You are on page 1of 169

0 Logik und Mengenlehre 1

0.1 L o g ik .................................................................................................................................... 1
0.1.1 V erk n ü p fu n gen .................................................................................................... 1
0.1.2 Die Normalformen ............................................................................................. 4
0.1.3 Schlussregeln ....................................................................................................... 5
0.1.4 Oft benutzte Symbole und Bezeichnungen ................................................... 5
0.2 M engenlehre....................................................................................................................... 5
0.2.1 Symbole und B eg riffe.......................................................................................... 6
0.2.2 Operationen mit M en g en ................................................................................... 6

1 Die natürlichen Zahlen 9


1.1 Das Prinzip der vollständigen Induktion .................................................................. 9
1.1.1 Der Binomische L eh rsatz.................................................................................. 13

2 Das Zahlensystem 17
2.1 Die natürlichen Z a h le n .................................................................................................. 17
2.1.1 Operationen auf N ............................................................................................ 17
2.2 Die ganzen Zahlen ......................................................................................................... 17
2.2.1 Operationen auf Z ............................................................................................ 18
2.2.2 R e ch e n re g e ln ...................................................................................................... 18
2.3 Die rationalen Z a h len ...................................................................................................... 19
2.3.1 Operationen auf Q ............................................................................................ 19
2.4 Ordnungsrelationen auf Z und Q ............................................................................... 21
2.4.1 Ordnungsrelationen auf Z ............................................................................... 21
2.4.2 Ordnungsrelationen auf Q ............................................................................... 22
2.5 Die reellen Z a h len ............................................................................................................ 22
2.6 F o lg e n ................................................................................................................................ 26
2.6.1 Bemerkungen zu konvergenten F olg en ........................................................... 27
2.6.2 Rechnen mit G ren zw erten ............................................................................... 31
2.7 R e ih e n ................................................................................................................................ 36
2.8 Konvergenzkriterien......................................................................................................... 38
2.8.1 Verfeinerung der Vergleichskriterien.............................................................. 45
2.9 Die komplexen Z a h l e n .................................................................................................. 51
2.9.1 Die quadratische Gleichung ........................................................................... 52
2.9.2 Rechnen in C ...................................................................................................... 52
2.10 Folgen in C ...................................................................................................................... 53

3 Funktionen und Stetigkeit 55


3.1Funktionen ....................................................................................................................... 55
Inhaltsverzeichnis

3.2 Stetige F u n k tio n e n ......................................................................................................... 59


3.3 Potenzreihen...................................................................................................................... 65
3.4 Elementare F unktionen.................................................................................................. 67
3.4.1 E xp on en tialfu n k tion ......................................................................................... 67
3.4.2 Die Winkelfunktionen ..................................................................................... 67
3.4.3 Der natürliche L o g a rith m u s ............................................................................ 72
3.4.4 Wurzelziehen in C ............................................................................................ 73
3.4.5 Die Hyperbelfunktionen .................................................................................. 75
3.5 Graphen der elementaren F u n ktion en ........................................................................ 77
3.5.1 Potenz- und W urzelfunktionen........................................................................ 77
3.5.2 Exponential- und Logarithmusfunktionen..................................................... 80
3.5.3 Trigonometrische Funktionen und Arcus-Funktionen................................. 81
3.5.4 H yperbel-Funktionen......................................................................................... 83
3.5.5 Area-Funktionen ............................................................................................... 84
3.6 Grenzwertbegriff für Funktionen.................................................................................. 85

4 D ifferen tia lrech n u n g 87


4.1 Rechenregeln für A b le itu n g e n ..................................................................................... 88
4.1.1 Differentiation von Potenzreihen..................................................................... 92
4.2 Anwendungen der D ifferentialrechnung...................................................................... 93
4.3 Anwendungen der M ittelwertsätze................................................................................ 94
4.3.1 Beweis von U ngleichungen................................................................................ 94
4.3.2 Berechnung von Grenzwerten ........................................................................ 95
4.3.3 Die Taylorsche F o r m e l ..................................................................................... 96
4.3.4 Anwendungen des Satzes von Taylor .......................................................... 99
4.3.5 Kurvendiskussion................................................................................................... 103

5 In teg ralrech n u n g 107


5.1 Das unbestimmte I n t e g r a l................................................................................................107
5.2 Integration rationaler F u n k tion en ...................................................................................110
5.2.1 Bestimmung derPartialbruchzerlegung (Anhand eines Beispiels) . . . . 113
5.2.2 Standard S u bstitu tion en ...................................................................................... 118
5.3 Das bestimmte In tegral...................................................................................................... 122
5.3.1 Eigenschaften von Ober- und U n tersu m m en .................................................. 123
5.3.2 Weitere Aufgaben die auf bestimmte Integrale f ü h r e n ................................... 130
5.4 Uneigentliche In te g ra le ...................................................................................................... 139
5.5 Numerische Berechnung von In teg ra len .........................................................................143

6 D ifferen tia lrech n u n g im M.n 147


6 .1 Stetige Funktionen von Mp nach M6*9 ............................................................................... 147
6 .2 Grenzwerte von F u n k tio n e n .............................................................................................147
6.3 Differenzierbarkeit in mehreren V ariablen......................................................................148
6.4 Der Gradient .......................................................................................................................150
6.5 Funktionen f: Rp —> R 9 ...................................................................................................... 151
6 .6 Höhere Ableitungen und Satz von Taylor für Rp —» R ...............................................153
6.6.1 Höhere A bleitungen................................................................................................153
6.6.2 Der Satz von Taylor .............................................................................................154

2
Inhaltsverzeichnis

6.7 Extremwerte für Funktionen R 2 —>■K . ............................................................................ 155


6.8 Hauptsatz über implizite F u n k tio n e n ............................................................................ 157
6.9 Extremwertaufgaben mit N ebenbedingungen............................................................... 160

Index 164

-1
0 Logik und Mengenlehre

0.1 Logik
Definition 0.1.1. Eine Aussage ist ein Satz, der entweder wahr oder falsch sein kann.

Beispiel 1. p: „Die Hauptstadt von Österreich ist W ien“


q: „Zwei ist eine ungerade Zahl“
r: „Ist zwei eine ungerade Zahl?“
s: „Jede gerade natürliche Zahl 2 ist als Summe zweier Primzahlen darstellbar“
Die Aussage p ist wahr, q ist falsch, r ist keine Aussage und über s weiß man nicht genau. Das
ist die Goldbachsche Vermutung und Goldbach vermutete im 18. Jahrhundert, dass s wahr
sei.

Definition 0.1.2. Eine Aussageform ist eine Aussage, die Variablen enthält.

Beispiel 2. p(x): „x ist eine gerade Zahl“ ;

0.1.1 Verknüpfungen
Aussagen können untereinander verknüpft werden mit:

Konjunktion „A und B “ , „A A B “
ist nur wahr, wenn beide Variablen wahr sind.
A B Aab
W W W
w F F
F W F
F F F
Disjunktion „A oder H “ , „A V B u
ist nur falsch, wenn beide Variablen falsch sind.
A B A V B
W W W
w F W
F W W
F F F
Negation,,nicht“ : „~<A“
A -iA
W F
F W
0 Logik und Mengenlehre

Subjunktion „Wenn A. dann „ A m B"


A A^fB
B
W W W
W F F
F W W
F F W
A W B kann man als (n 4 ) V B umschreiben. Dass die Aussageformen äquivalent sind,
beweist die Wahrheitstafel:
A B /1 m l ? (—'A) V B
Wr W W W
w F F F
F W W W
F F W W

Bijunktion „£> genau dann, wenn A “ : A < > B


ist dann wahr, wenn beide Variablen den gleichen Wahrheitswert haben.
A B A m B
W W W
W F F
F W F
F F W

D efin ition 0.1.3. Eine Tautologie ist eine Aussageform, die unabhängig vom Wahrheitswert
der Variablen immer wahr ist.

B eisp iel 3. 1. A V (VA) ist immer wahr.

2. (A —/ B) m ((->A)) V B) ist immer wahr.

Wenn es sich bei einer Subjunktion um eine Tautologie handelt, schreibt man „=>“ und man
sagt „aus A folgt B “ .
Wenn es sich bei einer Bijunktion um eine Tautologie handelt, schreibt man „<=>“ , und man
sagt „A äquivalent zu B
Folgendes gilt aufgrund der Definition:

1. A V ß ^ ß V A

2. A A B w B A A

3. (A A ß ) A C t t A A ( ß A b )

R ech en reg eln :

1. A V (->A) W

2. A A ( - iA) aa F

3. A A W & A

4. A V W W

2
0.1 Logik

5 . A A F v=v F

6. A v F o A

7. Die Gesetze von De Morgan:


• -■(A A B ) ((-.A) V (-F ))
A B AAB —i(A A B ) -iA -iB (-A ) V ( iß )
W W w F F F F
W F F W F W W
F W F W W F W
F F F W W W W
• ->(A V B ) v=> ((-iA) A (—>5))
A B AvB —'(A V B) - iA W? (^A) A (-'S)
W W W F F F F
W F W F F W F
F W W F W F F
F F F W W W W

8 . Die Distributivgesetze:
• A V ( B A C) AA (A V B) A (A V C)
A B C B A C AW(BAC) AVB AVC (Avß) A (Ave)
W W W W w W W w
W W F F w W w w
w F W F w W w w
w F F F w W w w
F W W W w W w w
F W F F F W F F
F F W F F F W F
F F F F F F F F
• 4 A ( 5 V C ’) ^ ( 4 A g ) V ( 4 A C)
A B C ß V C AA(ßVC) AAB A AG ( A A ß ) V ( AA C)
W W W w W W W W
w W F w w W F w
w F W w w F W w
w F F F F F F F
F W W W F F F F
F W F W F F F F
F F W w F F F F
F F F F F F F F

Wir können die Subjunktion auch mit Hilfe der Disjunktion umschreiben:

A —> B aa ((—iA) V F)

Die Bijunktion kann man mit Hilfe der Konjunktion und Disjunktion umschreiben:

A fy ß o (4 -> ß ) A (ß -)►d)

3
0 Logik und Mengenlehre

u n d das kann m a n w ie o b e n w e ite r u m sch re ib e n :

(A -> B) A (B -> A) ((m 4) V ß ) A ( (- .ß ) V A)

Bemerkung 1. Jede Aussageform kann durch A, V ausgedrückt werden.

0.1.2 Die Normalformen


Wir wollen eine vorgegebene Wahrheitstafel durch A, V erzeugen, (logische Schaltung mit
vorgegebenen Ausgang).

B eisp iel 4. Wir haben drei Leitungen A , B , C (die auch gleichzeitig unsere Variablen sind)
und als Ausgang haben wir G. Es ist bekannt, was für Wahrheitswerte G haben kann. Ge­
sucht wird die Aussageform, die die Variablen verbindet, um den gewünschten Ausgang G zu
erhalten.
A B C G
W W w F
W w F W
w F W F
w F F F
F W W W
F w F F
F F W W
F F F W
Erstmal sc lauen wir, wann G wahr ist. Dann sehen wir, welche Wahrheitswerte die Variablen
in diesen Fällen haben. Jetzt müssen wir überlegen, wie wir sie miteinander verknüpfen, um
eine wahre Aussageform zu erhalten.
Wir sehen uns den ersten Fall an: A ist wahr, B ist wahr und C ist falsch, d. h. um wahr
als Endergebnis zu erhalten, müssen wir sie so verknüpfen:

AA B A (-iC).

Im 2. Fall ist A falsch, B und C wahr

(Wt) A B A C.

Der 3. Fall:
(~1A) A (—iB) A C.
Und im 4. Fall:
(~o4) A (->B) A (-iC ).
Nachdem wir das für alle vier Fälle betrachtet haben, werden diese Aussagenformen mit
„oder“ verknüpft.

G & (A A B A (-.£ ) ) V ((-n4) A B A C) V ((-o4) A (mB) A C) V ((->A) A (--B ) A (--C ))

Auf die letzten 2 Aussageformen können wir gleich das Distributivgesetz anwenden und erhal­
ten dann:

( A A B A (-C )) V ((m 4) A B A C) V ((^ 4 ) A (--B )) A ( C V (-C )).

4
0.2 Mengenlehre

( C V (->(7)) ist immer wahr und kann daher weggelassen werden.


Dadurch ergibt sich

G ^ ( A A B A (-.C)) V ((-.A) A ß A C) V ((-.A ) A (-.ß )).

Dasselbe kann man auch erreichen, wenn man sich an dem Ergebnis „Falsch“ orientiert. Dann
muss man nur die verschiedenen Fälle mit einem A verknüpfen.
Das würde dann so aussehen:

G & ((-Dl) V (n ß ) V (iC )) A ( ( - A ) V B V ( ^C) ) A ((-Dl) V B V C) A (A V (-.£) V C)

Bemerkung 2. Jede Aussageform kann man mit 2 Normalformen ausdrücken:

• konjunktive Normalform: D\ A D 2 A ß 3 A •••A h n; Z?i, ß 2, •••sind Disjunktionen der


Variablen und ihrer Negationen.

• disjunktive Normalform: Ad V K 2 V Ad V •••V K n\ Ad, Ad, ... sind Konjunktionen


der Variablen und ihrer Negationen.

0.1.3 Schlussregeln
Ableitungsregel:
Ü A ( i A ß ) ^ ß

Widerlegungsregel:
(—iß) A (A —> ß ) =4> —iA

Kettenschlussregel:
(J ß ) A ( ß - i C ) =s- (A d C)

Beweis durch Fallunterscheidung:

(A V ß ) A (A -> C) A ( ß - * C) =» C

0.1.4 Oft benutzte Symbole und Bezeichnungen


A =^> ß : „A ist eine hinreichende Bedingung für ß “

B =$> A : „A ist eine notwendige Bedingung für ß “

3 • jjOO O M iöticrt

V : „für alle“

0.2 Mengenlehre
Definition 0 .2 . 1 (G. C A N TO R :). „Eine Menge ist eine Zusammenfassung von wohlunter­
scheidbaren Objekten unseres Denkens oder unserer Anschauung zu einem Ganzen.“

5
0 Logik und Mengenlehre

0.2.1 Symbole und Begriffe


Für eine Menge schreiben wir:
{o-i, 0 ,2 , o3, .... a n}
Die leere Menge „0“ hat keine Elemente;.
a ist Element von 4: a G 4.

ö g i f

Seien A und B Mengen, dann schreiben wir

A C B :<&\/a e A : a e B

und sagen: ,,.4 ist Teilmenge von £>“


2 Mengen, A und B, sind genau dann gleich, wenn

o £ 4 ■tA o G B .

Wir schreiben dann A = B, also

A = B & ( 4 C B) A (B C A)

Sei 4 eine Menge und / eine Aussageform mit einer Variablen a mit Werten in 4 , dann ist

B = (a € 4 |f ( a) } (die Menge aller Elemente von 4 für die / wahr ist)

eine Menge. Es gilt: ß C 4 .

0.2.2 Operationen mit Mengen


V erein ig u n g : Seien 4 und B Mengen, dann ist 4 Ul? auch eine Menge (Vereinigungsmenge).

a £ 4 UB ^ a 6 4 V a e B.

D u rch sch n itt: Seien 4 und B Mengen, dann ist A n B auch eine Menge (Durchschnittsmen­
ge)-
a e 4 n B <=> a e 4 A a E B.

Wenn 4 fl B = 0, dann heißen 4 und B disjunkt oder elementfremd.

D ifferen z: Seien 4 und B Mengen, dann ist 4 \ B auch eine Menge (Differenzmenge), und
zwar

a e 4 \B a G 4 A ->(a e B)
Es gilt: 4 \ ß = 4 \ ( 4 n ß )

Beweis.

a e 4 \ ( 4 n ß ) ö a e 4 A (—i(o G 4 A a G B))
t t a G 4 A (-.(a 6 4 ) V (->(a € B )) A=> (a G 4 A -i(a £ 4 )) V ((a G 4 ) A (-n(o G ß )))
a 6 4 A (-.(a e ß ) ) U a e 4 \ 5

6
0.2 Mengenlehre

Das kartesische Produkt: Seien A und B Mengen, dann ist

A x B = {(a , b) |a E A ,b E B }

auch eine Menge (die Menge der geordneten Paare (a, b) mit a aus A und b aus B)

Beispiel 5.
A = { 1 , 2 , 3 ,4 } B = {a ,b j
A x B = {(1, a), (2, a), (3, a), (4, a), (1, b), ( 2 , 6 ), (3, b), (4, 5)}

A2 = 4 x 4
43 = 4 x 4 x 4 die Elemente der Menge heißen Tripel
44= 4 x 4 x 4 x 4 die Elemente der Menge heißen Quadrupel
An = A x •••x A die Elemente der Menge heißen n-Tupel.
n-mal

7
1 Die natürlichen Zahlen
Definition 1.0.2. Die natürlichen Zahlen sind durch

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

bzw. die Forderung


leN,VneN:n + lGN

gegeben.

1.1 Das Prinzip der vollständigen Induktion


Satz 1.1.1. Wenn wir für jedes n E N eine Aussage A(n) haben, und wir
1 . wissen, dass A (l) wahr ist, und
2 . wissen, dass A(n) => A(n + 1) für jedes n 6 N gilt,
dann gilt A(n) für alle n £ N .

Beispiel 6 . Die Summe der ersten n natürlichen Zahlen. Mittels Induktion ist Folgendes zu
beweisen:
n(n + 1 )
S — 1 H- 2 —
F - - - -(- 77, —

Offenbar stimmt die Gleichung für n = 1, 2, 3.


Für einen Beweis mit vollständiger Induktion gehen wir immer nach folgendem Schema vor:

1. Induktionsbasis: A(l)

2 . Induktionsvoraussetzung: A (p )

n{n + 1)
1 + 2 + •■•+ n

3. Induktionsbehauptung: A(n + 1). Zu zeigen ist

(n + l )(n + 2)
l + 2 + -- - + n + (n + l) =

4. Induktionsschritt: A{n) =$■ A(n + 1 ): Wir gehen von der Induktionsvoraussetzung


_ n(n+1)
1 + 2 + •■■+ n — aus und addieren auf beiden Seiten n + 1:

^ . n(n + 1 ) . . n+ 1 (n + l ) ( n + 2 ) ,,
1 + 2 + - ■•+ n + ( n + l ) = ---- - + ( n + 1 ) = — — - (n + 2) = -------- --A {n + 1 )
2 2 2
1 Die natürlichen Zahlen

B eisp iel 7. Für n € N gilt

n 1 1 71
Y qi = 1 + q + q2 4------- h qn~l = - — — .
l —o
i=o ^

1. Induktionsbasis: n = 1: 1 = , das ist eine wahre Aussage.

2. Induktionsvoraussetzung:

1 - qn+1
k=0 1 -9

3. Induktionsbehauptung:
n+i
1 — qn + 2
«n+1 = X] (/A: 1 -9
fc=0

4. Induktionsschritt:

1 - qn+l n+1 = l - 9 7t+1 + 9Tt+1U - 9 ) 1 - gn+ 2


■Sn+i -tri 4" q
1-9 ^ 1-9 1 -9

Beispiel 8 . Mittels Induktion ist Folgendes zu beweisen:

Vn € N : 2" > n

1. Induktionsbasis:
n= 1 : 21 = 2 > 1

2. Induktionsvoraussetzung:
2n > n

3. Induktionsbehauptung:
2n+1 > (n + 1)

4. Induktionsschritt: Wir schreiben die Induktionsvoraussetzung,

2n > n,

und multiplizieren die Ungleichung mit 2:

2 " +1 > 2n

Auf der linken Seite ist genau das. was wir für die Induktionsbehauptung brauchen. Wir
schätzen weiter ab:
2n+1 > 2n = (■n + 1) + (n — 1) > n + 1,
weil n — 1 > 0 ist.

10
1.1 Das Prinzip der vollständigen Induktion

Beispiel 9. Zeige 2n > n 2 für n > 5. Offenbar ist die Ungleichung für n = 2,3,4 falsch. Daher
müssen wir unsere Induktionsbasis diesmal mit n — 5 annehmen.

1. Induktionsbasis:
n = 5 : 25 > 52

2 . Induktionsvoraussetzung:

Vn <E N, n > 5 : 2n > n2

3. Induktionsbehauptung:

VneN,n>5: 2 n+1 > (n + l ) 2

4. Induktionsschritt: Wir schreiben die Induktionsvoraussetzung,

Vn e N, n > 5 : 2n > n2,

multiplizieren die Ungleichung mit 2,

2 n+1 > 2 n2,

und schätzen weiter ab

2n+1 > 2n2 = (n 2 + 2n + 1) + (n 2 - 2n - 1) > (n + l ) 2 + (5n - 2n - 1) > (n + l ) 2.

Bemerkung 3.
Achtung:
Es reicht weder aus, dass nur der Induktionsschritt richtig ist, noch reicht es, dass nur
die Induktionsbasis richtig ist. Für einen korrekten Beweis müssen beide Aussagen
nachgewiesen werden.

Wir stellen uns jetzt 2 Aufgaben (Fragen), die wir mit Hilfe der Induktion beantworten
wollen:

Beispiel 1 0 . Auf wie viele Arten kann man n verschiedene Objekte anordnen? (Anzahl der
Permutationen von n Elementen) Sehen wir uns die Frage für n = 3 an: Es gibt folgende
mögliche Anordnungen:
123,132,213,231,312,321
Es gibt also sechs Möglichkeiten, drei Objekte anzuordnen.
Wir schreiben:

a{n ) = # der Anordungen von n Objekten # (— die Anzahl)

Jede Anordnung von n + 1 Objekten entsteht, indem wir zu einer Anordnung von n Objekten
das (n + l)-te Objekt dazugeben.

11
1 Die natürlichen Zahlen

Wenn wir 2 13 schon haben und noch ein Element dazu geben möchten, haben wir genau
4 Möglichkeiten: 2 f 1 f 3 f.
Dadurch ergibt sich
a{n + 1) = a(n){n + 1)

Das ergibt:
n afn)
1 1
2 2 = 1-2
3 6 = 1-2 -3
4 24 = 1-2-3-4
5 120 = 1-2-3-4-5
6 720 = 1-2-3-4-5-6

Definition 1.1.1. n\ — 1 . . . n und wir sagen: „n Faktorielle'1 oder „n Fakultät“ .

Jetzt können wir auch eine Antwort auf unsere Frage geben: Wir können n verschiedene
Objekten auf n! verschiedenen Arten anordnen.

Definition 1.1.2. Das Summenzeichen:


n
''f ] CLj '■= Cl\ + Ö2 + •••+ CLn

3= 1

j wird Summationsindex oder auch Laufindex genannt.


Das Produktzeichen:

"J Cj . a,\ ■0 -2 ........ on


J '= i

Bemerkung 4. Konventionen:
Die leere Summe:
0

a3 = 0
3= 1

Das leere Produkt:


0

n ai = 1
3= 1

Bemerkung 5.
n+1 n
y ]aj ~ y aj
.7= 1 j= 1
y ^ a ra+t

n+ 1 / n
n ad = ( n ai i ’
\j=i
Diese 2 Gleichungen verstecken eine Induktion.
Achtung!

i H - ^ n ^ ■a)=(n
V?=l /
a3 ■
V.7= /
a"
i=l l

12
1.1 Das Prinzip der vollständigen Induktion

Beispiel 1 1 . Auf wie viele Arten kann man aus n verschiedene Objekten k verschiedene
Objekte auswählen? Diese Abzählaufgabe kann man auf zwei verschiedene Arten betrachten:

• Mit Berücksichtigung der Reihenfolge der k ausgewählten Objekte.


Die Anzahl der Möglichkeiten kann man so bestimmen:
Für das erste Objekt hat man n Möglichkeiten, für das zweite Objekt hat man n — 1
Möglichkeiten, für das k-te Objekt hat man n — k + 1 Möglichkeiten, d. h.:

k k—1
# = n ■(n - 1 ) ........ (n - k + 1) = J| (n - j + 1) = - j)
3=1 3=0

Man nennt dies auch Variationen von n Elementen zur k-ten Klasse und schreibt dann:

• Ohne Berücksichtigung der Reihenfolge der k ausgewählten Objekte. Wir erhalten die
gesuchte Anzahl, indem wir die Anzahl der Variationen durch die Anzahl der Permuta­
tionen der k ausgewählten Elemente dividieren:

# = ■-
(n —k)\ k\ =: O\kJj
(2) liest man „n über fc“ ; (£) heißt auch Binomialkoeffizient.
Es ist nach Definition oder Vereinbarung (” ) = 1, = 0, (” ) = 1, (n" j ) = 0.
Die Möglichkeiten, aus n Objekten k ohne Berücksichtigung der Reihenfolge auszuwählen,
werden auch Kombinationen von n Elementen zur V ten Klasse genannt: C%

1.1.1 Der Binomische Lehrsatz


Wir suchen einen alternativen Ausdruck für

(x + y)n.
Für kleine Werte von n ergibt sich

n {x + y)n
1 x+ y
2 x2 + 2 xy + y2
3 x 3 + 3x 2y + 3x y 2 + y 3

Satz 1.1.2 (Binomischer Lehrsatz). Für n G N gilt

(* + y )" = £ ( ” V y n- fc

Jetzt wird uns auch klar, wo der Name Binomialkoeffizient herkommt.

Beweis. Beweis durch vollständige Induktion

13
1 Die natürlichen Zahlen

1. Induktionsbasis:

n= 1 : x + y = x -y l+ l - l - y - \ - l - x - l = x-\-y

2. Induktionsvoraussetzung:

k
(x + y f ■ x“■

3. Induktionsbehauptung:
n+ 1
{x + y)n+l = n+ ^ ■x k ■yn+1- k
fc= 0

4. Induktionsschritt: W ie immer schreiben wir die Induktionsvoraussetzung:

(*+»)”=E k=0
k
■x •y
„ ,n—k

und multiplizieren mit (x + y)

(x + y)n •(x + y) = \ - x fe •yn~k •(x + y)


fe=o ^ '

(x + y Y +1 = M • (x fe+1 • + xk ■yn+1~k)
ir—n
/c=0 V'1'/

Jetzt bearbeiten wir noch die rechte Seite:

Ek=0
•(xk+l ■yn- k + xk ■yn+1~k) = ^
k =0
.y™
y.k+ 1 m *+
oln —k _j_ ^ ^

k=0
x kyn+1~k

Für die erste Summe machen wir die Substitution k + 1 = £ und für die zweite k = £
und erhalten

(x + » r 1= E j ) •x' • + E ( " ) ■x' ■

In der ersten Summe fehlt uns das Glied mit £ — 0 und in der zweiten das Glied mit
£ = n + 1. Wir sehen, dass sich für diese Werte von £ folgendes ergibt £ = 0 : ( ”1) = 0
d. h. es beeinflusst die Summe nicht.

£ L 1 J •• yn+u e =E ( / I i) •
e=i ^ ' £=o ' '
^•yn+1~c
l —n + 1 : = 0 d. h. hier wird der Wert auch nicht beeinflusst:

•xe ■yn+1 e ■xl ■yn+1~e

14
1.1 Das Prinzip der vollständigen Induktion

n+1
n n
(z + ! / ) ” +1 = £ ■xe ■yn+1~e
1
e=o
Wir wollen die eckige Klammer umschreiben:

n n’ n! n\
- +
( n - i + !)!■ (£ -!)! £\ •(n — £)\
n\ 1 1
1 )! (n — 1 4-1) £
n! + n —£ + 1
( n - £ ) ! ( £ - 1 )! £{n — £ + 1 )
(n + 1 )! fn + 1N
£ !(n -£ + l)! =

Jetzt ist unser Beweis vollständig:


n+1
n+ 1
( X + y ) n+1 = ■x -y ,n+l—i
r=o
Dass auf einer Seite k und auf der anderen £ steht, stört uns nicht, denn wir können
£ — k setzen und erhalten dann:
n+1
n+ 1
(x + y ) n+1 = •x k •yn+1~k
k= 0


Beispiel 1 2 . Beweis des Binomischen Lehrsatzes unter Verwendung der Abzählaufgaben

(x + y )n = (x + y) ■(x + y ) ....... (x + y) =

= xn + n ■xn~ly + x n~2 ■y2 4--------f ■xn~kyk H-------- h yn

(^) ist die Anzahl der Möglichkeiten, die k Stellen, an denen y dazumultipliziert wird, aus den
n Stellen auszuwählen.

Beispiel 13. Wir wollen jetzt

n+ 1 n
k k - 1

als Abzählaufgabe beweisen.


(n~l1) = # der Auswahlen von k Stücken aus ( n + 1 ) Stücken
Das kann man aufteilen in:

1. xfjz der Auswahlen von k Stücken aus n + 1 Stücken, bei denen das (n + l)-te Stück
gewählt wird:
n
k - 1

15
1 Die natürlichen Zahlen

2. =fj^ der Auswahlen von k Stücken aus n + 1 Stücken, bei denen das (n + l)-te Stück nicht
gewählt wird:

k,

Und wenn wir beide addieren, kommen wir genau auf das, was wir gesucht haben:

n + 1 n \ n
k k —1 \k

16
2 Das Zahlensystem

2.1 Die natürlichen Zahlen


Wir haben bereits die natürlichen Zahlen deßniert. Wir setzen

N0 = { 0 , 1 , . . . } - NU {0}.

2.1.1 Operationen auf N


Die Operationen auf N werden durch Induktion definiert:

• Addition: n + 1 ist durch die Nachfolger-Operation auf N definiert.

Sei n + k bereits definiert, dann setzten wir n + (k + 1) := (n + fc) + 1 (wieder unter


Verwendung der Nachfolgenden-Operation)

• Multiplikation: n ■1 = n

Sei n ■k bereits definiert, dann setzen wir n • (k + 1) = n •k + n unter Verwendung


der vorher definierten Addition. Alle Rechenregeln für Additionen und Multiplikationen
lassen sich durch Induktion nachweisen.

Wir wollen folgende Gleichungen lösen:

x + a = b] a, 6 G N

So lange b > a, gilt können wir die Lösung x = b—a in N bestimmen. Wenn wir aber x + 10 = 3
lösen wollen, stellen wir fest, dass für kein x G No die Gleichung stimmt.

2.2 Die ganzen Zahlen


D e f i n i t i o n 2 .2 . 1 . D ie ganzen. Zahlen w e rd e n als

Z = N U {0 } U { - n I n G N }

definiert. Z “ = { —n \n e N } heißt Menge der negativen ganzen Zahlen.

Jetzt können wir die obige Gleichung lösen:

x + 10 = 3 = > £ = —7 10+ ( - 7 ) = 3.
2 Das Zahlensystem

2.2.1 Operationen auf Z


• Addition
' n + m, n, m € N,
^ n - (—m), neNoAmeZd
n+ m
m — (—n), m eNAneZ-,
+ (-n )), n, m e ZA.

• Subtraktion
n — m, n > m,
n —m =
—(m — n n < m.

n — m = n + ( —m)
D. h. wir können die Subtraktion auf die Addition zurückführen und die gleichen Regeln
anwenden.

• Multiplikation
' n ■m, n, m e N,
—n ■(—m), neN A m eZ“,
n ■m —
—(—n) •m, m eN A ngZ- ,
_ ( 777.) •( - n ) , n, m, G Z “ .

2.2.2 Rechenregeln
A i: 0 ist neutrales Element bezüglich der Addition

Vu e Z : n + 0 = n (2.1)

A 2: Assoziativgesetz der Addition

Vk, £, n G Z : (A; + ü) + n = k + {£ + n) (2.2)

A 3: Kommutativgesetz der Addition

Vn, m G Z : n + m = m + n (2-3)

Das inverse Element bezüglich der Addition

Vn € Z 3 (—n) : n + (—n) = 0 (2-4)

M p 1 ist neutrales Element bezüglich der Multiplikation

Vn G Z : n •1 = n (2.5)

M 2 : Assoziativgesetz der Multiplikation

VA;, £, n e Z : (/c ■t) ■n = k •(l •n) (2.6)

18
2.3 Die rationalen Zahlen

M 3 : Kommutativgesetz der Multiplikation

Vn, m £ Z : n ■m — m ■n (2.7)

D: Das Distributivgesetz der Multiplikation bezüglich der Addition

Vfe,£,n £ Z : k ■{£ + n) — k ■£ + k ■n ( 2. 8)

Definition 2 . 2 . 2 . Eine Menge mit den Operationen „ + “ und (wir schreiben das: (R, + , •
)), die die Eigenschaften (2.1) bis (2.4), (2.6) und (2.8) besitzt, heißt ein Ring. Wenn zusätzlich
die Eigenschaft (2.5) erfüllt ist, heißt R ein Ring mit Eins. Wenn zusätzlich die Eigenschaft
(2.7) erfüllt ist, heißt R ein kommutativer Ring.

Bemerkung 6 . ( Z , +, •) ist also ein (kommutativer) Ring (mit Eins).

Wir merken, dass es weitere Gleichungen gibt, die wir nicht lösen können, wie z. B.:

a ■x = b, a, b £ Z, a ^ 0
x =?

3a: — 9 => x = 3

Was aber machen wir, wenn wir


3x = 8
lösen sollen? Es gibt kein x £ Z, dass die Gleichung erfüllt. Aber wir sehen, dass

eine Lösung ist.

2.3 Die rationalen Zahlen


Definition 2.3.1. Die rationalen Zahlen sind durch

gegeben.
p nennt man den Zähler und q nennt man den Nenner von ^ | heißt gekürzter Bruch, wenn
ggT (p,q) = 1.

2.3.1 Operationen auf Q


• Addition
Pi P 2 = P i - q 2 + P 2 - qi

qi <72 q i • 12

19
2 Das Zahlensystem

• Multiplikation
_ P 2 _ P 1 •P 2
Pl

<?1 ?2 (7l ' <?2


Zu jedem Bruch ^ ^ 0 gibt es einen Bruch jj, sodass:
P.r = i
q s
Und es gilt:
r = ±q A s = ± p
Die Menge Q mit der Addition und Multiplikation hat folgende Eigenschaften:
Ap. „0 “ ist das neutrale Element bezüglich der Addition
V r £ (Q) : r+ 0= r (2-9)

A2: Das inverse Element bezüglich der Addition


V re Q: r + ( - r ) = 0, (2.10)

—r ist das inverse Element bezüglich der Addition.

A 3: Assoziativgesetz der Addition


V r, s, t e Q : (r + s) + t — r + (s + t) (2-11)

A 4 : Kommutativgesetz der Addition


Vr,seQ: r+ s= s+ r (2-12)

\l : „1 “ ist neutrales Element bezüglich der Multiplikation


V r e Q : r •1 = r (2.13)

M 2: Das inverse Element bezüglich der Multiplikation


V r G Q \ { 0 } 3 r' e Q : r - r ' = 1 ( 2. 14)

(r') ist das inverse Element bezüglich der Multiplikation.


Wir schreiben auch:

r
M3: Assoziativgesetz der Multiplikation
V r, s, t E Q : (r ■s) ■t = r ■(s ■t) (2.15)

M 4 : Kommutativgesetz der Multiplikation


V r, s E Q : r ■s = s ■r (2.16)

D : Das Distributivgesetz der Multiplikation bezüglich der Addition


Vr, s, t E TL : r ■(s A t) = r ■s + r ■t (2.17)

D e fin itio n 2.3.2. Eine Menge K mit den Operationen „ + “ und „• die die Eigenschaften
(2.9) bis (2.17) haben, heißt Körper; wir schreiben (K, +,•)•
B e m e rk u n g 7. Q ist ein Körper: (Q, + , •).

20
2.4 Ordnungsrelationen auf Z und Q

2.4 Ordnungsrelationen auf Z und Q


Auf N gibt es eine Ordnung die wie folgt gegeben ist:

m < n & 3k e N 0 : n = m + k

wir wollen „ < “ auf Z und dann auf Q hinaufziehen.

2.4.1 Ordnungsrelationen auf Z


Für m, n E TL gilt: m < n 3k E No : n = m + k n — m £ No ö n - m > 0

Damit gilt:
Vm < n A V A; G Z : m + k < n + k

Wir wollen nun sehen, wie sich die Ordnung mit der Multiplikation verträgt: Kann die folgende
Aussage gelten?
V m < n A V & e Z : m •k < n ■k ?
Wir formen die Ungleichung um:
n ■k — m ■k > 0

k(n — m) > 0

Wir wissen, dass n > m, d. h. dass n — m > 0.


Weiters gilt:

• wenn k E N0, dann ist die Ungleichung richtig.

• wenn k E T r , dann ist die Ungleichung falsch.

D. h. wir können sagen, dass für n > m:

, f > k ■m ; k E M0
\ < k ■m ;k E Z

Achtung!
Bei der Multiplikation mit einer negativen Zahl wird die Ungleichungsrichtung umgedreht.

Satz 2.4.1. Jedes Quadrat ist > 0.

V m € Z : t t i2 > 0

Beweis. Wir teilen den Beweis in zwei Teile auf:

• m> 0 \-m =>m -m >m -0^m 2>0

• m < 0 m2 > 0

21
2 Das Zahlensystem

2.4.2 Ordnungsrelationen auf Q


r < s ^ s —r > 0

-eQ, - > 0 > 0


q q
(Der Nenner ist immer positiv)
Dann gilt wieder:

Vr, s, t € Q. r > s =>■ r + t > s + t


Vr, s i e Q, r > s, t > 0 => r •t > s ■t
Vr, s, t e Q, r > s, t < 0 = > r - t < s - t

Bemerkung:
Ein Körper mit einer Ordnung der die obigen Eigenschaften erfüllt, heißt angeordneter
Körper. (Q, + , •, < ) ist ein angeordneter Körper.

2.5 Die reellen Zahlen


Wir können nun viele Gleichungen lösen, aber es finden sich immer noch Zahlen, die in keiner
der bereits definierten Mengen auftauchen.
Ein Beispiel wäre: Wir haben ein gleichschenkeliges, rechtwinkeliges Dreieck mit der Ka­
thetenlänge 1. Unsere Aufgabe ist, die Länge der Hypotenuse zu bestimmen. Wir stellen die

Abbildung 2.1: Ein gleichschenkeliges rechtwinkeliges Dreieck.

Gleichung auf:
c2 = l 2 + l 2 = 2 nach Pythagoras
W ie wollen zuerst beweisen, dass c nicht aus Q ist.

Beweis. Beweis durch Widerspruch Annahme: c G Q

Also c = - mit ggT(p, q) = 1


9

Dann gilt also c - = v


- ^ r = 2 -q
r

22
2.5 Die reellen Zahlen

d. h. 2 teilt die rechte Seite und 2 teilt auch die linke Seite.

2 |p2 =>• 2 |p =4» p = 2p'

(2p' ) 2 - 2q2 => 4p'2 - 2q2 => 2p'2 = q2

2\q =>• 2 1(7

2\q A 2|p => 2\ ggT(p, 9 ) =► ggT(p, g) ^ 1


und das ist ein Widerspruch. Die Annahme ist also falsch, d. h. c ist nicht aus Q. □

Eine Idee, wie wir c bestimmen können, wäre eine Näherung zu finden, die für unseren
Zweck gut ist.
Beispiel
Wir fangen mit cq = 1 an. Das ist eine schlechte Näherung.

