Beruflich Dokumente
Kultur Dokumente
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
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
2
Inhaltsverzeichnis
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.
Definition 0.1.2. Eine Aussageform ist eine Aussage, die Variablen enthält.
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
D efin ition 0.1.3. Eine Tautologie ist eine Aussageform, die unabhängig vom Wahrheitswert
der Variablen immer wahr ist.
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 )
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
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
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).
(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.
Auf die letzten 2 Aussageformen können wir gleich das Distributivgesetz anwenden und erhal
ten dann:
4
0.2 Mengenlehre
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:
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)
(A V ß ) A (A -> C) A ( ß - * C) =» C
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
ö g i f
A C B :<&\/a e A : a e B
o £ 4 ■tA o G B .
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
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.
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
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,...}
gegeben.
Beispiel 6 . Die Summe der ersten n natürlichen Zahlen. Mittels Induktion ist Folgendes zu
beweisen:
n(n + 1 )
S — 1 H- 2 —
F - - - -(- 77, —
1. Induktionsbasis: A(l)
2 . Induktionsvoraussetzung: A (p )
n{n + 1)
1 + 2 + •■•+ n
(n + l )(n + 2)
l + 2 + -- - + n + (n + l) =
^ . 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
n 1 1 71
Y qi = 1 + q + q2 4------- h qn~l = - — — .
l —o
i=o ^
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:
Vn € N : 2" > n
1. Induktionsbasis:
n= 1 : 21 = 2 > 1
2. Induktionsvoraussetzung:
2n > n
3. Induktionsbehauptung:
2n+1 > (n + 1)
2n > n,
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:
3. Induktionsbehauptung:
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:
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
Jetzt können wir auch eine Antwort auf unsere Frage geben: Wir können n verschiedene
Objekten auf n! verschiedenen Arten anordnen.
3= 1
Bemerkung 4. Konventionen:
Die leere Summe:
0
a3 = 0
3= 1
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:
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%
(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
(* + y )" = £ ( ” V y n- fc
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
(*+»)”=E k=0
k
■x •y
„ ,n—k
(x + y Y +1 = M • (x fe+1 • + xk ■yn+1~k)
ir—n
/c=0 V'1'/
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
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:
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)! =
□
Beispiel 1 2 . Beweis des Binomischen Lehrsatzes unter Verwendung der Abzählaufgaben
(x + y )n = (x + y) ■(x + y ) ....... (x + y) =
(^) ist die Anzahl der Möglichkeiten, die k Stellen, an denen y dazumultipliziert wird, aus den
n Stellen auszuwählen.
n+ 1 n
k k - 1
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
N0 = { 0 , 1 , . . . } - NU {0}.
• Multiplikation: n ■1 = n
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.
Z = N U {0 } U { - n I n G N }
x + 10 = 3 = > £ = —7 10+ ( - 7 ) = 3.
2 Das Zahlensystem
• 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)
Vn, m G Z : n + m = m + n (2-3)
Vn G Z : n •1 = n (2.5)
18
2.3 Die rationalen Zahlen
Vn, m £ Z : n ■m — m ■n (2.7)
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.
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
gegeben.
p nennt man den Zähler und q nennt man den Nenner von ^ | heißt gekürzter Bruch, wenn
ggT (p,q) = 1.
qi <72 q i • 12
19
2 Das Zahlensystem
• Multiplikation
_ P 2 _ P 1 •P 2
Pl
r
M3: Assoziativgesetz der Multiplikation
V r, s, t E Q : (r ■s) ■t = r ■(s ■t) (2.15)
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
m < n & 3k e N 0 : n = m + k
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
, f > k ■m ; k E M0
\ < k ■m ;k E Z
Achtung!
Bei der Multiplikation mit einer negativen Zahl wird die Ungleichungsrichtung umgedreht.
V m € Z : t t i2 > 0
• m < 0 m2 > 0
21
2 Das Zahlensystem
Bemerkung:
Ein Körper mit einer Ordnung der die obigen Eigenschaften erfüllt, heißt angeordneter
Körper. (Q, + , •, < ) ist ein angeordneter Körper.
Gleichung auf:
c2 = l 2 + l 2 = 2 nach Pythagoras
W ie wollen zuerst beweisen, dass c nicht aus Q ist.
22
2.5 Die reellen Zahlen
d. h. 2 teilt die rechte Seite und 2 teilt auch die linke Seite.
