren im R3 existieren noch weitere Produkte mehrerer Vektoren mit geo-


F
metrischer Bedeutung, namlich das Kreuzprodukt und das Spatprodukt.
Das Kreuzprodukt (Vektorprodukt, aueres Produkt) v w zweier Vek-
3
toren v, w R wird durch folgende Eigenschaften (eindeutig) bestimmt (Abb.
X.4):

1. kv wk2 = kvk2 kwk2 |sin((v, w))|

2. v w steht senkrecht auf v und w

3. Die Vektoren (v, w, v w) bilden ein Rechtssystem

Ein Rechtssystem ist durch die Rechte-Hand-Regel festgelegt: Weist der Dau-
men der rechten Hand in Richtung von v, der Zeigefinger in Richtung von w, so
weist der Mittelfinger in Richtung von v w.
Rechtssysteme sind in der Physik von groer Bedeutung (z.B. Drehmoment, Elek-
trodynamik).
Das Vektorprodukt hat folgende Eigenschaften:

1. v w = (w v)

2. (v) w = (v w)

3. v (w + z) = v w + v z

Mit Hilfe dieser Eigenschaften kann man v w mittels der Koordinaten von v
und w ausdr ucken. Zunachst folgt unmittelbar aus der Definition:

ei ei = 0, i = 1, 2, 3 (38.18)
e1 e2 = e3 , e2 e3 = e1 , e3 e1 = e2 (38.19)

Damit erhalt man:


3
! 3
! 3
X X X
vw = vi ei w i ei = vi wj (ei ej )
i=1 i=1 i,j=1

v2 w 3 v3 w 2
= v3 w 1 v1 w 3 . (38.20)
v1 w 2 v2 w 1

F
ur die Berechnung des Vektorproduktes gibt es eine Rechenhilfe, die auf der
Regel von Sarrus zur Berechnung von 3 3Determinanten basiert (Determi-
nanten werden in Kapitel 42 besprochen). Eine 3 3Determinante ist der dem

X 38. EINFUHRUNG, VEKTOREN IN R2 UND R3 161

vw
vw
z
w
|hvw| zi|
kv wk2 kvwk2 w

v kv wk2
v
Abb. X.4: Vektorprodukt Abb. X.5: Spatprodukt

quadratischen Zahlenschema nach folgender Regel zugeordnete Wert:


a11 a12 a13 a11 a12

+
a11 a12 a13

a21 a22 a23 = a21 a22 a23 a21 a22

a31 a32 a33
+

a31 a32 a33 a31 a32

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


a13 a22 a31 a11 a23 a32 a12 a21 a33 (38.21)

Mit Hilfe der Determinante lat sich das Vektorprodukt v w formal folgender-
maen schreiben:
e1 e2 e3

v w = v1 v2 v3 (38.22)
w 1 w 2 w 3

Zum Rechnen mit dem Vektorprodukt ist haufig der Entwicklungssatz n


utzlich:

v (w z) = hv | zi w hv | wi z (38.23)

Der Entwicklungssatz kann elementar bewiesen werden und zeigt, da das Vektor-
produkt im allgemeinen nicht assoziativ ist.
Unter dem Spatprodukt dreier Vektoren v, w, z R3 versteht man die Zahl

[v, w, z] := hv w | zi . (38.24)

Das Volumen V des von v, w, z aufgespannten Spates (Abb. X.5)

S := {v + w + z|, , [0, 1]}

ist durch |[v, w, z]| gegeben.



X 38. EINFUHRUNG, VEKTOREN IN R2 UND R3 162

F
ur die Berechnung des Spatproduktes kann man auch die Regel von Sarrus ver-

wenden (Beweis als Ubungsaufgabe)

v1 v2 v3

[v, w, z] = w1 w2 w3 (38.25)
z1 z2 z3

Drei Vektoren v, w, z R3 sind genau dann komplanar, wenn [v, w, z] = 0 gilt.