2 n 2
c2 = 2 => c = -
c

Nachdem cq eine Näherung ist, hoffen wir, dass ^ auch eine Näherung ist, aber sie ist genau
so schlecht. Eine ist zu klein die andere zu groß.
Wir haben also zwei schlechte Näherungen. Eine bessere werden wir vielleicht bekommen,
wenn wir den Mittelwert der beiden bilden.

Wir merken, dass wir immer näher an unsere Lösung kommen.


Also definieren wir, durch Induktion:

1
Cn +1 - - •

Wenn wir C2 ausrechnen, sehen wir, dass wir immer näher zu unserer Lösung kommen. C2 =
1 2L A r2 — 2—
1 12 A c 2 - z 144
c0 G Q Vn G N : cn G Q

Wir verschaffen uns einige Eigenschaften von cn durch Induktion (1 < cn < 2):

Beweis. Wir führen den Beweis mit Induktion durch:

1 . Induktionsbasis:
n = 0 Co = 1 l < C o < 2

2 . Induktionsvoraussetzung:
l < c n <23

3. Induktionsbehauptung:
1 A cn_|_i < 2

23
2 Das Zahlensystem

4. Induktionsschritt:

Wir schreiben die Voraussetzung an:

1 < cn < 2 (1)


Jetzt wollen wir auf ^ kommen. Wir dividieren 2 durch jeden Teil der Ungleichung (die
Richtung der Ungleichung wird umgedreht!) und erhalten:

2 2 2
1 “ cn ~ 2

und das ist gleich mit:


1< — < 2
Cn
( 2)
Jetzt addieren wir die 2 Ungleichungen ((l)u n d (2 )) und erhalten:

2 , 1
2 < ----- b < 4
Cn 2

1
1< Cn + < 2

Cn+1 Cn T

Damit haben wir bewiesen:


1 < cn+i < 2

Wir hoffen, dass das eine Folge von Zahlen ist, die immer näher an den Wert \/2 kommt.
Jetzt wollen wir sehen, wie das (n + l)-te Folgenglied im Vergleich zu dem n-ten ist. Um das
zu überprüfen, sehen wir uns die Differenz c2
n+1 — 2 an.

Cn+1 2— Cn 2=
Cn

t ( c*. + 4 H— 8) —

\ * c" 4+ — 1 (
c
2 (4 - 2)s
4 •c2
> 0

Also gilt Vn > 1 : c2


n> 2

Weiters sehen wir:

( 4 - 2)2 4 -2
0 < c2
n+1 - 2 = ( 4 - 2)
4 -4 4 •d

22 - 2
0 < ( 4 - 2) < (4-2) = 1(4-2)
4
^ •c2
Ui

24
2.5 Die reellen Zahlen

Und daraus folgt:

<$+i - 2 < i (cj - 2)

(c^ — 2) ist der Fehler, den wir bei der Bestimmung haben. Und dieser wird mit jeder weiteren
Näherung mindestens um einen Faktor 2 kleiner. Das kann man auch so schreiben:

0^ - 2 U « - 2) < i . i ( c L 1 - 2) < . . . < ( i ) ” . « - 2) = ( i ) " +2

Für jede vorgegebene Schranke e > 0 gibt es ein N, sodass für jedes n > N : (1 ) ” +2 < s
und damit c\+l — 2 < e . [ e ist die Fehlerschranke. )
Wenn die Rechnung eine bestimmte Genauigkeit haben muss, kann man sehen, wie viele
Folgenglieder man rechnen muss, um diese Bedingung zu erfüllen. Je mehr Folgenglieder wir
ausrechnen, desto näher sind wir an unserer gesuchten Zahl.
Wir haben also jetzt keine Lösung (im bisherigen Sinne) gefunden, aber wir haben ein
„Rezept“ , mit dem wir beliebig nahe an unsere gesuchte Zahl kommen können, je nachdem,
welche Genauigkeit verlangt wird. Wir verwenden die Zahlen co,Ci,......... um die Lösung
darzustellen.

Definition 2.5.1. Sei r e Q, dann schreiben wir |r| und sagen Betrag oder Absolutbetrag
wenn:
l l_ / v, r > 0
( —r, r < 0

Nach dieser Definition ist klar, dass |r| > 0.

Die Dreiecksungleichung

jr + s| < |r| + \s\ (2-18)

Beweis. Das kann man beweisen, indem man alle möglichen Vorzeichenkombinationen einsetzt
und den Betrag anschaut:

1. rs > 0 (r und s haben dasselbe Vorzeichen): dann gilt |r+ s| = |r| + |s|, die Ungleichung
ist also richtig.

2. rs < 0 (r und s haben verschiedene Vorzeichen): dann gilt |r + s| = ±(|r| — |s|) und
|r| + |s| > ±(|r| — |s|).

IM — Ml| < |r* — s\

Diese Ungleichung ist äquivalent zur Dreiecksungleichung.

Beweis. Die 2-te Möglichkeit, die Ungleichung zu schreiben, folgt aus der ersten, indem wir 2
Substitutionen vornehmen:
r — x —y

s —y

25
2 Das Zahlensystem

Jetzt können wir die 2 Substitutionen einsetzen (in der ersten Ungleichung) und erhalten:

\ x - y + y |< k - y\ + \y\
\x\ < \x -y \ + \y\
kl ^ \y\< \x - y|
Wenn wir nun x und y vertauschen, ist die Ungleichung immer noch wahr:

\y\- kl < |y- x\

k —2/1 = \y~ x\, nur j;r| — \y\ und \y\— \x\ haben immer ein umgekehrtes Vorzeichen, aber wir
brauchen eine Bedingung, die stärker ist als diese 2 zusammen bzw. diese beiden beinhaltet.
Und das ist der Betrag der Beträge, d. h. wir haben:

IM - Ml < k - y\
Und damit ist der Beweis vollständig. □

2.6 Folgen
D e fin itio n 2.6.1. Eine Abbildung a: N0 —> Q heißt eine Folge von rationalen Zahlen. Jeder
natürlichen Zahl n wird ein an G Q zugeordnet. W ie schreiben (a n ) neNn für solche Folgen.

Als Beispiel haben wir die Folge von vorhin: (cn)neN


(/n )neNu = ( k — 2)nGN ist die Folge der „Fehler“ . Wir haben schon gezeigt, dass:

D. h. |/n|wird kleiner als jede gegebene Schranke, wenn nur n groß genug ist.

D efin ition 2.6.2. Eine Folge {an) n^No heißt konvergent gegen a: a heißt Grenzwert, wenn

(Ve > 0) (3N G N) (Vn > N ) : |an — a\ < e

Wir schreiben dann


lim an = a.

D efin ition 2.6.3. Eine Folge (a „)n6No heißt konvergent, wenn es ein a gibt, sodass die Folge
(an)„6No gegen a konvergiert.

D efin ition 2.6.4. Eine Folge (an)neNi] heißt divergent., wenn sie nicht konvergent ist, also
keinen Grenzwert besitzt.

D efin ition 2.6.5. Die Menge der reellen Zahlen ist durch

K = { lim an \(an) N sind konvergente Folgen rationaler Zahlen}

gegeben.

D e fin itio n 2.6.6. Für jedes x G IR gibt es ein n G Z, sodass n < x < n + 1. Für dieses n
schreiben wir [x] und sagen „Ganzteil von x “ .

26
2.6 Folgen

2.6.1 Bemerkungen zu konvergenten Folgen


Satz . . 1 . Eine Folge (an)n6No hat höchstens einen Grenzwert.
2 6

Beweis. Beweis durch Widerspruch: Annahme: Eine Folge hat 2 Grenzwerte: a, b.

Ve > 0 3 Ni G N Vn > N± : \a — an\< e (2-19)


Ve > 0 3 N2 G N Vn > N2 : \b — an\< e (2.20)

Aus (2.19) und ( 2 .2 0 ) folgt

Ve > 03 N (= max.(Ni, N2)) G N Vn > N : \a — an\< e A \b —an\ < e


Ve > 03N £ N Vn > N : \a — b\= \a — an + an - b\ < \a — an\ + \b— an\< 2e
A-Ve > 0 \a — b\ < 2e
=*-|a — b\ — 0 a = b.

D. h. unsere Annahme war falsch. Es gibt nur einen Grenzwert. □

Unsere Definition einer konvergenten Folge setzt die Kenntnis des Grenzwertes voraus.
Jetzt wollen wir nach Kriterien für Konvergenz suchen, die ohne die Kenntnis des Grenz­
wertes auskommen.

Satz 2.6.2 (Cauchy). Eine Folge (an)ne^ ist genau dann konvergent, wenn

(Ve > 0) (3N E N) (Vn, m > N) : \am - an\< e (2.21)

Jetzt vergleichen wir paarweise Folgenglieder, und wenn deren Differenz kleiner als e ist,
dann ist die Folge konvergent.

Beweis, einfacher Teil. Sei (an)neNo konvergent mit dem Grenzwert a. D. h.:

Ve > 0 : 31V : Vn > N : \an — a\ < -


Zi

Ve > 0 : 3N : Vm > N : \am — a| < ^


Zi
£ £
|a m Oin | = 1(üm ü) A (ü ^n)| — \^m ü| A jß^ u| A “ A “


Definition 2.O.T. Eine Folge, die (2.21) erfüllt, heißt Cauchy-Folge] diese Eigenschaft heißt
Cauchy ’sehe Eigenschaft.

Erst jetzt können wir eine „saubere“ Definition der reellen Zahlen geben.

Definition 2.6.8. Die Menge der reellen Zahlen ist so definiert:

M := {x |x = lim an, (an)neNo ist eine Cauchy-Folge rationaler Zahlen}.

27
2 Das Zahlensystem

Definition 2.6.9. Auf den reellen Zahlen wird durch a < b :t-4- 3e > 0 3Al : Vn > N an + c <
bn(a = lim an, b = limbn) eine Ordung definiert, die von der Ordung auf Q kommt und diesel­
ben Eigenschaften hat.

Teilmengen von R, die durch die Ordnung definiert sind, heißen Intervalle

(a, b) { x e R a < x < b} heißt offenes Intervall


[a,b) {T g IR a < x < b} heißt halboffenes Intervall
(a, b] {A E R a < x < b} heißt halboffenes Intervall
[a,b\ {x G R| a ff x < b} heißt geschlossenes Intervall

B e is p ie l 1 4 . K e h re n wir n o c h ein m a l zu u n se re m ersten B e isp ie l zurück:

1 ( 2
Co 1 cn+ I I ('n T
" \ C}7
—n —2
0 < < - 2< 2 , 1 ff Cn ff 2
-1
Cn+1 !'n 0 ( Ai ff Cn — - ~ ' Cn

2 •Cn
_ 2| 2~n~3 ■)—n—3
\cn+1 Cn
2Cn

A ch tu n g !
|cn+i — cn|< £ ist zu wenig für die Konvergenz. Der Abstand von 2 beliebigen Folgengliedern
muss < e sein. ________________________________________________________

\cn + k - c n \ < £ , k > 1

Cn | = |(Cn.+fc c n + k —l ) f f ( c n+fc — 1 Cn+fc—2 ) + ' ‘ ' + (Cn + 1 Cn )| f f

I(Cn+fc — Cn+fc—1 )| f f |(c n + fc -l — —2) | + ' ' ' + l ( c re+l — Cn )\ f f

2~n~k~2 -f- 2^n_3 =

2 _ " _ 3 (1 f f - f f 1 f f f f 2 ~ A:+1) f f 2 _n_3 • 2 f f 2 ~ n~ 2


v 2 4
Es gilt also
\cn+k ~ cn\< 2~n~2 Vfc > 0,

woraus wir
Ve > 0 3 N : Vn > A VI e N : |cn+r- — cn|< £

folgern. (cn)neN ist also eine Gauchy-Folge und daher konvergent.

D e fin itio n 2.6.10. Sei (an)neNo eine Folge, dann heißt G R Häufungswert bzw. Häufungspunkt
der Folge (an)neNo, wenn

Vs > 0 VA G N 3n > A : |an — x| < e.

Für jedes e > 0 gilt also \an - x\ < £ für unendlich viele n G N.

28
2.6 Folgen

Definition 2.6.11. Die Menge Ue(x) = {y e R| \x — y\ < e } heißt die e-Umgebung von x.

Wir können Grenzwerte und Häufungspunkte folgendermaßen charakterisieren: x ist ein


Grenzwert: Für e > 0 liegen in der e-Umgebung von x alle Folgenglieder bis auf endlich viele.
x ist ein Häufungswert: Für e > 0 liegen in der £-Umgebung von x unendlich viele Folgen­
glieder.

Definition 2.6.12. Sei (an)n€N0 eine Folge und (n /t)keNo eine streng monoton wachsende Folge
von natürlichen Zahlen (d.h. n^+i > n*,), dann heißt (ank)keNo eine Teilfolge von (an)rieNo-

Bemerkung 8 . 1. Sei (an)neNo eine Folge und x ein Häufungswert von (an)neNo, dann gibt
es eine Teilfolge (anJ fceN , die gegen x konvergiert.

2. Sei ( ank)keNo eine Teilfolge von (an)7lGNo mit Grenzwert x, dann ist x ein Häufungswert
von (an) „ eNo-

Definition 2.6.13. Sei (an)neNo eine Folge, für die es ein M £ R gibt, sodass Vm € N0 :
jdn|< M, dann heißt die Folge beschränkt.

Satz 2.6.3. (Bolzano-Weierstraß) Sei (an)neNo eine beschränkte Folge, dann besitzt (a „)n(ENo
eine konvergente Teilfolge (und damit auch einen Häufungswert).

Beweis. Die Idee ist, dass unendlich viele Dinge auf endlich viel Platz sich irgendwo häufen
müssen.
Wir nehmen das Intervall [—M, M] und teilen es in 2 Hälften auf. In einer Hälfte müssen
unendlich viele Folgenglieder hegen. Dieses Teilintervall Ii teilen wir wieder in 2 Hälften.
Wieder hegen in einem der beiden Intervalle unendlich viele Folgenglieder. Dieses nennen wir
I2. Diesen Vorgang können wir beliebig wiederholen. Im n-ten Schritt haben wir ein Intervall
der Länge 2-n+ 1M , in dem unendlich viele Folgenglieder hegen. Es gilt dann

[—M, M] D h D I2 ■■■ ■

Weiters gibt es genau ein i G l , das in allen Intervallen In hegt, also


OO
x € p i i n.
n= 1

Sei nun e > 0, dann gibt es ein n, sodass die Länge von In kleiner ist als £ (2 ~n+lM < e).
Weil x € In liegt, gilt \x — y\ < e für alle y 6 In. Weil weiters In unendlich viele Folgenglieder
enthält, enthält auch U£{x) unendlich viele Folgenglieder. x ist daher ein Häufungspunkt der
Folge (an)neN. □

Definition 2.6.14. Eine Folge heißt:

• monoton wachsend, wenn Vn € N : an+\ > an

• monoton fallend, wenn Vn e N : an+i < an

• streng monoton wachsend, wenn Vn € N : an+i > an

• streng monoton fallend, wenn Vn € N : an+\ < an

29
2 Das Zahlensystem

• monoton, wenn sie entweder wachsend oder fallend ist

Satz 2.6.4. Eine monotone und beschränkte Folge ist konvergent.

Beweis. Sei die Folge ohne Beschränkung der Allgemeinheit monoton wachsend. Wenn eine
Folge (an)neN0 beschränkt ist, gibt es nach Satz 2.6.3 eine konvergente Teilfolge (ank)kPNo
mit x = lim ^oo aUk. Weil (on)neN außerdem monoton wachsend ist, können wir Folgendes
schließen:

Ve > 0 3K : VA: > K : x — ank < £


Ve > 0 3 N : Vn > N : x — an < e (wähle N = Uk )-


Wir haben beim Cauchy Konvergenzkriterium nur eine Richtung bewiesen. Jetzt wollen wir
die andere auch beweisen.

Beweis von Satz 2.6.2, schwieriger Teil. Eine Folge (an)neNo ist genau dann konvergent, wenn

V? > 03?i V N Mn. m > N : \am — an\< £

Wir wollen beweisen, dass eine Folge {an)neNo, die Vs > 03n £ N Vn,m > N : \am — an\ < e
erfüllt, konvergent ist.
Wir zeigen zuerst, dass eine Folge, die die Cauchy Eigenschaft hat. beschränkt ist.
Wir wählen s = 1. Dann 3/V Vm. m > N : \am ~ an\< 1. Daher Vn > N : \an — aw+i| < 1
und damit

Vn > N : \an\— \an —a^+i + ßiv+i| < |an — öjv+ i |+ |oiv+i| < !°Ar+i| + 1-

Also gilt Vn > N : \an\< |ayv+i| + 1.


Jetzt bleiben endlich viel Glieder übrig. Für M = maxdoxl, |a-21, . . . . |ajv|, \a^\ + 1 ) gilt dann

V?r £ N : \an\< M

Die Folge ist also beschränkt. Nach 2.6.3 besitzt (on)neN eine konvergente Teilfolge, (n^), k £ No
ist eine monoton wachsende Folge natürlicher Zahlen und a e K , sodass lim ^oo ank = a. Idee:
wir wollen die restlichen Folgeglieder an dieser Folge „anhängen“ . Dazu verwenden wir die
Cauchy-Eigenschaft.

Ve > 0 : 3 K :Vk > K : \ank — a| < (r


Li
£
Ve > 0 : 3Ah : Vn, m > Ni : \am — an\< -

Wir setzen N = max(iVi + 1, %•), wählen m = > N (womit k > K gilt) und erhalten somit

Ve > 0 : 3 K : 3 N : VA > K : Vn > N : \ank — a\ < - A |ank — an\< - .


— Li

Aus den beiden letzten Zeilen folgt:

0(i o,\ — |a n Ojnk T o.nk o) =£■ jöjj o.,ik|T |Q>nk o\ < c.

30
2.6 Folgen

2.6.2 Rechnen mit Grenzwerten


Satz 2.6.5. Seien (an)neNo und (bn)neNo konvergente Folgen mit den Grenzwerten a bzw. b,
dann gilt:

a + b = lim (an + bn) (2 .2 2 )


n—too
a —b = lim (an — bn) (2.23)
n -> oo

a ■b = lim (an ■bn) (2.24)


n—>oo

V n e N ö n / 0 A 6 ^ 0 = > y = lim ^ (2.25)


0 n —>oo

Beweis. Wir fangen mit (2.22) und (2.23) an. Die Beweise sind fast gleich, deshalb werden
wir uns nur ( 2 .2 2 ) ansehen.

Ve > 0, 3N\ : Vn > Ni : \an — a| < ^

Ve > 0, 3 N2 : Vn > N2 : |6n - b\ < ~

Wir setzen N = max(iVi, 1V2) und erhalten für n > N

S 6
I(an + bn) - (a + &)| < \an - a\ + \bn - b\ < - + - = s.

Damit haben wir (2.22) bewiesen.


Jetzt wenden wir uns (2.24) zu:
(an)neN0 und (^)neNo s^n<^ beschränkt. Es gibt also ein M, sodass

Vn G N : \an\< M A \bn\< M

Weiters sind beide Folgen konvergent:

Ve > OBiVi : Vn > Ni : \an — a\ <


2\b\ + 1
e
Ve > 03JV2 : Vn > iV2 : \bn - b\ <
2M

Damit erhalten wir für n > max(iVi, _/V2)

IQ n 'bn CL-b\ | a,n■bn o n • b- F o,n-b <z• b| F | an\\bn b| + j b11an ü| < M• ~b|b| • ^\f^\ _(_ ^ ^ ^ ■


Beispiel 15.
n 2 + 5n + 7
0,11 ~ 3n 2 + 8 n - 3
Trick: wir dividieren durch n 2 und erhalten:

1+ ^
n+ 4n2
n«, —
3+ ! - 4

31
2 Das Zahlensystem

1 + lim ^ o o l + lim ,,^ ^


lim an —
n —»oo 3 “I- limn_>oo ^ ^2

Es gilt limn_^oo ^ = linirwoc ^ = 0. Nach den Rechenregeln für Grenzwerte folgt damit
limn_»oo 3■
Um zu beweisen, dass liniT,^ i0C1/n = 0 gilt, müssen wir für jedes c > 0 ein N finden, sodass
für alle n > N gilt, dass |l/n| = l/n < e. Letzteres ist äquivalent zu l/e < n. Und das ist
wiederum äquivalent zu n > [1/eJ. Für e > 0 wählen wir daher N = [1/eJ. Mit diesem N
gilt somit
1 1
Ve : Vn > - - 0
n
Wir zeigen nun direkt, dass an gegen 1/3 konvergiert. Es gilt

1 2 + 5n + 7
n1 1
an 3
3?r2 + 8?r — 3 3
3n2 + 15n + 21 - (3n2 + 8n — 3) 7n + 24
3(3n2 + 8n — 3) 3(3n2 + 8n - 3)
7n 4- 24
— 3(3n2 + 5n + 3 (n — 1))
3ln _ 31
— 9n2 9n

Wir benötigen
31 31
— < e <=l>n >
9n
daher wählen wir
31
N =
9 ■e
Dann gilt nämlich
1,
Vn > N : - < c.

Nach Definition konvergiert daher an gegen

Beispiel 16.
1 ld " Zn
%0 1 ^n+l = Ti i
2 + xn

Nach Satz 2.6.4 müssen wir die Folge erstmal auf Beschränktheit untersuchen. 0 < xn < 1
und das müssen wir durch Induktion beweisen.

1. Induktionsbasis: n = 0 0 < 1 < 1

2. Induktionsvoraussetzung: 0 < xn < 1

32
2.6 Folgen

3. Induktionsbehauptung: 0 < xn + 1 < 1

4. Induktionsschritt:
0 < x n < 1 ^ 2 > l + xn > l

0 < x n < 1 ^ 2 < 2 + xn < 3

Und jetzt dividieren wir die beiden Ungleichungen:

1 < 1 + xn ^ 2 _ ^
3 2 + iCjj 2

0 < ^ < Xn+i < 1 =4>

6 U ^ 1

D. h., dass die Folge xn beschränkt ist. Jetzt könnten wir versuchen, das Cauchy-Kriterium
anzuwenden.

1 + Xn + k - l 1 + Xn—1 (2 + £n_i)(l + xn+k~i) — ( 1 + x n- i ) ( 2 + x n+k- i )


x n\ —
2 + x n-\-k—i 2 H- Xn—i (2 + Xn_i) •(2 + Xn )
2 H- 2 1 H” x n—i -b x n+k—i ' x n—\ 2 1 2 •x n—\ x n—\ •
<
2 •2
%n-\-k—1 %n—11
4

Indem wir nun


\Xn+k—l Xn—1 |
l^n+fc Xn\U

wiederholt anwenden, erhalten wir

l-Ui+fc Xn\ < ^ • |CCn-j-fc—i Xn^i\ < ^ • ^|:En+fc—2 2I 5; ••• ^o| f;

D. h. Ve > 0 , 3N Vn > N A Vfc G N : \xn+k —xn\< e und laut Satz 2.6.2 konvergiert diese
rekursiv definierte Folge xn. Wir nehmen an, dass der Grenzwert x ist und setzen es in unsere
Folgendefinition ein.
x — lim x n — lim x n+1 = + X
n—>•oo n-^oo 2 + X
Wir haben jetzt eine Gleichung die wir problemlos lösen können.

1 + x - 1 ± v'ö
mit x lt2 =
2 ~h X ~~2

Weil wir wissen, dass die Folge zwischen 0 und 1 liegt, kann nur eine der beiden Lösungen in
Frage kommen. D. h. die Folge konvergiert gegen x = ~ ^ ~ 1

33
2 Das Zahlensystem

Wir können dies allgemein zusammenfassen:


Wir haben eine Folge, die durch das erste Folgenglied gegeben ist, und das (n + l)-ste Folgen­
glied ist eine Funktion des n-ten Folgenglieds. Also:

Xq & x n^-i f (:rn)

Wenn es gelingt, durch Induktion zu zeigen, dass für ein festes a < 1

l^'n+fe x\ ^ OC•|Xn-\-k—l Xn—\

gilt, dann können wir auf dieselbe Art wie im vorherigen Beispiel zeigen, dass:

\xn+k — xn\< an\xk — x0\< ocn(b — a),

wenn wir vorher die Beschränktheit der Folge [xn) mit Vn : a < xn < b bewiesen haben.
Jetzt haben wir die Konvergenz der Folge bewiesen und können eine Gleichung für den
Grenzwert aufstellen: x = f(x ). D. h. das vorherige Beispiel gibt eine Methode an, die Existenz
eines Grenzwertes zu beweisen und anschließend den Grenzwert zu bestimmen.

Beispiel 17. Wir zeigen nun die Konvergenz für das gleiche Beispiel unter Verwendung von
Satz 2.6.4.
, 1+ xn
Xo 1 *£n+l — r,
2-\-xn
2
Xi =
3
Dieses mal wollen wir beweisen, dass die Folge beschränkt ist (das haben wir schon) und dass
die Folge monoton ist. Aus den beiden folgt dann laut Satz 2.6.4, dass die Folge konvergiert.
Die Monotonie muss man durch Induktion zeigen.

1. Induktionsbasis: Xo > Xi

2. Induktionsvoraussetzung: xn > xn+i

3. Induktionsbehauptung: xn+1 > xn+2

4. Induktionsschritt:

x n > x n+1 => xn + 2 > xn+1 + 2


Wir bilden den Reziprokwert (Der Reziprokwert von x ist ^).

1 1 , 1 , 1
< 1 > 1-
2 xn 2 H- xn-\-\ 2 + Xn 2 "F xn+\

1 + xn 1 + x n+ 1
Xn+1 ^ Xn-f-2
2+ Xn 2 J- 3^n+l
D. h. die Folge ist monoton fallend und beschränkt, d. h. sie ist konvergent und den Grenzwert
bestimmt man genau wie in Beispiel 16.

34
2.6 Folgen

Beispiel 18. Wir nehmen das gleiche Beispiel.

1 + xn
xo — 1 x n-\-1
2 + xn

2 5
*1 = 3 X2 ~ Q ' "
Wir sehen uns die Beschränktheit an, aber diesmal nehmen wir als untere Schranke den ver­
muteten Limes. Jetzt werden wir das mittels Induktion beweisen.

1. Induktionbasis:
VE-1
< 1 < 1
2

2. Induktionsvoraussetzung:
VE-1
+ Xn — 1
2

3. Induktionsbehauptung:
VE-1
< xn+i < 1
2

4. Induktionsschritt:

VE — 1
^ xn ft 1 |+2
2

VE- l
-j- 2 ft xn + 2 < 3

Wir bilden den Reziprokwert.


2 1 1
> >
--------------------- -

VE + 3 xn + 2 3
Wir ziehen jeden Teil der Ungleichung von 1 ab.

VE — 1 „
<
xn+ 1
t -
2
2 xn 2 3

VE - i
---- 77---- < Xn+1 < 1

Als Zweites wollen wir die Monotonie beweisen.

X n -\-1 ^ X n

Xn + 1
^ 1 + xn ^ x n (2 + 2^ )
Xn “f” 2

xn2 + - 1 > 0

35
2 Das Zahlensystem

Wenn wir jetzt den Grenzwert anstelle von xn einsetzen, bekommen wir als Lösung x 12 =
—\± \j\ 4- 1 = Nachdem man eine quadratische Gleichung a -a:2 + fe-ar + c = 0 auch
als a(x — x i)(x — £ 2 ), (cci,2 sind die Lösungen der Gleichung) umschreiben kann, ist

-1 + V T
0 > x n2 + xn — 1 0 >

Wir wissen, dass xn > v^~1, d. h. die erste Klammer ist größer Null, die zweite auch, und
somit ist die Ungleichung wahr. D. h. die Annahme xn+1 < xn ist auch wahr, und die Folge
ist monoton fallend. Hier sehen wir, dass es beim Beweis der Monotonie nötig war, als untere
Schranke den Limes zu wählen, denn sonst wäre die Ungleichung nicht mehr richtig gewesen.

Satz 2.6.6 (Einzwicksatz). Seien (a „)neN, {bn)neNJ (cn)neN Folgen reeller Zahlen mit l i m ^ ^ an
lim r;—
>ex. en = x und V n S N gelte an < bn < cn. Dann ist auch ( bn)neN gegen x konvergent.

Beweis.
V£> 0 : 3Ni : Vn > Ni : \an —x\ < e <=> x —e < an < x + e

V e > 0 : 3N2 : Vn > N2 : \cn — x| < e <3- x — e < cn < x + e

Wenn wir die erste Hälfte der ersten Ungleichung und die zweite Hälfte der zweiten Ungleichung
nehmen, dann n so wählen, dass n > m ax(W , N2) = N, haben wir:

x — £ < a n < b n < c n < x + e = > x —£ < bn < x + e

O \bn — x\ < e o lim bn = x


x —>oo

2.7 Reihen
D e fin ition 2.7.1. Sei (an)raeN0 eine unendliche Folge reeller Zahlen. Dann heißt die (unend­
liche) Folge der (endlichen) Summen

n
Sn y ] ak-
k=0

also
n

('sn = y ' afc)neNo


k= 0

unendliche Reihe. Diese wird auch als


CO

n=0
geschrieben.

36
2.7 Reihen

Definition 2.7.2. Sei (an)neN eine Folge, dann heißt

~yk ^ ak
=0

die n-te Partialsumme der Reihe ak-

Definition 2.7.3. Eine Reihe konvergiert genau dann, wenn die Folge ihrer Partialsummen
konvergiert.

Wenn
s = lim sn,
n—>oo
dann schreiben wir oo

S- ^ ^ (Ln.
n= 0

Beispiel 19.
1 1 1 1
E
^ n (n
-i=i ' + 1)
1 1 -2
+
2 -3
r +
3 -4

Wir beweisen durch Induktion, dass

n
E k{k + 1) n+ 1

1. Induktionsbasis: .Si = \

2. Induktionsvoraussetzung: sn = ^

3. Induktionsbehauptung: sn+i = ^±4

4. Induktionsschritt:

_ 1 1 n 1
n+l p-J' k{k + 1) n (n + l ) (n + 2) n+ 1 (n + l ) (n + 2)

n2 + 2n + 1 _ (n + l ) 2 _ n+ l
(n + 1 ) (n + 2) (n + 1 ) (n + 2) n+ 2

Jetzt wollen wir wissen, ob {sn)neN konvergiert.

n i 1 1
Sn — lim s„ = = 1 d. h. 1 = ^
n+ l 1 + 4 n-s-oo ” 1 + lim ^ oo \ “ n(n + 1)

Die Folge der Partialsummen konvergiert, d. h., dass die Reihe konvergiert.

37
2 Das Zahlensystem

B e m e rk u n g 9. Es ist ein glücklicher Zufall, dass wir so leicht ein Bildungsge'setz für sr
gefunden haben, meistens ist das aber nicht der Fall.

B eisp iel 20.

g e M, \g\ < 1 s
= 2^q
=

n= 0

Was können wir über s sagen?

Wir nehmen an, dass s existiert.

q . s = Y j qn -q = Y j qn = s - i

g-.s = ,s — l = ^ s =
1- g
Wann konvergiert (sn) N?
1 kl
n+1

i -q ii - q\
Für q = 1 gilt
71+1

^ 77. ---
J21= n + 1’
k=Q
das konvergiert sicher nicht.
Für q = —1 gilt
1 ~ ( - 1 ) " +1
sn = -------—-------- = 1 oder 0

und das ist auch keine konvergente Folge.

\q\ > 1 \q\n+1 ist unbeschränkt => sn ist auch unbeschränkt, d. h. n e Nist nicht konvergent.

B em erk u n g 10. Die Reihe („geometrische Reihe“ )


oo

E i"
?i=0

konvergiert genau dann, wenn |g| < 1. Der Wert der Reihe ist dann

2.8 Konvergenzkriterien
Das Cauchy-Kriterium für Folgen besagt:
Die Folge (sn) „ eN konvergiert genau dann, wenn

Vc > 0 31V : Vn > IVVf e N : jsn+z - sn| < s

n+Z n n+Z
Sn+Z Sn ^ ^ ^ ^Ofc = ^ ^ Cik
k=0 fc=0 k=n+1
Damit erhalten wir das Cauchy-Kriterium für Reihen:
2.8 Konvergenzkriterien

Satz 2.8.1. Die Reihe Yl™=oan konvergiert genau dann, wenn:

Ve > 0 3TV : Mn > N W e N :


53 öfe < £
k=n+l

Beispiel 21. Wir wollen die harmonische Reihe i n untersuchen.


Nehmen wir an, die Reihe konvergiert. Sei e > 0. Dann muss nach dem Cauchy-Kriterium
für jedes hinreichend große n und für jedes l der Reihenrest
n+i
1
E
k—n-\-1
k

kleiner als e sein. Wählen wir t n, so erhalten wir


2n 2n
1 1
E
k=n-\-1
l>- E
k=n+ 1
2n 2 '

Das ist ein Widerspruch, somit divergiert die Reihe.

Satz 2.8.2. Sei eine konvergente Reihe, dann gilt lim ^ o o an = 0.

Achtung! Die Umkehrung ist falsch.


Beweis. Aus Satz 2.8.1 folgt:
OO
y ] an konvergiert <bb Ve > 0 3 N : Vn > N Vk e No : \an + an + 1 + an+2 + ----- b an+fc| < £
n= 1

Wenn es für alle k gilt, gilt es auch für k — 0, d. h:

Ve > 0 3TV Vn > TV : \an\< e => lim an = 0


n —>oo


Definition 2.8.1. Eine Folge, für die limIWOO an = 0 gilt, heißt Nullfolge.
Bemerkung 1 1 . Die Folge der Partialsummen sn = ist genau dann monoton wach­
send, wenn Vn G N an > 0. Wir können dann Satz 2.6.4 für Reihen umformulieren.
Satz 2.8.3. Seien an > 0. Die dazugehörige Reihe sn = Y ^ = oan konvergiert genau dann,
wenn die Folge der Partialsummen beschränkt ist.

Wir wollen die Reihe ]T^1 0 h. untersuchen. Wegen A > 0 können wir den Satz anwenden.
fc-i
1 1
Sn E
fc
=0
fc! i +i +E ~k\ k= 2

Dabei wurde
k\ = 1 •2 •3 •4 •5 ........ k =>• Jfc! > 1 •2 •2 ......... 2 = 2k~l
verwendet.
n . oo z ..
2 + T . E - - 3
=e ^ + e (* 2 1 - J ~
k= 0 1=1
Die Partialsummen sind durch 3 beschränkt und nach Satz 2.8.3 konvergiert die Reihe.

39
2 Das Zahlensystem

D e fin itio n 2.8.2. Der Wert der Reihe

(2.26)

heißt Eulersche Zahl.

Es gilt
2 < e < 3.

Wir sehen uns die Folge xn — ( l + ^ )” an:


Kontinuierliche Verzinsung:

• 1. Bank zahlt 1 mal im Jahr Zinsen: 1 —> 2 (100% Zinsen)

• 2. Bank zahlt 2 mal im Jahr Zinsen: 1 —> ( l + |)~

• 3. Bank zahlt 3 mal im Jahr Zinsen: 1 — (1 +

• . ..

• n. Bank zahlt n mal im Jahr Zinsen: 1 —>■ ( l + 4 ) n

Wir stellen uns jetzt die Frage, ob der l i m ^ o o ^ existiert und wenn ja, was für einen Wert
er hat.

Alle Klammern sind kleiner 1, d. h:

1
x- < 2 ^ - ^ ~ e
k =0

Wir haben oben benutzt:

/ n\ n(n — 1)(n — 2)(n — 3 ) . . . (n — k + 1)


\k J = kl

Behauptung: (wird später bewiesen)

n a + Sf) % 1 + E Xi wenn W : —1 < xi < 0 oder W : > 0 (2.27)


1=i 1=l

Daraus ergibt sich

k—1 a 1 k- 1
k - 1 k(k — 1)
> 1 - Z—
V j -^ = 1 -n - / V> f = i
n n 2n
0=1 0=1

40
2.8 Konvergenzkriterien

Daher gilt:

ä ( ä; — 1 )
1 + _ I / wi I -
n) f—' «! \ n n 2n
k= 0 fe=o
n n n—2 , n
E l_
l _ ^1 \A^ A gA. — L)
fc(fc- 1) ' 1 1 \—- . Vx 1
1 e
kl
ft! 2n
2n kl ' J kl 9n
2 n ^ a tl £^—a kl 2n
fc=0 fc=o k=0 e=0 k=0

Wir haben gezeigt:


1 e / 1
> ----------- < 1 + - < e
kl 2n \ n
k=o
Damit gilt nach Satz 2.6.6:

lim 1 + —
ihoo \ n
Wir wollen jetzt beweisen, dass e keine rationale Zahl ist: e £

zweis. Annahme:
Beweis. Ann; e € Q : d.h. e = | mit p,q 6
Das ergibt
CXJ ^ q ^ OO J

q ^ nl +—' n! n!
^ n= 0 n= 0 n=g+l

und nach Multiplikation mit ql erhalten wir

Q i oo .
?! , ?!
?(« - « ! = n£= 0 £ +n=q+£—/
+1
nl n!

Da p((<? — 1)!) G N und für 0 < n < q auch ^ e N gilt, folgt Yln=o w e N und damit auch
Y,n= q+ 1 S G Allerdings güt

°< £ ! t= e
„ = ,+ i" ! „ Ü t i ( « + 1 )(9 + 2) " ' n
<
E
„f^ 1 ( 9 + 1)(9 + 1) - - ( 9 + 1)
1 1
1 = 1<1
< S («+ !)' 9+1 1 -p i 9

o< y
a
4
n !
< i u„d y / — A nl
g!
4
n!
en
n=q + 1 n=q’4-l

Das ist ein Widerspruch, d. h. e ^ Q. □


Jetzt wollen wir die Behauptung (2.27) durch Induktion beweisen.