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.
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):
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:
2 2 2
1 “ cn ~ 2
2 , 1
2 < ----- b < 4
Cn 2
1
1< Cn + < 2
Cn+1 Cn T
Cn+1 2— Cn 2=
Cn
t ( c*. + 4 H— 8) —
\ * c" 4+ — 1 (
c
2 (4 - 2)s
4 •c2
> 0
( 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
(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:
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
Die Dreiecksungleichung
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|).
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:
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.
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
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
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
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
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.:
□
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.
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
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. ________________________________________________________
woraus wir
Ve > 0 3 N : Vn > A VI e N : |cn+r- — cn|< £
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
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.
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 ■■■ ■
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. □
29
2 Das Zahlensystem
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:
□
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
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-
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.
Wir setzen N = max(iVi + 1, %•), wählen m = > N (womit k > K gilt) und erhalten somit
30
2.6 Folgen
Beweis. Wir fangen mit (2.22) und (2.23) an. Die Beweise sind fast gleich, deshalb werden
wir uns nur ( 2 .2 2 ) ansehen.
S 6
I(an + bn) - (a + &)| < \an - a\ + \bn - b\ < - + - = s.
Vn G N : \an\< M A \bn\< M
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
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.
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.
32
2.6 Folgen
4. Induktionsschritt:
0 < x n < 1 ^ 2 > l + xn > l
1 < 1 + xn ^ 2 _ ^
3 2 + iCjj 2
6 U ^ 1
D. h., dass die Folge xn beschränkt ist. Jetzt könnten wir versuchen, das Cauchy-Kriterium
anzuwenden.
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
Wenn es gelingt, durch Induktion zu zeigen, dass für ein festes a < 1
gilt, dann können wir auf dieselbe Art wie im vorherigen Beispiel zeigen, dass:
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
4. Induktionsschritt:
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
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
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
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
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:
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
n=0
geschrieben.
36
2.7 Reihen
~yk ^ ak
=0
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
n
E k{k + 1) n+ 1
1. Induktionsbasis: .Si = \
2. Induktionsvoraussetzung: sn = ^
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
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.
g e M, \g\ < 1 s
= 2^q
=
n= 0
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
\q\ > 1 \q\n+1 ist unbeschränkt => sn ist auch unbeschränkt, d. h. n e Nist nicht konvergent.
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
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
□
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
(2.26)
Es gilt
2 < e < 3.
• . ..
Wir stellen uns jetzt die Frage, ob der l i m ^ o o ^ existiert und wenn ja, was für einen Wert
er hat.
1
x- < 2 ^ - ^ ~ e
k =0
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
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
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
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
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
□
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
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
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 ^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
1 1
- > -----
n n.4- 1
OO 1^ wo
00
Z
k=0
2*' 2* =kZ
=0
1^ divergent.
1 1
B em erk u n g 16. Sei A C R, A beschränkt und m = inf A und M — sup A. Dann gilt
und
Ve > 0 3x G A : x > M — e
Ve > 0 3 x E A : x < m + e.
44
2.8 Konvergenzkriterien
VM > 0 : 3 n : an > M,
VM > 0 : 3 n : an < —M
Bemerkung 17. limsup und lim inf existieren für jede Folge.
Bemerkung 18. Sei (an)ngN beschränkt und M = lim supn^ OC)an Dann gilt
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
Die Menge
{n € N|an < m —e }
ist endlich, denn sonst würden wir ja einen kleineren Häufungswert finden.
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
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
bn < cn => ^
’ ^bn konvergiert.
n=0
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.
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
Dann gilt s = lim ^ -^ sn und die Reihe Xl*=o(_ l ) " ' an konvergiert daher. □
^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.
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\
3N : Vn > N : < r.
y^nI
=>■ \bn+l\ £ •\bn\£ e2 ■|Gi-l| £ •••£ rn N+1 ■h v
48
2.8 Konvergenzkriterien
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 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:
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
_ 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
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
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
OO
1
En
71=0
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 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
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
1. Fall:
2. Fall:
p_
—q < 0
4
dann gibt es keine reelle Lösung. Wir verschaffen uns eine, indem wir das
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
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
z n 5u 1_ z a — bi a b .
* ' a2 + b2 = ' ' z = = ~dTVb2 = “ a2 + b2*
Bemerkung 28. Die Operationen +,• erfüllen also Ai — A 4 , M\ — M 4 und D, C ist also ein
Körper.