X 39. GERADEN UND EBENEN IN R2 UND R3 163

39 Geraden und Ebenen in R2 und R3


Eine Gerade im R2 bzw. R3 ist durch zwei Punkte A, B mit den Ortsvektoren a,
b festgelegt (Abb. X.6). Der allgemeine Ortsvektor x eines Punktes der Geraden
lautet dann
x = a + (b a), R (39.1)
Gleichung (39.1) heit die Zweipunkteform der Geradengleichung.
Sind ein Punkt A (Ortsvektor a) und ein Richtungsvektor u gegeben, so lautet die
PunktRichtungsform der Geradengleichung

x = a + u, R (39.2)

Eliminiert man in (39.1) bzw. (39.2) den Parameter , so erhalt man

ur den R2 eine Gleichung der Form


1. f

n1 x 1 + n2 x 2 = (39.3)

Varianten dieser Normalform sind

x2 a2 = m(x1 a1 ) PunktSteigungsform (39.4)


x2 = mx1 + n explizite Normalform (39.5)
x1 x2
+ =1 Achsenabschnittsform (39.6)
1 2

ur den R3 zwei Gleichungen der Form


2. f

i x1 + i x2 + i x3 = i , i = 1, 2 (39.7)

Jede dieser Gleichungen beschreibt eine Ebene im R3 . Man hat also die Ge-
rade als Schnitt zweier Ebenen dargestellt.

Die Normalform einer Geraden im R2 lat sich vektoriell auch wie folgt schreiben:
 
n1
hn | xi = 0, n := (39.8)
n2

Ist a Ortsvektor eines (festen) Punktes der Geraden, so gilt zugleich

hn | ai = 0. (39.9)

Subtrahiert man diese beiden Gleichungen voneinander, so erhalt man hn | x ai =


0, d.h., der Vektor n ist ein Normalenvektor der Geraden.
p
Dividiert man (39.8) noch durch knk2 = n21 + n21 , d.h., normiert man den
Normalenvektor auf Lange 1, so erhalt man die Hessesche Normalform der
Geradengleichung (Abb. X.7):

hn0 | xi p = 0, kn0 k2 = 1, p 0 (39.10)


X 39. GERADEN UND EBENEN IN R2 UND R3 164

z
A n0

a ba y p
O
x g
b B
x O
Abb. X.6: Gerade in R3 Abb. X.7: Hessesche Normalform

u B
A
v
C
b
a
c

Abb. X.8: Ebene in R3

Hier ist n0 der vom Ursprung wegweisende Normaleneinheitsvektor und p ist der
Abstand der Geraden vom Ursprung. Setzt man Koordinaten eines beliebigen
Punktes x1 in (39.10) ein
d1 = hn0 | x1 i p
so gibt |d1 | den Abstand des Punktes x1 von der Geraden an. d1 ist positiv, falls
der Punkt x1 und der Ursprung auf verschiedenen Seiten der Geraden liegen.
Eine Ebene in R3 ist durch drei Punkte mit Ortsvektoren a, b und c festgelegt
(Abb. X.8). F
ur einen beliebigen Punkt der Ebene gilt dann die Parameterdarstel-
lung
x = a + (b a) + (c a), , R (39.11)
bzw. mit Richtungsvektoren u = b a und v = c a
x = a + u + v, , R (39.12)
Eliminiert man in (39.11) bzw. (39.12) die Parameter und , so erhalt man die
Normalform der Ebenengleichung

n1
n1 x 1 + n2 x 2 + n3 x 3 = bzw. hn | xi = , n = n2
(39.13)
n3
Wie f
ur die Gerade zeigt man, da n ein Normalenvektor der Ebene ist.
Normiert man diesen wiederum auf Lange 1, so erhalt man die Hessesche Nor-
malform der Ebene
hn0 | xi p = 0, kn0 k2 = 1, p 0. (39.14)
X 39. GERADEN UND EBENEN IN R2 UND R3 165

Wie im Fall der Geraden ist auch hier n0 der vom Ursprung wegweisende Norma-
leneinheitsvektor und p der Abstand der Ebene vom Ursprung. Setzt man Koor-
dinaten eines beliebigen Punktes x1 in (39.14) ein

d1 = hn0 | x1 i p

so gibt |d1 | den Abstand des Punktes x1 von der Ebene an. d1 ist positiv, falls der
Punkt x1 und der Ursprung auf verschiedenen Seiten der Ebene liegen.