Beweis. Mit Hilfe von Induktion:

1. Induktionsbasis: n = l : l + a:1 > l + a:i

41
2 Das Zahlensystem

2. Induktionsvoraussetzung:

p y + xt) > i + e Xg
£=1 t= i

3. Induktionsbehauptung:
n+1 n+1

J J ( l + ®«) > l + E E
i=i i=\
4. Induktionsschritt:

n+1

n a + %e) > 1 1 + 2 _ jXe- I (1 + Xn+i), denn es gilt(1 + xn+1) > Oin beiden Fällen.
i=\ \
V (?=i
e=i J i
n-(-1
n+1 / n \ n n

n a + •+) > | 1 + E (1 + x.re+1) = 1 + E x( + xn+1 + xn+1 •E XV:


e=i \ r=i / £=1 r=l
n n+1

E Xl + a>+l = E X*
e=i «= i
n n
Falls — 1 < Xe < 0 =>■ E l Xi < 0 und < 0 => xn+1 •£ +? > 0
€=1 £=1
n n
Falls X/- > 0 +> E Xe > 0 und £r+i > 0 =+ xn+i ■E ^ > 0
£=1 e=i
n+1 n+1

=+ (1 + Xe) > 1 + ^ 2,'r


£=1 i= l


Wir haben bei dem Konvergenzbeweis der Reihe J2^Lo h. eine Idee verwendet, die wir noch
näher untersuchen wollen: wir haben eine unbekannte Reihe mit einer bekannten Reihe ver­
glichen, um die Konvergenz zu beweisen.
oo . n 1 00 -

n=0
^<l +l +E
k= 2
++<2+E ^ “I k= 2

Satz 2.8.4 (Majorantenkriterium). Sei J2^=o *+ e^ne konvergente Reihe mit positiven Gliedern
und es gelte Vn : 0 < bn < an, dann konvergiert die Reihe +•

Beweis. Weil + + 0 + eine Reihe mit positiven Gliedern ist, genügt es, die Beschränktheit der
Partialsummen nachzuweisen.
n n oo

y bk < y ^ < y ^ += = : m
k=0 fc=0 k= 0

Die Folge der Partialsummen ist beschränkt, die Glieder der Reihe sind positiv, d. h. die Reihe
ist konvergent. □

42
2.8 Konvergenzkriterien

Bemerkung 12. Die Reihe Y ^ = oan heißt Majorante.


Beispiel 22. Wir wollen wissen, ob die Reihe X ^ L i "t konvergiert. Es gilt

n2 <
— n—
(n +, 1) <=>- n- f l < 2 n' 0 - n > l .
l
Wir wissen, dass X ^ L i n^+Tj e^ne konvergente Reihe ist, daher ist die Reihe X ^ L i konver­
gent.

Beispiel 23.
_°° i

e
n—1
A
n3

Es gilt
\ \ und
nA nz
wir wissen, dass ^ konvergent ist, d. h. X ^ i 4? ist auch konvergent.

Bemerkung 13.

E
71=1
ist konvergent VA; £ N, k > 2

Satz 2.8.5. Minorantenkriterium Sei an > 0 und es divergiere die Reihe n= 0 an Sei
weiters bn > an, dann divergiert auch X)^Lo

Dieser Satz ist die Umkehrung des Maj orantenkriteriums.

Beweis. Angenommen X)JXo konvergiert, dann konvergiert nach dem Majorantenkriterium


auch Yl^Loan- Widerspruch! □

Bemerkung 14. Die Reihe X)JXo °!n heißt Minorante.


Beispiel 24.

1 < yfn =4- yfn < n =£■ —= > —


yfn n
Die Reihe X ^ L i \ divergiert, daher divergiert auch ^

Satz 2.8.6. (Verdichtungssatz) Sei (an)neN monoton fallend und positiv. Dann konvergiert
J2f=o ön Senau dann, wenn X ) 5Xo ^k ' a2 k konvergiert.
Beweis. Sei YjfL 0 2k •a2k konvergent. Sei n E N und 2k > n. Dann gilt

n 2k

'y ^ cie S y j ae = (ßo) + (01) + (02 + a z) + (a4 + 05 + °6 + a 7 ) + ••■ + (a 2k-i + •••+ o ^ - i )


e= o 1=0
cl2 03 2 •a2 , 04 -\- 05 -|- clq 0.7 4 •<24 usw.
n 00

y ^de < Uo + 1 ■Oj\ + 2 •a.2 + 4 •04 + •••+ 2^ * •cb2k-1 E Qo S" y ^2fc •a2k
r=o fc=o
Man benutzt die Monotonie, um aufeinanderfolgende Glieder abzuschätzen. Die umgekehrte
Richtung geht analog. □

43
2 Das Zahlensystem

B eisp iel 25. Wir wollen sehen, ob die Reihe d konvergiert

1 1
- > -----
n n.4- 1

und nach Satz 2.8.6 folgt

OO 1^ wo
00

Z
k=0
2*' 2* =kZ
=0
1^ divergent.

B e m e rk u n g 15. Der Verdichtungssatz macht konvergente Reihen stärker konvergent und


divergente Reihen stärker divergent.

B eisp iel 26. Wir wollen sehen, ob die Reihe konvergiert

1 1

und nach Satz 2.8.6 folgt

Weil = q < 1 gilt, konvergiert die Reihe-

D efin ition 2.8.3. Eine Menge A C R heißt beschränkt, wenn

3m, M G M : Va; G A : m < x < M

m heißt dann untere Schranke, M obere Schranke.

D efin ition 2.8.4. Sei A C R, A beschränkt. Dann bezeichnen wir mit:

• inf A „Infimum von A “ die größte untere Schranke

• sup dl „Supremum von A “ die kleinste obere Schranke

B em erk u n g 16. Sei A C R, A beschränkt und m = inf A und M — sup A. Dann gilt

Vieh: m < x < M

und
Ve > 0 3x G A : x > M — e

Ve > 0 3 x E A : x < m + e.

44
2.8 Konvergenzkriterien

2.8.1 Verfeinerung der Vergleichskriterien


Definition 2.8.5. Sei ( an)neN eine beschränkte Folge reeller Zahlen und seien:

limsup an größter Häufungswert von (an)ngN „Limes superior“


n —>•oo

liminfan := kleinster Häufungswert von (an)ngN „Limes inferior“

Wenn (o „)ngN nac^ oben unbeschränkt ist,

VM > 0 : 3 n : an > M,

dann setzen wir


lim sup an = oo.
n-+ oo

Wenn (an)ngN nach unten unbeschränkt ist,

VM > 0 : 3 n : an < —M

dann setzen wir


lim inf an = —oo.
n—tco

Bemerkung 17. limsup und lim inf existieren für jede Folge.

Bemerkung 18. Sei (an)ngN beschränkt und M = lim supn^ OC)an Dann gilt

V e > 0 : { n G N | a n > M —e} hat unendlich viele Elemente.

Die Menge
{n 6 N|an > M + e}

ist endlich, denn sonst würden wir ja einen größeren Häufungswert finden.
Genauso gilt für m — li m i n f ^ ^ a « , dass

Ve > 0 : {n € N|an < M + e} unendlich viele Elemente hat.

Die Menge
{n € N|an < m —e }
ist endlich, denn sonst würden wir ja einen kleineren Häufungswert finden.

Bemerkung 19. Sei (an)ngN mit

lim sup an = lim inf an = A =>- A = lim an,


oo n-> oo n-> oo

d.h. die Folge hat den Grenzwert A.

Satz 2.8.7. Sei J2™=oan mit an > 0 konvergent, bn > 0 und limsupn^.(X) ^ = M . Wenn
M < oo, dann konvergiert auch bn-

45
2 Das Zahlensystem

Beweis. Wir setzen e = 1 in der Bemerkung 18 und erhalten

Ih I
■:—~r < M + 1 stimmt für alle n, mit Ausnahme von endlich vielen: n > N0.

Wir setzen
bn, n < N0
^(M + 1) ■an, n > No.
Die Reihe
oo N o —1 oo

5-y °n = ^n + 1) a'n
n=0 n —0 n .= N 0

konvergiert dann. Daher gilt nach dem Majorantenkriterium

bn < cn => ^
’ ^bn konvergiert.
n=0

Damit konvergiert auch bn nach Satz 2.8.4. □

Umgekehrt können wir das Minorantenkriterium verwenden, um Folgendes zu sehen.

Satz 2.8.8. Sei Yl’ZLo ° » mit an > 0 divergent, bn > 0 und lim in f^ oo ^ = m. Wenn m > 0,
dann divergiert auch Yl^Lobn-

B em erk u n g 20. Besonders einfach sind die beiden Sätze 2.8.7 und 2.8.8. wenn

0 < hm — < oo
n-¥o c a.n

existiert.

B eisp iel 27. Wir wollen jetzt J2n=i N mit E “=i N ik ö vergleichen.

v 77 i- n+ 1 1+ ^ ..
hm —2— — lim ------- = hm — = 1 < oo
n—Yoo — n —>-oo 72 n —Voo 1
n (n + lj

Wir haben bis jetzt nur mit Reihen gearbeitet, die positive an haben. Aber was passiert,
wenn wir auch negative an zulassen?

D e fin itio n 2.8.6. Eine Reihe YN= o a« heißt absolut konvergent,., wenn: \an\ konvergiert.
Eine konvergente Reihe, die nicht absolut konvergiert, heißt bedingt konvergent.

Satz 2.8.9. Sei die Reihe YNl10 an absolut konvergent, dann ist sie auch konvergent.

Beweis. Weil lanl konvergiert, gilt

n-\-k n-\-k n+k


Ve > 0 3N Vn > N bk e N : ^ l°/l < 5 =► < M < £■
£= n t=n £=n

Damit konvergiert an na-ch Satz 2.8.1. □

46
2.8 Konvergenzkriterien

Beispiel 28.

1
< 1 => die Reihe ist absolut konvergent
2
n=0

Bemerkung 21. Sei Y ^ = o an eine absolut konvergente Reihe, dann hat jede Umordnung von
a n denselben Wert (unendliches Kommutativgesetz). Wenn an bedingt konvergent
ist, kann man durch Umordnen der Reihenglieder jeden beliebigen Wert als Summe bekommen.

Satz 2.8.10 (Leibniz-Kriterium). Sei (an)neN eine monoton fallende Nullfolge, dann konver­
giert •°n-

Beweis.
s n = a 0 ~ a l + Ö2 — U3 + ' • ' + ( ~ l ) n ' a n

s 2n — a 0 ~~ a i + a 2 ~~ 03 + ’ ' ‘ + 0'2n—2 ~ U 2n-1 + a 2n = s 2 n -2 ~ ( a 2 n - l ~~ &2n)

Ö2n—1 ®2n 0 S2n—2 Id S2n

Die Folge (s 2n)neN ist monoton fallend.

6‘2 n + l — öq ~ Ui + • • • + Ö 2n -1 + &2n ~ Ö2n+1 = s 2 n - l + a 2n ~ & 2n+l U S2n- 1

Die Folge (s 2n+i)neN ist monoton wachsend.

S2n = ( ° 0 ~ ■ö l ) + (ö 2 — Ö3) + • • • + (cL2n-2 ~~ a 2 n - l ) + a 2n -d 0 ,

weil öo — ai > 0 , ö2 — 03 > 0 , a2n_ 2 — ö2„ _ i d 0 .


(s 2n)rieN ist nach unten beschränkt. Zusammen mit der Monotonie ergibt das die Konvergenz.
Somit existiert
s = lim s2n
n—¥00

s 2 n + l — a 0 + ( — Ul + Ö2) + • • • + ( — Ö 2n -1 + a 2n) ~ a 2 n - l fd öq,

weil —öi + O2 < 0 , - ö 2n- l + ö2n < 0 .


(s 2n+i)n6N ist nach oben beschränkt. Zusammen mit der Monotonie ergibt das die Konvergenz,

lim s2n_ i = lim ( s2n - a2n- i ) = lim s2n - lim a2„ _ i = s


n—>co n— Foo n—>oo n—^oo

Dann gilt s = lim ^ -^ sn und die Reihe Xl*=o(_ l ) " ' an konvergiert daher. □

Bemerkung 22. Der Beweis des Leibniz-Kriteriums zeigt, dass

S2n—1 S <1 S2n

für alle n gilt. Daraus erhalten wir

^n| — ö n -)_i -

Die n-te Partialsumme unterscheidet sich also von der Summe der Reihe um weniger als das
erste nicht berücksichtigte Reihenglied, der „Abschneidefehler“ geht also gegen 0.

47
2 Das Zahlensystem

B eisp iel 29. Wir sehen uns die Reihe an. an = \ ist eine monoton fallende
Nullfolge, daher konvergiert die Reihe.

B em erk u n g 23.
1 1 1 1
sio — —1 +
3 4 9 1Ö
1
|s - §io| £ y j = 0,0909.

Um k Nachkommastellen von 5 zu berechnen, braucht man 10/s+1 Summanden.

B eisp iel 30.

£ konvergiert, weil —7= eine monoton fallende Nullfolge ist.


Jn

Satz 2.8.11. Sei )T)))£ 0 an eine konvergente Reihe mit positiven Gliedern und gelte Vn : \bn\<
an, dann konvergiert die Reihe (absolut)

Satz 2.8.12. Quotientenkriterium: Sei (bn)n€N eine Folge reeller Zahlen, dann gilt:

00
lim in f% ± fl > 1 y ) bn divergent (2.28)
n -+ 00
—to0 I\bn
on I
n= 0
00
|^n+l
lim sup - < 1 y ) bn konvergent (2.29)
n -¥ 00 I un n= 0

Wenn q = lim,Wco existiert, dann konvergiert X)^°=o wenn q < 1 und divergiert, wenn
q > 1 . Bei = 1 ist keine Aussage möglich.

Beweis. Wir beginnen mit (2.28). Nach Definition des lim inf sind nur endliche viele Werte
kleiner als der liminf, also

lim inf > 1 =» 3N : Vn > N : ^ +1I > 1 => |&n+i| > \bn\=> 0 < \bn\< \bn+1\
Ibn\ \bn\

Damit gilt nicht limrwoo bn = 0 und die Reihe divergiert.


Wir machen weiter mit (2.29) und setzen q = lim s u p ^ ^ p p p < 1. Dann sind nach Defi­
nition des limsup nur endlich viele Werte größer als r = < 1:

3N : Vn > N : < r.
y^nI
=>■ \bn+l\ £ •\bn\£ e2 ■|Gi-l| £ •••£ rn N+1 ■h v

D. h. für n > N gilt \bn\< rn~N •|hv|


Hn=o rn~N ■M ist eine geometrische konvergente Reihe, daher ist YlnLo IM auch konvergent.

Die dritte Aussage folgt aus (2.28) und (2.29).

48
2.8 Konvergenzkriterien

Beispiel 31. W ir sehen uns die folgende Reihe an:

1 ^ 1 Q'n+l _ (n+1)! _ n!
n! A n!(n
v + l)y n+ 1
n=0 n!
1
lim = 0 < 1 die Reihe ist konvergent
n->oo n + l
Beispiel 32. Sei
n gerade
Q*n. —
T-h, n ungerade

V" - 1 1 1 1
/ V Ön ~ OO Ql 02 <53 ' ■
2° 31 22 33
n= 0
i
n gerade
a rc+ l 2n
1
2K^ , n ungerade.
3n
Damit gilt
lim inf
= 0 < limsup = oo.
n—too CLn n—»oo
Wir können also keine Aussage über die Konvergenz der Reihe machen.
Beispiel 33.
oo 1 __ ±__
J- _ 1 n «n +1 _ ( n + l ) fc

n= 0
E n fe rr’
a„ Ün ~
(n + l ) k _
Qn
Dieser Audruck geht für wachsendes n gegen 1 , d.h. limn_^oo a n+1 1, und es ist keine Aussage
mit dem Quotientenkriterium möglich.
Satz 2.8.13. Wurzelkriterium: Sei (an)n&n eine Folge reeller Zahlen, dann gilt:
Wenn lim sup > 1, dann divergiert die Reihe (2.30)

Wenn limsup < 1, dann konvergiert die Reihe (2.31)

Wenn q = l i m ^ ^ existiert, so konvergiert die Reihe, wenn q < 1, und divergiert, wenn
q > 1. Im Fall q — 1 ist keine Aussage möglich.
Beweis. Wir fangen mit (2.30) an:

limsup {/\an\> 1 +> es gibt unendlich viele n, so dass l/|an|> 1.

=+ \an\> 1 unendlich oft, daher divergiert ^ an.


n—0
Wir machen weiter mit (2.31):

q = lim sup \/\an\< 1 => 3 N : Vn > N : y/\an\<


n—»oo ^
^ \n oo
die konvergente geometrische Reihe => an konvergiert
n= 0

Die dritte Aussage folgt aus den beiden ersten. □

49
2 Das Zahlensystem

Beispiel 34. Wir wollen bestimmen, ob folgende Reihe konvergent oder divergent ist:

Y-/'1 l Xn 'l l
An = I “ i----
n= 1
2 n

o° / j j \ n
1 1 1
lim = lim - -)— = - < 1 konvergiert.
n—too n—
n eVoo
oo 2 T
n). 2
9 —J 2 n
n—1

Beispiel 35. Sei X^n=o e^ne Reihe mit:

_ J p -, n gerade
R;
3n
n ungerade

. 7, n gerade
|, n ungerade
j OO
lim sup = — < 1 =4» qn konvergiert.
n=0

Beispiel 36.
a e E, a > 0, lim \Ja = ?
n—yco

a> 1

/tt = 1 + ^n, > 0 => a = (1 + x n)n = 1 + ( nj •x„ + r j - x raz H------> 1 + n •xn

a —1
0 < x„ < lim xn = 0 =t lim y a = 1.
n n —s-oo n^oo

a< 1

lim \ - = ----- 1.
n^oo V a linm
o = l
=4> lim l/a = 1
n—>oo

lim >/ä = 1 • (2.32)


n— >oo
Daraus folgt, zum Beispiel, dass die offensichtliche Divergenz der Reihe

V -
n—0 2
mit diesem Kriterium nicht bewiesen werden kann.

Beispiel 37.
n £ N, n > 1, lim \fn = ?

n(n — 1)
Vn = l+ x n (■n > 1, xn > 0 ) =b n = (1 + xn)n = 1+ Q ■xn+ Q ■xn2+ ■• • > 1+ ■ Xr,

50
2.9 Die komplexen Zahlen

n —1
xn < n (n —1)
— 0< Xn <
n
2

— —y 0 =£■ xn —y 0
n
lim y/n = 1 . (2.33)
n—>•oo

Daraus folgt, zum Beispiel, dass die Divergenz der Reihe

OO
1
En
71=0

mit diesem Kriterium nicht bewiesen werden kann.

Bemerkung 24. Sei (an)neN eine Folge reeller Zahlen mit limsup n_+00 ^\an\< 1. Dann sind
nach dem Wurzelkriterium auch an und ' an konvergent.

Bemerkung 25. Frage: Unter welchen Bedingungen an die Reihen gilt:


OO OO OO
^ ' ifin 3“ ^n) = "y ^ U.n d“ ^ ^
ro= 0 n= 0 n=0

Bemerkung 26. Wenn eine Reihe nach dem Quotientenkriterium oder nach dem Wurzelkri­
terium konvergiert, konvergiert sie absolut.

Satz 2.8.14 (Cauchy-Produkt). Seien YlnLoan und Y^^Lo^n absolut konvergent. Dann gilt

( OO \ / oo \ oo
aA ■\ Y 1 bn) = J 2 Cn> (2-34)
n=0 ) \n=0 / n=0

mit
n
Cn ^ •bn— .
k= 0

2.9 Die komplexen Zahlen


NCZCQCR

Wir können schon sehr viele Gleichungen lösen, aber wir finden immer noch welche, für die
wir keine Lösung haben, wie z. B: x2 + 1 = 0.
i sei diese Lösung und wir definieren i 2 = —1.
x 2 + 1 = 0 hat 2 Lösungen: i und —i.

Definition 2.9.1. Wir definieren die Menge der komplexen Zahlen als

C = {a + bi\a, b E IR}.

51
2 Das Zahlensystem

2.9.1 Die quadratische Gleichung


a ■x 2 + b ■x + c = 0 a, b, c € a^ 0 gesucht ist x
b c
x + -x + - = 0 ~=P ~ = q P-, <1e
a a a a
2 ,„2
£2 + £>£ + q = 0 =t> X2 + p s + + g = 0 =t- + 0

1. Fall:

2. Fall:
p_
—q < 0
4
dann gibt es keine reelle Lösung. Wir verschaffen uns eine, indem wir das

Zahlensystem durch i2 = —1 erweitern und erhalten als Lösung:

ZI
„2 ,V V
(*+§)=' => + 2 = ±z V 'q ~ 7 ^ X = - 2 ± i ' r ~ 4

Die Gleichung besitzt im 2. Fall keine reelle Lösung, aber eine komplexe Lösung.

2.9.2 Rechnen in C

(ö'l + b\i) rt («2 + b2i) — 0-1 + 0-2 + (&1 + b2)i


(ai + M ) ■(o2 + b2i) = ftiu2 •a\bri + a2bii + bib2f = (aia2 - b\b2) + ( öi &2 + a2bi)i

B em erk u n g 27. Sei z = a + bi E C, dann heißt:


a = 5R(~), oder auch Re z, Realteil von z und
b = üs(z) oder auch Im z, Imaginärteil von z.

D e fin itio n 2.9.2. Sei z G C, z = a + bi. Dann ist z — a — bi die zu z konjugiert komplexe
Zahl oder die Konjugierte.

Es gilt:

• Zi ± e2 = ~ z[± zj

• zjjT~z2 = zj-Z2

• Für z G JR: z — z.
Beweis: a + bi G R => b = 0 => a + bi — a — a — bi =>■ z = z

• z -z = z -z = z -z e R
Beweis: Sei z = a + bi, z = a — bi. z -z = a2 — abi + bai — b2 ■i2 = a2 + b1.

52
2.10 Folgen in C

Wir wollen ein multiplikatives Inverses ermitteln:


z ■z = a2 + b2, z 0, z = a + bi

z n 5u 1_ z a — bi a b .
* ' a2 + b2 = ' ' z = = ~dTVb2 = “ a2 + b2*

Es gibt also zu jedem z E C, z ^ 0, ein Element w E C, sodass z •w = 1,

Bemerkung 28. Die Operationen +,• erfüllen also Ai — A 4 , M\ — M 4 und D, C ist also ein
Körper.

Definition 2.9.3. Sei z E C, dann definieren wir \z\ = y/z -z — + ö (z )2

| • |erfüllt die Dreiecksungleichung: \z + w\ < \z\ + |w|

2.10 Folgen in C
Sei (zn)neN eine Folge komplexer Zahlen, dann nennt man zn konvergent in C genau dann,
wenn Ve > 0 3N : Vn > N : \zn — z\ < e.
Wir schreiben dann: z = limjj^oo zn

Bemerkung 29. (z „)neN = (xn + iyn)neN ist genau dann konvergent gegen z = x + iy, wenn
(xn)neN und (yn)nGN gegen x bzw gegen y konvergieren.

Alle Sätze über Folgen in R bleiben für Folgen in C gültig.

Beispiel 38.
Zn Xr Wn — ( 1 H---- ) + * ( 1 d-----
nJ \ n
1 1 .1 1 1 2
\zn - (1 +*)| = 1 + - H 1 + -] -1 -i _ b l— < + - < £
n n n n n n n
2 2
n > - wir wählen N — I—I + 1
E £
Jetzt wollen wir die Wurzel aus einer komplexen Zahl ziehen:
Wir suchen also ein w E C mit w2 = z — a + bi.
Wir setzten w = u + iv und das setzen wir oben ein
W ir erhalten w2 = u2 + 2iuv —v2 = a + bi. Aus dieser Gleichung komplexer Zahlen bekommen
wir 2 Gleichungen, wenn wir die Koeffizienten von Real- und Imaginärteil vergleichen.
u2 — v9= a
2 uv = b
Durch Quadrieren erhalten wir

ui —2u2v2 + u4
4u V

53
2 Das Zahlensystem

und durch Addition der beiden Gleichungen

u4 + 2u V + v4 = ('u2 + u2) 2 = a2 + 62

Damit haben wir die beiden Gleichungen

u2 + v2 = V a2 + fe2
9 9
u - v —a

aus denen wir durch Addition bzw. Subtraktion

'U2 = ^(\/a2 + b2 + a)

v2 = ~ (V a 2 + b2 — a)

erhalten. Es gilt dann

u= + b2 + a)

v= - ( \ / a2 + b2 — a)

Wobei die Vorzeichen so zu wählen sind, dass 2uu = b gilt.

Satz 2.10.1 (Fundamentalsatz der Algebra). Jedes Polynom von Grad n (n > 1) hat in C
genau n Nullstellen, (wobei man mehrfache Nullstellen auch entsprechend mehrfach zählt).

Diesen Satz werden wir in der Vorlesung Analysis T2 beweisen.

54
3 Funktionen und Stetigkeit

3.1 Funktionen
Definition 3.1.1. Seien A und B zwei Mengen. Eine Zuordnungsvorschrift / , die jedem a E A
eindeutig ein b E B zuordnet, heißt eine Abbildung oder Funktion. Wir schreiben in diesem
Fall b — f(a). Die Funktion wird als / : A —> B] a f(a) geschrieben.

• A heißt die Definitionsmenge

• B heißt die Bildmenge

Wenn M C A , dann heißt


f ( M) = ( f ( a) I a £ M }

das Bild von M unter f . Wenn N C B, dann heißt

f ( - 1\ N ) = { a e A \ f ( a ) e N }

das Urbild von N unter f .

Definition 3.1.2 (Verknüpfungen von Abbildungen). Seien

/ : A -4 B und g : B —>•C.

Dann heißt die Abbildung

go f : A -¥ C
a ^ 9(f(a))

die Verknüpfung der Abbildungen g und / . {„g verknüpft mit / “ )

Beispiel 39.
f ( x ) = x 2, g(x) = sm(x)

(.9 ° f ) ( x ) — sin(a;2)

Definition 3.1.3. Eine Abbildung / : A -> B heißt injektiv (eineindeutig), wenn

Vxx, x 2 E A : f ( x i) = f ( x 2) O i ! = x2. (3.1)

Die Beziehung (3.2) ist äquivalent zu

Vxi , x2 E A : Xi x2 O f ( x i ) ^ f ( x 2). (3.2)


3 Funktionen und Stetigkeit

Definition 3.1.4. Eine Abbildung / : A —^ B beißt surjektiv, wenn

Vy e B : 3x 6 A : f ( x ) = y, (3.3)

d.h f(A ) = B.

Definition 3.1.5. Eine Abbildung heißt bijektiv, wenn sie injektiv und surjektiv ist.

Beispiel 40.
f ( x ) = x2

!(x) = - / : M \ { 0 } ^ K \ { 0 }
oc
Beispiel 41.
/ : R+ -4 R+
X H4 X 2

f ( x l) = f ( x 2) & XI2 = x 22 =4 (Xi + x 2)(xi - x 2) = 0 =>

X\ = —X-2 V X\ — X-2

Da / auf 1R+ definiert ist, kann x\ = —x 2 nicht passieren, d. h. / ist injektiv.

y G M+ , f ( x ) = y, x 2 = y 4 = x = ±^/y

f ist also surjektiv. D. h. / ist auch bijektiv.

Beispiel 42.
g : M -4 R+ : g(x) = x 2

g{x i) = g(x2) .Ti2 = x22 =4 (X! + x2)(xi - x2) = 0 44

x\ = —x 2 V Xi = x2
D. h. / ist nicht injektiv. Das kann man auch durch ein Gegenbeispiel beweisen: y ( l) =
g{ —1) = 1. Die Surjektivität beweist man wie oben, aber die Funktion ist nicht bijektiv.

Beispiel 43.
h : R —> R
x -4- x2
Der Beweis, dass die Funktion nicht injektiv ist, ist analog zu dem obigen Beispiel.

y EM h(x) = y <=> x 2 = y hat genau dann eine Lösung wenn y > 0,

aber es gibt nicht für jedes y E R eine Lösung, d. h. h ist nicht surjektiv und daher auch nicht
bijektiv.

Bemerkung 30. Die Injektivität, Surjektivität bzw. Bijektivität einer Abbildung hängt so­
wohl von der Abbildungsvorschrift als auch von der Bild- und Urbildmenge der Abbildung
ab.

Bemerkung 31. Zwei Abbildungen / : A -4 B und g : C -4 D sind genau dann gleich, wenn:
A — C A B = D A Va E A : f ( a ) = g{a).

56
3.1 Funktionen

In den obigen Beispielen wurden also 3 verschiedene Abbildungen diskutiert.

Satz 3.1.1. Sei / : A —>■B eine Abbildung. Dann gilt:

/ surjektiv 4* 3gx : B A : Vy € B : f o gi(y) = y ( 3 .4 )


/ injektiv 3g2 : B -> A : Vx € A : g2 ° f ( x ) = x (3.5)
/ bijektiv / ( x ) = x AVy e B : f o g(y ) = y. (3.6)

Beweis. 1. Wir wollen beweisen, dass / surjektiv ist, wenn es eine Abbildung gx gibt. Nach
Definition von gx ist x = gx(y) eine Lösung der Gleichung f { x ) = y. Damit ist / surjektiv.

Sei umgekehrt / surjektiv. Dann ist / (_ 1) (A^) ^ 0, wenn 0 ^ N C B. Wir definieren


dann
9i '■ B —>•A
y 1-4 - ein Element aus f ~ l ( {y} )

2. Wir wollen beweisen, dass / injektiv ist, wenn es eine Abbildung g2 gibt.

/ O i) = f ( x 2 ) =>X! = g2( f ( xi)) = g2{ f (x2)) = x 2

/ ist also injektiv.


Sei umgekehrt / injektiv.

Vx 1 ; x 2 e A : / ( x i ) = f ( x 2) O x i = i 2

Dann hat für y £ B die Menge / 1 ( { y } ) höchstens ein Element. Wir definieren für ein
d <EA
9 2 '■ B —>
•A
x, wenn { x } = / 1 ({y})
V >-+
a, wenn / _1 ({?/}) = 0

92( f ( x) ) = g2 (y) = x, weil f ( x ) = y und f - 1 ( { / ( x ) } ) = { x } . Die zweite Alternative


der Definition wird nie verwendet.

3. Die dritte Aussage folgt aus der Verknüpfung der ersten beiden.

Definition 3.1.6. Wenn / eine bijektive Abbildung ist, dann heißt die Abbildung g aus ( 3 .6 )
die Umkehrabbildung von f ; g = / - 1 .

Definition 3.1.7. Sei / : A -> B eine Abbildung. Dann heißt die Menge

{(a, f(a)) |a G A } C A x B

der Graph von / .

Beispiel 44.
/: K +^K +
X X2

57
3 Funktionen und Stetigkeit

Abbildung 3.1: Graph einer injektiven Funktion

Abbildung 3.2: Graph einer surjektiven Funktion

58
3.2 Stetige Funktionen

Wenn / injektiv ist, dann hat der Graph folgende Eigenschaft:


Eine waagerechte (horizontale) Gerade schneidet den Graphen in höchstens einem Punkt (je­
der Wert wird höchstens einmal angenommen).

Wenn / surjektiv ist, dann hat der Graph folgende Eigenschaft:


Jede horizontale Gerade schneidet den Graphen in mindestens einem Punkt.

Wenn / bijektiv ist, dann hat der Graph folgende Eigenschaft:


Jede horizontale Gerade schneidet den Graphen in genau einen Punkt.
Der Graph der Umkehrfunktion / - 1 geht durch Spiegelung aus dem Graphen von / hervor.
Eine Abbildung / : I —> R heißt reellwertige Funktion.

Definition 3.1.8. Sei / : / —> R. Dann heißt / :

• monoton wachsend, wenn: i x , y E I '■x < y => f ( x ) < f ( y )

• streng monoton wachsend, wenn: i x , y E I : x < y => f ( x ) < f ( y )

• monoton fallend, wenn: i x , y E I : x < y => f ( x ) > f ( y )

• streng monoton fallend, wenn: i x, y E I : x < y =$■ f ( x ) > f ( y)

Definition 3.1.9. Sei / : IR -4 R. Dann heißt / :

• gerade: i x E R : f ( x ) — f { —x)

• ungerade: i x E R : f ( x) = —f { —x)

Bemerkung 32. Sei / eine gerade Funktion. Der Funktionsgraph ist symmetrisch bezüglich
der y-Achse.
Sei / eine ungerade Funktion.
f ( x ) = - f ( - x ) dann gilt für x = 0 : / ( 0 ) = - / ( - 0 ) = - / ( 0 ) / ( 0) = 0
Der Funktionsgraph ist symmetrisch bezüglich des Ursprungs.

Beispiel 45. / ( x) — x2 definiert eine gerade Funktion; f { x ) = x3 eine ungerade Funktion.

3.2 Stetige Funktionen


Wir wollen eine Eigenschaft reeller Funktionen besonders studieren: die Stetigkeit: „Welche
reellen Funktionen vertragen sich mit der Konvergenz von Folgen?“

Definition 3.2.1. Sei / : / —> R eine reelle Funktion und x 6 I ■Dann ist / stetig in x, wenn
für jede Folge (xn)neN mit Punkten aus / und mit x = lim ^ oo xn, Folgendes gilt: { f { x n))n€®
konvergiert gegen f( x) . Die Funktionsauswertung lässt sich mit dem Grenzwertübergang ver­
tauschen:
/ ( lim xn) = lim f ( x n) (3.7)
n-> oo n-¥ oo

59
3 Funktionen und Stetigkeit

B eisp iel 46.


Gegeben sei eine Funktion / : R + —> R + , und ein xo E R
X SO- x2

Sei (xn)neN eine Folge, die gegen x 0 konvergiert. Dann gilt (xn ■xn)nen = (xn2)nen ist ebenfalls
konvergent und
lim f ( x n) = lim x n2 = ( lim xnY = x02 = / ( x 0).
n— >oo n—>■oo n— Aoo
/ ist also in jedem Punkt x0 e R stetig.
B eisp iel 47.
g : R R
1, w en n x C Q

Z. B. gilt g(|) = 1, g(y/2) = 0.


{ 0, wenn x f. Q

Wir untersuchen die Stetigkeit.


1. Sei xo E Q. Wir wählen x n = xo + gg ^ Q. (Andernfalls wäre n(rcn — x q ) — V 2 E Q.)
Für alle n gilt g (xn) = 0 und es gilt x0 = lim ^ oo xn. Allerdings gilt limn . x g(xn) = 0 Y
g(x 0) = 1, somit ist g in x0 nicht stetig.

2. Sei xo Q. Sei xn = Das ist äquivalent zu n ■xn — 1 < n •Xq < n ■xn oder
nach Division durch n ist es äquivalent zu xn — 1/n < x0 < x n. Daraus folgt aber
x0 < xn < Xo 4- 1 /n und damit lim., . x .r,., = x0. Nach Konstruktion ist xn rational,
somit gilt g(xn) == 1, aber 0 = g(x o) Y lim ^ oo g (xn). g ist also in x 0 £ Q nicht stetig.
Somit ist g überall unstetig.
B em erk u n g 33. Diese Definition der Stetigkeit über Folgen eignet sich besonders gut, um
die Unstetigkeit von Funktionen zu beweisen.
D efin ition 3.2.2. Seien / , g : I —» R. Dann setzen wir

1- / ± 9 ■I ->• R; ^ f ( x ) ± g(x)

2. / ■g : / - } K; r 4 / ( x ) ■tf(x)

3. Sei TV = {x E l\g{x) = 0}. Dann setze - : / \ N —* R; x

4. Sei A E R. Dann setze A • / : / —> R; x i—> A •f (x ).


Satz 3.2.1. Seien f ,g : I —> IR. Wenn f , g stetig in x0 € / , dann sind auch f ± g, f ■g, A - /
stetig in x 0. Wenn g {x 0) ^ 0, dann ist auch ^ stetig in rr0.
Beweis. Sei xn eine beliebige Folge, die gegen xq konvergiert. Nach Voraussetzung wissen wir,
dass limn^ 0O/ ( x „ ) = f ( x 0) und lim n^ ^ g ( x n) = g (x0). Daher gilt auch

lim ( f + g ) ( x n) = lim ( / ( x n) + g(xn)) = lim f { x n)+ hm g(xn) = f ( x 0)+ g (x 0) = ( f + g ) ( x 0).


n—>00 n— ¥00 n—>-oc n—too
Somit ist / + ,g stetig in x0. Der Beweis für die Subtraktion und die Multiplikation erhält
man durch einfaches Austauschen aller „ + “ durch „ —“ bzw. Für die Division bemerken
wir, dass wegen g(x 0) Y 0 nach Definition der Konvergenz (wähle z.B. e = \g{xo)/2\) es ein
N E N gibt, sodass für alle n > N auch g(xn) Y 0 gilt. Dann kann obiges Argument wieder
angewendet werden. □

60
3.2 Stetige Funktionen

Bemerkung 34. Sei / : / x —> IR stetig in xo und g : /2 —>• IR stetig in / ( x o ) G I 2 und sei
/ ( F l) C J2, dann ist g o f : I± —¥ IR in x 0 stetig.

Beweis. Sei (xn)ngN eine Folge mit x0 = l i m ^ ^ xn, f ist stetig => lim «-*» f ( x n) = / ( x 0)
g ist s te tig e l i m ^ ^ g { f { x n)) = g { f ( x 0)) =» limn^ 00(p o f ) ( x n) = g o / ( x 0)

Satz 3.2.2 (e-5-Kriterium). Sei / : / —>■IR, xo G / . / ist genau dann in xo stetig, wenn:

Ve > 0 : 3.5 > 0 : Vx G / : \x - x0|< 5 => |/(x) - / ( x 0)| < £ (3.8)

Bemerkung 35. Wenn x nahe genug bei x 0 liegt, dann gilt |/(x) - / ( x 0)| < e. „Nahe genug“
wird durch 5 beschrieben.

Beweis. 1. Wir nehmen zunächst an, dass (3.8) gilt. Sei (xn)neN eine Folge in / mit x 0 =
limn—>00 xn. Wir müssen zeigen, dass dann limn_>0 0 / ( x n) = / ( x 0) gilt.
Sei ein £ > 0 vorgegeben. Nach (3.8) gibt es dann ein 6 > 0, sodass für alle x mit
|x x01 < ö auch |/(x) - / ( x 0)| < £ gilt. Aufgrund der Konvergenz der Folge gibt es ein
N e N, sodass für alle n > N auch \xn — xo| < ö gilt. Diese beiden Aussagen zusammen
besagen, dass für alle n > N auch \f(xn) — / ( x 0)| < e gilt. Wir haben also gezeigt, dass

Vs > 0 : 3N G N : Vn > N : |/(xn) - / ( x 0)| < e.

Das ist aber genau die Aussage, dass lim,^**, f (xn) = f { x 0 ) gilt.

2. Wir beweisen jetzt die Umkehrung. Nehmen wir an, / sei in x 0 stetig, aber (3.8) gelte
nicht. Das heißt, dass

3s > 0 : Vö > 0 : 3x G I : |x - x 0|< 5 A |/(x) - / ( x 0)| > s. (3.9)

61
3 Funktionen und Stetigkeit

Da (3.9) für alle positiven reellen 8 gilt, gilt es insbesondere auch für jedes 8 = 1jn mit
n G N. Das x, das für 8 = 1/n nach (3.9) existiert, nennen wir xn. Dann liest sich (3.9)
als
3 e > 0 : Vn G N : \xn - x 0|< 1/n A \f(xn) - f ( x 0) \> e.

Die Folge x n konvergiert offensichtlich gegen x (l, aber f ( x n) konvergiert nicht gegen
/ ( x 0). Das ist ein Widerspruch zur Annahme.