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.
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
u4 + 2u V + v4 = ('u2 + u2) 2 = a2 + 62
u2 + v2 = V a2 + fe2
9 9
u - v —a
'U2 = ^(\/a2 + b2 + a)
v2 = ~ (V a 2 + b2 — a)
u= + b2 + a)
v= - ( \ / a2 + b2 — a)
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).
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.
f ( - 1\ N ) = { a e A \ f ( a ) e N }
/ : A -4 B und g : B —>•C.
go f : A -¥ C
a ^ 9(f(a))
Beispiel 39.
f ( x ) = x 2, g(x) = sm(x)
(.9 ° f ) ( x ) — sin(a;2)
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
X\ = —X-2 V X\ — X-2
y G M+ , f ( x ) = y, x 2 = y 4 = x = ±^/y
Beispiel 42.
g : M -4 R+ : g(x) = x 2
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.
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
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.
2. Wir wollen beweisen, dass / injektiv ist, wenn es eine Abbildung g2 gibt.
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
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
Beispiel 44.
/: K +^K +
X X2
57
3 Funktionen und Stetigkeit
58
3.2 Stetige Funktionen
• 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.
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
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
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)
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:
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
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
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
Wir werden ein 5 auswählen, dass kleiner oder gleich 1 sein wird. Für so ein 5 gilt
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.
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.
Beispiel 50.
/: [0 , 2 ] -* R
x -4 x 5 + 7x 4 4 - 3x 3 — 2x 2 + x — 3
/(£) = 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
/( £ ) = ,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:
Beispiel 51.
= expW
n= 0
Beispiel 52.
°° Tn °° n.n 00
exp(o:) •exp (y) = E ^ ’E = E C-n
„ n\ ' n\
n= 0 n—0 n—0
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" = ^ + !/)'
Sehen wir uns das Wurzelkriterium für Potenzreihen an (siehe: Satz 2.8.13)
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.
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
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
66
3.4 Elementare Funktionen
exp : R — R
i M- exp(l } = £ » 0 g
heißt Exponentialfunktion.
• 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.
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.
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
bzw.
y-2n ^2n+l
cos(t) = M t) = E t “ 1»' (2n + 1)!
(2 n ) !’
n= 0 71=0
definiert.
• e x p ( —i t ) = c o s ( t ) — i ■s i n ( i )
• exp(ai + y) = exp(x) •exp (y) gilt auch für x ,y E C (mit demselben Beweis)
Satz 3.4.1.
• cos(O) = 1 , sin(O) = 0
= 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 .
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
Ebenso ist sin : [—|, |] —>■ [—1,1] streng monoton wachsend. Damit ist sie bijektiv und besitzt
69
3 Funktionen und Stetigkeit
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
/ : [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 )}
Die Funktionen
tan(x) : R -> R
sin(ff)
x i—>• cos(x )
und
cot(x) R ->
cos (re)
X i-> sin(a;)
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
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)
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
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:
Und weiter:
• Zq = v^l ■exp (z f )
73
3 Funktionen und Stetigkeit
• 22 = \fl •exp (i ■ ( f + ^ ) )
• 23 = exp (i •( f + ^ ) )
Und weiter:
• 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
74
3.4 Elementare Funktionen
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.
(cosh(:r ) ) 2 — (sinh(:r) ) 2 = 1
Arsinh : E -> E
y i-4 ln {y + v V 2 + 1)
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
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.
tanh(x) : R R
sin h (i)
x HG cosh(x)
_1 exp( 2 a;) - 1 ^
exp ( 2 .x) + 1
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
77
3 Funktionen und Stetigkeit
Definition
\gx — log10x ( dekadischer Logarithmus),
ln x = loge.x ( natürlicher Logarithmus); hierbei ist e = 2,718281828459... die Eulersche Zahl.
(Rechenregeln für Logarithmen).
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
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
_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.
(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
Definition 3.6.1. Sei / ein Intervall und x 0 € / und / : I \ {x 0} —>■E. Dann schreiben wir
Vo = f ( x ) , wenn:
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! + "
oo
sin(a;) x 2n °° \x]2n
X
_
Euu*(2n + 1)! ^E (dun)! - w2 ■E
n= 1
< elxr < £
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
85
3 Funktionen und Stetigkeit
wenn
Me > 0 : 3S > 0 : Vx e (a, a + 5) : |/(x) — y0|< &
gilt, yo ist der rechtsseitige 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.