B eisp iel 48.
/ : R —> R , Xq G R
x i—y x 2
Sei Xq G R. Ist / in xq stetig'/
Sei ein e > 0 gegeben. Es gilt

|f ( x ) - f ( x 0)| = \x2 - xl\ = \X - Xq\■|x + T0|

Wir werden ein 5 auswählen, dass kleiner oder gleich 1 sein wird. Für so ein 5 gilt

\x + Xq\= \x - Xq + 2Xq\< \x ~ Xq\+ 2|x0| < 1 + 2\xq\< 2\xq\+ 1.

Somit gilt
1/0*0 - f ( x o)| < (2|ar0| + 1) • \x - x0\< (2\x0\+ 1) • 8.
Damit |fi x ) — f ( x o)| < e garantiert werden kann, setzen wir 5 = min(£/(2|x0|+ 1), 1). Somit
ist / stetig in xQ

B em erk u n g 36. Wenn es gelingt, eine Ungleichung \f(x) —f ( x 0)\ < c-\x —xo\ für \x —Xq \ < 8
(für zwei Werte c, 5 > 0) zu zeigen, dann ist / an der Stelle Xq stetig.
£
\x .To| < - = 5 => I f ( x ) — / ( T o ) | < C • \x — To| < £

D e fin ition 3.2.3. Sei / ein Intervall und / : / —>■R eine Funktion. Dann ist / stetig auf /,
wenn / stetig in jedem To € I.

B em erk u n g 37. Stetigkeit in einem Punkt To G / ist eine lokale Eigenschaft; es werden
Funktionswerte in einer kleinen Umgebung von Xq betrachtet.
Stetigkeit auf I ist eine globale Eigenschaft.

Satz 3.2.3. Sei / : / —>•R stetig in t0 G / und gelte / ( t 0) > 0, dann gibt es ein 8 > 0, sodass

Vt g I n (x0 — ff x 0 + 8) : / ( x) > 0.

Beweis. Wir setzen e = Dann gibt es ein <5 > 0, sodass

V t G / n ( t 0 - 8, Xq + 8) : I f ( x ) - f ( x 0) \ < £ =

gilt. Aus dieser Ungleichung erhalten wir 0 < < f{x) für x G / fl (t 0 — 8, Xq + 8). □

Satz 3.2.4 (Nullstellensatz). Sei / : ja. b\ —> R stetig auf [a,b] und gelte f (a) < 0 und
/(£>) > 0. Dann gibt es ein £ G (a, b) mit /( £ ) = 0.

62
3.2 Stetige Funktionen

Beweis. Wir definieren zwei Folgen (xn)neN0 und {Un)nen0 durch Xo = a und yo — b. Wenn x n
und yn bereits gegeben sind, dann setzen wir

2^ ^ , wenn / ( 2^ ) < 0
Xn+Vn wenn /(5a±Ka) > 0
2 ’
%n+l Vn+1
xn, wenn / ( 2 a±Ka) > 0 Dm wenn < 0

Wenn f ( Xn^Vn) = 0 gilt, dann haben wir den gesuchten Punkt £ bereits gefunden. Die Folgen
(^n)neNo und {Vn)nen0 sind Cauchy-Folgen mit demselben Grenzwert.

Weil Vn : f ( x n) < 0 gilt, folgt / ( £ ) = lim «^«, f ( x n) < 0.

Ebenso folgt aus Vn : / ( y „ ) > 0 / ( 0 = l i m ^ ^ / ( y n) > 0

also /(0 > 0

und /(0 < 0,

und daher /(0 = 0



Beispiel 49.
/: [0 , 2 ] —» R
x i—» x 2 — 2

/ ( 0) = - 2, / ( 2) = 2 d. h. € [0 , 2 ], sodass /(0 = 0 => £2 —2 = 0 => £ = -\/2 -

Beispiel 50.
/: [0 , 2 ] -* R
x -4 x 5 + 7x 4 4 - 3x 3 — 2x 2 + x — 3

/ ist stetig auf [0 , 1 ]


Sei (xn)ngN eine Folge mit xo = lim ^ oo xn, dann gilt nach Satz 3.7:

lim (x® + 7x4 + 3x 3 — 2x 2 + x n — 3) = x 05 + 7x 04 + 3x 03 — 2x 02 + x 0 — 3

Weil / ( 0 ) = —3 und / ( 1 ) = 7 gibt es ein £ £ (0,1) mit

/(£) = 0 = £5 + 7£ 4 + 3£ 3 - 2£ 2 + £ - 3

Man kann die Idee des Beweises von Satz 3.2.4 verwenden, um die Nullstelle beliebig genau
zu berechnen. Die Methode ist allerdings nicht sehr effizient.

Satz 3.2.5 (Zwischenwertsatz). Sei / : [o, b\ —* R, / stetig auf [a, b]. Dann nimmt / auf [a, b]
jeden Funktionswert zwischen f(a) und f(b) an.

Beweis. Wir können annehmen, dass f(a) < f(b). Sei T £ (f(a),f(b)). Dann setzen wir
g(x) = / ( x ) — T; g ist dann stetig. Es gilt g{a) < 0 und g(b) > 0. Damit existiert nach
Satz 3.2.4 ein £ mit g(£) = 0, also / ( £ ) = T. □

Satz 3.2.6. Sei / : [a, 6] —> R stetig und streng monoton wachsend, dann ist die Umkehrfunk­
tion / _1 auch stetig und streng monoton wachsend.

63
3 Funktionen und Stetigkeit

Beweis. Sei r) G ( / ( « ) , f(b)). Wir möchten zeigen, dass dann / 1 in y stetig ist. Zu zeigen ist
also
W > 0 : 3h > o : Vy E ( f ( a ) .f ( b )) : |y - V\< 5 =E\f~\y) - f~\y)\ < e.
Sei £ > 0 und £ = j 1 (r/), also /( £ ) = rj. Wir können annehmen, dass c so klein ist, dass
(£ — U / + J S [a, &]• Dann gilt wegen der Monotonie

/(/ - e) < /(s) = V< / ( / + e).


Es gibt nun ein ö > 0, sodass

/(£ - J) < V - 6 < r? < y + 6 < / ( £ + e). (3.10)


Wenn ?] — (5 < y < ?7 + h gilt, dann muss wegen der Monotonie
f ~ \ v - S ) < f ~ \ y ) < f ~ \ y + J)
gelten.
Nach (3.10) gilt / *(77 —h) > £ —e und f ~ l {y + 5) < £ + e. Damit gilt für y —5 < y < v + 5.
dass
£ - £ < / \ y) < £ + £■
Für y mit |y — y\ < 5 gilt also — f ~ 1(y)\ < e, die Umkehrfunktion / _1 ist daher
stetig. □
D e fin itio n 3.2.4. Sei S c R. Dann heißt S abgeschlossen, wenn für jede konvergente Folge
(u)ngN S: auch limn—^.x xn (" T liegt.
Intervalle der Form [a, 6 ] c f sind abgeschlossen.
Satz 3.2.7. (W eierstra ß ) Sei / : [a. b] —t R stetig auf / = [a,b]. Dann gibt es ein M E R,
sodass
V:r G 1 : \f(x)\ < M
gilt. / ist also beschränkt auf I.
Beweis. Angenommen, / wäre nicht beschränkt. Dann gibt es für jedes n e N einen Punkt
xn E I , sodass \f(xn)\ > n gilt. Die Folge (r n)nGN ist beschränkt und besitzt daher einen
Häufungspunkt £ (Satz 2.6.3); dieser liegt sogar in / , weil 1 ein abgeschlossenes Intervall ist.
Es gibt also eine Teilfolge (xnk)kefS mit limfc_.>cox nk = £. Weil / stetig in £ ist, gilt

/( £ ) = ,lim / K J -

Andererseits ist die Folge (/K J )fc e N nach Definition unbeschränkt und kann daher nicht
konvergent sein. Widerspruch. □
Satz 3.2.8. Sei / : [a, b] —> R stetig auf 1 = [a, b\. Dann gibt es .Trnir], :cmax E / , sodass
V x E l : / ( ^min ) < / ( A < f ( x max)-
Beweis. Nach Satz 3.2.7 ist / auf / beschränkt. Daher ist die Menge / ( / ) eine beschränkte
Teilmenge von R. Diese besitzt ein Infimum m, und ein Supremum M. Wir müssen nur noch
zeigen, dass / die Werte m und M annimmt. Es genügt, dies für M zu zeigen. Nach Definition
des Supremums gibt es für jedes n E N ein xn, sodass f { x n) > M — A Die Folge ( x n)nepj
besitzt nach Satz 2.6.3 einen Häufungspunkt £. Für diesen gilt
/( £ ) = Ihn f ( x nJ = M.
h—^oo

64
3.3 Potenzreihen

3.3 Potenzreihen
oo
Definition 3.3.1. Sei (an)n£N eine Folge reeller Zahlen, i G l , dann heißt an ■(x —X o)r
n= 0
Potenzreihe, x0 nennt man Entwicklungspunkt.

Sehen wir uns das Quotientenkriterium für diese Art von Reihen an:

an+1 •0 - x 0) n+1 Oi+ 1


— \x — £o|
an ■{x - x0)r
an + l
Wenn lim ^ oo \x — x0\ I an
existiert und < 1 ist, dann konvergiert die Reihe.
Oder wenn
1
\X — X 0 < = lim konvergiert die Reihe
n —too ®n+ 1
lim„ Qn+1
Cln

Beispiel 51.

= expW
n= 0

lim = lim —y — = lim (n + 1) = oo


n —yoo ®n+ 1 (n+l)!
Die Reihe konvergiert für jedes x E R.

Beispiel 52.
°° Tn °° n.n 00
exp(o:) •exp (y) = E ^ ’E = E C-n
„ n\ ' n\
n= 0 n—0 n—0

(siehe (2.34)), wobei

J 1^ r k n .n -k 1 n
fc „,n —fc n!
Zn = ■ (n _fc)i = x ■y fc!(n — /c)!
fe=0
=n ' > k
h—i
=0

n! n n!
-y n—k
fc!(n — &)! E
fc
=0
x
Ä ! ( « - * ;) ! = ( : I + !,)n ^ c" = ^ + !/)'

e x p W •expfa) = E^T'ES = E (x + y)T


. n!
n= 0
z ' n\
n=0
*— '
n—0
n\
exp(x + y)

Sehen wir uns das Wurzelkriterium für Potenzreihen an (siehe: Satz 2.8.13)

\J\^n\ |(■£ 3^0) [ = ^ ’ \x Xq|

Die Reihe konvergiert für \x - x o l-lim su p ^ ^ < 1 und divergiert für \x - Xol’l i m s u p ^ ^ \/\i

65
3 Funktionen und Stetigkeit

Definition 3.3.2. Sei 'Yl^= 0an{x —x 0)n eine Potenzreihe. Die reelle Zahl

R — --------------------=
hmsupn. >0O V K I
heißt der Konvergenzradius der Reihe.

y^Q n •(x - XoT


n= 0
konvergiert für \x - x 0\ < R und divergiert für \x - x 0\ > R. Wenn R = 0, heißt die Reihe
nirgends konvergent, wenn R = oo, heißt die Reihe beständig (oder überall) konvergent.
Satz 3.3.1. Sei
/ 0) = - X 0) n
71=0

eine Potenzreihe mit Konvergenzradius R > 0. Dann ist / : (x0 — R, x0 + R) —> M eine stetige
Funktion.
Beweis. Dazu betrachten wir für \x — x 0\< 2
oo

I/ ( * ) - f ( x o)l = y y on(^ - a’0)n - ao = - ^o)r


n= 0 n=l
n—1
< |x - .n0|•y y |an|•|x - x 0\n 1 < ja; - x 0j •y y
n —1 n= 1

Es gilt dann für \x — Xq\< ^ und


n —1
R
E i Q*n\( ~
n= 1

I/O1’) — /(xo)| < c|x — £o|. Damit ist / stetig in x0-

Sei nun x% E ( xq — R , x o + R). Um die Stetigkeit von / in x { zu zeigen, schreiben wir die
Potenzreihen in Potenzen von (x — xi) um:

f{%) y ~2 bn ( x - X i)n
n= 0
oo

f{x) E an((x - X i ) + (xi - ar0))n


n=0
oo n / \
n -k
E E ( J _ * 0 * •(x i - a’o)
,i=0 fc=0 h '
00 oo / x
n—k
E ^ “ * 1)fc E ( k ) an(Xl ~ xo)
k=0 n =k
oo

bk E ( “ x ü)n =* / ( » ) = y^ h „.(x - 2h)r


n k n=0

66
3.4 Elementare Funktionen

Damit folgt wie oben die Stetigkeit von / in x x g (Xo _ Xq 4 .

3.4 Elementare Funktionen


3.4.1 Exponentialfunktion
Definition 3.4.1. Die Abbildung

exp : R — R
i M- exp(l } = £ » 0 g

heißt Exponentialfunktion.

Nach Satz 3.3.1 ist exp auf ganz R stetig.


Weitere Eigenschaften

• x > 0 =>• exp(x) > exp(O) = 1

• V x € l : exp(x) > 0 (wegen e x p (-x ) = l/e x p (x ))

• x < y =/- exp(x) < exp(y), damit ist exp streng monoton wachsend und daher injektiv.

• exp nimmt jeden positiven reellen Wert an, exp : R —> R + ist also bijektiv.

Definition 3.4.2. Die Umkehrfunktion von exp : R —> R + heißt der (natürliche) Logarithmus,
ln : R + —>■R mit ln (exp (x)) = x.

3.4.2 Die Winkelfunktionen


exp(x) = nf ist absolut konvergent für alle x E R. Mit dem gleichen Beweis konvergiert
diese Reihe auch für alle x E C.

ft T
ERP .- exp(it)
™ ™ — 2_^
V (Ä)B
n[ ^ - ( {Ü)2n+1
( 2 n)! +I ^ 2n + l ) !
n=0 n=0 ' ' n= 0 ' '

Es gilt dann
i2n = (i2)n = ( - i ) n i2n+l = i ■( - l ) n.

Damit können wir


00 j-2n 00 y-2n + l

exp(ii) = B - 1)" (äSji + ! ' B - D V T T ) !


n= 0 v / n=0 ' '

schreiben, oder

xin °° j.2n+l
Ä(exp(*t)) = und ^(exP(^)) = S ( ~ 1)n(2n+-p )]
n= 0

67
3 Funktionen und Stetigkeit

Definition 3.4.3. Die Funktionen sin : R —)- M und cos : M —> M sind durch

exp (it) — cos (t) + i ■sin(t)

bzw.
y-2n ^2n+l
cos(t) = M t) = E t “ 1»' (2n + 1)!
(2 n ) !’
n= 0 71=0
definiert.

Bemerkung 38. Weiters gilt noch

• e x p ( —i t ) = c o s ( t ) — i ■s i n ( i )

• cos(t) = \ (exp(zt) + exp(—it))

• sin(t) — ^ (exp (it) — exp (—it))

• exp(ai + y) = exp(x) •exp (y) gilt auch für x ,y E C (mit demselben Beweis)

• exp(zs + it) = exp(is) ■exp (it)


exp (is + it) = exp (i(s + 1)) = cos(s + 1) + i ■sin(s + t)
exp (is) •exp (it) -= (cos (s) + i •sin(s)) •(cos(f) + i ■sin(t)) =
cos(s) cos(t) — sin(s) sin(i) + z[sin(s) cos (t) + cos(f) •sin(t)]

Daraus folgen die Additionstheoreme für Sinus und Cosinus:

Satz 3.4.1.

cos(s + t) = cos(s) ■cos(t) —sin(s) •sin(t)


sin(s + t) = sin(s) •cos(t) + cos(s) •sin(t)

Bemerkung 39. « exp(zt) •exp(—it) = exp(O) = 1 = (cos(f))2 + (sin(t))2

• cos(t + t) = cos(2t) = cos2(t) —sin2(f) = 2cos2(f) — 1 = 1 — 2sin2(t)

• sin(£ + t) = sin(2t) = 2 sin(t) cos(t)

• cos(O) = 1 , sin(O) = 0

• cos : R -)■ R, cos(x) = (&


COS(-I) = X “ »(-D”t S r = S r .o ( - l) " g i = cos(x)
=>■ cos(a;) = cos(—x)
D. h.: Cosinus ist eine gerade Funktion.

= E “ o (-l)“ ig A i
( _ i )n x 2n+1 __
M M = E E o f-ii-tS ä 1 = - E E V (2n+l)! —sin(x)
sin(x) = —sin(—x)
D. h.: Sinus ist eine ungerade Funktion.

68
3.4 Elementare Funktionen

Wir betrachten co s(l) = (—l ) " ? (^2 n! -) !' Das iRt eine alternierende Reihe mit
1111 u
an =
— (2n)!
und ist monoton fallend. Nach unseren Überlegungen bei dem Leibniz-Kriterium sind die
Partialsummen abwechselnd größer bzw. kleiner als der Grenzwert.
2n
Sei 0 < x < 1 dann ist an = j—yy monoton fallend.
cos(:c) < 1, cos(x) > r >o
1 -
4n
n ■Qn. — (*Ö!
cos(2) = £ ^ o ( - l ) n (24n)!
a0 = 1, oi = 2, a2 = |
(an)n£N monoton fallend erst ab n > 1
cos( 2 ) < 1 — 2 + | = - | < 0 , co s(l) > 0
Nach dem Zwischenwertsatz gibt es ein £ £ (1,2) mit cos(£) = 0.
Wir sind nun in der Lage die Zahl n zu definieren. Wir werden erst später sehen, dass diese
Definition etwas mit dem Kreisumfang bzw. der Kreisfläche zu tun hat.

Definition 3.4.4.
— = in f{x € M+ |cos(:r) = 0}
Lj

Nach der obigen Überlegung gilt: 1 < | < 2 = > 2 < 7T < 4 .

Wir wollen sin (|) berechnen.


Aus der Definition von tt und den schon bekannten Eigenschaften der Funktionen sin und cos
folgt nun:
cos (|) = 0 und cos 2 (§ ) + sin2 ( f ) = 1 folgt sin2 (|) = 1 also auch sin (|) = ± 1 .
sin(a;) > x — y für x > 0 und x > ^ - = > 6 > x 2 = > x < y/ö gilt
sin(a;) > 0 für 0 < x < y/Q und damit sin (|) = 1.

Aus der Doppelwinkelformel folgt: cos(-7r) = 2 •cos 2 (|) — 1 = —1 , sin( 7r) = 0

Aus den Additionstheoremen ergibt s i c h w e i t e r s : cos ( ^ ) = cos ( tt + f ) = cos( 7r) •cos (|) —
•s i n ( | ) = 0
s in ( 7 r )
sin ( y ) = sin (n + |) = sin(7r) •cos (|) + cos(7r) •sin (|) — —1

cos(27r) = 2 cos 2 (7r) — 1 = 1, sin(27r) = 0

Indem wir in die Additionstheoreme einsetzen erhalten wir:


cos(x + 2tr) = cos(x) •cos(27r) — sin(x) •sin(27r) = cos(:r)
sin(x + 27r) = sin(x) •cos(27r) + cos(x) •sin(27r) = sin(a:)
Sinus und Cosinus haben also die Periode von 2 tr.

cos (| — x) = cos (|) •cos(x) + sin (| ) •sin(x) = sin(x)


Später werden wir sehen, dass cos : [0, tt] [—1,1] eine streng monoton fallende Funktion ist.
Somit ist sie bijektiv und besitzt eine Umkehrabbildung, den Arcuscosinus

arccos : [—1 , 1 ] —> [0 , 7r]


x cos - 1 (er)

Ebenso ist sin : [—|, |] —>■ [—1,1] streng monoton wachsend. Damit ist sie bijektiv und besitzt

69
3 Funktionen und Stetigkeit

eine Umkehrabbildung, den Arcussinus

arcsin: [-1,1] -4 [-§ , f]


x i y s in “ 1(.r )

Sei y E [—1,1]- Wir suchen alle Lösungen von cos(x) = y?


Wenn xo = arccos y eine Lösung ist, dann sind Xq + 2/c7t weitere Lösungen.
Wegen cos(27t — x) = cos(27r) cos(x ) + sin(27r) sin(x) — cos(a;) ist dann 27t — x eine weitere
Lösung und damit auch 2n — x + 2k'K) k £ Z.
Dann sind alle Lösungen durch
{ x G K|cos(x) = y } = (arccos(y) + 2A;7r|Ar G Z } U { —arccos(y) + 2kn\k G Z }

gegeben. Für y = 0 ergibt sich wegen arccos(0) =


{ x G Mjcos(x) = 0} = (| + 2kn\k G Z } U { —| + 2kn\k G Z } = {| + k~n\k G Z }

Für y = 1 erhalten wir: cos(r’) = 1,


{a; G M|cos(ir) = 1} = {+0 + 2fcrjÄ: G Z } U { —0 + 2k.7r\k G Z } = {2Utt|A; G Z }

Für — —1 erhalten wir: cos(x) = —1,


y
t IA; G Z } = {(2fc + l)7r|k E Z}
{ x G R|cos(x) = —1} = { tt + 2fc7r|A: G Z } U { —n + 2A’7

Sei y G [—1,1], w a n n g i l t sin(x) = y ?


£o = arcsin( y ) i s t e in e Lösung: x 0 + 2/c7T s i n d w e i t e r e Lö su n g e n w egen
s in ( 7 r — x ) = s in ( 7 r ) c o s ( x ) — cos(7r) s i n ( x ) = s i n ( r r )
und 7r — Xq -{- 2A’7t w e i t e r e Lösungen.
Also gilt {x G sin(aj) = y} = {aresin(y) + 2kir\k G Z } U { 7r — arcsin(y) + 2/ctt|A’ G Z }

Für y = 0 ergibt sich


{x G M|sin(a;) = 0 } = {2kn\k G Z } U {{2k + l)n\k G Z } = {Ä:7r|/i: G Z }

Für y = ± 1 ergibt sich


{ x G M|sin(.'>;) = 1} = {| + G Z } U (7 1 — | + 2h7r|fc G Z } = {| + 2A;7r|/c G Z }
2kn^k

|:r G Rjsin(:i:) — —1} = { —^ + 2Ä:7t|fc G Z } U { 71- — ( —-|) 4- 2Ä:7r|fc G Z } = { —| + 2Avr|fc G Z )

B eisp iel 53. Seien a, 6 G R und a2 + b2 = 1. Gibt es ein x E [0,27t], sodass cos(a:) = a und
sin(x) = b ?
a G ( —1,1) : cos{x) = a =L x = arccos(a) oder = 27t — arccos(a)
o2 + 62 = 1 => b = ± \ /l — o2
Die Gleichung cos(aj) = a hat in [0. 2tt] 2 Lösungen. Die beiden Lösungen haben zugehörige
Werte des sin(x), mit unterschiedlichen Vorzeichen. Einer dieser beiden Werte erfüllt daher
sin(g:) = b
Für a = 1 gilt 6 = 0.
Wegen cos{x) = a = 1 => x = 0 sin(0) = 0 = 6, und damit x = 0
Für a = —1 gilt 6 = 0 und damit x = tt
Durch K = { ( 0 , 6) G R2|a2 + 62 = 1} ist ein Kreis mit Radius R = 1 gegeben.

70
3.4 Elementare Funktionen

K = {(cos(x),sin (x))| x £ [0,27r)}


Nach der obrigen Überlegung ist die Abbildung:

/ : [0 , 2t t ) ^ K
1 H>■ (cos(t), sin(i))

bijektiv.

Anwendung
(X,V) e R 2 \ { ( 0 , 0 ) }
;,b =
a? + b2 — 1 => 3t E [0, 2n), a = cos(t), b = sin(t), x = r ■cos (t), y = r ■sin(t)
Wir setzen:
t, t € [0,7r]
cp =
t — 2n, t G (7T, 27f)
cos((/?) = cos(t) A sin((^) = sin(i) ^ cp £ (—7r, 7t]
Wir können jeden Punkt (x, y) £ R 2 \ {(0, 0 )} in der Form x = r ■cos(cp), y = r ■sin(^) mit
r € R, cp G (—7T, 7r] schreiben.
r = y /x 2 + y2 ist der Abstand vom Ursprung
cp ist der Winkel mit der x -Achse
(r,cp),r G R + ,(/? G ( —7r , 7r] beschreiben alle Punkte der Ebene mit Ausnahme des Ursprungs.
Für den Ursprung muss r = 0 sein und cp beliebig.
(r, cp) nennt man Polarkoordinaten
(r, cp) H- (r •cos(<p), r ■sin(<R)) G R 2 \ {(0, 0 )}

Beispiel 54. z G C \ {0}, z = x + iy


R = + ^ = 7 = cos(^) + * ' sin(^)] = exP M > A e (-7T, n ] ^ z = \z\- exp (icp)
\z|= Betrag von z, Abstand vom Ursprung
cp = Argument von z, cp = Arg(z)
z = \z\ •exp (i ■Arg(z))

Die Funktionen
tan(x) : R -> R
sin(ff)
x i—>• cos(x )
und
cot(x) R ->
cos (re)
X i-> sin(a;)

heißen Tangens und Cotangens.

Bemerkung 40. Der Tangens ist nicht definiert, wenn cos(x) = 0 (44> x = | + kn, k E Z)
Der Cotangens ist nicht definiert, wenn sin(x) = 0 x = kn, k £ Z).
D f ( tan) = R \ {| + kn, k G Z }
Df (cot) = R \ {/c7r, G Z }

Bemerkung 41. Der Sinus ist streng monoton wachsend auf [—|, |] und nimmt alle Werte
aus [—1 , 1 ] an.
Der Cosinus ist streng monoton fallend auf [0, n] und nimmt alle Werte aus [—1,1] an.

71
3 Funktionen und Stetigkeit

M * ) = S M ist streng monoton wachsend auf [0, Ijr) (tan(—x ) = —tan(®))


tan : ( —|, |) —)•R ist auch injektiv
Der Tangens ist stetig auf ( —| | )

Sei M G R + , dann gibt es ein 5 > 0, sodass cos(:r) < DD, wenn x G ( f — <5, f ) (weil cos(:r)
stetig ist)
Andererseits gilt sin(x) > \ für x e (| ,| ). Daher gilt: tan(x) = > - j - = M \/x G
COSW 2M
( f - ä . f ) n (!• !)■

tan(x) wird also in einer Umgebung von f beliebig groß. Ebenso zeigt man, dass VM >
0 • —IA 0 •V cc C- ( — —Ä _j_ _AA.

Sei j / 6 i , dann gibt es X\,X2 G |), sodass tan(xi) < —|y| und tan(x2) > |y|.
Nach dem Zwischenwertsatz gibt es daher ein x G ( - § , f ) , sodass tan(x) = y. Der Tangens
ist also surjektiv. Zusammen mit den obigen Informationen ist tan : ( — —*•M bijektiv.
Ebenso kann man zeigen, dass cot : (0 ,7r) —> R streng monoton fallend und bijektiv ist.
D efin ition 3.4.5.
arctan: R —* ( —1 ,| )
y tan - \ y )
heißt Arcustangens.
arccot : R —^ (0, ir)
y cot^_1^(y)
heißt Arcuscotangens.
Bemerkung 42. tan(s + tt) = g g g g = r f g = tan(x)
Der Tangens hat eine Periode von 7r.
Der Cotangens hat auch eine Periode von 7r: cot(:r + 7r) = cot(r)

3.4.3 Der natürliche Logarithmus


Wir haben den Logarithmus bereits als Umkehrfunktion der Exponentialfunktion definiert.

ln : R + —>■R
x 1—> exp_1(x)
Der Logarithmus ist als Umkehrfunktion der stetigen monoton wachsenden Exponentialfunk­
tion nach Satz 3.2.6 stetig.
Wir wissen, dass: cxp(a; + y) = exp(a;) exp(y)
ln(exp(r + y)) = ln(exp(x) •exp(?/)), exp(ar) = u, exp(y) = v
x = ln(rx), y = ln(u)
x + y — ln(rt) + ln(u) = ln (« •v)
Bemerkung 43. \/u, v e R + : ln(u) 4- ln(n) = ln(n • v)
Definition 3.4.6. Sei a G R + , i £ 8, dann definieren wir ax := exp(x ■ln(a))
Im Besonderen: ex = exp(:r)
Bemerkung 44. Die Funktion / : R - » R + ; x ^ ax ist stetig auf ganz R.
Bemerkung 45. a G R, dann ist g : R + -4 R+, x 1-4 ax stetig.

72
3.4 Elementare Funktionen

3.4.4 Wurzelziehen in C
Für gegebenes w € C / 0, wollen wir die Gleichung zn = w nach z auflösen.
Dazu benötigen wir die Polarkoordinatendarstellung z = \z\ ■exp(i</?)
zn = \z\n ■(exp (itp))n — \z\n ■exp (incp)
w = \w\ ■exp (iip)
\z\n ■exp (irup) = [zu| •exp (itp)
1 . Lösung:
\z\n = |tü| =$■ \z\ = ]s/\w\i reelle rz-te Wurzel
exp(zn<p) = exp(zt/>)
Zur Erinnerung: exp (it) = exp (it) ■exp(2m )k weil: exp(27rz) = cos(27r) + zsin( 2 -7r) = 1
=4> exp(zn^) = exp (iip) ■exp(27ri)k
exp {irup) = exp (i-ip + 2kni) ist auf jeden Fall dann richtig, wenn mp — ip + 2kn gilt.
Also p = ± + ^ , k G Z
z = y/\w\ ■exp (i + ^ ZL)) , k G Z sind Lösungen der Gleichung zn = w
£ = k + n : ^ - = 2(fc+7t)7r = + 2 tt
Wenn man für k Werte einsetzt, die sich um ein Vielfaches von n unterscheiden, dann ergibt
sich derselbe Wert für z
z — ?f\w\ ■exp (z + ^ f-)) , k = 0 , . . . , n — 1 sind alle Lösungen der Gleichung zn — w

Beispiel 55. Gesucht sind alle Lösungen der Gleichung: z3 = —4 + 3z = w


M = V1G + 9 = 5
Gesucht ist tp, sodass: —4 + 3z = 5 •exp(zz/>) = 5 •(cos(^>) + zsin('0 ))
cos(-0) = — sin(ip) = § f < arccos ( —|) < ~ => arccos ( —|) ist eine Lösung und die 2.
Lösung ist — arccos ( —|)

cn|Co
f < Arg(z) < 7r Wir haben: tp = arccos ( —|) damit gilt auch sin(i/>) > 0 und daher sin(ip) =
Die Lösungen von z3 = —4 + 3i = w sind:

• Zq = v^5 •exp (| •arccos ( —|))

• z\ — ■exp (| - arccos ( —|) + ~ )

• z2 = \/5 ■exp (| •arccos ( —|) + 2 •~ )

Und weiter:

• zq = \/h ■(cos (| •arccos ( - | ) ) + z •sin (| •arccos ( - § ) ) ) = 1.15061... + 1.26495...z

• zi = \/5 • (cos Q •arccos ( - | ) + i f ) + z •sin (| • arccos( - | ) + y ) ) = -1.67079... +


0.363984.. .i

• z-2 = \ß ■ (cos (| •arccos ( - § ) + y ) + z •sin (| •arccos ( - f ) + y ) ) = 0.520175... -


1.62894. ..z

Beispiel 56. z4 = —1, |u>| = 1


Wir suchen 'ip, sodass exp (iip) = —1 mit —zr < ip < 7r
cos(ip) = —1 A sin(z/>) = 0 => ip = tv

• Zq = v^l ■exp (z f )

• Z\ — \f\ •exp (z (f+ x ))

73
3 Funktionen und Stetigkeit

• 22 = \fl •exp (i ■ ( f + ^ ) )

• 23 = exp (i •( f + ^ ) )
Und weiter:

• z0 = cos (f) + isin ( !)


• Zi = cos ( ^ ) + * sin ( ^ )

• z2 = cos ( ^ ) + i sin ( ^ )

• z3 = cos (? f) + i sin ( ^ )
i
caa ( ¥ ) = « » ( I ) = n = 2 • (™c ( f ) ) 2 - 1 — (f))2 z OQO ( I ) - "u'z5
So kann man die anderen Werte ausrechnen.

-1 +i
• Zi V2
1—i
Z2 V2
- 1 —i
• Z3 =
V2
Bemerkung 46. Formel von De Moivre

(cos (<p) + * sin(<p))n = cos(mp) + i sin (mp) (3.11)


Bemerkung 47. Wir haben nebenbei die Gleichung exp(^) = w,w 0 gelöst.
exp(z) — exp(ln(|tü|) + *Arg(io))
=>• 2 = ln |tü| + i A rg (w) ist eine Lösung
i A r g ( w ) ) • e x p (2 / c 7 ri), k G Z
e x p ( 2) = e x p ( l n ( | t ü | ) +
=^> e x p ( 2 ) — e x p ( l n \w\) + i A r g (w) + 2 A ;7 ri)
=$■ 2 = ln |w| + i ■Arg(tu) + 2kni, k £ Z sind alle Lösungen von exp( 2 ) = w.
Bemerkung 48. log(to) = ln(tü) + i Arg(iu) heißt der komplexe Logarithmus. Diese Funktion
wird in der Analysis T 2 noch eine wichtige Rolle spielen.
Beispiel 57. exp : R 4 M
e x p (-x ) = exp(x), 7^ — exp(x))
Die Exponentialfunktion ist weder gerade noch ungerade.
Bemerkung 49. Sei / : R —» R, dann gibt es eine gerade Funktion f g : R —>• R und eine
ungerade Funktion f u : R —> 1 , sodass:
/ = f g + fui fg ist der gerade Anteil von / und f u ist der ungerade Anteil von / .
Beweis. f( x ) = f g(x) + f u(x),V x G R (1)
Vx e R : f ( - x ) = f g ( - x ) + f u ( - x ) = f g{x) - f u(x) ( 2 )
( l ) + ( 2 ) =* f( x ) + f { - x ) = 2 •f g(x) => f g(x) = l (f(x ) + f { - x ) )
( 1 ) —( 2 ) => f ( x ) - f l - x ) = 2 •f u(x) => f u(x) = \ ( /( x ) - / ( - x ) ) □
B eisp iel 58. f ( x ) = exp(x)
f g(x ) — exp(x)+ exp( x) Cosinus hyperbolicus
f n(x ) — exP U ) - ^ p ( - s ) Sinus hyperbolicus

74
3.4 Elementare Funktionen

3.4.5 Die Hyperbelfunktionen


Definition 3.4.7. Sinus hyperbolicus:

sinh : E —> E
x i-4 |(exp(x) — exp(—x))

Cosinus hyperbolicus:
cosh : E —>•M
x i-4 |(exp(a;) + exp(—#))

Aus den Potenzreihen für exp. ergeben sich die Potenzreihen für die Hyperbelfunktionen.

Durch einsetzten der Definition ergibt sich

(cosh(:r ) ) 2 — (sinh(:r) ) 2 = 1

Bemerkung 50. Additionstheoreme für sinh und cosh

cosh(a: + y) = cosh(x) cosh(y) + sinh(:r) sinh(y)


sinh(x + y) = sinh(a;) cosh(y) + cosh(x) sinh(y)

Beispiel 59. Wir wollen die Lösungen sinh(x) = y bestimmen.


|(exp(x) — exp(—x)) = y, exp( 2:) = T und exp(—x) — ~
«4 T 2 - 1 = 2Ty, 0
T 2 - 2Ty - 1 = 0 =4 T i,2 = y ± \Jy2 + 1, \A/ 2 + 1 > \y\
T2 = y — \ry2 + 1 ergibt T < 0 d. h. sie ist nicht verwendbar
exp(z) = T — y + y / y 2 + 1
=4 x = ln (y + s jy 2 + 1)

Definition 3.4.8. Die Umkehrfunktion des sinh

Arsinh : E -> E
y i-4 ln {y + v V 2 + 1)

heißt Area sinus hyperbolicus.

Beispiel 60. Wir wollen die Lösung von cosh(x) = y bestimmen, zuerst bemerken wir, dass
cosh(x) = exPp)+exp(-x) > Und dass wegen
cosh(x) = cosh(—x) jeder Wert zweimal angenommen wird.
Sei y > 1, dann suchen wir alle Lösungen der Gleichung: cosh(^) = y

75
3 Funktionen und Stetigkeit

<t4>: exp(x) 4 - exp(—x) = 2y, exp(x) = T, exp(—x) = i


=^T2 — 2T y + 1 = => T 1j2 = y ± v V - 1
0
£ = ± ln(y + y /y 2 - 1)
(y + y /y 2 - l ) (y - y / y 2 - 1 ) = y 2 - y 2 + 1 = 1
=4> ± ln (y + y /y 2 — 1) sind alle Lösungen der Gleichung: cosh(x) = y

Definition 3.4.9. Die Umkehrfunktion des cosh

Arcosh : [l,o o )-4 M ,|


y eg ln(y + y /y 2 - 1)

heißt Areacosinus hyperbolicus.

Vt G R cosh(t ) 2 — sinh(t)2 = 1
H = { (x ,y ) € R 2 |x2 — y 2 = 1, x > 0 } Hyperbel
Sei (x, y ) G H, dann gilt x > 1 und cosh(f) = x hat 2 Lösungen: t = ± Arcosh(x).
y = sinh(t)
Wir wählen das Vorzeichen von t gleich dem Vorzeichen von y. Damit haben wir für jeden
Punkt (x ,y ) E H ein t E R gefunden, sodass ( x ,y ) = (cosh(t), sinh(t)).
Umgekehrt beschreiben die Punkte (cosh(t). sinh(f)), t E R einen Hyperbel-Ast.

Definition 3.4.10. Die Abbildung

tanh(x) : R R
sin h (i)
x HG cosh(x)

heißt Tangens hyperbolicus. tanh ist auf ganz R stetig.


Die Abbildung
coth(x) : R \ {0 } —y '.
cosh(fc)
X l->* sinh(a;)

heißt Cotangens hyperbolicus. coth ist auf R \ { 0 } stetig.

tanh(ar) = /Wrfaj-exp^) = GRUfti


v ' ^ (e x p (z )+ e x p (-x )) exp(2a;)+l
Es gilt dann wegen exp(2x) > 0

_1 exp( 2 a;) - 1 ^
exp ( 2 .x) + 1

Der Tangens hyperbolicus nimmt nur Werte aus (—1,1) an.


Sei y E (—1,1) dann suchen wir die Lösungen von tanh(x) = y
tanh(x) = y = / g g / p exp(2x) = T

y = f e i =*■ yT + y = T ~ 1 (y ~ l )T = ~y - 1

T = j z f =>• x = \ ln ( p i f ) = : Artanh(y).

76
3.5 Graphen der elementaren Funktionen

3.5 Graphen der elementaren Punktionen


3.5.1 Potenz- und Wurzelfunktionen
Für a > 0 ist / : [0, oo) —> [0, oo), f ( x ) = xa, eine streng monoton wachsende, bijektive
Funktion; sie ist für 0 < a < 1 konkav, für a > 1 konvex.
Es gilt /( 0 ) = 0 und /( 1 ) = 1.
Die Umkehrfunktion ist / -1 : [0, oo) —)- [0, oo), f~ \ x ) = iS .
y

Für a < 0 ist / : (0, oo) —> (0, oo), f ( x) = xa,


eine streng monoton fallende, bijektive, konvexe Funktion.
Es gilt /( 1 ) = 1. Die Umkehrfunktion ist / ~ x : (0, oo) —> (0, oo), f ~ 1(x) = i « .

77
3 Funktionen und Stetigkeit

Sonderfälle: Der Exponent ist eine ganze Zahl:


Für n E N, n ungerade ist / : R —y R, f ( x ) — x n ,
streng monoton wachsend, bijektiv,
auf konkav, auf R + konvex, und es gilt B ild (/) = R.
y

Für n G N, n gerade ist / : Ä —5- R q", f { x ) = x n, konvex,


auf R _ streng monoton fallend und bijektiv,
auf streng monoton wachsend und bijektiv,
und es gilt B ild (/) = R q •
V
3.5 Graphen der elementaren Funktionen

Für n G M, n ungerade ist / : M \{0} -> M \{0}, f ( x ) = x~n,


auf konkav, streng monoton fallend, injektiv und es gilt Bild(/|R- ) = E _ .
Auf R + ist / konvex, streng monoton fallend, injektiv und es gilt Bild(/|R+) = K+ .

Für n e N, n gerade ist / : R \ {0 } -> R+, f ( x ) = x~n, konvex.


Auf M“ ist / streng monoton wachsend und bijektiv,
auf M+ streng monoton fallend und bijektiv.
V
3 Funktionen und Stetigkeit

3.5.2 Exponential- und Logarithmusfunktionen


y

Die Funktion f ( x ) — ax ist


für a > 1 streng monoton wachsend und
für a < 1 streng monoton fallend.
Es gilt: B ild (/) = /(M ) = R+.
Für a / 1 ist f { x ) = ax bijektiv.

Definition
\gx — log10x ( dekadischer Logarithmus),
ln x = loge.x ( natürlicher Logarithmus); hierbei ist e = 2,718281828459... die Eulersche Zahl.
(Rechenregeln für Logarithmen).

Sei a > 0, b > 0. Dann gilt für alle x , x 1; .t 2 G R + , c G IR:

(a) loga(xi •x 2) = ]oga(x i) + loga(x2);

(b) loga(xc) = c l o g a(s),

(c) loS a (^ ) = loga(®l) - l0ga(x2),

(d) loga x = log 6 x •loga b.


3.5 Graphen der elementaren Funktionen

3.5.3 Trigonometrische Funktionen und Arcus-Funktionen


y y

sin und cos haben Periode 2ir. tan und cot haben Periode n.
Durch geeignete Restriktionen erhält man die folgenden bijektiven Funktionen:
TT TT
sin : [- 1. 1] (Sinus) streng monotonwachsend
2’ 2
cos : [0,7r] —> [—1,1] (Cosinus) streng monoton fallend
TT TT
tan : (Tangens) streng monotonwachsend
2’ 2
cot : (0, tt) (Cotangens) streng monoton fallend
3 Funktionen und Stetigkeit

Daher existieren die Umkehrfunktionen (Arcus-Funktionen):


7T 7T
arcsin : [-1 ,1 ] ->• (Arcussinus) streng monoton wachsend
2 ’ 2

arccos : [—1 , 1 ] -4 [0 , -k] (Arcuscosinus) streng monoton fallend

7r 7r
arctan : M —¥ (Arcustangens) streng monoton wachsend
2’ 2
arccot : M. —^ (0 , ir) (Arcuscotangens) streng monoton fallend
3.5 Graphen der elementaren Funktionen

3.5.4 Hyperbel-Punktionen

Die Hyperbel-Funktionen sind definiert durch

sinh : R —> R, sinh x


2
(Sinus hyperbolicus)

_J_ ß %
cosh : R —>•R, cosh x = ----- -------

i ™ ™ , sinh x ex — e x
tanh : M —l M, tanh x = ------— = ------------
cuslix r te *

coth : R \ { 0 } -+ R, coth x = ^ = 5 t± £ Z
sinh x ex — e~x
3 Funktionen und Stetigkeit
(Eigenschaften der Hyperbelfunktionen)
(a) sinh, tanh und coth sind ungerade Funktionen, cosh ist eine gerade Funktion.

(b) cosh 2 x — sinh2 x — 1 .

(c) sinhx — 0 -t=>- x = 0; V r e l : coshx > 1.

(d) Es gelten die Additionstheoreme

sinh(x + y) = sinh x cosh y + cosh x sinh y


cosh(x + y) = cosh x cosh y + sinh x sinh y.

(e) sinh ist auf R streng monoton wachsend; sinh(R) = R;


cosh ist auf R q~ streng monoton wachsend, auf R q streng monoton fallend; cosh(R) =
[l,oo).
(f) Vx e R : |tanh;c| < 1 , |cothx| > 1 (x ^ 0).

(g) tanhrr ist auf R streng monoton wachsend; tanh(R) = ( —1 ,1); cotha: ist auf R “ streng
monoton fallend, auf R + streng monoton fallend; coth (R \ {0}) = R\[—1,1],

3.5.5 Area-Funktionen
Arsinh : R —> R,
Arcosh : [1 , oo) —> [0, oo),
Artanh : ( —1 ,1) —YR.
Arcoth : R\[—1,1] —> R \ {0 }.
3.6 Grenzwertbegriff für Funktionen

3.6 Grenz wert begriff für Funktionen


Wir wollen erklären, was „lim ^ -^ f ( x ) “ ist.

Definition 3.6.1. Sei / ein Intervall und x 0 € / und / : I \ {x 0} —>■E. Dann schreiben wir
Vo = f ( x ) , wenn:

• Ve > 0 : 3h > 0 : Vx € / \ {®o} : \x — x q \ < ö —t |f i x ) — yo\ < e oder

• Für alle Folgen (xn)neN mit xn G / \ { x 0} und x 0 = limn^oo xn gilt: y0 = l i m « ^ f ( x n)

Diese beiden Definitionen sind äquivalent. Der Beweis ist der gleiche wie der für das e-8-
Kriieriuiii.

Beispiel 61.

/: M \ {0 } —>
sin(a;)
X
x
00 ^2n+1
SUIUE
=nE
=0
(2n + 1)!
( ~ l)r

sin(x) X2 n X2 X4
x / 0 : “ E U 1)' (2 n + 1)!
x n= 0
1 _ ¥ + 5! + "

Dann gilt für \x\ < 1

oo
sin(a;) x 2n °° \x]2n
X
_
Euu*(2n + 1)! ^E (dun)! - w2 ■E
n= 1
< elxr < £

e\x\2 < £ <=> \x\ < -t / - := ö

i\x i < \ ß~ sm x)
— — _ i < e d. h. lim
sin(ai)
= 1
V e X £->0 x

Beispiel 62.
/: E+ -> E
x *“ »■sin (*)
Existiert limx_>o sin (1)?
Xn — i 0 = limra—>oo Xn
sin (^ -) = sin(nTr) = 0; lim ^ ^ f ( x n) = 0
Un = ^ ~ Ümn->oo lln

sm = sm = 1
JJn, 2 n.7r+ 1

lim ^ oo f ( y n) — 1 und 0 ^ 1, daher existiert lim ^ o sin(^) nicht!

85
3 Funktionen und Stetigkeit

Definition 3.6.2. Sei / = [a, &], / : I —>• R. Dann schreiben wir

y0 = lim f ( x ) = lim f ( x ) = lim /(x ),


x-+ a + 0 x —>-a+ xi a

wenn
Me > 0 : 3S > 0 : Vx e (a, a + 5) : |/(x) — y0|< &
gilt, yo ist der rechtsseitige Grenzwert.

Vi = Hm /(x ) = Jim f ( x ) = lim /(x),


x—^6—0
wenn
Ve > 0 : 35 > 0 : Vx G (6 — S, b) : |/(x) — yx\< e
gilt.
2/i ist der linksseitige Grenzwert.

B em erk u n g 51. Wenn in einem Punkt y0 = lim ^ -^ - f ( x ) = limx_>.Xo+ / ( x ) gilt, dann exis­
tiert lim * -^ f ( x ) und ist gleich y0.

Bemerkung 52. Sei / : I \ { x 0} —>■R und existiere limx^ xo f ( x ) = y0. Dann ist die Funktion

/: R
yo, X = x0
x i—>
fix), X Xq

stetig in Xo- Die Funktion / heißt an der Stelle x 0 stetig ergänzbar. / ist die stetige Fortsetzung
von f in Xq.

B eisp iel 63.


/: R \ { 0 } —>■R
^ ^ sirgx)

f ist in 0 ergänzbar mit / ( 0 ) := 1

Definition 3.6.3. Sei / : (a, oo) —YR eine Funktion. Dann schreiben wir y0 = limx_>+0o f ( x ),
wenn Ve > 0 : 3 M : Vx > M : |/(x) — y0\< e.

lim f i x ) = + cxd , wenn MM > 0 BN : Vx > N : f ( x ) > M


x-±+oo

Sei / : I \ {x o } —> R.
Dann schreiben wir

lim f { x ) = + 00 , wenn MM > 0 : 35 > 0 : Vx G I \ {x o } : |x — x0|< ö => f { x ) > M


X—>Xo

lim f ( x ) = —oo, wenn MM > 0 : 35 > 0 : Vx € I \ {x o } : \x — Xo\ < ö => } ( x ) < - M


X^-Xo

86
4 Differentialrechnung
Die Differentialrechnung ist durch die folgenden drei Probleme motiviert, die durch sie gelöst
werden.

1. Gegeben ist die Bewegung eines Teilchen zum Zeitpunkt t. Sei das Teilchen in x(t) E R.
^ A /cloh P K a t d .a e T m lK h ccn m i m ^Zoitpt-irLlct t 0 ?

Momentangeschwindigkeit:
x(t0 + At) - x(t0)
hm ------------ -------------- ,
A t-K ) A f

falls der Grenzwert existiert.

2. Tangentenproblem. Sei / : / —> R.

G = { ( d y) e r 2|x e I,y = f(x )}

ist der Graph von /


Idee: Die Tangente ist eine Gerade, daher ist sie durch eine Gleichung y — kx + d
gegeben. (k,d G R). Diese Gerade soll den Graphen in (x o ,/(^ o )) berühren, daher muss
f ( x o) = kx o + d gelten. Wenn wir k kennen, können wir uns d ausrechnen. Gesucht wird
also k , die Steigung der Tangente.

Abbildung 4.1: Graph einer Funktion mit Sekante und Tangente

kß = ^ die Steigung der Sekante. Wenn x —>■ xq, dann geht die Sekante in
die Tangente über. Die Tangentensteigung ist dann kr — lim *^^ , sofern dieser
Grenzwert existiert. Die Tangente ist dann durch die Gleichung gegeben:

y = kT(x - xq) + f ( x o).

3. Problem der ersten Näherung: f stetig in xq bedeutet: Wenn x f» x0, dann gilt: f ( x ) Pts
4 Differentialrechnung

Für vorgegebenen Fehler e gibt es ein <5, sodass für \x — x 0\ < 5 für (x rs x0) der Fehler
|/(x) — f ( x 0)| höchstens e ist also ( /( x ) f« / ( x 0)).
Die 0-te Näherung / ( x ) ~ f ( x o) ist oft zu schlecht.

Wir wollen den Fehler f ( x ) — / ( x 0) genauer analysieren: dazu schreiben wir:


/ ( x ) = /(x o ) + A;(x — Xo) + i?(x) = /(x o ) + fc(x — x 0) + r (x )(x — x 0) Dabei beschreibt i?(x)
den Fehler bei der Näherung von f ( x ) durch die Gerade /(x o ) + k{x —Xo).

Nun wollen wir durch geeignte Wahl von k erreichen, dass der Fehler R{x) nicht nur absolut
kleiner wird, also
lim R(x) = 0
X —VXq

sondern auch relativ (bezogen auf (x — Xq)) kleiner wird, also gilt

R(x)
lim = lim r(x ) = 0.
X^-Xo (x - x 0) X -}X o

Dies tritt offenbar genau dann ein, wenn

f ( x ) - f { x q)
k = lim
x —txo X — X0

D efin ition 4.0 .4 . Sei / : / - * R, x 0 € I. Dann ist / in x 0 genau dann differenzierbar, wenn
k = lima .^fxo
x— r •dB f(x
x—X o o) exjstiert.
Der Wert k heißt die 1. Ableitung von / in x 0.
Wir schreiben f \ x 0) = k.
f heißt differenzierbar auf I, wenn / in jedem Punkt x 0 6 / differenzierbar ist.
Die Funktion
f : I —> K
X I—> f ' { x )

heißt dann die 1. Ableitung oder Ableitungsfunktion von / .

B em erk u n g 53. Sei / differenzierbar in x 0. Dann ist / stetig in x 0.

A ch tu n g : Die Umkehrung gilt nicht. Zum Beispiel ist die Funktion / ( x ) = |.x
überall stetig, aber für x = 0 existiert der Grenzwert lim ^ o - nicht.

Beweis. |/(x) - / ( x 0)| = |/c(x - x 0) + r ( x ) ( x - x 0)| < (|A;| + |r(x)|)|x - x0|.


limx^ Xor(x ) = 0. Daher gibt es ein D > 0, sodass |r(x)| < 1 für | x - x 0|< D. Für | x - x 0|< D
gilt dann: |/(x) — / ( x 0)| < (|fe| + 1 ) |x — x 0|=>• / ist stetig in x0. □

4.1 Rechenregeln für Ableitungen


Sei differenzierbar in xq € /

88
4.1 Rechenregeln für Ableitungen

1.
f + g: / ->• M
x M- / ( x ) 4- g(x)

f + q ist differenzierbar in x 0 und ( f + q)'(x0) = f(xn) + q'(xn)


( f + 9 ) ( x ) - j f + g ) ( x o) _ f ( x ) - f ( x o) , g ( x ) - g ( x q)
X —Xq X —X q ~ X —X q

Die Sum m enregel


(.f + 9)' = f + 9' ( 4.1)

A eK
Xf : / -4 M
x i ^ Xf(x)

Dann ist (Xf) in x 0 differenzierbar und es gilt: (Af ) ' ( x 0) = Xf'(x0)

3.
f-g : 7 -4 R
x e4 / ( x ) •s-(x)

f ( x ) - g ( x ) - f ( x 0)-g(xo) _ f(x)-g(x)-f(x)g(xo)+f(x)g(xo)-f(xo)-g{xo) _
X —X q X —X q
= f(x)-g{x)-f(xyg(xo) , f { x ) - g ( x o ) - f ( x o ) - g ( x 0) =
£C—#o ®—aio
= /(x )* t ä fe ) + (i)
x —> Xo :
lim „M =
Iim „M = /> „ )
(i) wenn x>- x0 => / ( i o ) •j'U o ) + / ' 4 o) •ä 4 o)
f ■g ist daher in Xo differenzierbar und es gilt:

Die Produktregel:

( / ' sO'^o) = f ( x Q) ■g(xQ) + f ( x 0) •y (:r 0) (4 .2 )

4.
di^o) 0
/
9
f ix)
X 1-4
9(x)

Ist - differenzierbar?
g

89
4 Differentialrechnung

1 1 __
sr(®) ä(®ö)
g ^ p ) ~ <7( 3;) l _ g(x) - g (g 0)
x —x0
l 1 g (x )g (£ o)(z - x 0) g(x)g(x 0 ) (x - x0)
lim ( :)
3 2

X — Xq g(x0y •g'(®o)

Also:
( 3 ) (x °) = ~ w - 9'(x °)

( ~) (x° )= fro) = /'(x0)-JL_ , ff ,1' ,


Vgy V g) ö(xo)+ /M -(xo ) =

~ f ( X0 ) ö'(^o)
-'-' ^ * \ { x 0) 2
Die Quotientenregel:

7 ) (*°> = • (4.3)
JJ JRp

5. / : / - > * , j : / ( / ) - 4 R
Xq E I, f differenzierbar in £0
2/o = f{% 0 )) 9 differenzierbar in y0
Ist <7 o / in xo differenzierbar?

1. Näherung:

/(X ) = / ( „ ) + /'( x o ) ( x - % ) + (x _ I o ) r / ( i ) _ mit Um r / W = o

g(y) = ff(y0) + 5,( i / o ) ( i / - j / ) + / \ / \ .. / \ n


1- [y - y0)rg{y), mit lim rJy ) = 0
y-*yo
Dann gilt

( 9° f ) ( x) = g( f ( x) ) =g( f ( xo) ) + g'ff( ,v

<?(/(®o))+ff (/(x0))./ (x„)(x-x0)+ (x -Io).(9,(/(io)) ^ (i)+ /, >J


Daraus erhalten wir j)+r/(x)r9(/(x))
’> / W = 9 , ( / ( l o ) ) ' rä*> + / ' •rg ( /( x ) ) + r , ^ ,
für den relativen Fehler. Also gilt; ^

(9 o / ) ( x ) = ( 9 o / ) ( x 0) + 9 ' ( / ( x o )) . _ Xo) + ( x
^■o)r r \
' 9°f{x)
und

} ^ 0r3 o f { x ) = 0

90
4.1 Rechenregeln für Ableitungen

g o f ist also differenzierbar in x0 und es gilt:

Die Kettenregel:

(.9 ° f ) ' ( x o) = d'{fix 0 )) •f '{ x 0 ) = g\y0) ■f ( x 0) (4.4)

g '{ f { x 0 )) heißt die äußere Ableitung


f ' ( x 0 ) heißt die innere Ableitung

6. Sei / in (x0 —s, x0 + e) streng monoton. Dann gibt es eine Umkehrfunktion f


( / C_n 0 / ) ( V = * / <_1)' ( / ( ^ 0 ) ) • / ' ( x o) = 1 / <_1)' ( / ( T 0)) = yyyjyy ^

Die Umkehrregel:

______________- t4 i________________^
Tabelle von Ableitungen:

1. n E N: (xn)' = nxn~l

2. exp'(x) = exp(x)

3. ln'(x) = \

4 . [xa)' = a ■ xa~l

5. a E R + : (ax)' = ax ■ln(a)

6. sin7(x) = cos (2;)

7. cos'(x) = — sin(cc)

8. tan'(2:) = = 1 + t a n 2 (x)

9. cot 7(2:) - = - ( 1 + cot 2 (x))

10. cosh 7(x) = sinh(x)

11. sinh7(x) = cosh(x)

12. tanli7(x) = — Aru = 1 — tanhAx)

13. arcsin7(x) = . 1 ,
v 7 v l-r

14. arccos 7(x) = — 7= =


x y V I —x z

15. arctan7(x) =

16. arccot 7(.x) = —

91
4 Differentialrechnung

17. Arsinh'O) =

18. Arcosh'(a;) =

19. Artanh/(x) = ^~2

20. Arcothr(x) = j p p

4.1.1 Differentiation von Potenzreihen


Sei f ( x ) durch eine Potenzreihe f { x ) = an{x ~ x o)n mit Konvergenzradius R > 0
gegeben. Dann ist / auf (x0 — R, x0 + R ) stetig.

f { x ) - f { x 0) f { x ) - o0
= —p — ^ 2 anix - x0)n = ai + ^ 2 an(x - x o)n 1 =
X — Xo X — Xq X — Xo
71=1 71=2

CLi + { x — X q) ^ 2 a n { x — x o ) n 2 ------ £ 2 -2 - a1
x - mco X — Xq
n —2

Also gilt
/O o ) = öo; f ' i xo) = ai

Weiters erhalten wir für Xi £ ( ccq — R , x o + 7?) (siehe Beweis der Stetigkeit von Potenzreihen)

OO
/(® ) = X ] an^ _ = £ bn^X _
71=0 n=0
OO
k—n
bn = J 2 \n ) ak(Xl ~ X°)
k=n

Damit gilt

= bi = ^ 2 [ ) a fc(a :i - x 0 ) fc 1 = ka,k(xi - x0)k 1 = /'( a ü )


a: — Xi
ft=i v ' fe=i

B e m e rk u n g 54. Potenzreihen dürfen also gliedweise differenziert werden.

B eisp iel 64.

^271-f-l
X“
sin(s) =
71=0
( 2 n + l)!
OO
1
sin'('A = I ] ( - 1)W(2 n + 1 )i ‘ (2n + 1)a;2n = J O “ 1) " Jö ^ )\x2n = C0S(X)

92
4.2 Anwendungen der Differentialrechnung

4.2 Anwendungen der Differentialrechnung


Definition 4.2.1. Sei / : I —» R . Dann heißt Xq <G / eine lokale Extremstelle (lokales Maxi­
mum, lokales Minimum), wenn es ein 5 > 0 gibt, sodass Vx € / D (xo —ö, xq + 6) : f ( x ) < f ( x o)
(lokales Maximum) bzw. / ( x ) > / ( x 0) (lokales Minimum).
Wenn Vx £ / : / ( x ) < / ( x 0) oder / ( x ) > f ( x 0), dann heißt x0 globales Maximum bzw.
globales Minimum.

Satz 4.2.1. Sei / : / —>•R eine in xq G I differenzierbare Funktion, (x0 — 5, Xq + S) C I und


sei / differenzierbar in x q . Wenn / in Xo ein lokales Extremum besitzt, dann gilt f ' ( x o) = 0.

Beweis. Sei / differenzierbar in x0, (x0 — 5, x 0 — S) C I und / besitze in x 0 ein lokales Maxi­
mum.
f i x ) < f i x o) für x e (x o - S, x 0 + ö)
f i x ) = / ( x 0) + f ' i x 0)ix - Xq) + (x - x 0)r(x ), \imx^ Xo r{x) = 0
f i x ) < f i x o) [ / ' ( x 0 ) + r ( x ) ] ( x - x 0 ) < 0 für x <E ( x 0 ~ <5, x 0 + 5)

Annahme: f ' { x 0) > 0:


Dann gibt es ein 5' sodass

Vx € (x0 - 5', x 0 + <V) : |r(x)| <

/ '( x 0) + r(x ) > > 0 für x <£ (x0 - 5', x 0 + 5') =4-
[/'(x o ) + r(x )](x — x 0) > 0 für x € (x0, x 0 + Sr) (Widerspruch!)
A n nahm e:/'(x0) < 0: Dann gilt: |r(x)| < —J-y-° - für x € (x0 — <5',x0 + 5') / '( x ) + r(x ) <
< q f(jr x e (x0 — ö', Xo + 5')
[ f i x o) + r(x )](x — xo) > 0 für x € ( xq — 5\ xf) (Widerspruch!)
Damit muss / '( x 0) = 0 gelten. □

Bemerkung 55. Für lokale Extremstellen gilt also / '( x ) = 0. Die Umkehrung ist nicht
richtig! Eine Stelle x 0, an der / '( x 0) = 0 gilt, muss keine lokale Extremstelle sein.

Beispiel 65. / ( x ) = x 3, / '( x ) = x 2 also gilt


/'( 0 ) = 0. Andererseits gilt für x < 0 : / ( x ) < /( 0 ) und für x > 0 /(x ) > /( 0 )
Es liegt also kein Extremum vor.

Satz 4.2.2. Satz von Rolle:


Sei / differenzierbar auf [a, b], /( a ) = /(&). Dann gibt es ein £ e (a, 6), sodass /'( £ ) = 0.

Beweis, f besitzt in [a, 6j ein Maximum und ein Minimum.


In dem Maximum gilt /'( £ ) = 0, wenn £ G (a, 6).
Wenn das Maximum a oder b ist, dann betrachten wir das Minimum 77. Wenn r] & (a, 6), dann
gilt /'(?]) = 0.
Wenn rj — a oder rj — 6, dann gilt / ( a ) ist ein Minimum, /(&) ist ein Maximum (oder
umgekehrt) und es gilt / ( a ) < / ( x ) < /(&) =4- / ( x ) = /( a ) = f(b). Die Funktion ist dann
konstant und es gilt Vx € [a, b] : / '( x ) — 0 □
Satz 4.2.3. Mittelwertsatz der Differentialrechnung
Sei / : [o, b] —> M differenzierbar auf [o, 6]. Dann gibt es ein £ C (a, b) : /'( £ ) = •

93
4 Differentialrechnung

Beweis von Satz 4-2.3. Wir definieren eine Hilfsfunktion g(x) = f i x ) — (x ~ a)•
g(a) = f ( a ) - 0 = f(a)
S(b) = m ~ m l 2 S >-< b -a ) = f(a)
Also gilt g{b) — g(a ), g ist differenzierbar und nach Satz 4 .2 .2 =4 3£ £ (a, b) : </(£) = 0.
9\x) = f'(x) - und g '(0 = 0 =4 /'( £ ) = /(^ f (q) .

B em erk u n g 56. Sei f : [a, 6] —y M differenzierbar und gelte: Vrr £ [a, 6] : f'{x) = 0. Dann gilt
für alle x £ [a, b] : f ( x ) = f(a). Die Funktion ist also konstant.

Beweis, a < x < b Wir wenden Satz 4.2.3 auf / im Intervall [a, x] an: Dann gibt es ein
£ 6 (o, x), sodass /'( £ ) = 0 = l 'x)xZ{{a) =4 / ( x ) = / (a). □

Satz 4.2.4. Verallgemeinerter Mittelwertsatz


Seien f , g : [a, &] —> R differenzierbar und gelte: Vre £ [a, 6] : </(x) ^ 0. Dann gibt es ein
£ £ (a, b), sodass ^ ~ A al = ^'10

Beweis, gib) ^ g(a) (weil für #(&) = g(a) der Nenner verschwindet)
Wir betrachten eine Hilfsfunktion: h(x) = f ( x ) - fg(^ Z fg[a] (g(x) - g(a ))
Dann ist h differenzierbar und: f(a) = h(a)
H b) = f i b) ~ J$)Jg\a) (g(b) - g(a )) = / (a) und aus Satz 4.2.2 folgt: 3£ £ (a,b) : h'(£) = g
h ' ( 0 = f'(e) -
J
_ n ^ /(&)-/(q)
9 (b ) - g ( a )9 U J - U
_ f'(()
ff(5)_ s(a ) -

4.3 Anwendungen der Mittelwertsätze


4.3.1 Beweis von Ungleichungen
Wir wollen die Ungleichung: ln (l x) < x beweisen (für x > —1 )
Wir betrachten die Funktion:
g{x) = x ~ ln (l + x); g ( 0 ) = 0 - ln(l) = 0

1) x > 0: = g '(0 für ein 0 < £ < x


9'(x ) = 1 - IW = IW
g{x) = > 0 d. h. x - ln(l + £ ) > 0, x > 0 V4 :r > ln (l + x)

1) —1 < x < 0: ^ = 3lD~g(0), Dann gibt es ein £ £ ( x , 0 ), sodass


Also haben wir: g(x) = x > ln (l + x), - 1 < x < 0
> 0 =4 ö '( £ )

Wir haben bewiesen, dass x > ln (l+ x ) für x > 0 und —1 < £ < 0. Für x = o p.-
SÜt: * - ln (i
B eisp iel 6 6 . Für x > 0 gilt arctan(x) < Arsinh(x) < x
1) arctan (x) < Arsinh(x)
g(x) = Arsinh(x) — arctan(x), gix) > 0 =4 Arsinh(x) > arctan(x)
^ = f ^ m e e ( o n )

m = ~T+i 2 = > 0 -4 g(x ) > 0

2) Arsinh(x) < x

94
4.3 Anwendungen der Mittelwertsätze

h\x) = x — Arsinli(x)

k'(v) = 1 > 0 =4- h(x) > 0

4.3.2 Berechnung von Grenzwerten


Satz 4.3.1 (Regel von Bernoulli-de l’Hospital). Seien f , g : [a,b] differenz ierbar und
gelte für x0 E f'M . Dann
( a,b ) : f ( x 0) = g(x 0) = 0. Weiters existiere der Grenzwert lim X—^Xq g'(x)
existiert auch der Grenzwert limx^ a.0 4 4 = lim*
1x bxo gy x y
sO)
Beweis . « V g $ = f g und nach Satz 4.2.4 =4- « = OSl
m in(xo,x) < £ < max(.To,x)
Sei 5 > 0 so, dass \yyy — A\ < e für \x — x a\ < S (und wegen |£ — a:0| < \x — agj < 5)

l f ( § ~ A \= \j(x) ~ A \< £ ^ linG^xo = A. □


Um sin'G) _ Km cos(x)
__
Beispiel 67. Es existiert lim ^ o im liv O ( l n ( l + x ) ) ' — i l i n a :^ 0 1
1
l-\-x

Beispiel 68.

.. cosh(x) - cos(x) sinh(x) + sinke) 0


lim -------------------- = lim ------------ —-----------— —1
xsin(x) iv o sin(.r) + x cos(x ) ”0
eosh(.r) + cos(x) 2 cosh(x) — cos(v)
lim lim ----------------------— = 1
W>o cos(x) + cos(x) + x ( —sin(x)) 2 x—40 rrsm(x)
Bemerkung 57. Die Regel von de l’Hospital ermöglicht die einfache Bestimmung von Grenz­
werten der Form also l i m ^ 0 g , wenn f ( x 0) = g(x 0) = 0.
Beispiel 69.

x X
lim x ln(x) = lim —j— = lim = lim ■
x ->0+ x—>0+ X—40+ X-40+
ln(x) ln(x )2
. . . führt zu keinem Ergebnis.
Satz 4.3.2. Seien f , g : [a,b ) — differenzierbar, gelte lim X^ b- f ( x ) — lim X^b^g(x) = oo
und existiere der Grenzwert limx^ 6_ 4 4 r = A. Dann existiert limT_>ö_ g\x)
g [x)
4 4 = A.
Der Beweis ist ähnlich, aber etwas komplizierter.

Beispiel 70. lim^o+a: ■ln(x) = limx >0+ 4 4 = „ ^ “ = lim ^ 0+ = lim.x—40+ \ -X 0

Bemerkung 58. Die Regel von de L ’Hospital kann also zur Berechnung von Grenzwer­
ten der Form „0 •o o “ , „ ^ “ verwendet werden. Dabei kann „0 •oo“ entweder in „ § “ oder
„ — “ umgeschrieben werden.
Beispiel 71.

x — sin(:r)
lim - 1 = lim
xGo \^sin(x) xJ s->o :üsin(ir)
1 — cos(s) Sill
lim = lim - 0 - 0
LLo sin(.r) + x cos(:r) xAo cos(x) + cos(ai) + x sin(—x) 2

95
4 Differentialrechnung

B e m e rk u n g 59. Die Regel von de l’Hospital gilt auch für Grenzwerte limx.^±rx. ZG) wenn
9{x) ■
lim^-^ioo f i x ) = l i m ^ ^ g(x ) = 0 oder oo.

lim f i x ) = lim g(x) = 0


X— tXo X^XQ
V
lim -f ' W, - AA V f ( X) , 0,
lim 1— — = A
X-+XQ g'(x) x^-xo g(x) 0

00,
lim f ( x ) = lim g(x) = oo =>• lim = A
X^xo X-+XO g(x) ’ oo
lim f ( x ) = 0, lim gix) = oo =>■ lim f i x ) ■gix) = „0 •o o “
X-^XQ X -+ X O X —tX O

li,n
mux—»In ZG2
1 -— imi.7
limLX —>XO
s (l) }(x)
Oit oo ti
” 0 ” 00
lim^-i-ao f i x ) — liim,;—».^ gix) — oo
hm x-¥XQ^f{x) d(x ))
limx_>In( t i ) = „o o oo lim x->xq(\b_M Hx)
j ___i
- Oa
'» 0
/oo SOO g(x) f(x )
N2
Beispiel 72. hmx^o(cos(:r))(cotG))2 ^OO ll
= exp(limx_^0 ln((cos(a;)))cotG))2). Wir nehmen den Logarithmus und machen eine Nebenrech­
nung:
h n W )(c o t ( * ) ) 2 •In(cos(*)) = lim^ 0 g g f = lim ^ 0 (cos(x ) ) 2
- Um - ln(cos(x)) J rriC,(r \\2 _ l:™ ^gy(-sin(x)) _ j
(sin(i))2 lim ^ o ic o s ix jj - llm n 0 2sin(x)cos(x) ~ 2‘
Es ist also hmx^ 0 (cos(x))(cotG))2 = exp(lim x_*.0 ln ((cos(x ))(cotG))2) = exp (^ -) = g

Beispiel 73. limx^ 0+ x x =„0°“


— exp(limx_>0+ x •ln(x)) = exp(O) = 1

4.3.3 Die Taylorsche Formel


Wir hatten die Ableitung als 1. Näherung motiviert:

f i x ) = f i x 0) + f \ x 0)(x - x0) + i x - x0)rix), mit lim rix) = 0


X -A X q

Wir wollen nun höhere Näherungen studieren:

f i x ) = f { x o) + f i x 0)ix - x 0) + a2(x - x0)2 H--------f- an(x - x 0)n + ix - x 0 )” rn(x)

mit lim ^ .^ rnix) = 0. f i x ) wird um x 0 durch ein Polynom vom Grad n angenähert. Der
Fehler ist größenordnungsmäßig kleiner als ( x — X o )n .

Definition 4.3.1. Höhere Ableitungen Sei / : [a,b\ - » M differenzier bar.


Dann ist durch
f : [a, ft] -> R
x lim^-j-o ZG+D-/G)

96
4.3 Anwendungen der Mittelwertsätze

die erste Ableitungsfunktion definiert.


Wenn / ' differenzierbar ist, dann definieren wir f " = ( / ') ' usw. / ( n+1)(x) — ( f ^ ( x ) ) ', sofern
f M differenzierbar ist.
/ heißt n-mal stetig differenzierbar, wenn alle Ableitungen von / bis zur n-ten Ableitung
existieren und / ( ” ) noch stetig ist.
Wir schreiben

C (n)([a, ö]) = { / : [o, b] - » E|/ ist n-mal stetig differenzierbar auf [a, ö]}
6]) = { / : ja, b] —> R|/ ist stetig auf [a, 6]}

Es gilt:
C <0) 2 C (1) 2 C (0) Z ■■■ Z) c ,<” ) 2 C’ (™1x)

Wir definieren auch

b]) = { / : [a, 6] —» R|/ ist beliebig oft differenzierbar}

Wir suchen eine Darstellung von / in der Form:

/O ) = - x 0)fe + (x - x0)n •rn(x).


k=0

Wir wissen bereits, dass ao = / ( xq) und ai = /'( x o ) sein müssen (1. Näherung). Wir wählen
nun die weiteren Koeffizienten a2, .. . ,an so, dass die ersten n Ableitungen der linken und der
rechten Seite an der Stelle xq übereinstimmen. Dadurch erhalten wir

f {k\x) = - 1) •••^ - k + + ß (fc)(*)


e=k
f {k)(x0)
ük~ k\ ■

D e fin itio n 4.3.2. Das Polynom

U f . x , so) = £ - Io )*
fc= 0

heißt das n-te Taylor-Polynom von / an der Stelle xo-

Sei / nun (n + l)-m al stetig differenzierbar. Dann betrachten wir:

(x - x 0)nrn{x) = / ( x ) - T „ ( /, x, x0)

Wir wollen zeigen, dass limI_>.2;o rn(x) = 0, dass also Tn( f , x, Xo) tatsächlich die Eigenschaften
einer n-ten Näherung hat.
Wir betrachten ein festes x <E [a, 6] mit x ^ x0 und setzen

l
w = ( /( x ) - Tn( / , x , x o ) ) .
(x - x0)n+1

97
4 Differentialrechnung

Wir wollen für K einen alternativen Ausdruck finden. Dazu betrachten wir die Hilfsfunktion

9{t) = fit) ~ Tn{ f , t , x o) - K ( t - x o)n+1.

Nach Definition gilt dann g(x o) = g(x) = 0. Daraus schließen wir nach Satz 4.2.2, dass es
ein 9\ 6 (0 , 1 ) geben muss, sodass g'(xo + d\(x — Xo)) = 0 ist. Weiters erhalten wir aus der
Definition von g, dass g'(xo) = 0 gilt. Wieder können wir Satz 4.2.2 anwenden, um die Existenz
von 6 2 G (0,1) mit g"(x 0 -\-9i92{x —xq)) — 0 zu erhalten. Durch wiederholtes Anwenden dieses
Arguments (g^k\ x 0 ) = 0 für k = 1,... ,n) erhalten wir schließlich 6 3 ,. . ., 9n 6 ( 0 , 1 ) mit

g {k\ x 0 + 0 i 6 2 ■■■Qk{x - x 0)) = 0

für k = 1 , . . . ,n. Im letzten Schritt (k = n) wenden wir noch einmal Satz 4.2.2 auf die n-te
Ableitung an:
g (n\ x 0 ) = g (n)(x 0 + 6 16 2 ■■■6 n{x - Xo)) = 0

ergibt die Existenz eines 6 n+\ 6 (0,1) mit

g{n+1\ x 0 + did2 ■•-9n+1{x - x 0)) = 0.

Andererseits können wir g(n+1) berechnen:

g{n+1\t) = f {n+l\t) - K ( n + 1)!.

Daraus erhalten wir, dass

K = . f in+1)(x0 + ex92 •••9n+1(x - x0))


(n + 1 )!

gelten muss. Die Stelle ^ = x 0 + 9^2 ■■■9n+ i(x —x0) ist einfach eine Stelle zwischen x 0 und x.
Wir fassen zusammen:

Satz 4.3.3 (Satz von Taylor). Sei / : [a, b] —> M (n + l)-m al stetig differenzierbar und sei
Xo £ (a, b). Sei
fix) = Tnif, X, Xo) + R n if, X, X0).

Dann gibt es für jedes x € [a, b] ein £ e (min(xo, x), max(xo, x)) (^ hegt zwischen Xo und x),
sodass für das Restglied

Rn if,x,x 0 ) = ^ f (n+1\ £ ) { x - x 0)n+1


(n + 1 )!

gilt. (Diese Darstellung des Restgliedes nennt man „Restglied nach Lagrange” .)

Bemerkung 60. Wenn / (n + l)-m al stetig differenzierbar ist, dann folgt aus dem obigen
Satz sofort, dass
lim rn(x) = hm ---------- — R^if, x , x 0) = 0
x^xo x^xo [X — Xo)

gilt. Tn ist also tatsächlich die gesuchte n-te Näherung.

98
4.3 Anwendungen der Mittelwertsätze

D efin itio n 4.3.3. Sei h : [a.b] > M, x0 G ( a,b ). Dann schreiben wir

/l(x) = £?((> - X 0) n ),

wenn es eine Konstante c und ein e > 0 gibt, sodass

Vja: — Xq\< t : \h(x)\ < c\x —;co|n

gilt.
Weiters schreiben wir
h(x) = o((x - x0)n),
wenn
lim '1(K - = (1
o(x — X 0) n

B e m e rk u n g 61. Damit können wir Satz 4.3.3 etwas einfacher formulieren:

/(•'0 - Tn(f, x , x Q) + 0 { { x - x 0)n+1) = Tn( /, .r, x0) + o((x ~~ x0)n).