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.
Sei / : I \ {x o } —> R.
Dann schreiben wir
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
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:
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.
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
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 )
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.
88
4.1 Rechenregeln für Ableitungen
1.
f + g: / ->• M
x M- / ( x ) 4- g(x)
A eK
Xf : / -4 M
x i ^ Xf(x)
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:
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 °)
~ 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:
(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
Die Kettenregel:
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)
7. cos'(x) = — sin(cc)
8. tan'(2:) = = 1 + t a n 2 (x)
13. arcsin7(x) = . 1 ,
v 7 v l-r
15. arctan7(x) =
91
4 Differentialrechnung
17. Arsinh'O) =
18. Arcosh'(a;) =
20. Arcothr(x) = j p p
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
^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
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)
/ '( 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.
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). □
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 ) -
□
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 )
2) Arsinh(x) < x
94
4.3 Anwendungen der Mittelwertsätze
h\x) = x — Arsinli(x)
Beispiel 68.
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.
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.
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
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 .
96
4.3 Anwendungen der Mittelwertsätze
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 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
U f . x , so) = £ - Io )*
fc= 0
(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
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
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
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
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)
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 ),
gilt.
Weiters schreiben wir
h(x) = o((x - x0)n),
wenn
lim '1(K - = (1
o(x — X 0) n
f ( x ) = ln (l + x ) ,x 0 — 0
f ( 0) = ln (l) = 0
/"(*) = - (1 + ;r)2:
0) = - l
* i ( n - 1)!
/ ^ ( x ) = (-1 )
(1 + x ) n
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.
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
Dann gilt
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
W e n d e p u n k te
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
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 —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
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:
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
£ 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 / :
3. Extremstellen von / : alle lokalen Extrema mit ihren Typ (Minimum oder Maximum)
103
4 Differentialrechnung
Beispiel 75.
/:
x(x-\-2 )
x !—y x 2 -t-x-i-2
2. Nullstellen:
f ( x ) = 0, x 2 + x + 2 o x (x + 2) = 0 =8 x = 0 V x = —2 =7 Nf — {0, —2}
4. Wendepunkte:
104
4.3 Anwendungen der Mittelwertsätze
6. Krümmung:
7. f ( x ) = lim ^oo f ( x ) = 1
8. Skizze:
105
5 Integralrechnung
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-
Satz 5.1.1. Seien F und G zwei Stammfunktionen von / . Dann ist F — G eine konstante
Funktion.
B ew eis.
□
B em erk u n g 66. Die' Stammfunktion von / ist nur bis auf eine additive Konstante bestimmt.
R e ch en reg eln
i4 e l: J Af(x)dx A / f {x )d x — A ■F{x) + c
/
• Produktregel
• f xa dx — + c, für a ^ —1
Jf —
X = ln I13"|I +1
J exdx = ex + 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
Beispiel 77.
/ = /z s in (x )d x
u (x ) = X = > u '( a : ) = 1
Probe:
(—x cos(a:) + sin(a:))/ — — cos(rc) + x sin(:r) + cos(;r) = x sin(x)
108
5.1 Das unbestimmte Integral
/ =J if mi(x)dx
u'(x ) = ex => u(x ) = ex
v(x) = sin (.i’ ) => v' {x) = c o s (.t )
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 /.
und damit
□
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
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
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
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
1 f 2x
-,dx = - ln(l + x2) + c =4 / = x arctan(x) — - ln(l 4- x2) 4- c
2 J 1 + x-
110
5.2 Integration rationaler Funktionen
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:
durch KoefEzientenvergleich ergibt sich A = an. Die Nullstellen a i , a 2, ___ an müssen nicht
alle verschieden sein. Damit können wir gleiche Faktoren zusammenfassen:
(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.
p(aQ = 1 __ A
q(x) Ax + B x -(-f)
P B
Au =
A' a i~ ~ A
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
112
5.2 Integration rationaler Funktionen
p(a) — Aqi{a) = 0
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
x2 — 5a; + 8 A B C D
x4 — 9a:3 + 28a:2 — 39a- + 18 x —1 x —2 x —3 (x — 3)2
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
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
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
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
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:
x = i:C = — => E =
4i 4
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
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
/* 1 dx dx
-dx — ,2'
x 2 + px + q x2 + p x + \ - \ + q (* + §)* + ? - ?4
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
[ 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
Wir können also für die Integration rationaler Funktionen folgendes Verfahren angeben:
p(x)
dx = ?