B eisp iel 74.

f ( x ) = ln (l + x ) ,x 0 — 0
f ( 0) = ln (l) = 0

/"(*) = - (1 + ;r)2:
0) = - l

r w - + ___ 2___ f w(0) =


( 1 + x ) 3’ 7 1 j
-1

* i ( n - 1)!
/ ^ ( x ) = (-1 )
(1 + x ) n

/ ( n)(0) = ( —l ) n_1(n — 1)!


n n+1
k lik-tV-k - —
ln (l + x) = X ] ( _ l ) fe" ' k{ J'x'k + ( ~ x)
k= 1 ( n + 1)!(1 + 0 n+1
n n+l
, £ = 6x, 0 G (0,1)
= E ( - 1) m t + ( - 1) (n + 1)(1 + £)n+1
fc=i

4.3.4 Anwendungen des Satzes von Taylor


E x tre m a

Wir wissen bereits, dass in einer lokalen Extremstelle der Funktion / die erste Ableitung
verschwinden muss, die Umkehrung dieser Aussage aber falsch ist. Mit dem Satz von Taylor
gelingt es nun, ein allgemein brauchbares Kriterium für das Vorliegen von Extremstellen zu
finden.
4 Differentialrechnung

Satz 4.3.4. Sei / ein offenes Intervall, Xo G I und / : / —)■R n-mal stetig differenzierbar und
gelte f ' ( x o) = 0. Dann liegt bei xq ein lokales Extremum von / vor, wenn f ( x o) = f " ( x o) =
••• = / (n- 1}(®o) = 0 und f M (x0) f 0 gilt und n gerade ist. Dieses Extremum ist ein lokales
Maximum, wenn f^n\ x o) < 0 gilt, bzw. ein lokales Minimum, wenn / (n)(x0) > 0 gilt.
Wenn unter der selben Bedingung an die Werte der Ableitungen n ungerade ist, liegt kein
Extremum vor.

Beweis. Nach dem Satz von Taylor gilt

f ( x ) = f ( x 0) + ^ n\X° ’>(x ~ + (x ~ xo)n+lr{x)

für eine beschränkte Funktion r(x ) (alle weiteren Terme verschwinden nach unserer Annahme).
Wenn n nun gerade ist, gilt (x —Xo)n > 0 und auf einer Umgebung von Xo nimmt f i x ) —/ ( x 0)
nur das Vorzeichen von f n\xo) an. Damit ist x 0 ein lokales Extremum von / .
Wenn n ungerade ist, dann nimmt (x — xo)n beide Vorzeichen an. In jeder Umgebung von
Xo nimmt f ( x ) — f ( x o) daher positive und negative Werte an. Es liegt damit kein lokales
Extremum vor. □

Monotonie

Wir wollen Bedingungen für die Monotonie von reellen Funktionen finden. Sei / : [a, b]
monoton wachsend, also

Vx, y £ [a,b] : y > x => f { y ) > f(x ).

Dann gilt

Vx, y e [a,b\ : y x => > 0 => Vx e [a, b] : f ' ( x ) > 0.


y -x

Sei umgekehrt
Vx G [a, b] : f i x ) > 0.

Dann gilt

Xi, x2 G [a, b] : Xi < x 2 (nach Satz 4.2.3) =$■ — f(g) > 0, f ( x i ) < f ( x 2).
X2 — X\

Bemerkung 62. • Wenn Vx e [a,b ] : f i x ) > 0 gilt, dann ist / auf [a,b] monoton
wachsend.

• Wenn Vx € [a, b] : f'(x) < 0 gilt, dann ist / auf [a, b] monoton fallend.

• Wenn Vx £ [a, b] : f i x ) > 0 gilt, dann ist / auf [a, b\streng monoton wachsend.

• Wenn Vx £ [a, b] : f ( x ) < 0 gilt, dann ist / auf [a, b} streng monoton fallend.

100
4.3 Anwendungen der Mittelwertsätze

Abbildung 4.2: Wendepunkt

W e n d e p u n k te

D efin ition 4.3.4.


Ein Punkt Xq heißt, Wendepunkt von / , wenn der Funktionsgraph in x 0 die
Tangente „durchdringt“ , d.h. wenn f ( x ) — f ( x 0) — f ' ( x 0)(x —x 0) in jeder Umgebung von x 0
beide Vorzeichen annimmt.

Unter Verwendung von Satz 4.3.3 können wir

/(•'•) - f ( x o) - f i x 0)(x - Xo) = (x - x0)2 + ••. + L A p l ( x _ XQf Rk(f_ Xk] Xo)

schreiben. Wir wollen, dass die rechte Seite in :c0 das Vorzeichen wechselt, dazu muss der erste
nichtverschwindende Term eine ungerade Potenz von x - x0 tragen. Also

/"(.To) = 0 = f " ( x o) = •••= f ^ \ x o), f (t\ x o) 7^ 0. i ungerade.

B em erk u n g 63. In jedem Wendepunkt verschwindet die 2. Ableitung ( f " ( x 0) = 0). Umge­
kehrt liegt ein Wendepunkt vor, wenn /" ( . r0) = f"'(x 0) = ••• = / ^ _1)(x0), r0) ^ 0, l
ungerade.

Krümmung

Wir wollen nun das Krümmungsverhalten des Funktionsgraphen von reellen Funktionen ge­
nauer untersuchen.

D e fin itio n 4.3.5. Eine Funktion / : [a,b\ -4 IR heißt (strikt) konvex (..links gekrümmt“ ),
wenn jeder Punkt (x, f (x )) , mit a < u < x < w < b (strikt) unterhalb der Verbindungsgeraden
von (■u , f ( u )) und (■w , f { w )) liegt. (Abb. 4.3)
Eine Funktion / : [a,b\ —4 R heißt (strikt) konkav („rechts gekrümmt“ ), wenn jeder Punkt
(x, f (x )) , mit a < u < x < w < b (strikt) oberhalb der Verbindungsgeraden von (u, f(u)) und
(■w , f ( w )) liegt. (Abb. 4.4)

101
4 Differentialrechnung

y y

Abbildung 4.3: Graph einer konvexen Abbildung 4.4: Graph einer konkaven
Funktion Funktion

W ir untersuchen im Folgenden konvexe Funktionen genauer. Analoge Ergebnisse kann man


für konkave Funktionen durch „Umdrehen“ aller Ungleichungen erhalten. Aus der Definition
der Konvexität folgt für u < v < w

w —v v —u
f ^ w —u / ( « ) f ( w)
w —u

und daher
f{ v) - f(u) < f{w) - f ( u ) < f( w ) - f{v)
v—u ~~ w—u ~ w—V
Die Steigung der Sekante zwischen (■u , f ( u )) und ( v ,f ( v ) ) ist kleiner als die Steigung der
Sekante zwischen (u, f ( u )) und (w, / ( w))- Diese Steigung ist wiederum kleiner als die Steigung
der Sekanten zwischen ( v ,f( v )) und (w,f(w)).

102
4.3 Anwendungen der Mittelwertsätze

Wenn / differenzierbar ist, erhalten wir aus Satz 4.2.3

/(^ ) = / N ~ /OO > / H - / ( » ) > / Ü ) - f (u) = r,,c ,


7/7 — 77 7/7 — ?/. _ 71 — 7/ J \^> J

also
u < S2 < V < 6 < W / '( & ) < ./"(.Sl

Wenn / konvex ist, dann ist also / ' monoton wachsend und nach unseren Überlegungen zur
Monotonie daher f" ( x ) > 0. Umgekehrt ist / auf [a. b] konvex, wenn Vx E [a, b] : f " { x ) > 0.
Wir fassen zusammen:

B e m e rk u n g 64. • / ist auf [o, b] konvex, wenn Vx € [o, b] : f " ( x ) > 0

• f ist auf [a,b\ strikt konvex, wenn Vx G [a, b] : f " { x ) > 0

• / ist auf [a, b\ konkav, wenn Vx G [a, b\ : f "{ x ) < 0

• / ist auf [a, b\ strikt konkav, wenn Vx G [a, b] : f " ( x ) < 0

Das Krümmungsverhalten des Funktionsgraphen hängt also vom Vorzeichen der 2. Ablei­
tung ab.

B e m e rk u n g 65. Sei x 0 Wendepunkt. Dann gilt f " ( x 0) = 0 und die erste nichtverschwindende
Ableitung ist ungerade. Daher gilt

t„i \ e„f ^ , , , f u 1]{x0) e_3 / (0(^o)


f (x) = f (x„) H------ --— (x — x 0) H--------h — ----- -- {x - x 0) ' (x x 0)/; 2 + A
Ü ~ 3)! (*-2)!

£ ist ungerade, daher ist auch i — 2 ungerade. In einem Wendepunkt wechselt also f " das
Vorzeichen. Der Funktionsgraph wechselt im Wendepunkt das Krümmungsverhalten.

4.3.5 Kurvendiskussion
Wir wollen zu einer gegebenen Funktion f eine Sammlung von Informationen über / auf Df
angeben. Folgende Punkte sind enthalten:

1. Definitionsbereich von / :

Df = { x G R | /(x) ist definiert}

Diskussion der Stetigkeit und Differenzierbarkeit.

2. Nullstellen von Nj = { x G Df\f(x) = 0}

3. Extremstellen von / : alle lokalen Extrema mit ihren Typ (Minimum oder Maximum)

4. Wendepunkte von / , sowie die Steigung der Tangente in den Wendepunkten

5. Monotonieintervalle: Intervalle, auf denen / monoton wachsend, bzw monoton fallend


ist.

103
4 Differentialrechnung

6. Krümmung: Intervalle, auf denen / konvex oder konkav ist

7. Verhalten für x —>•± o o , Verhalten bei Polstellen, Asymptoten

8. Skizze des Funktionsgraphen

Beispiel 75.
/:
x(x-\-2 )
x !—y x 2 -t-x-i-2

1. Df : f definiert für x2 + x + 2 ^ 0, x2 4 - x 4 - 2 = (x 4 - ^)2 - \ 4 2 > 0, / ist also für alle


x £ R definiert, Df = M.
/ ist als Quotient von stetigen Funktionen im Nenner ungleich Null definiert. / ist also
wieder stetig und differenzierbar.

, (2x 4- 2 )(x 2 4- x 4- 2) — x (x + 2)(2x 4- 1) —x 2 4- 4x + 4


(.x 2 + x + 2 )2 (x 2 + x 4 - 2 ) 2
„ (—2x + 4 )(x 2 + x + 2) 2 — 2(—x 2 + 4x + 4 )(x 2 + x + 2)(2x + 1) 2x 3 — 12x2 — 24x
(x 2 + x + 2 )4 (x 2 + x + 2 )3
,,, 6 (x 4 — 8 x 3 — 24x2 + 8)
(x 2 + x + 2 )4

2. Nullstellen:

f ( x ) = 0, x 2 + x + 2 o x (x + 2) = 0 =8 x = 0 V x = —2 =7 Nf — {0, —2}

3. Extrema: Punkte die in Frage kommen:

/ ' = 0 => —x 2 + 4x + 4 = 0 =>■ x i)2 = + 2 ± V8


f " ( 2 + V 8 ) = —0, 006 ^4 0 < 0 => lokales Maximum
f " ( 2 — V 8 ) = 1, 639 7^ 0 > 0 =y> lokales Minimum.

4. Wendepunkte:

f ' ( x ) = 0 => 2x 3 — 12x2 — 24x = 0 => x\ = 0, X2,3 = 3 ± \/21


/'( 0 ) = 1 ist die Steigung der Tangente.
f '{ 3 + V21) — —0.00514843 ist die Steigung der Tangente.
f '{ 3 — \/21) = —0.56628 ist die Steigung der Tangente.
f"\ x ) 0 an diesen Stellen.

5. Monotonie: 2 ± \ /8 sind Extrema =8 f wechselt das Vorzeichen.

f'(x) < 0,x < 2 — \ /8 fallend auf ( —0 0 , 2 — \/8 )


f'(x) > 0,2 — a/ 8 < x < 2 + \ /8 wachsend auf (2 — \/8 , 2 4 - \/8 )
f'(x) < 0,x > 2 + \ /8 fallend auf (2 + y/ 8 , 0 0 )

104
4.3 Anwendungen der Mittelwertsätze

6. Krümmung:

x < 3 — V21 =4» f"(x) < 0 =4 konkav


3- V21 < x < 0 =4- f"(x) > 0 =4- konvex
0 < x < 3 + \/21=4-f"(x) < 0 =4 konkav
x > 3 4- a/2 1 =4> f " { x ) > 0 =4> konvex

7. f ( x ) = lim ^oo f ( x ) = 1

8. Skizze:

105
5 Integralrechnung

5.1 Das unbestimmte Integral


Frage: Gegeben seien / : [o, b\ —> R. Gibt es eine Funktion F : [a, b\ —> IR, sodass F' = / ? Wie
bestimmt man F l

D efin ition 5.1.1. Sei / : [o,ö] —> R und F : [a.b} w R mit F' = f. Dann heißt F eine
Stammfunktion von / . Wir schreiben dann:

F (* ) = / / ( * ) * + c-

/ f( x) dx + c heißt das unbestimmte Integral.

Satz 5.1.1. Seien F und G zwei Stammfunktionen von / . Dann ist F — G eine konstante
Funktion.

B ew eis.

F'(x) — G\x) = f ( x ) ==> (F — G)'(x) — 0 => F{x) — G(x) = c (konstant).


B em erk u n g 66. Die' Stammfunktion von / ist nur bis auf eine additive Konstante bestimmt.

R e ch en reg eln

(zu gewinnen aus der Rechenregel der Differentialrechnung)

(aus der Summenregel)

i4 e l: J Af(x)dx A / f {x )d x — A ■F{x) + c
/
• Produktregel

(F(x)G(x)Y F \ x ) G ( x ) + F(x)G'(x) = f{ x ) G ( x) + Ffx)g(x)

J ( f ( x ) G ( x ) + F(x)g(x))dx + c = F(x) ■G(x)


5 Integralrechnung

Hieraus folgt die partielle Integration:

(f(x )G (x ))d x — F {x)G {x) — / ( F{x)g{x))dx + c

üblicherweise geschrieben als:

Tabelle von Grundintegralen

• f xa dx — + c, für a ^ —1

Jf —
X = ln I13"|I +1

J exdx = ex + c

J cos(x)dx = sin(x) -I- c

J sin(x)dx = — cos(x) + c

Beispiel 76.

/ = J ln (x)dx

u'(oc) = 1 v — ln(a;)

u{x) = x v'(x) =
X

I — x ln(x) — f x —dx = x ln(x) — x +


J x

Beispiel 77.

/ = /z s in (x )d x

u (x ) = X = > u '( a : ) = 1

u'(x) = sin(x) =>■ u(x) : —cos(x )

I = —(x) cos(x) — — cos(x)dx = —x cos(;r) + sin(x) + c

Probe:
(—x cos(a:) + sin(a:))/ — — cos(rc) + x sin(:r) + cos(;r) = x sin(x)

108
5.1 Das unbestimmte Integral

B eisp iel 78.

/ =J if mi(x)dx
u'(x ) = ex => u(x ) = ex
v(x) = sin (.i’ ) => v' {x) = c o s (.t )

I = ex sm{x) - j ex cos (x)dx,

u'(x) = ex =>- 'u(x’) = e2


v(a;) = cos(:r) => u'(x) = — sin(x)

I = ex sin(x) - ex cos(x) - J e^sin (x)dx


21 = ex sin(x) — ex cos(x) + c

I ex sin (x)dx — - ( e Tsin(rc) — ex cos(x)) + c

Satz 5.1.2. D ie S u b stitu tio n re g e l Sei g streng monoton (wachsend oder fallend) und stetig.
Vt e M : / 0 und sei $ eine Stammfunktion von f(g(t))g'(t), dann ist eine
Stammfunktion von /.

Beweis, y V-0 existiert unter den Voraussetzungen.

(S ^ O r )))' = l)( x ) W l)(;x)y = f(.g{g{- lXx)))g'{g(-1){ x W H x )) '

Nebenr echnu ng:

x = (x)) =* 1 = g’ { g[~l X x ) ) ( g {- l\ x ) ) ' =* { g[~l\ x ) ) ' = 1 -


g\g[

und damit

f ( y ( g { J\x)))g'(g{ = f ( x ) => ($(g( = f(x)


Schreibweise:

J f{ x )d x = J f{g(t))g'(t)dt

x = g(t ), dx = g'(t)dt

Beispiel 79.

e~xdx — J e \ —dt) = —V + c = —e x + c

f = —x, dx = —1 ■dt, dt = —dx

109
5 Integralrechnung

Beispiel 80.

f ( a x + b)dx = [ f ( t ) ~ dt = - F ( t ) + c = - F ( a x + b) + c
J a a a

a^O , t = ax + b, x = -— - = - ( t — b), dt = a ■dx


a a
Beispiel 81.

V l — X^dx — J y/l — cos2(t)(— = —j s i n = I

x = cos (t), dx = — sin (t)dt

1 = J ( —sm(t))(sm(i))dt =

= cos (t) sin (t) — j cos (t) cos (t)dt = cos (t) sin(t) — J (1 — sin2(t))dt

cos (t) sin (t) - J dt + J sin2(t)dt = ~ t + cos (£)sin(£)+ J sin2{t)dt -


T —t + cos (t) sin(t)
I = ------------^ ----- — + c =>>
-t + cos(t) sin(t) 1
V l —x 2dx = + c = —- arccos(x) + - x \ / l — x 2 + c

Beispiel 82. Sei / differenzier bar:

f f(x} f 1
! dx = / —du = ln Inl + c = ln |/(a;)| 4- c
f(x) J u 11 IM;|
w = f(x), du = f'{x)d X:I

I = / arctan(x)da: = x arctan(x) — / ar—


ar
Nebenrechnung:

1 f 2x
-,dx = - ln(l + x2) + c =4 / = x arctan(x) — - ln(l 4- x2) 4- c
2 J 1 + x-

5.2 Integration rationaler Funktionen


Definition 5.2.1. R ist eine rationale Funktion, wenn es 2 Polynome p und q gibt, sodass
m = i ]■

Bemerkung 67. Polynomdivision: Seien p, q Polynome, dann gibt es Polynome r, s, sodass


p(x) = r(x)q(x) + -s(x) gilt. Dabei ist entweder s = 0 oder der Grad(s) < Grad (q) (r heißt der
Quotient, s der Rest).

110
5.2 Integration rationaler Funktionen

B eisp iel 83. p(x) — x 4 + 7x3 — 6x2 + 8x + 5, q = x 2 + 6a* + 7, r(x ), s(x) = ?

(x4 + 7 x 3 —6x2 + 8x +5) : (x2 + 6x + 7) = x 2 + x — 19


—x4 —6x3 ~7 x2
+ x 3 —13x2
—x 3 —6x2 —7x
—19x2 +x
+ 19 x2 —114x +133
115a; 138
Damit gilt x 4 + 7x3 - 6x2 + 8a; + 5 = (x2 + 6x + 7)(x2 + x - 19) + 115a; + 138

Bemerkung 68. Wenn der G radl» < G ra d »:


p(x ) = r (x)q(x) + s(x) =» r(x) = 0, s = p
pM _ r(d^l+8(^) _ ( \ , s(r) „ Al . „ ...
?(s) ~ ?(*) ~ r W + i(S). G r a d » < G r a d »
B em erk u n g 69. Sei g(x) ein Polynom mit G r a d » = n > 1. Dann hat q genau n Nullstellen
in C.
Gelte q(aß — 0, dann gilt wegen

q(x) = (x — a ß q ß x ) + Si(x) mit G r a d » ) = 0.

Durch Einsetzen von x — ry erhält man .s-j = 0. Damit können wir einen Linearfaktor abspal­
ten:
q(x) — (x — ai)qi(x), mit G r a d » ) = n — 1 = G r a d » — 1
Durch Iteration dieses Argumentes erhalten wir eine Zerlegung von q{x) in Faktoren:

q(x) = A(x - cn) (x - a 2) . . . (x - an)


q(x) = anx n + an_ ix n_1 H----- + a0,

durch KoefEzientenvergleich ergibt sich A = an. Die Nullstellen a i , a 2, ___ an müssen nicht
alle verschieden sein. Damit können wir gleiche Faktoren zusammenfassen:

q(x) = A(x - / » fel (x - ß 2 ) k2 ■ •• (x - ,/3r»

mit ßi ß ßj für i ß j und k\ + •••+ kr = n; ß heißt die Vielfachheit der Nullstelle ßt

B eisp iel 84. q{x) = x4 — x 3 —x + 1, q( 1) = 0 d.h. 1 ist eine Nullstelle.

(x4 —x3 —x +1) : (x — 1) = x3 — 1


—x4 + x 3
—x + 1
+x + 1

qßx) = x 3 — 1, gi(l) = 0, 1 ist also eine doppelte Nullstelle

(x3 —1) : (x D = x2 + x + 1
+x2
x2 -1
—x 2 + x
X -1
—x +1

111
5 Integralrechnung

~1 i iy/ 3
%2 ,3
2
_ 1+ - 1 - z\/3\
q(x) = ( x - 1f
' ~1 ~ J J
Bemerkung 70. •
Sei f ( x ) = anx n + on_ Yx n 1 + .. + a0 mit a{ e Z
für i = 0 , . . . , n
Wenn an — 1 und a € Z eine Nullstelle ist: / ( a ) = 0. Dann gilt „a teilt ao“ . Jede ganzzahlige
Lösung von f ( x ) = 0 muss o0 teilen.
Wenn an ^ 1 und a € Q eine Nullstelle von f ist, a = wobei p und g teilerfremd seien,
dann gilt „p teilt a0u und „g teilt a „ “ . Rationale und ganzzahlige Nullstellen von / lassen sich
also durch Probieren finden.

Satz 5.2.1 (Partialbruchzerlegung). Seien p und q Polynome Grad(p) < Grad(g). Seien
C K i , . . . , o : r G C die verschiedenen Nullstellen von g mit Vielfachheiten Ay, k-2 , . ■ ■ ■, Ay. Dann
gibt es komplexe Zahlen A j (1 < * < r, 1 < j < ^ ) , sodass

Pi(s)
?(s)
EE (x - Cüi)j

gilt.

Beweis. Induktion nach Grad(g).

1. Induktionsbasis: Grad(g) = 1 => Grad(p) = 0

p(aQ = 1 __ A
q(x) Ax + B x -(-f)
P B
Au =
A' a i~ ~ A

2. Induktionsvoraussetzung: Die Behauptung des Satzes gelte für Grad(g) < n

3. Induktionsbehauptung: Die Behauptung des Satzes gelte auch für Grad(g) = n

Induktionsschritt: Sei g ein Polynom von Grad n und a eine Nullstelle von g mit Vielfachheit
k
q{x) = (x — a )kqi(x) und gi(a) ^ 0.
Dann gilt

Ppc) = P(x) _ / p (s)___________ ZI \ ZI


g (x ) (x — a ) fcg i(x ) \ ( x — a ) fcg i(x ) (x — a ) k ) (x —a ) k

Wir wollen nun A so wählen, dass wir kürzen können.

p(x) A _ p(x) —Aqi(x)


(x — a)kqi(x) (x —a)k (x —a)kqi{x)

112
5.2 Integration rationaler Funktionen

Damit (x — a) gekürzt werden kann, muss

p(a) — Aqi{a) = 0

gelten. Wir müssen also


= y{a)
9i (« )
setzen. Dann ist
p{x) - Aqx{x) = (x - a)pi(x)
und wir erhalten
P(x) __ A Pl(x)
q(x) ( x — a.i)fc q i ( x ) ( x — a.i)k~l
Weil der Grad des Nenners nun n —1 ist, können wir nach Induktionsvoraussetzung den zweiten
Summanden in der behaupteten Form schreiben. □

5.2.1 Bestimmung der Partialbruchzerlegung (Anhand eines


Beispiels)
x 2 — hx + 8
x 4 - 9x3 + 29a;2 - 39x + 18
l)Bestimmung der Nullstellen des Nenners:
Als ganzzahlige Nullstellen kommen nur die Teiler von 18 in Frage: ± 1 , ± 2 , ± 3 , ± 6 , ± 9 , ±18

z = l : l - 9 + 2 9 - 3 9 + 18 = 0
x = —1 : 1 + 9 + 29 + 39 + 18 ^ 0
x = 2 : 16 - 72 + 116 - 78 + 18 = 0
(x — l ) ( x — 2) = x 2 — 3x + 2

Wir können also zwei Faktoren abdividieren:

(a;4 —9a;3 +29o:2 —39a: +18) : (x 2 — 3x + 2) = x2 — 6x + 9


—x 4 + 3 x 3 —2a;2
—6a;3 +27a;2 —39a;
+6a;3 —18a;2 —12a;
9a3 -27a: 18
-9 a ;2 +27a: - 1 8

x 3j4 = Q±2 ^ = 3, 3 hat die Vielfachheit 2


Damit haben wir den Nenner in Linearfaktoren zerlegt

x 4 — 9a;3 + 28a:2 — 39a; + 18 = (x — l ) (x — 2)(x — 3)2.

Nach Satz 5.2.1 können wir daher ansetzen

x2 — 5a; + 8 A B C D
x4 — 9a:3 + 28a:2 — 39a- + 18 x —1 x —2 x —3 (x — 3)2

gesucht sind + = A n , B = + 2i> C = A 31 , D = + 32.

113
5 Integralrechnung

2)Bestimmung von A ,B ,C ,D :
A = ?:

( x - l ) ( x * - 5 X + 8) ___A ( B C D \
{x - l ) ( x - 2)(x - 3)2 } \x - 2 + x - 3 + (x - 3)2/
1 -5 + 8
x = 1 : ---------— = A + 0 = > A = - 1
-4

B =?:

(x — 2 )(x2 — hx + 8) A C D
= B + (x - 2) H-------- —+
(x - l)(x -2 )(x -3 )2 x — 1 ' x — 3 ' (x — 3)2
4-10 + 8
x = 2 = £ + 0 ^ 0 = 2

(7, D =?:

(x — 3)2(x2 — 5x + 8) _ / 5 C
(x — l ) ( x — 2)(x — 3)2 +l ’ \x — 2 x —3 1)
x = 3:D = 1

Um C zu bestimmen, differenzieren wir nach x:

x 2 - 5x + 8 A B
= C7(x - 3) + D + (x - 3 f +
(x — l ) (x — 2) ” _ ' v~ '' \ x -l ' x -2
x 2 — 5x + 8 Y _ (2x — 5)(x — 1) (x — 2) — (x2 — 5x + 8)(2x — 3)
= C + (x — 3 ) ( . ..)
(x - l) (x - 2) ((x - l)(x -2))2
(2x — 5)(x — l ) ( x — 2) — (x2 — 5x + 8)(2x — 3)
x —3 : = c=*c = - 1
( ( x - l ) (x — 2)Y“ x=3

Wir haben also:

x 2 — 5x + 8 1 2 1 l
+ +
x4 — 9x3 + 28x2 — 39x + 18 x —1 x —2 x —3 (x — 3)2

und damit

x 2 — 5x + 8
dx
x4 — 9x3 + 28x2 — 39x + 18
:C?X =
/ x ~ X [ dX + / x ^ 2 dX / x~X3dx + / (x - 3):

ln |x — l|+21n|x — 2| ln |x - 3| - ^ + c

B eisp iel 85. Gesucht ist

1 + x + 4x2 — x 3 + 2x4 + x5 ,
_______________ ______________ ____dx.
/ 2 - 3x + 5x2 — 6x3 + 4x4 — 3x5 + x 6

114
5.2 Integration rationaler Funktionen

Durch Probieren findet man die Nullstellen des Nenners: a 1 = 1, a 2 = 2 und die Faktorzerle-
gung des Nenners

2 - 3x + 5a'2 - 6x3 + 4x4 - 3x° 4- x 6 = (x - l)( x - 2)(x4 + 2a*2 + 1)


= (x — l ) (x — 2 )(x 2 + l ) 2 = (x — l ) ( x — 2)(x + i)2(x — i)2

Wir können wieder ansetzen

l + x + 4x2 - x 3 + 2x4 + x 5 = A B _ D _ _E_ + F


2 - 3a: + 5x2 — 6a:3 + 4a:4 — 3a:5 + x6 x —1 x — 2 x — i (x — i )2 x + i ^ (x — i ) 2'

Für die reellen einfachen Nulstellen x = 1 und x = 2 erhalten wir A = —2, S = 3.


Für die komplexen Nullstellen x = ± i haben wir E = C und F = D. Es genügt also C und
D zu bestimmen. Dazu multiplizieren wir den Ansatz mit ( x - i )2 und erhalten

i + x + 4.x2 - x3 + 2x4 + x 5
D + C(x ~ i) + ix - i f { . ..)
(x - 1) ( x - 2)(x + i)2
-1 + 3 i _ 1
x = i :=r- D =
(-4 )(l-3 i) _ 4

F = D = \.
Differenzieren nach x ergibt:

(5x4 + 8a;3 - 3a;2 + 8a; + 1)


(x - l ) (x - 2)(x + i)'2
(1 + x + 4x2 - x 3 + 2x4 + x 5)((2x - 3)(x + i f + (x2 - 3x + 2)2(x + *)) _
C + (x - i ) ( . ..) =

x = i:C = — => E =
4i 4

Damit haben wir

1 + x + 4x2 - x 3 + 2x4 + x 5 2 3 1 1 1 1 i 1 i 1
2 — 3x + 5x2 — 6x3 + 4x4 — 3x5 + x 6 x —1 x — 2 4 (x + i )2 4 (x — i)2 4x — i 4x + i

Wegen
i 1 i 1 _ 1
4 x —i 4x + i 2(x2 + 1)
erhalten wir damit

1 + x + 4a;2 — x 3 + 2x4 + x
, dx —
2 — 3x + 5x2 - 6x3 + 4x4 - 3x5 + x ’
1 1
-dx + dx =
1
-dx +
—2
-dx + — da; +
4 (:/: + i )
/ -
4 (x 4- i ) : / 2(x2 + 1)
1 1 1
3 ln jx - 2| - 2 ln |x - 1| 4- - '0-1 + + i ) -1 + x arctan(x) + c =
4v 7 ' 4
x 1
3 ln |x — 2| — 2 ln |x — 1| arctan(a;) + c
2(x2 + 1)

115
5 Integralrechnung

B e m e rk u n g 71 (Komplexe Terme in der Partialbruchzerlegung). Komplexe Terme a e


C \ R kommen in der Partialbruchzerlegung paarweise vor: ^4= kommt ebenfalls vor.
Für die Integration werden diese beiden zusammengefasst, um einen reellen Ausdruck zu
ergeben
A A (A T A )x — (Act + Act) Bx + C
x —ct x — ct x 2 — (ct + a )x + aa x 2 + px + q'
Zur Bestimmung der Stammfunktion gehen wir wie folgt vor:

Bx + C , f f ( 2 x + p) - t + c
-dx = dx
x 2 + px + q x 2 + px + q x 2 + px + q
Bp\ f 1
^ ln \x2 + px 4- q\ + ( C -----) dx
2 y J x 2 + px + q

Es verbleibt damit noch das Integral

/* 1 dx dx
-dx — ,2'
x 2 + px + q x2 + p x + \ - \ + q (* + §)* + ? - ?4

Hier substituieren wir


p2 p p^
q — '— dt — dx
9 _ Tt = I + 2'
und erhalten

q — 4 dt dt
arctan (t) + c —
t2 + i y y r

x+ |
arctan + c
9 - f 9-4-

Bx + C B Bp x +
dx — — ln \x2 + px + q\ + C -----— : arctan + c
x2 + p x + q

B eisp iel 86.

[ x+ 2 dx
-dx =
x2 + x + 1 x2 + x + 1 2 x2 + x + 1
3
X + x + l —[x
+ 4

wyA = x + ^ ,d x = ^ d f

dx 3 f dt _ dt
y x2 + x + 1 2 -4 t^2 +' 4 - f2 + 1
X 2x + 1
\/3 arctan(t) + c = \/3 arctan — I + c = \/3 arctan + c
“ TT
2

116
5.2 Integration rationaler Funktionen

Integration rationaler Funktionen:

Wir können also für die Integration rationaler Funktionen folgendes Verfahren angeben:

p(x)
dx = ?
/ q(x)
1. Wenn der Grad(p) > Grad(g): Polynomdivision.

p(x) = s(x)q(x ) + pi(:r), Grad(pi) < Grad(g) => = s(x) + - - f f i


q(x) q(x)

2. Partialbruchzerlegung von

a) Bestimmung aller Nullstellen des Nenners mit Vielfachheiten. Ganzzahlige Nullstel­


len teilen das konstante Glied; komplexe Nullstellen treten paarweise auf.

q(x) — A(x — cti)kl (x — a 2)k2 . . . (x — otr)kr

b) Ansatz:

Pi(x ) __ y~^ y ^ A(.j


q(x )

Bestimmung von Aij durch Multiplikation der Gleichung mit (x — ae)ke, Differen­
tiation nach x und Einsetzen von x = a?

3. Integration der Partialbruchzerlegung:

Ay
-dx
(x - aey

a) j > 1:
A<7
-dx — — ------- A + c
J (x - ae)j j - r 'tj (x - a e)j 1

b) j = 1:
i. ae G
An
-dx = An ln |x — af\ + c
x — an

ii. at € C \ !

(Ai i + At>\)x — (A^a^ + Auai)


An + D i u , dx = dx
x — an x —at X 2— (öl + C X ()X + CXg + Cp?

Bx + C
dx
- s x 2 + px 4- q

4. Zusammenfassen: Die Ergebnisse für komplexe Wurzeln an können noch paarweise zu


reellen Ausdrücken zusammengefasst werden.

117
5 Integralrechnung

5.2.2 Standard Substitutionen


R ( . . bezeichnet eine rationale Funktion ihrer Argumente, also einen Ausdruck der sich nur
unter Verwendung von bilden lässt.

Rationale Funktionen von ex

J R(ex)dx
ex = t, exdx = dt, d
X ~ ex ~ t
Beispiel 87.

dx 1 dt
-dt -d t =
ex + 1 7+ T T t+ 1 t
= t
1 1 A B
4- —
t -f- 1 t TTT" t
B
A = -1
1
= B -\--------- 1 => B = 1
t+ 1 t+ 1
= —ln \t + 1| + ln |£| + c —ln |ex + 1| + x + c

Rationale Funktionen von \/x2 + 1

[ R(x, V x 2 + l)dx
J
Wir suchen eine Substitution, sodass x und V x 2 + 1 rational in der neuen Variablen sind.

(V x 2 + 1 + x ) ( V x 2 + 1 — x) — 1, V x 2 + 1 + x = t, V x 2 + 1 —x = ^ ,

also
Vx2 + 1 = d x = \ ( 1 + ^ ) dt-

I R(X, V ^ T i ) d x = / « ( ! ( * + i ) , i ( t - \ ) ) i ( i + p ) ä

ist eine rationale Funktion in i, £ = x V x2 + 1

Beispiel 88.

xdx j ( M ) j ( i + £)
dt —
a/ x 2 + 1 + x !(* + *) + * ( * - * )
i r t4 - 1 , 1 r i i 11 V ^ -------- X
- / — ~7— dt = - / ( 1 ------)dt = - t + 12 p + c = 4 ^ + V x 2 + i) + c
4J B BJ 4 12(x + v T 2 + 1)J

118
5.2 Integration rationaler Funktionen

Rationale Funktionen von \/x 2 — 1

R(x, V 'x'2 — l)dx

(x + V x 2 — l ) (x — V x 2 — 1) = 1

a: 4- vha*2 — 1 = t, a- — V x 2 —1= ^

dx
t t r
B eisp iel 89.

J VtfXJdx = j \ ( t - - i)dt = i J + —)dt


h - \
t2 i .. l l 2 _ 1)2 _ 1 X 1, | 4- V x 2 — 114- c —
¥ - i lll|f|- 8 ? + C = 8 (x + \/x2 — l ) 2 2

- a V x 2 — 1 — ^ ln |x + \/G2 — 11+ c =
^ Z
— -X \ / x 2 — 1 - Arcosh(s) 4- c
2

Rationale Funktionen von v T — X2

J R(x, V l — x 2)dx

Die Gleichung
V l — x2 — y , x 2 + y2 — 1
beschreibt einen Kreis.

Wir legen eine Gerade durch den Punkt ( - 1 , 0 ) mit Steigung t

y = t(x + 1)

119
5 Integralrechnung

und schneiden diese Gerade mit dem Kreis:


x 2 + t(x + l ) 2 = 1
x 2(l + t 2) + 2t2x + 12 — 1 = 0 hat die Lösung x = —1
(1 + t2)x 2 + 2t2x + 12 — 1 : rc -H 1 = (1 H- t2)x + (t2 — 1)
Der zweite Schnittpunkt löst die Gleichung: (1 4- t2)x — (t2 — 1) = 0. Damit ergibt sich
t2 - 1
x
1+ t2
und
, „ A ~ t2 , 2t
y = t(x + l ) = t ( —— + 1) =
t2 + 1 t2 + 1
Für die Substitution ergibt sich daher
t2 - 1 2t 4t
x — y = dx = dt
t2 + 1 ’ y ~ t 2 + 1 ’ (:t2 + l ) 2
R .e -x n 41
R(x, V l — x2)dx : dt
t2 + l ' t 2 + l j (t2 + l ) 2
Beispiel 90.
2t 41 812
V l — x2dx = dt = dt = . .
t2 + 1 (t2 + l ) 2 (t2 + 1)3

Rationale Funktionen von V ax2 + bx + c

o b 2 &2 — 4ac
ax + ox + c = a(x 4----- ---------- ---------
2a 4a
A — b2 — 4ac heißt die Diskriminante
jA| / 4|a|
ax2 4-bx + c = a\ x 4 ----- I -------- = x + — ) - sgn(A) •sgn(a)
2a) 4a 4|a| l |Aj
mit
+1 ol > 0
sgn(a) = 0 a= 0
—1 a < 0.
Damit ergibt sich

I 2ax + b
a x 2 + bx + c = sgn(o) — sgn(aA)
4|a| V V'IA ,
2ax + &
(=
V lÄ

V a x2 + bx + c = ^ -i / r \/sgn(a)t2 — sgn(aA).
z y |a|
Je nach den Vorzeichen von a und A liegt einer der Fälle 5.2.2, 5.2.2 oder 5.2.2 vor.

120
5.2 Integration rationaler Funktionen

Rationale Funktionen von y/ x - a und J x - b

I R(X, ^ - a , V ^ l ) ä X,

(v/rr - a + \Jx - b ) { y j x - a - y / x - b ) = b -
b —a
y/x — a + \fx — b = t y/x — a — v x — b =

b —a
Vx ~ a = g
,---- - 1. b —a s , ft (b —a f \ ,

f l f b—a 2 ci + b t2 (b — a) 2
,,; = - - a + U f ( + —
2 + 4 + 412

, y/x — a, y/x — b)dx

a + b | / 2 | {b — a ) 2 I f b — a\ 1 f + b—a t (b — a f
dt
+ 442 ’ 2 r + t / ’ 2 \ 2 213

B eisp iel 91.

x ■dx 3 + £ + J_ t 1 (t4 + 6t2 + l )(t 4 - l )


2 ~ 4 ~ l/2
zdx 1 ,1 , dt = dt
2\fx~^\ + y/x — 2 J t + -f + ^{t — {) \2 2t3 4t4( 3 t 2 + 1)

Rationale Funktionen der Winkelfunktionen

J R{cas(x),sm(x))dx = J R{cos(x),sm(x),taii(x).cot(x))dx

t = tan , x = 2 arctan(t), dx = 2 y dt

1 - t2 2t
= sin(:;:)
T T t* = cosW ’ IT T 4

Beispiel 92.

dx
dt = -dt
1 + sin(x) J 1+ ^ 1 + t2 I t2 + 2t + 1
x 2
t = tan —, gLc = —— zdt
2’ 1 + C2

: dt + c= + c
(t + 1)2 t+ 1 t a n (| )+ 1

121
5 Integralrechnung

5.3 Das bestimmte Integral


Wir wollen die Fläche von Teilmengen von R 2 bestimmen. Besonders Flächen, die von Funk­
tionsgraphen begrenzt sind.

/ , g : [a, b] ->• R, Vx £ [a, 6] : f ( x ) < c/(x)


G = { ( x ,y ) G R 2|x G [a ,6 ],/(x ) < y < g(x)}

Spezialfall: f ( x ) = 0
G = {{x,y)\x G [a, ö], 0 < y < g {x)}
Gesucht ist die Fläche von G.

Idee: Schließe die Fläche A zwischen 2 Bereichen ein, deren Fläche bestimmt werden kann,
also Vereinigungen von Rechtecken (A = a ■b).

D e fin itio n 5.3.1. 3 heißt eine Zerlegung von [a,b], wenn 3 = {xo,%i, ■■■ mit a = x o <
X\ < •••< xn = b.

122
5.3 Das bestimmte Integral

Abbildung 5.2: Ober- und Untersummen

D efin ition 5.3.2. Seien

rrii = ini{f(x)\x G [xi,xi+1]}


Mi = sup{f(x)\x G [xi,xi+1}}.

Die größere Fläche


n—1
y : Mj(xi+1 - Xi) = : S(f, 3)
2—0

heißt Obersumme von / zur Zerlegung 3-


Die kleinere Fläche
n —1
Y ^ m i ( x i+i Xi) = : S ( f , 3)
2=0

heißt Untersumme von / zur Zerlegung 3-

B em erk u n g 72. Damit gilt (sofern A existiert):

S { f , 3 ) < A < s ( f ,3 )

5.3.1 Eigenschaften von Ober- und Untersummen

1. Sei 3 i C 3 2. Dann gilt

S ( / , 3 i ) < £ ( / , 3 2)

123
5 Integralrechnung

Beweis. Sei 3 2 = 3 i U {£ } mit Xj < £ < x ]+l

£(/,32) - £ ( /,3 i) =
inf{f(x)\x E [%,£]}(£ - Xj ) + inf{f(x)\x e [£,xj+i]}(xJ+1 - £)-

inf{f(x)\x E [xj,xj+1]}(x j+1 - xj) >

— xj + x j + 1 — 0 —m j { x j + 1 — X j ) = 0


2. Seien 3 i ,32 Zerlegungen. Dann gilt

5(/,3i) >5(/,3a)
Jede Obersumme ist also größer als jede Untersumme.

Beweis.
S (f , 3 0 > 5(/, 3 i u 3 2) > £(/, 3 i u 3 2) > S(f, 3 2)

D efin ition 5.3.3. Riemann-Darboux-Integral :

J f(x )d x = M S (f,3 )

heißt das obere Riemann-Darboux-Integral

f(x )d x sup-S(/,3)
3

heißt das untere Riemann-Darboux-Integral.

D e fin itio n 5.3.4. Die Funktion / : [a, b] —> R heißt Riemann-integrierbar, wenn

_L b

j f(x )d x = J f(x )d x = A.
a a

Dann schreibt man


f(x )d x := A

Ja&heißt das Riemann Integral oder bestimmte Integral.

Satz 5.3.1 (Riemannsches Integrabilitätskriterium). / : [a, b\ —>•M ist genau dann Riemann-
integrierbar, wenn:
Ve>0:33:5(/,3)-5(/,3)<e

124
5.3 Das bestimmte Integral

Beweis. Sei / Riemann-integrierbar mit dem Integral = A. Dann gilt

inf S(f, 3 ) = A = sup S(f, 3)

inf S(f,3) = dl =* £ > 0 : 33i : S(f, 3 ) < A + |


Li

A = s u p S (/,3 ) =4- £ > 0 : 332 : S ( / , 3 2 ) > .4 + |

3 = 3i U 32: S(f, 3) - S(f. 3) < S(f, 3 0 - S ( /, 3 2) < 3 + 5 - (3 - § )

Umgekehrt: Gelte
Vf > 0 33 : 5 ( / , 3 ) - S ( / , 3 ) < f
Dann gilt auch
— fc,
0< [ f( x) dx - I f( x ) d x < S(f, 3) - £ ( / , 3) < e

Also gilt:
—— 0 6
Va > 0, 0 < J f( x) dx — I f(x)dx<e=> j f(x)dx= j f(x) dx

Nach Definition ist / daher Riemann-integrierbar. □


Satz 5.3.2. Sei / : [a, b] —> R stetig. Dann ist f Riemann-integrierbar.

Beweis. Wir zeigen, dass Va > 0. 33. sodass S(f, 3 ) — 5 ( / , 3) < e


Sei & > 0, dann gibt es ein 8 > 0:

Vx, y e [o, 6] : \x - y\ < ö => \f(x ) _ / ( y)| <


b- a
Sei 3 = {.x'o, Xi... .. x n} die Zerlegung:

.b —a
Xi = a + i - , xq = a. x n = 6,

und sei n so groß, dass d-2 < <5 gilt. Dann gilt
n—1
ä (/.3 )-n /.3 ) = U+l - :Cf
?= 0
Nebenrechnung:

Nh = SUP{/(x)j.T E [ u % l ] } == /(eo, 6 E [xh xi+1}


m, = inf •x € [xu -U+ij} = / ( ^ mG x . fi]

16 - g !< - < <5 =>• / ( 6 ) - /(% ) <


n h—
Somit ist
n—1
a 6-
S (/,3 )-S (/,3 )< E = n •- = e.
*=o a n n

125
5 Integralrechnung

B em erk u n g 73. Wir haben im Beweis folgende Eigenschaft verwendet:

Ve > 0 : 35 > 0 : Vx, y € [o, b] : \x - y\ < 8 \f ( x ) - f ( y ) |< e

Eine Funktion / mit dieser Eigenschaft heißt gleichmäßig stetig auf [<a, fe].
Zum Vergleich: / ist stetig im Punkt x :

Me > 0 : 35 > 0 : My G [a, b] : \x - y\ < 5 => |f ( x ) - f ( y )| < e


f ist stetig auf [a, 6]:

'ix £ [a,b] : Ve > 0 : > 0 : Vy G [a,b] : \x - y\ < £ |f { x ) - f(y)\ < e.

Hier hängt 5 vom Punkt x ab. Die gleichmäßige Stetigkeit besagt gerade, dass man ein von x
unabhängiges 5 finden kann.
Auf abgeschlossenen, beschränkten Intervallen ist aber jede stetige Funktion gleichmäßig
stetig (der Beweis kann z.B. mit dem Satz von Bolzano-Weierstraß geführt werden). Unsere
Annahme im Beweis ist also gerechtfertigt.
Beispiel 93.
/ : [a, b] —> R
x x2

r
3 = \ o, 1 2
I n n
n ~i
nJ
[, Xi = -
n

S(.f, 3 ) = E (\ —n V - 3 X > + D 2 = n3
l = n3
J n A (n - 1)nl6 2n ~ 1}
1=0 1=0
n —1 / • \ 2 1 1 n —1
1 n(n + l)(2n + 1)
«/■ »-E .^
n/
i=0 v '
^
n E

z=0
' ‘2= n° 6
lim S (f, 3) = hm S (f, 3) = [ x2dx = lim ^ + n^
n—>oo Jq n—foo D

B eisp iel 94.


2— = ?
/ x
X
3 = {xi \ Xi = 2" und i = 0 ,... ,n }
n —1

=E E(br
II

S (f, 3) = n (2
I
+

- 0 -
i=0 i=0 Xl
n—1 nl
^ '
-Eb-
W!

SU, 3) ------ ( x i + i - X i ) )= n
1!

1 i= l ^Z+l >

n(2^ — 1) = n ^ e x p ^ — ln (2 )^ —
0
lim n / e x p f —ln(2)) — 1 = ln(2)
iho o \ V77- /

= ln(2)

126
5.3 Das bestimmte Integral

B eisp iel 95.


i x E Q
/O )
0 sonst

x G [0 ,1 ] :
Mi = sup{f(x)\x G [xi,xi+1]} = 1,
also gilt S ( f , 3 ) = 1.
ra* = sup{/(a;)|a; € [xu x Hl]} = 0
also gilt S_(f, 3 ) = 0 und damit

i n f S ( / , 3 ) = 1 ^ s u p 5 ( / , 3 ) = 0.

/ ist also nicht Riemann-integrierbar.

Satz 5.3.3. Sei / : [a, 6] —> R monoton, dann ist / Riemann-integrierbar.

Beweis. Sei / ohne Beschränkung der Allgemeinheit monoton wachsend.

.b — a b —a
Xi = a + i ------- , xi+1- X i = --------
n n
Dann gilt

Mi = sup{/(a:)|a: G [xi,xi+1]} = f ( x i+1)


m = in f{/(x )| x G [xi,xi+1] = f (x i)

i=0 U

a / . 3 ) = z—
x Ji / w —n

5 ( /,3 ) - 5 (/, 3) = D / ( * w ) - / 0 * ) ) — = (/(&) - /(«))(& - a ) -


n n

Es gilt also:
lim S ( / >3 ) - S ( / , 3 ) = 0
n—¥oo


B em erk u n g 74. Sei / auf [a , 6] Riemann-integrierbar. Dann gilt für c G [a , &]:

1 rc i’b
f (x )d x = / f( x )d x + / f(x) dx
Ja Je

B e m e rk u n g 75. Wenn / , g Riemann-integrierbar auf [a, 6] sind, dann sind auch / ± <?; f ■g
Riemann-integrierbar auf [a, 6]. Es gilt:

i) /»6 /*6
( /O ) ±g(x))dx = / /(x )d x± / ^ (»d a ;
Ja Ja

127
5 Integralrechnung

Bemerkung 76. Sei / Riemann-integrierbar auf [a,b\ und sei [c,d] C [a, b], dann ist / auch
auf [c, d] Riemann-integrieroar.

Satz 5.3.4. Mittelwertsatz der Integralrechnung: Sei / stetig auf [a, 6], dann gibt es ein
£ G (a, b), sodass

f(x )d x = {b ~ a)f(£)

Beweis.

M = su p {/(x )| x G [a, b]} = / O i )


m = mf{f(x)\x £ [a,b] } = f ( x 2)

,
m{b - a) = S ( f {a,b}) < f f ( x ) dx <S( f , { a, b} ) = M ( b - a )
Ja

f i x i) < — f f(x )d x < / O 2 )


^ ^ Ja

nach Satz 3.2.5 gibt es daher ein sodass


Definition 5.3.5. Sei a < b:

Bemerkung 77. Mit dieser Definition gilt weiterhin: J* = f^ + für beliebige Werte von
a, b, c im Definitionsbereich.

W ie betrachten nun für eine stetige Funktion / : F{x) = f x f(t)dt das Riemann-Integral als
Funktion der oberen Grenze. Dann gilt
/>x+h
F (x + h ) ~ F (x) = / f(t)dt = hf{£(h)), mit lim /(/i) = x
Jx h—^0
F (x + h) - F 0 ) F (x + h) - F Q )
/( £ ( * ) ) => l i m /( e ( h )) = f { x ) .
h h
F ist also in x differenzierbar und es gilt F'(x) = f i x ) . F ist also eine Stammfunktion von
f . Sei G eine Stammfunktion von / . Es gibt daher nach Satz 5.1.1 eine Konstante C, sodass
G O ) = Fix) + C gilt für alle x.

GO) = [ f(t)dt + G, x — a =>- G (a) — f ( t)dt + G =4


Ja Ja

C = G(a) =► fit)dt = G O ) - G(a)


Ja
Dies fassen wir zusammen:

128
5.3 Das bestimmte Integral

Satz 5.3.5 (Hauptsatz der Differential- und Integralrechnung). Sei / stetig auf [a, b] und F
eine Stammfunktion von / . Dann gilt:

f{ x ) d x = F{b) - F{a) := F { x ) £=* = F(x)\

B eisp iel 96. Sei


G = {(x, y) <
e R2\- l < x < 1,0 < y < y/l — x 2

ein Halbkreis mit Radius 1. Die Fläche des Kreises mit Radius 1 ist:
»l
A = 2 J yjl — x 2dx

I = J V l — x 2dx =?
x = cos (/.), dx = — sin (t) dt

I = J y/l — cos2(t)dx —J sm(t)dt) = —j sin2(t)dt


cos ( 2 1) = cos 2{t) —sin2(t) = 1 — 2 sin2 (t) =>• sin2(/.) = -(1 — cos( 2 f))
2
t 1 f r -t 7, —t 1 . /r.fN ^ arccos(x) 1 ,--------^ ^
I = —- / (1 - cos(2t))dt = — — + - sm( 2 t) + C = -------- ----- - + - a V l - W + C
Z J Z 4t Z Z

H = ^—arccos(x) + xyH — = 0 + 0 — (—7r + 0) = 7r

Eine andere, bessere Möglichkeit das Integral zu lösen wäre:


rarccosA-Lj
( I) /»U /»7T
2 / v l — xÄdx = 2sin(f)( —sin(t))df = - / 2shr(/,)df = / 2sin2(t)dt
J—1 Jarccos ( — 1) J 7T Jo

Wegen sin(f) = —cos(t + |) gilt

I sin2(t)dt = f cos2{t)dt
Jo Jf

/ sin2(f)dt = / cos2{t)dt
J2 ^0
/*7T /»7T
und damit / sin2(t)cJf = / cos 2(t)dt.
Jo Jo

Nun verwenden wir sin(f)2 + cos(f)2 = 1, um


/»7T /»7T
/ (sin2(f) + cos 2{t))dt = ldt = t\l = TT
Jo ^ Jo
und damit / sm2(t)dt = ^ =g / 2 sin2(f)dt = 7r
io 2 J0
zu erhalten

129
5 Integralrechnung

Substitutionregel für bestimmte Integrale

Satz 5.3.6. Sei g : [a, 6] —> [c , d] bijektiv und differenzierbar. Sei / : [c, d] —* M Riemann-
integrierbar. Dann gilt:

/ f(x)d x= / /(0(t))|p,(*)|dt = / f(g(t))g'(t)dt


Je Ja Jg 1(c)
Beispiel 97.
(Tr
/ =
Io V x 2 + 2x + 2
u = (x + 1), du = dx
x = 0 —»■u — 1, £ = 1 —)■u — 2
du
I =
1 v t l2 + 1

^ ( t - j ) =V Vu2 + 1 — —(£ + ■£■),£ = u + \/n2 + 1


U 2

dn = ^ ^1 + dt, u = 1 —y ti ,2 = 1 ± y/2, u = 2 —>t = 2 ± \/5

/ = [ 2+VE j = ln |t||*$ = ln(2 + V5) - ln (l + ^ 2 ) = ln f + ^


il+v/2 r t + \/2

5.3.2 Weitere Aufgaben die auf bestimmte Integrale führen


Definition 5.3.6. Sei 3 eine Zerlegung von [a,b\ und •••fn -i Punkte aus [o, b\ mit
& e [a?f, a?i+i], i = 0 , 1 , . . . ,n - 1
E = {$>,&, ••-£n-l})
n—1
£(/> 3 , 2 ) = 5 ^ / ( 6 ) 0 e<+i -®<)
i=0
heißt Riemannsche Zwischensumme zur Zerlegung 3 und zu den Stützstellen E.

m &x(xi+i - Xi) = || 31|


heißt die Feinheit der Zerlegung 3
Es gilt:
£ ( / ,3 ) < ä (/ ,3 ,3 )< 3 (/ ,3 )
Wenn die Feinheit der Zerlegung 3 klein wird, wird auch die Differenz

S '(/ .3 )- S (/ ,3 )

klein. D.h.:

Ve > 0 : 35 > 0 : V3 : ||3|| < 6 =* S ( / ,3 ) - £ ( / ,3 ) < e

=^Ve > 0 : 35 > 0 : V3 : VS : ||3|| < S =► |f?(/, 3 ,2 ) - f f(x)dx\ < £

130
5.3 Das bestimmte Integral

Definition 5.3.7. Wir schreiben

, lim Ä ( / , 3 , - ) = £ / ( * ) , * *

für

Ve > 035 > 0 : V3 : VE : ||3|| < 5 =^> \R(f, 3,E) — f f(x)dx\ < e.
Ja

Bogenlänge von Kurven

Sei / : [a, b\ —> R stetig. G = { ( x ,y ) 6 I 2ja < x < b,y — f ( x ) ist der Graph oder die Kurve.
Wir wollen dieser Kurve eine Länge zuordnen. Sei 3 eine Zerlegung von [a, b\. Dann definieren
wir:
71—1
£ ( /,3 ) = \/(®i+i - Xi)2 + { f ( X i + 1) -
1=0
die Länge des Polygonzuges.

Abbildung 5.3: Bogenlänge

L(f, 3 ) ist immer kleiner als die Länge der Kurve und es gilt

3i c 3 2 => L ( / , 3 i ) < L ( / , 3 2)

wegen der Dreiecksungleichung

Definition 5.3.8. Die Kurve G heißt rektifizierbar, wenn

L = s u p L ( / , 3 ) < oo
3

gilt, L heißt dann die Bogenlänge.

n—1
L(f, 3 ) = ^ 2 v 7(®i+1 - + (f(xi+ 1) - f ( x i ) ) 2
i= 0

/ sei differenzierbar auf [a, b\:

f ( x i + 1) - /(x.,;)) = (xi+i - X i)f'(£), Xi < £ < ®<+1.

131
5 Integralrechnung

Dann können wir


71—1

£(/, 3) = X i -v/1 + ( / '« ) ) 2te+i - n ) = Ä(v'l + (/'K ))2.3,S)


i=0

schreiben. L ( /, 3 ) lässt sich also als Riemannsche Zwischensumme ausdriicken.


Wenn / ' stetig ist, dann ist y l + ( / ' ) 2 Riemann-integrierbar und es gilt

L= / a /1 + ( f'(x))2dx.

Beispiel 98.

x 2 + y2 = 1, y = V l — x 2, —1 < x < 1
x
y/ = - ( l - x 2) ^ ( - 2 x ) = -
ar

i + w 2=
1 —x2

L vrh =arcsinWlL' =f - K ) = 7T

A ch tu n g ! Der Integrand ist nicht beschränkt.

Beispiel 99. Beispiel einer nicht rektifizierbaren Kurve: die Koch-Kurve in Abbildung 5.4
(fraktale Kurve). Für die Zerlegung 3 wählen wir die Teilungspunkte im ra-ten Schritt.Dann
besteht das Näherungspolygon aus 4n Strecken der Länge 3~n also

HC, 3) = 4 " . 3 - ” = D i

lim C D " = oo

Sei die Kurve C gegeben durch eine Parameterdarstellung:

C : x = x (t), t E [a, b]

also:

x — x(t)
y = y(t)
z = z(t) (im 3-Dimensionalen)

Sei 3 eine Zerlegung von [a, b\,


3 = Oo> t\, •.. >tn}

132
5.3 Das bestimmte Integral

n —1

L(C,3) = J 2 ||x(ii+ij -x(ii)||.


i=0

C ist rektifizierbar, wenn sup L(C, 3) < oo

71— 1 71—1

L{C, 3 ) = llx (*i+i) ~ x (*<)II = S V O 0 * + 1) - x(ii))2 + (y(ti+1) - y(i*))2


2=0

(®(<i+i) - = i (Ti)(ti+1 - *») (y(^+i) - y(*i)) = t K W m - U)

Im Zusammenhang mit Kurven schreibt man die Ableitung von x: x und nicht x'

n —1

L(f, 3 ) = X I VixiTi))2 + (y(fi))2(ti+1 - ti)


2=0
n—1
= ^ \ /(i(T t ))2 + (3 /(T i))2 (t i+ i - ti)
2=0
n —1

+ ^ ( V '( i:(7i))2 + (l/(Ä))2) - V/(ä;(A))2 + (y(r8))2)(tm -


2=0
n—1
~ V ^ f a ) ) 2 + (y (A ))2(ti+i - ti) - ß (\ /(A )2 + (y)2,3 , T),
i =0
-f = {D , Ti , .--Tfl—i }

Seien x, y stetig. Dann ist auch a/ ( x )2 + (y)2 stetig und daher Riemann-integrierbar. Es gilt
daher

L = sup L(C, 3 ) = f y/x{t)2 + y(t)2dt


Ja
Und im 3-Dimensionalen: ^
L = j \Jx(t)2 + y(t)2 + z(t)2dt
Ja
Bemerkung 78.
ds = ^ x 2 + y2dt
heißt das Bogenelement

133
5 Integralrechnung

Und im 3-Dimensionalen:
ds = \/x 2 + y2 + z2dt

Man schreibt gelegentlich

ds2 = ( xdt )2 + ( ydt )2 + (zdt)2

xdt = — dt = da;,...
dt
ds2 = dx2 + dy2 + dz2

B eisp iel 100. Kreislinie


x = cos(t), y — sin(t), t G [0, 27t)

x = — sin(t), y = cos(t), x 2 + y2 = sin(t)2 + cos(t)2 = 1

L(2 tt) = 2n Umfang des Einheitskreises.

B em erk u n g 79. Der in Definition 3.4.4 definierte Wert von 7r hat also tatsächlich etwas mit
dem Kreisumfang und der Kreisfläche zu tun.

D ie L eib n izsch e S e k torform el

Wir wollen die Fläche des Sektors bestimmen, der von der Kurve

C : x = x(t), y = y(t), t G [a, 6]

sowie den beiden Strahlen, die den Ursprung mit dem Anfangs- bzw. Endpunkt der Kurve
verbinden, begrenzt wird.(Abb.5.5
Sei 3 eine Zerlegung des Intervalls [a,b\. Dann approximieren wir die Fläche des Sektors
durch Dreiecke.

%=o

~ R ( - - y x , 3 , T ) + R (± Xy , 3 , f )

Also haben wir

134
5.3 Das bestimmte Integral

B eisp iel 101. Kreissegment:(Abb. 5.6)

x(t) = rcos(t), x = —rsin (t), y = rsin(t), y = rcos(t), t e [ 0,<f\

A = (r2 cos2(t) + r 2 sin2(t)) dt = ^ r2 (cos 2(t) + sin 2(t))dt


\i
v 1
1 2
dt = - r 2t
V '0 2 = 2r

Abbildung 5.6: Kreissegment

135
5 Integralrechnung

Beispiel 102. Hyperbelsegment:(Abb. 5.7)

x(t) = cosh(f), x{t ) = sinh(i), y(t) = sinh(t), y(t ) = cosh(f)


cosh2(f) — sinh2(f) = 1

A = ^ f
(cosh2(f) — sinh2(t)) dt = - [ dt = —
2 Jo 2j0 2

| ist also die Fläche des Hyperbelsegments. Daher heißen die Umkehrfunktionen der Hyper­
belfunktionen Area, weil ihr Wert eine Fläche bestimmt.

Volumen eines Rotationskörpers


Zunächst unterteilen wir (wie gehabt) das Intervall [a, b] in viele kleine Teilstücke [t *, xi+1]
mit .To = a und Xn + i = b. In jedem solchen Teilstück kann das Volumen des entsprechenden
Teilkörpers einigermaßen gut durch das eines Zylinders (V = r2 tt h ) angenähert werden für
Ober- und Untersummen erhält man also / ( ^ ) 27rAxj < A V* < /(£ * ) tt A xi mit A X i —
xi+1 - Xi und gelte: /( £ .) < f ( x ) < /( & ) für alle x £ [x*, xm ].
2
Arbeitet man lieber mit Riemann-Summen, so kann man direkt schreiben: AV* m ) 7TAxi
mit £ [xi, Xj+i]. Macht man nun die Zerlegung immer feiner und feiner, so konvergiert
(unter entsprechenden Voraussetzungen) die Näherung O ~ Y^iLo f (U) 7r Ax* gegen den Wert
V = * Ja / ( X)2 dX

136
5.3 Das bestimmte Integral

y 2'j+i

Abbildung 5.8: Volumen eines Rotationskörper

Oberfläche eines Rotationskörpers

Ähnlich, nur ein wenig komplizierter lässt sich die Oberfläche eines Rotationskörpers bestim­
men. (Auch hier setzen wir wieder voraus, dass / auf [o, b\ differenzierbar und integrierbar.)
In diesem Fall genügt die Näherung durch den Zylinder nicht mehr, da sie die „Schräge“
der Oberfläche naturgemäß nicht erfasst. Ein Oberflächenelement zwischen und xi+1 wird
stattdessen angenähert durch den Mantel eines Kegelstumpfes:
Rollt man diesen ab, so ergibt sich für die Fläche: (Abb. 5.10)

A Oi = | ((r + s ) 2 - r 2) = ~ ( 2 rs + s2) = s •^ ( r •4>+ (r + s) ■fi)


=bi =b-2

mit bi = 0 r = 2n f(xi) und 62 = 4>(r + s) = ^ Der Winkel 0 ist hier unbekannt,


man benötigt ihn aber auch nicht, denn bi und ö2 hat man ja ohnehin, und für das Stück s
ergibt er sich nach Pythagoras

s = V ( A Xi)2 + ( A Ä ) 2 = ^ i + Axi

mit A fi := / ( x i+1 ) — f(xi). Damit folgt für das Oberflächenelement

f ( X i ) + f ( X i + 1) ^
A(Ä 2lT

Durch Anwendung des Zwischenwertsatzes für stetige Funktionen und des (ersten) Mittelwert­
satzes der Differentialrechnung erhält man die Summe
n __________
o ~ 2tt ^ 2 V 1 + / ' t e ) 2 /(Xi) A x i
i= 1

137
5 Integralrechnung

Abbildung 5.9: Oberfläche eines Rotationskörpers

Abbildung 5.10: Kegelstumpf

138
5.4 Uneigentliche Integrale

mit und Xi aus dem Intervall fay, x,L+l\. Macht man nun die Aufteilung immer feiner, so
konvergiert der obige Ausdruck wiederum gegen den Wert

0 = 2tt V7! + f ' ( x ) 2 f ( x ) d x

Beispiel 103. Volumen und Oberfläche der Kugel Als Beispiel für die Anwendung der
beiden vorhin hergeleiteten Formeln betrachten wir zunächst die Kugel mit dem Radius R.
Diese entsteht durch Rotation eines Halbkreises

f(x) = VR2 - x2 x € [ - R , R]

um die x-Achse. Das Volumen ergibt sich damit als

R
X
V0 = 7T f f(x)2dx =7T f yR2— X2) dx =7T R2x -
J-R J-R J -fl 3

Analog erhält man für die Oberfläche (wobei f ( x ) = —x ( R 2 — x 2) 1//2 ist):

rR rR I x2
O0 = 2ir / y/l + f { x ) 2 f ( x ) dx = 2ir V R 2 — x 2 dx
_s , 1 + Ä »-x2
JR ___________________ R
pH

/ R
V R 2 — x2 + x 2 dx — 2nR
J~R
dx — 2ttR x = 4i\ R2

Das Volumen der Kugel erhält man übrigens ebenfalls, wenn man sich die Vollkugel aus Ku­
gelschalen der Dicke dr aufgebaut denkt, von denen dann jede (näherungsweise) das Volumen
A'kr2 dr hat. Das Gesamtvolumen ist dann
rR r-r3!
1
R
/ r 2 dr = 47t - 4vr/?3
Jo 3" - t r ’

5.4 Uneigentliche Integrale


Es ist schon einmal bei der Berechnung der Bogenlänge des Kreises vorgekommen, dass der
Integrand unbeschränkt war. Dort hat sich herausgestellt, dass trotzdem unsere Rechnung das
richtige Ergebnis geliefert hat.
Wir wollen nun systematisch studieren, wie man Integrale sowohl mit unbeschränktem In-
tegranden als auch mit unbeschranktem Integrationsintervall definieren kann.

Definition 5.4.1. Uneigentliche Integrale

!• Ja f( x) dx mit lim s u p ^ a+ \f(x )| = oo existiert (konvergiert), wenn

f {x)dx
T -J rj-\

existiert.

139
5 Integralrechnung

2. Ja°° f( x ) d x konvergiert, wenn

lim f{x) dx
T —KX>

existiert.

Beispiel 104.

e Xdx = lim / e Xdx = lim ( —e x) l f = lim —e B + e°


B —kx) B —>oo

Beispiel 105.

1
dx = ?
'o
roG -]
— dx =7
■ r“
x 1—a
-dx x *dx = + C
J % 1 —a

OL = 1 = ln b l + (7
»l
1
— dx = lim / — dx =
xü A-S-0+ JA x°
xl-c 1 A 1—a
lim = lim
n^o+ 1 — a A->o+ V 1 — a 1 —a

Also

[ — Ö<1
/o x a ] + oo, a > 1

roo 2 rB i
— dx = lim /
— dx =
xü JB—>■oo _ xu
1—a B
X B 1—a
lim = lim
ß—>■oo 1 — a ß->oo \ 1 — a 1 —a

also
« > i
l xa [ oo, a < 1

Satz 5.4.1. Cauchy-Kriterium für uneigentliche Integrale:

1. Seien a, b G BL Dann konvergiert Jq6 f( x )d x genau dann, wenn

(•*2
Ve > 0 35 > 0 Vti, t2 € (a, a 4- 5) f(x) dx < £

140
5.4 Uneigentliche Integrale

2. / a°° f( x )d x konvergiert genau dann, wenn

Ve>0 3 T e M , V M 2 > T : < £

Definition 5.4.2. Die uneigentlichen Integrale f{ x ) d x bzw. Ja°° f( x )d x heißen absolut kon­
vergent, wenn J\f{x)\dx bzw. J “ |/(x)|dx konvergieren.

Satz 5.4.2. Seien die uneigentlichen Integrale f{ x ) d x bzw / o°° f( x ) d x absolut konvergent.
Dann sind sie auch konvergent.

Beweis. \f(x)\dx konvergiert:

Ve > 0 : 35 > 0 : t2 € (a, a + 5) : < 6


J£l

Dann gilt
rt2
/ f(x) dx < [ \f(x)\dx<£.
Jti

Dann konvergiert f*2 f{ x ) d x nach dem Cauchy-Kriterium. □

Satz 5.4.3. Majorantenkriterium:

1. Sei / auf [a,b] positiv und f{ x )d x konvergiere. Sei weiters |^(x)| < f ( x ) für alle
x G [a, b], dann konvergiert g(x)dx.

2. Sei / auf [a, oo) positiv und / a°° f{ x ) d x konvergiere. Sei weiters |g(x)| < f ( x ) für alle
x G [o, oo), dann konvergiert Ja°° g(x)dx.

Satz 5.4.4. Minorantenkriterium:

1. Seien / , g auf [a, 6] positiv und gelte: / ( x) < g{x) für alle G [a, b\. Das Integral f(x)dx
sei divergent, dann ist auch g(x)dx divergent.

2. Seien / , g auf [a, oo) positiv und gelte: f ( x ) < g(x) für alle G [a, oo). Das Integral
J™ f( x ) d x sei divergent, dann ist auch / a°° g(x)dx divergent.

Beispiel 106.
1 1
zdx —j=e~xdx + / — = e-xdx
x y/X Ji y/X

141
5 Integralrechnung

Das Integral ist positiv. Die Stammfunktion ist keine uns bekannte Funktion.

1
r xdx
0
1 _x 1
yfi ~ yfi

x 2 dx konvergiert.
Jo \l% Jo

e Xdx konvergiert.

r 00 i
e Xdx
Ji yß
x > 1: < e~*
Ix
r°° r1 j /*oo
/ e~xdx = lim / e~xdx = lim (e_a:)|T = - = ^ / e~xdx konvergiert.
7l T^oo J1 T-*oo >\\ e Jx 6
/•o° j
=> / — Xdx konvergiert
Ji
r i
=> / — e Xdx konvergiert
Jo va;

Beispiel 107.
r 1 /-1 i r oo 1
/ - e ~ xd x = / - ee“- xd
*dxx + / - e " xdx
Jo x Jo x Jl .x

0 < x < 1 => > —


x ex
1 f1 1
- divergiert
e ,/n X
1
/ X
e Xdx divergiert
oo
—e~xdx divergiert.
x

B em erk u n g 80. 1. Seien f , g auf [a,b] positiv:

lim = c > 0.
:t'^a+ g[x)

Dann konvergiert f * f(x )d x genau dann, wenn j * f ( x ) d x konvergiert

2. Seien f,g auf [o, oo) positiv:


fix)
lim ~ ~ = c > 0.
x->o.+ g[x)
Dann konvergiert / a°° f(x )d x genau dann, wenn Ja°° f(x )d x konvergiert

142
5.5 Numerische Berechnung von Integralen

5.5 Numerische Berechnung von Integralen


Sei / : [a, b\ —)■R. Gesucht ist dann f( x ) d x = Die Bestimmung einer Stammfunktion ist oft
sehr aufwendig (gelegentlich auch unmöglich). Oft genügt aber ein numerischer Wert für das
Integral mit einer gewissen vorgegebenen Genauigkeit.
Wir versuchen einen Näherungswert für das Integral unter Verwendung von äquidistanten
Stützstellen zu erhalten (x,, = a + i -).

Satz 5.5.1 (Trapezformel). Sei / : [a, 6] —> R zweimal stetig differenzierbar und

_ b - a 4 4 f ( x j ) + f ( x i+ 1 ) b —a f 1
~,f(x o) + f i x i) + •••+ f ( x n- i ) + —f { x n)
n 2-^
z=0
2

Dann gilt
(6 — a)3
f i x ) dx — A < max \f{x)\.
1 2 n ~ x£[a,b\

Die Näherungsformel für die Fläche entsteht, indem man die Fläche unter dem Funktions­
graphen durch die Fläche unter dem Polygonzug approximiert, der die Punkte (x0, / ( x 0)),
(xi, / ( x i ) ) ,. .. (xn, f ( x n)) miteinander verbindet.

Beweis. Wir betrachten der Einfachheit halber das Intervall [0, h] mit h = (b - a)/n. Durch
partielle Integration erhalten wir

Jq f (x ) d x = ~ ^ fix) ~ [ 0 ~ 7\)f'ix ) dx =
o Jo

fih)) ~ l hx) f { x )
f (/(°) + (x2 -
4 (x2 — hx) f i x ) dx =

f ( /( 0 ) + fih)) + - / (x2 - hx) f " ( x ) dx.

143
5 Integralrechnung

Die Näherung ^ ( / ( 0) + f(h )) unterscheidet sich vom Integral also um ^ — h x ) f " ( x ) dx.
Dieses Integral schätzen wir nach dem Mittelwertsatz ab

2 J0 (x2 ~ hx) f '\ x ) ^ Jq (x2 ~ hx) ^

für ein £ 6 [0,h]. Indem wir die obige Rechnung auf jedes Teilintervall [x ;,x i+ 1] anwenden
und |/"(£)| durch das Maximum der zweiten Ableitung auf [a, b] ersetzen, erhalten wir die
Behauptung. □

Satz 5.5.2 (Die Simpsonformel). Sei / : [a, b] —>• IR viermal stetig differenzierbar, h =
und

n—1 n —1
A - t / (a) + 2 /(a + 2/c/i) + 4 £ /( o + (2fe + l)/r) + /(6)
3
fc= 0 /c=0

2 (/(® ) + 2 / (n + h) + 4 / (fl + 2h) + 2 /( a + 3/i) -T 4/( f l + 4/i) + ■•■+ f(b ) ) .

Dann gilt

/ ( x ) dx — A < max | r '( x )


2880n4 a:€[a,6]

Beweis. Ähnlich wie beim Beweis der Trapezformel genügt es das Integral JÄ f ( x ) dx
j°_h f (x) dx + f Q f (x) dx zu betrachten und mehrfach partielle Integration anzuwenden:

/J-h f { x ) d x = (x + Y j f{x) * + f ) / 7(x )d x =


-h
X2 2hx . o p0 x2 2hx h2
| /(-M + f / ( 0 ) - (
~2
“I ~ h ~ 1
-h
+ J/- h 2 + 3 +¥j dx

f / ( - f t ) + 1 / ( 0 ) - 1 / '( 0 ) + ( d + +
-/i
0 / 3 l 2 /,2 '
X^ + + n x ) /W(a0 =
f
J-h 6 6

;/t-ft) 2h h\„
3 /(° ) - y / '( 0 ) -
X4 hx3 h2x 2
(^ J + — + 12
h4
72 r (* )
- f t
+

^ /x 4 hx 3 hV h4
f " ” {x) dx =
'-ft 24 + Ä T 12 72
2h h2 h4 P° / t4 hr3 h2r 2 h4 \
f ( - v + -3 -/(0 ) - T / ( 0 ) + ^ n o ) + £ (| i + ^ - 1 ) /-(* )< «* •

144
5.5 Numerische Berechnung von Integralen

Ebenso formen wir das zweite Integral um:

Jq f i x) dx = ( x - y ) f{x) y ) f ( x ) dX =

ft Z^.2
2 hx h2 \ .
— + T ! / » + 2hx + lf ) f " (x )d x =
0 ^0
2h x3 hx2
m + \ m + | / '( o ) + (
3 6

6
^ 4 ) r w *
/IX3 / l V _ hf ,
+
9 12 72 ' ( )
■ft / ar
„4 h x 7, /z2a?2 hf_
f""ix) dx =
24 ~9~ 72
2h /•ft
T /(o)+ hj / w + ¥h /'(o) - -/i n o ) +
2 4 x4
9
hx3 ^ h2x2
~Y2
M f i x ) dx.

Indem wir diese beiden Gleichungen addieren, erhalten wir

J h f i x) dx = ^ f i ~ h ) + y / ( 0 ) + | /( /t ) +

'x 4 hx 3 h 2x 2 /i4\ .... N h Xx 4 /rx3 /i 2x 2 h4\


H + ' 9 “ + i 12 ä) ) /
r ~ r 72 w dx+ 24 I T + “ vT K ) f""ix) dx
4/i h 1
f i ~ h) + y / W + 3 /W + ^ - M ) 3 (3|x| + h )f""ix ) dx.
J—h
Das Restglied schätzen wir mit der Dreiecksungleichung unter Verwendung des Mittelwertsat­
zes ab

™ ^ H * l ) 3(3M + h )/""(x)d x <

^Ä l/""wl Jjh- W)S<3W+'>)dx Ä Ä ln ,)l-

145
6 Differentialrechnung für Funktionen
in mehreren Variablen

6.1 Stetige Funktionen von W nach R9


Definition 6.1.1. Eine Menge U C heißt offen, wenn zu jedem Element xo € U noch eine
kleine Umgebung auch zu U gehört.
Vx 0 € U 3e > 0, so dass gilt: Vx € mit ||x — x 0|| < £ ist x G U.

Definition 6.1.2. Sei U eine offene Teilmenge von Rp, dann heißt f : U —» R 9 stetig in Xo € U
genau dann, wenn für jede Folge (x n)neN mit lim ^ oo x n = x 0 auch f (xo) = limn-Kx, f ( x n) gilt,

Ve > 0, 35 > 0 : Vx g U : |[x — x 0 1| < 5 => ||f(x) — f ( x 0)|| < e.

Bemerkung 81. f(x) = f (xh x 2, ■■■, xp) = (f i ( x l t . . . , xp), f 2( x i ,. . . , xp) , . . . , f q{xu . . . , xp)),
fi, f q heißen Koordinatenfunktionen.

B e m e rk u n g 82. Wenn es gelingt eine Ungleichung: ||f(x) — f ( x 0)|| < c||x — xo|| für c > 0
und ||x — x01j < d (für ein d > 0) zu zeigen, ist die Stetigkeit nachgewiesen.

6.2 Grenzwerte von Funktionen


Definition 6.2.1. A = \imn^.00f ( x ) <=> für alle Folgen (xn)neN mit x n G U \ {x0} und
x0 = lim^oc xn gilt:

A = lim /( x n) Ve > 035 > 0 : Vx G U : 0 < ||x —x0|| < 5 =$■ ||/(x) — A\\ < e
n—>oo

Beispiel 108. f { x ,y ) = definiert auf M2 \ {(0 , 0 )} Existiert: l i m ^ ^ o ) f ( x ,y ) ?

xy
lim(lim f ( x , y)) = lim (lim = o
x —^0 y —¥0 x -*0 y -*0 X 2

y -> 0 x —>0

Damit haben wir nur Annäherungen zu (0, 0) parallel zu den Koordinatenachsen studiert.
Für die Existenz des Grenzwertes müssen aber alle Annäherungen berücksichtigt werden.

j i m /( M ) = 0
t—s-o 2

Der Grenzwert hängt von der Richtung der Annäherung ab, also existiert l i m ^ ^ ^ o ) f ( x , y )
nicht.
6 Differentialrechnung im R 71

6.3 Differenzierbarkeit von Funktionen in mehreren


Variablen
Bisher haben wir Funktionen in einer Variablen studiert. Sei U C Md, U offen, / : U
stetig auf U. x 0 £ U. Wir wollen / in x 0 differenzieren.
Wir erinnern uns an die 1. Näherung für Funktionen einer Variablen

g(x) = g(x0) + g\x 0)(x - x 0) + \x - x Q\r(g, x 0, x), mit lim r(g, x 0, x) = 0


X~AXq
Diese Gleichung verallgemeinern wir für Funktionen in mehreren Variablen

f(x) = / ( x 0) + A (x - x 0) + ||x - xo\\r(f,x0,x), mit lim r(f, x 0, x) = 0,


X^-Xo
wobei A eine lineare Abbildung bezeichnet:

fx i-x ? \
X2 ~
A (x - x 0) = ( öi . . . ap) = di(xi — £i0)) H--------h ap(xp - 4 0))

\ Xp - Xp] )

Unter der Annahme, dass f in x 0 eine erste Näherung zulässt, wollen wir die Koordinaten
( öi , . . . , dp) der linearen Abbildung A bestimmen.
Dazu fixieren wir alle Koordinaten bis auf die i-te:

X,(0 )
„(°) .(0) 1)5 _ A0)
Xl Xy . . . X(l—\j • • • Xp

und setzten diese Werte in die erste Näherung ein

Jf (rxi^ •4•x (i-l)>xxi,


x (0) (i+i) •••xp > — f ( r ®
■ xx(0) r (0)l) —
i ■■■xp —

<Xi{Xi - ®10)) + \xi - x f ]\r ( / , x 0, x )


Indem wir dann durch Xi — x z dividieren ergibt sich

JO) „(0 ) „(°) „ (O h _ ffj°) J°)\ i „(0)


J yx 1 • • •x (i_i), X l7 x (i+1) . . . xp j jyxy ...xp ) Xi — x) , . . .
(0) = <H + --------- tw
( 0) M / , x 0, x )
Xi - X) Xi - X.

und daher
„(0) ,(o) „(0h ,(°) AO)
l i m --------------------------------------- —------------------------------ = di
.(0) Xi — X.
(0 )

D efin ition 6.3.1. Der Grenzwert

/ ( 4 0) ■■■x({ t 1),x i,x ({*\_1) ... x£0)) - / ( x f } . . . xl,0))


lim
(0 )
Xi — X

heißt die partielle Ableitung von / nach Xj, wenn dieser existiert. Wir schreiben dafür

a /, ^
ä J (Xo)

148
6.3 Differenzierbarkeit in mehreren Variablen

B e m e rk u n g 83. kann nach den selben Regeln der Differentiation von Funktionen von
einer Variablen bestimmt werden. Dabei sind alle Variablen außer Xi als Konstante zu behan­
deln.

Beispiel 109.
f ( x ,y ) = e^+s/)sin (xy)

— = e(a;+^ sin (xy) + e[x+y) cos (xy)y = e^x+y\sm (xy) + cos (xy)y)
dx

— = sin(xy) + e^x+y) cos(xy)x = e^x+y\sin{xy) + cos(xy)x)


dy
B em erk u n g 84. Wenn die 1.Näherung existiert, dann sind die Koordinaten der linearen
Abbildung A genau die partiellen Ableitungen.

Beispiel 110.
X ( * , » ) / (o,o)
f(x'y)= Ö+”‘ (o,o)

\x2y\ X
If(x,v) ~ 0| \y\ < \y\ < \Jy2 + x 2 f ist stetig
x2 + y2 x2 + y2

f(x , 0) —/ ( 0 , 0 )
lim = lim - — - = 0 § ^ (0, 0) = 0
x—>0 x—M
D X OX

lim/(o.y)-/(o ,o )= lim ^ o = o § f (0, 0) = 0


2/^0 y 2/-X) y dy

Wenn / differenzier bar an der Stelle (0, 0) wäre, dann müßte

/ O , y) = /( 0 ,0 ) + Ox + Oy + ||(x, y) ||r(/, 0, x)

= \ /x 2 -I- y 2r ( / , 0 ,x )
x 2 + y5
gelten mit
x 2y
lim r (f,0 ,x )= lim ---------------- , = 0.
>(o,o) (x,y)->(o,o) ( x 2 + y 2) \ / ® 2 + y 2

Es gilt aber
t.H 1
lim 7^ 0
(£2 + £2 ) ^ 2 + £2 2\ /2

ist also in (0, 0) nicht differenzierbar, obwohl die partiellen Ableitungen existieren.

Id ee: Wir definieren Ableitungen für jede Richtung. Sei e ein Vektor mit ||e|| = 1. Dann
definieren wir normierte Richtungsableitungen in Richtung e:

d]_ = üm / ( x + te) - / ( x ) ^
de t-> o t

149
6 Differentialrechnung im R n

Beispiel 111.
(ei >£2 )

( t e i f t e 2; 1 eie2
g ( 0 , 0 ) = lim /(0 + tel' 0 + te2> - / ( ° ' 0) = lim -7-— 77:---- 7-— rx T = -s---- 1
<9ev ’ ' t (tei ) 2 + (te 2) 2 t ef + e^
Die Richtungsableitungen existieren für jede Richtung, obwohl die Funktion in dem Punkt
nicht differenzier bar ist.

Satz 6.1. Sei U c offen, f : U —> M. und seien die partiellen Ableitungen ■§£■ stetig in Xq.
Dann ist f differenzierbar in x 0.

• Interpretation der Differenzierbarkeit

Rp = R 2 : G = { ( x ,y , z)jz = f { x , y ) , (x,y) e l 2} Funktionsgraph


Die 1. Näherung in (xo,y0) :

ist eine Ebenengleichung mit

f(x,V ) - g { x , y ) = ||x — x 0 ||r(/,x 0 , x )

Die Ebene z = g ( x ,y ) berührt den Funktionsgraphen in (xo,yo) (die Tangentialebene).


Wenn / in (x0, y0) differenzierbar ist, dann existiert diese Ebene.

• Interpretation der Richtungsableitung


Die Richtungsableitung ist die Steigung der Tangente im Schnittbild der entsprechenden
Ebene. Wenn bei einer Funktion alle Richtungsableitungen existieren, aber die Funktion
selbst nicht differenzierbar ist, spannen die Tangenten der Schnittkurven keine Ebene
auf.

6.4 Der Gradient


D efin ition 6.4.1. Sei / : R n K in x 0, nach allen Variablen partiell differenzier bar, dann
nennt man den Vektor

grad / = V / = dx2 den Gradienten von / in xq.

Schreibweise: y = ” Nabla”

d
y = dx2

150
6.5 Funktionen f: Rp —>
■M9

Satz 6.2. Sei f : Mn —> R € C 1 (t/E(xo)) und in x 0 differenzierbar. Dann gilt für alle Richtun­
gen a mit ||a|j = 1 ;

• |^| = (a, grad/|Xo) (das Skalarprodukt)

f£lx0 <||srad/lxoll
* j[ grad/|| ^ ^ e Richtung des steilsten Anstiegs von f in x 0

• —1|grad/[| ^ Richtung des stärksten Abfalls von f in xo

6.5 Funktionen f: W -ff R q

Für Abbildungen W R 9 ist die “Ableitung” eine p x g-Matrix, deren Einträge die partiellen
Ableitungen sind. Diese wird Jacobi-Matrix oder auch Ableitungsmatrix genannt:

(§£(& ■■■
f' = o m
d (x1, . . . x py i*
v£«) - f£«)y
Die einzige Differentiationsregel, die sich nicht unmittelbar aus den Ableitungsegeln für
Funktionen einer Variablen ableiten läßt, ist die Kettenregel.

Satz 6.3. Gegeben seien die beiden Funktionen:

f : X offen
g : Y C M9 —> Kr Y offen, f { X ) C Y
wobei f im, Punkt £ und g in g := f (£) differenzierbar sei. Dann ist die Funktion

h : I c R M K '

mit h = g o f . also h [x ) — g ( f ( x ) ) , in (£) differenzierbar und es gilt

h 'd ) =g 'u m /'(€)


bzw. in ausführlicherer Schreibweise:

d(hi,...,hr) = d ( g i ,. .. ,g r) _ d ( f i , . . . , f q)
d{xu . . . , x p) d(yu . . . , y q) d f a

Bei der mehrdimensionalen Kettenregel handelt sich um eine Matrixgleichung der Form [r x
p] = [r x q\ ■ [q x p]. Schlüsselt man die Kettenregel komponentenweise auf, hat man p ■r
Gleichungen der Form (i = 1 , . . . ,r, j = 1 , . . . ,p)

dh± = dfh _ dfk = dg* _ dfi + [ % dfq


dxj dyk dxj dyi dxj '" dyq dx3'

151
6 Differentialrechnung im R n

P o la rk o o rd in a te n

Für den besonders häufig vorkommenden Fall der Umrechnung von kartesischen in Polarko­
ordinaten und umgekehrt sind die entsprechenden Ableitungen zusammengestellt (mit r —
\Jx2 + y2 und ip = arctan |):

dr x r cos ip dr y r sm ip
sm (p
dx \Jx2 + y2 t dy aA 2 + y:
dp> 1 —y y sin ip dp i x COS (fi

dx 1 jd x 2 x 2 + y2 r dy x2 + y 2
X* i + f j '■

Diese Ausdrücke erhält man, wenn man die Transformationsformeln x — r cos <p und y —
r sin tp nach x sowie nach y ableitet und das entstehende lineare Gleichungssystem löst.

B eisp iel 112. Wir nehmen eine beliebige genügend oft diffeernzierbare Funktion U(x. y) als
gegeben an und betrachten den Differentialausdruck

dU dU
W = x —----- y — ,
oy ox

den wir auf Polarkoordinaten transformieren wollen.Wir definieren

u(r, <p) := U(r cos (/?, rsin</p)

und rechnen um

152
6.6 Höhere Ableitungen und Satz von Taylor für Rp R

dl7 dU ( du dr du dp , / du dr i du dp
W = x
dy v ~äi= rCOSV[ dr dy dtp dy f r d i + d i f r ) - r s in v •- W S
f du . du cos p du du sin p
= r cos p \ — sin p + — r sm p I — cos p
V dr dp r dr dp r
o du . 2 du du
cos p — + sm“ p - ~ = —
dp dp dp

Wir transformieren den Ausdruck W = x y ^ + y 2^ auf Polarkoordinaten. Dabei definieren


wir wieder u(r, p) := U(r cos p, r sin p):

T„ dU 2dU
W = x y —- + y2—- =
dx dy
2 . fd u d r du d p\ 2 2 f du dr du dp
= r cospsuup — — + — — )+ r s \ r V p — +
V dr dx dp dx J \dr
\ dr dy dp dy
du du sin p du . du cos p
r* cos p sin p I — cos p — --------- + r 2 sin2 p | — sm p
dr dp r dp r
du du du
r2 sin p ( cos 2 p + sin2 p ) —— |- r cos p sin2 p ■r cos p sm p — =
dr dp dp
du
r sin p
dr

6.6 Höhere Ableitungen und Satz von Taylor für W -ff R


Wir suchen ein Analogon zu den höheren Näherungen, die wir in Analysis T I für Funktionen
einer Variablen aus dem Satz von Taylor gewonnen haben. Dazu brauchen wir aber zuerst eine
Definition höherer Ableitungen für Funktionen in mehreren Variablen.

6.6.1 Höhere Ableitungen


D e fin itio n 6.6.1. Sei U C / : [ / —>• R und xo e U. Dann definieren wir für 1 <
HU'2i ■■•*n — P
. (Xe).
OXi^C/Xi2 öxin
sofern diese Ableitungen existieren.

Es gilt dann

Satz 6 .4 (Satz von Schwarz). Sei U C R d offen und f : U —¥ R. Sei f in x 0 € U zweimal


nach allen Variablen differenzierbar und seien die Ableitungen d^gx und q^ qx ■ stetig in x 0.
Dann gilt
d2f f d2f ( N
dxidxj ^X°^ dxjdxi ^X°
Die höheren Ableitungen hängen also nicht von der Reihenfolge der Differentiation ab.

153
6 Differentialrechnung im R n

B e m e rk u n g 85. Damit können wir gleichnamige Ableitungen zusammenfassen und etwas


einfacher
dnf
d x ^ d x T ■■■dxpp ^
für n\ + ri2 + •••+ np — n schreiben.
D e fin itio n 6.6.2. Sei U C offen und x 0 € U. Eine Funktion / : U —* IR heißt n-mal
differenzierbar in x 0, wenn alle Ableitungen

, P - -------- ( x o )
dxk
1ldxl2 ---dxk pp
für ki + k2 + •••4- kp = k < n existieren.
Eine Funktion / : U —YM heißt n-mal stetig differenzierbar auf U, wenn diese Ableitungen
in allen Punkten von U existieren und dort stetige Funktionen sind.
D e fin itio n 6.6.3. Sei U C M0" offen. Dann definieren wir
C n(U) = { / : U —> R |/ n-mal stetig differenzierbar auf U} .
Die Hesse-Matrix ist die Matrix der zweiten Ableitungen von /
( d2f d2f d2f \
dx\ dxfdx2 dxi dxn
d2f d2f d2f
dx2dxi dx 2 dx2dxn

92f
d2f d2f
\ dxndxi
dxndx2 dx2 )
Wir werden sehen, dass wir mit ihrer Hilfe ein hinreichendes Kriterium für das Vorliegen von
Extremstellen formulieren können. Dazu brauchen wir aber noch einige Vorarbeiten.

6.6.2 Der Satz von Taylor


Motivation: g(x, y) haben wir gegeben und wir suchen ein Polynom P(x, y) = öo + aix + a2y +
an x 2 + anxy -|- o 22y 2 + . . . und es soll gelten: P(x, y ) ~ f ( x , y). Dabei bezeichnet Ri wie beim
eindimensionalen Satz von Taylor die Übereinstimmung der ersten n Ableitungen.
/( 0 ,0 ) P (0 ,0 ) = a 0

/* ( 0,0) Px{ 0) 0) = (öi + 2a,\\X + ai2y + . ••) a\ differenzieren


( 0 , 0)

/v (0 ,0 ) Py( 0 , 0 ) ^ a2
/=rs(0,0)
/* x ( 0 ,0 ) Pxx(0,0) = [2an -I- 6<2ni£ -I- an2y + •■■] =» an =
( 0 , 0)
2!

fxy( 0 , 0 ) P x y {0 , 0) = [ai2 + 2 a ii2X + . . .] 012


( 0 , 0)

( n ) ßnf
\n\,n2 ...n v/ o j
ßni...np , ni H--------1- n p = n
n\ dxim .. . dxpnp

154
6.7 Extremwerte für Funktionen M2 —>■ IR

Definition 6.6.4. Multinomialkoeffizient:


n ni
ni H-------- 1- nv = n
n i,n 2 . . . , n PJ rii\n2l- ■■■np\

Es gilt dann der multinomiale Lehrsatz

n
(öl + + •••+ ap)n = ^ ] ai a2 ■‘ ■°p •
^ 7 7 - ^ , 7 7 - 2 • - • j TT-»
n i,...,n p> 0
niH--- t-np=n

W ir verwenden die Schreibweise

, ö , a L a Nn
----- 1- h-2“ -----(-••• + hp——

n uni ini ___ unp___ dn


£ ^15^2 ••• i Tip 1 2 p
m,...,np>0
niH--- hnp=n

Satz 6.5. ,SW G C Rp o /fen , / € Gn+1 (G ), h £ Rp; liegen Punkte x 0 und x 0 + h samt
Verbindungsstrecke in G. Dann gibt es ein 0 £ (0,1) mit

/ d , 9 Y r
V 1dx1 + ' + hpdTPJ 1
V=0 *0

ö \ n~^
(n + 1)! V^1^ ! ~^^Pdxp) x.Q-\-0h
Rest

6.7 Extremwerte für Funktionen M2 —>•R


In Punkten in denen eine Funktion extremal wird, liegt die Tangentialebene parallel zur
x y —Ebene.
Die Gleichung grad / = 0 liefert nach unseren geometrischen Überlegungen Kandidaten für
Extremwerte, weil in diesen Punkten die Tangentialebene parallel zur (x, ?/)-Ebene hegt. Wie
im Eindimensionalen können wir nicht erwarten, dass grad / = 0 eine hinreichende Bedingung
für das Vorliegen einer Extremstelle liefert. Wir wollen für den Fall von Funktionen in zwei
Variablen hinreichende Bedingungen für das Vorliegen von Extremstellen unter Verwendung
der zwei Ableitungen ansetzten.

Definition 6.7.1. Sei A eine symmetrische Matrix. Dann nennt man :


n

Q a (x ) = XTA x = ^ 2 aijxixj
i,j =1

eine quadratische Form.

Definition 6.7.2. Sei A eine symmetrische Matrix, dann heißt A:

155
6 Differentialrechnung im Mn

0•

Abbildung 6.2: Graph einer Funktion in zwei Variablen


156
• positiv definit, wenn <Qa (x ) > 0 Vx ^ 0

• positiv semi-definit., wenn QA(x) > 0 Vx


6.8 Hauptsatz über implizite Funktionen

Sei A = z3) 1,3 = 1 eine symmetrische Matrix. Dann setzen wir


i - ) n .

( a\2 ■■■ aij^


Ö21 CL22 • - • 0,2j
A j = det

\ajl aj 2 a'33

Satz 6.7. Eine symmetrische Matrix A ist genau dann positiv definit, wenn für j = 1, . . . ,n:
Aj > 0 gilt.
Eine symmetrische Matrix A ist genau dann negativ definit, wenn für j = 1 , . . . , n: (—lfi A j >
0 gilt.

Für die Hesse-Matrix einer Funktion / : M2 —>•M gilt dann

, d2f , d2f d2f ( d2f \ 2


1 “ dx2 und 2 _ dx2 ' dy2 \dxdy)

also

1. A 2 > 0 =>• Extremum


a) > 0 Minimum

b) < 0 =>■ Maximum

2. A 2 < 0 =>• kein Extremum, (Sattelpunkt)

3. A 2 = 0 =4> keine Aussage.

6.8 Hauptsatz über implizite Funktionen


Wir wollen allgemeine Gleichungssysteme der Form

fi(xi, . . . , x p, y1, . . . , y g) = 0

f 2( x i , . . . , xp, yly . . . , y q) = 0

fq (? C 1) •••) V l i • ■■j V q ) 0

nach den Variablen ( yi , . . . , yq) auflösen, also (y1;. . . , yq) als Funktionen von (x\, . . . , xp) schrei­
ben.

B eisp iel 113. Der implizite Ausdruck F ( x , y ) = x 2 + y 2 - 1 = 0 beschreibt den Einheitskreis


x 2 + y2 = 1, also zwei Funktionen y = *p\{x) = v 71 — x 2 und y = <£2 ( 2 ) = —\/l — x2.
Geben wir aber einen Punkt (xo,yo) auf dem Einheitskreis vor und wollen die implizite
Gleichung in einer Umgebung davon nach y = tp(x) auflösen, so ist das stets eindeutig möglich
- außer für die beiden Punkte (—1,0) und (1,0). (Analog ist eine eindeutige Auflösung nach
x = ip(y) überall außer in den Punkten (0,1) und (0, —1) möglich.)

157
6 Differentialrechnung im R"

Abbildung 6.3: Lösungsmenge der Gleichung x 2 + y2 = 1

Abbildung 6.4: Lokales Auflösen der Gleichung x 2 A y2 = 1

Beispiel 114. Ein lineares Gleichungssystem

O’ilXl A A •••A CL^ pXp A O ji^ p -\-\X p -{_i A ...A (Li,p-\-qXp-\-q - bi 2 — 1, . . .

kann man natürlich umschreiben auf

a n A + « 12^2 A . .. A a ip X p = b i — a i^ iX p ^ i — ... — a l,p + q x p + q

c ip ix i A 2 2 A •••A
aP X ( Ip p X p bp %),£>+lAp+1 ••• ^ p ,p + q X p ^ .q

und eine Auflösung nach x\ bis xv ist genau dann möglich, wenn die entsprechende Koeffizi­
entenmatrix eine Inverse besitzt. Das ist gleichbedeutend damit, dass die Determinante nicht
verschwindet. Natürlich wird nach Lösung des Gleichungssystems jedes Xi mit i = 1 , .. . ,p im
a l l g e m e i n e n VOU a l l e n X j mit. j = p A- 1 , . . . , p A- q a h h ä n g o n , a l s o cet — , a>p-rq) o o in ..

Nun lässt sich aber jede differenzierbare Abbildung Rp —y Rp in der Umgebung eines Punktes
Po durch eine lineare Abbildung approximieren, wobei die Koeffizienten die Elemente der
Jacobi-Matrix sind, aij = J^.

Satz 6 .8 (Hauptsatz über implizite Funktionen). Die Abbildung

f : M C W +q -y R* (M offen)
(•^1) • • - >xp+q) 1 y fi(.X 1, • • • . X p i- q ) % 1, ,p

158
6.8 Hauptsatz über implizite Funktionen

ist in $ = (£1 , . . . ,£p+9) € M nach den Variablen X\ bis xp auflösbar, (d.h. es gibt Funktionen
<Pi(xp.|_x,. . . , Xp+q), i = 1, •••iP, so dass in einer Umgebung Ue(£) gilt:
fi(F i , ■••, <Pp, xp+1 , ■■•, xp+q) = 0 ß r i = 1 , . . . ,p), wenn

1- /i(& , •••>£p+g) = 0 /wr alle i = l , . . . , p ist,

2. fl e C'1([/£(4)), * = 1, - •- ,P, d.h. alle fl in in einer Umgebung von £ zumindest einmal


stetig partiell differenzierbar sind und

S. d e t ( f l / « ) ) - det * o. die Jacobi-Determinante der Abbildung an

diesem Punkt also nicht verschwindet.

Man beachte, dass die angegebenen Bedingungen zwar hinreichend, die beiden letzten aber
keineswegs notwendig sind. So erfüllt etwa

f { x , y ) = x 3 - y3 = 0

weder fl 0 noch ^ fl 0, dennoch ist mit y = x eine eindeutige Auflösung nach x bzw. y
möglich.

Abbildung 6.5: Lokales Auflösen einer Gleichung f( x, y) = 0

Beispiel 115. Im Fall p = q = 1 , also einer Gleichung f ( x, y) = 0 wird implizit eine Kurve
definiert, nämlich die Schnittkurve der durch z = f i x , y) gegebenen Fläche mit der x-y-Fbexve.
Diese Kurve kann nun als Funktion y{x) interpretiert werden, wenn die Voraussetzungen von
Satz 7.8 erfüllt sind. Wenn / einmal stetig partiell differenzierbar ist, dann ist das in einer
geeigneten Umgebung jedes Punktes (£ , 77) möglich, wo / ( £ , 77) = 0 und fl 0 ist.

Beispiel 116. Wir betrachten nun konkret die Funktion f ( x, y) := x — y + - sin 7/ in einer
Umgebung von (# 0 , yflj (0, 0). Diese Funktion ist sicher in C'1 (R2), es ist auch / ( 0 , 0) = 0 —
0 + 0 = 0 und für die Ableitung f y(x, y) = —1 + ^ cosy erhält man f y( 0, 0 ) = —1 + | = —\ fl 0.
Eine Auflösung y = y(x) ist also in einer Umgebung von x = 0 möglich.

159
6 Differentialrechnung im R n

Implizites Differenzieren

Nun hat man doch einige Möglichkeiten, durch implizites Differenzieren Aussagen über die
Funktionen ipj zu machen, indem man die Eigenschaften fi(ipx, . . . , <pp, x p+1, . . . , xp+q) = 0 und
<Pj(Xp+ 1 , . . . ,£p+g) = x° für j — 1 ,p benutzt. Dazu deünieren wir Hilfsfunktionen

F i (X p + 1, . . - , Xp_|_q) . f ii j - P l ( x p + l j •••; ^ p + q ) > ■ ■ ■ ¥,p (Xpi~1j •••; x p + q ) i X p + 1, • • • j X p + q ) = d

und leiten diese nach den Variablen xp+i bis xp+q ab. Auch wenn über das konkrete Aussehen
der ipj nichts bekannt ist, so müssen für sie doch die üblichen Ableitungsregeln wie etwa
Produkt- und Kettenregel gelten. Die gesamte Funktion ist in einer Umgebung des Punktes £
identisch Null, damit verschwinden auch alle Ableitungen beliebig hoher Ordnung.
So erhält man ein Gleichungssystem, das sich nach den Ableitungen |yi (xp+1, . . . , xp+q)
auflösen läßt, {i = 1, ...,p und j = p + 1, ...,p + q).

Beispiel 117. Durch f ( x , y ) = xev + yex — 0 und y( 0) = 0 wird um xq = 0 eine stetige


Funktion y = y(x) mit y ( 0) = 0 gegeben, weil |^(0,0) = 1 ^ 0 gilt. Wir haben damit

g{x) — xey(-x) + y(x)ex = 0

auf einem Intervall um xo — 0. Damit gilt

g\x ) = ev^ + xev^ y '( x ) + y'(x)ex + y(x)ex = 0,

woraus wir t/( 0 ) — —1 bestimmen können.


Für die zweite Ableitung differenzieren wir noch einmal und erhalten

g” {x) = ey^ y '( x ) + ev^ y \ x ) + xev^x\ y\ x))2


+ xey^ y " { x ) + y'\x)ex + y'[x)ex + y'{x)ex + y{x)ex = 0,

woraus sich nach Einsetzen von y { 0) = 0 und y'(0) = —1 y"( 0) = 4 ergibt.

6.9 Extremwertaufgaben mit Nebenbedingungen


Wir wollen Extrema der Funktion f ( x i , . . . , x n) unter den Nebenbedingungen

Ah (ah,.. . , x n) = 0

N2{ xu . . . , x n) = 0

Nk(x i , . . . ,x „ ) = 0.

linden. Die Nebenbedingungen beschreiben eine Teilmenge des M"


Idee: Löse die Nebenbedingungen nach dem Hauptsatz über implizite Funktionen nach den
Variablen (x x, . . . , Xk) auf und setze diese Funktionen von (xk+i, ••■, xn) in / ein. Damit ergibt
sich eine neue Funktion

S ^ f c + l ) •••, x n ) = f ^x \(.x k-\-\i •••i x n )i • • •i x k ( x k+U •• •i x n )> x k + li ■••>x n)i

160
6.9 Extremwertaufgaben mit Nebenbedingungen

deren Extremstellen wir bestimmen wollen.


Im Falle von zwei Variablen und einer Nebenbedingung sieht das so aus: N(x, y) = 0 ergibt
y = y(x). Die Funktion f ( x ) = H( x, y( x) ) habe an der Stelle x0 ein Extremum, also (yo =
y{x o))
dH dH
f ( x o) = ~ö^(xo,y(x0)) + — (x0,y(xo))y'(x0) = 0.

Aus N(x,y(x)) - 0 ergibt sich


dN dN
(x,y(x)) (x,y(x))y'(x) - 0 ,
dx dy

also
dN
dN
y\x 0) -J r(x o ,y o ) wenn 7^0.
dy
dy
Wir setzen
%{xo,Vo)
a?(xo,Vo)
und erhalten

dN
dH_ / \ dx ? /o )
f'(x°) = ^r(xo,yo) + ~ ( x o,yo)y'(x0) = x0,y 0)
dy (lo ,!/o )¥dy h W )

aH < \ dN
A ~dx (Xo,y°) = ° '

Ebenso ergibt sich aus der Definition von A

dH_ / \ , dN,
(xo,yo) - A— {x0,yo) = 0.
dy dy

Allgemein ergibt sich

Satz 6.9. Sei M C R n offen und / : M —> R eine differenzierbare Funktion. Wenn f an der
Stelle , . . . , Xn^) ein Extremum unter den Nebenbedingungen

Ni{xu — , a7w) = — = Nk(xi, . . . , x n) = 0

annimmt, dann gibt es Konstanten A i , . . . , A*,, sodass für i ,n

df d N k ( (Q)
Ak ;XW) = 0
dxi (4 °\ •••, 4 0)) - dx, . 4 0))
dxi

gilt.

B em erk u n g 86. Im Falle einer Funktion H(x, y) deren Extremwerte unter einer Nebenbedin­
gung N(x, y) = 0 berechnet werden, kann der Satz 6.9 geometrisch einfach interpretiert wer­
den: Die Niveaulinie von H, die durch das Extremum unter der Nebenbedingung N(x, y) = 0
geht, muss die Niveaulinie N[x,y] = 0 berühren. Dies ist gleich bedeutend damit, dass die
Gradienten von H und N in diesem Punkt kollinear sind (also grad H x 0 = A grad N x 0)

161
6 Differentialrechnung im Rn

H (x,y) = c i H (x,y) = c3

Abbildung 6 .6 : Zur Lagrangeschen Multiplikatorenmethode

Dass dies eine nützliche Methode zur Bestimmung von Extremstellen unter Nebenbedin­
gungen darstellt, zeigen Beispiele.

Beispiel 118. Bestimme die Extrema der Funktion f ( x , y ) = xy und der Nebenbedingung:
x 2 + xy + y2 = 3
H(x, y, X) = xy - \(x2 + xy + y2 - 3)

dH dH
y - X(2x + y) = 0; — = x A(2 y + x) = 0
dx öy

x 2 + xy + y 2 — 3 = 0

—2\x + (1 — X)y — 0 1
linear in x und y mit Parameter A
(1 - X)x - 2 \ y = 0 J

Dieses hat immer die Lösung x = y — 0, diese erfüllt die Nebenbedingung nicht. Wenn die
zwei Gleichungen linear abhängig ist, gibt es weitere Lösungen für x und y. Wenn wir das
Gleichungssystem mit einer Matrix umschreiben, muss die Determinante dieser Matrix gleich
Null sein, damit weitere Lösungen existieren.
In diesen Fall ist die Determinante: (—2A)(—2A) — (1 — A )(l — A) = 0 => 3A2 + 2A — 1 = 0

=* Ah2 = ± V T + I = ~ i ± I =* A1 = - 1 Und A2 = I
\i = —1 : 2x + 2y = 0 =$■ y = —x in der Nebenbedingung eingesetzt:
x 2 + xy + y2 = 3 => x 2 = 3 =$■ x = =p\/3 und y = ± \ /3 =>■ Pi(\/3, —\/3) und P2(—\/3, \/3)
A2 — g —v g ju i = o =7- y =— x; in d e r I X e T je ir b e d liig u iig e i n g e s e t z t . =?■ i “ = I =?■ LC = rti
und y = ± 1 =>■ P 3 (l, 1) und P 4 (—1, —1). Hier könnten Extrema hegen:

/(VS,-V3) = /( - A V 3 ) = -3
/ ( l , 1) = / ( - 1 , - 1 ) = 1

x 2 + xy + y 2 = 3 ist die Gleichung einer Ellipse die schief in der Ebene hegt. Die Funktion
muss ein Minimum und ein Maximum haben. In diesen Punkten verschwinden die Ableitungen.

162
6.9 Extremwertaufgaben mit Nebenbedingungen

B eisp iel 119. f ( x x, . . . , xn) = x 1x 2 ■■■xn unter der Nebenbedingung X\ + x 2 + •••+ xn = n

H = x xx 2 . . . x n + \{xi + x 2 H--------h i n - n )

dH
= x \ x 2 ... X i - iX i +i — A = 0, i = 1... n
dxi

x x + x 2 ----- h xn = n
x2x 3 ... xn = X
x±x3 . . . x n = X

X\X2 • • . X'n—\ A

Division der Gleichungen liefert: X; = Xj, woraus wir durch Einsetzen in die erste Gleichung
Xi = x 2 = ■■■= xn — 1 erhalten.

163
-
Index

Abbildung, 55 Funktion, 55
bijektive, 56 konkave, 101
injektive, 55 konvexe, 101
surjektive, 56 monotone, 59
Verknüpfung von -en, 55 rationale, 110
abgeschlossen, 64 stetige, 59
Ableitungsmatrix, 151
Absolutbetrag, 25 Gradient, 150
Aussage, 1 Graph, Abbildung
Aussageform, 1 Graph einer, 57
Grenzwert, 26
Bijunktion, 2 linksseitiger, 86
Bild, 55 rechtsseitiger, 86
Binomialkoeffizient, 13
Binomischer Lehrsatz, 13 Häufungspunkt, 28
Bogenlänge, 131 Häufungswert, 28
Hauptsatz
Cauchy-Kriterium Differential- und Integralrechnung, 129
für Folgen, 27 implizite Funktionen, 158
für Reihen, 39 Hesse-Matrix, 154
für uneigentliche Integrale, 140 Hyperbelfunktionen, 75
Cauchy-Produkt, 51
Induktion, 9
differenzierbar,Funktion Infimum, 44
differenzierbare, 88 Integral
Dreiecksungleichung, 25 bestimmtes, 124
Riemann-, 124
e (Eulersche Zahl), 40 unbestimmtes, 107
Entwicklungspunkt, 65 uneigentliches, 139
Exponentialfunktion, 67 integrierbar, 124
Intervall, 28
Faktorielle, 12
Folge Jacobi-Matrix, 151
beschränkte, 29
Cauchy, 27 Kettenregel, 91
divergente, 26 mehrdimensionale, 151
konvergente, 26 Kombinationen, 13
monoton fallende, 29 Konjugierte, 52
monoton wachsende, 29 Konjunktion, 1
Index

konkav, 101 Quotientenregel, 90


Konvergenzradius, 6 6
konvex, 101 Regel von Bernoulli-de l’Hospital, 95
Kurvendiskussion, 103 Reihe, 36
absolut konvergente, 46
Leibniz-Kriterium, 47 bedingt konvergente, 46
Leibnizsche Sektorformel, 134 geometrische, 38
Limes inferior, 45 harmonische, 39
Limes superior, 45 konvergente, 37
Logarithmus, 67, 72 rektifizierbar, 131
Richtungsableitungen, Ableitung
Maj orantenkriterium, 42
Rieht ungs-, 149
Maximum,Minimum,Extremum, 93
Riemann-Darboux-Integral, 124
Menge, 5
Ring, 19
a b g esch lossen e, 64
Rotationskörper
b e sch rä n k te , 44
Volumen, 136
offene, 147
Rotationskörpers
Mengen
Oberfläche, 137
disjunkte, 6
Minorantenkriterium, 43 Satz von
Mittelwertsatz Bolzano-Weierstraß, 29
der Differentialrechnung, 93 Rolle, 93
der Integralrechnung, 128 Taylor (eindimensional), 98
v era llg em ein erter, 94 Taylor (mehrdimensional), 155
monoton Weierstraß, 64
fallend, 59 S ch lu ssregeln , 5
wachsend, 59 Simpsonformel, 144
Sinus,Cosinus, 68
Nebenbedingungen, 160
Stammfunktion, 107
Normalform
stetig, 59
disjunktive, 5
Subjunktion, 2
konjunktive, 5
Substitutionen, 118
Normalformen, 4
Substitutionregel, 109
Obersumme, 123 für bestimmte Integrale, 130
offen , 147 Summenregel, 89
Supremum, 44
Partialbruchzerlegung, 112
Partialsumme, 37 Tautologie, 2
partielle Ableitung,Ableitung Taylor-Polynom, 97
petr-fcicllc, 148 T e ty lo r s c lic F o r m e l

partielle Integration, 108 eindimensional, 96


Permutationen, 11 mehrdimensionale, 153
TT, 69 Teilfolge, 29
Polarkoordinaten, 152 Trapezformel, 143
Potenzreihe, 65
Umgebung, 29
Produktregel, 89
Umkehrabbildung, 57
Quotientenkriterium, 48 Untersumme, 123

166
Urbild, 55
Variationen, 13
Verdichtungssatz, 43

Winkelfunktionen, 67
Wurzelkriterium, 49

Zahlen
ganze, 17
komplexe, 51
natürliche, 9
rationale, 19
reelle, 26
Zerlegung, 122
Zwischenwertsatz, 63