/ q(x)
1. Wenn der Grad(p) > Grad(g): Polynomdivision.
2. Partialbruchzerlegung von
b) Ansatz:
Bestimmung von Aij durch Multiplikation der Gleichung mit (x — ae)ke, Differen
tiation nach x und Einsetzen von x = a?
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 \ !
Bx + C
dx
- s x 2 + px 4- q
117
5 Integralrechnung
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
[ 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
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
(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.
- a V x 2 — 1 — ^ ln |x + \/G2 — 11+ c =
^ Z
— -X \ / x 2 — 1 - Arcosh(s) 4- c
2
J R(x, V l — x 2)dx
Die Gleichung
V l — x2 — y , x 2 + y2 — 1
beschreibt einen Kreis.
y = t(x + 1)
119
5 Integralrechnung
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
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
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
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
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
S { f , 3 ) < A < s ( f ,3 )
S ( / , 3 i ) < £ ( / , 3 2)
123
5 Integralrechnung
£(/,32) - £ ( /,3 i) =
inf{f(x)\x E [%,£]}(£ - Xj ) + inf{f(x)\x e [£,xj+i]}(xJ+1 - £)-
— 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 )
f(x )d x sup-S(/,3)
3
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
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
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
.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:
125
5 Integralrechnung
Eine Funktion / mit dieser Eigenschaft heißt gleichmäßig stetig auf [<a, fe].
Zum Vergleich: / ist stetig im Punkt x :
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
n°
z=0
' ‘2= n° 6
lim S (f, 3) = hm S (f, 3) = [ x2dx = lim ^ + n^
n—>oo Jq n—foo D
=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
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.
.b — a b —a
Xi = a + i ------- , xi+1- X i = --------
n n
Dann gilt
i=0 U
a / . 3 ) = z—
x Ji / w —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{b - a) = S ( f {a,b}) < f f ( x ) dx <S( f , { a, b} ) = M ( b - a )
Ja
□
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.
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:
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 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
129
5 Integralrechnung
Satz 5.3.6. Sei g : [a, 6] —> [c , d] bijektiv und differenzierbar. Sei / : [c, d] —* M Riemann-
integrierbar. Dann gilt:
S '(/ .3 )- S (/ ,3 )
klein. D.h.:
130
5.3 Das bestimmte Integral
, lim Ä ( / , 3 , - ) = £ / ( * ) , * *
für
Ve > 035 > 0 : V3 : VE : ||3|| < 5 =^> \R(f, 3,E) — f f(x)dx\ < e.
Ja
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.
L(f, 3 ) ist immer kleiner als die Länge der Kurve und es gilt
3i c 3 2 => L ( / , 3 i ) < L ( / , 3 2)
L = s u p L ( / , 3 ) < oo
3
n—1
L(f, 3 ) = ^ 2 v 7(®i+1 - + (f(xi+ 1) - f ( x i ) ) 2
i= 0
131
5 Integralrechnung
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
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
C : x = x (t), t E [a, b]
also:
x — x(t)
y = y(t)
z = z(t) (im 3-Dimensionalen)
132
5.3 Das bestimmte Integral
n —1
71— 1 71—1
Im Zusammenhang mit Kurven schreibt man die Ableitung von x: x und nicht x'
n —1
Seien x, y stetig. Dann ist auch a/ ( x )2 + (y)2 stetig und daher Riemann-integrierbar. Es gilt
daher
133
5 Integralrechnung
Und im 3-Dimensionalen:
ds = \/x 2 + y2 + z2dt
xdt = — dt = da;,...
dt
ds2 = dx2 + dy2 + dz2
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.
Wir wollen die Fläche des Sektors bestimmen, der von der Kurve
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 )
134
5.3 Das bestimmte Integral
135
5 Integralrechnung
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.
136
5.3 Das bestimmte Integral
y 2'j+i
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)
s = V ( A Xi)2 + ( A Ä ) 2 = ^ i + Axi
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
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
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]
R
X
V0 = 7T f f(x)2dx =7T f yR2— X2) dx =7T R2x -
J-R J-R J -fl 3
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 ’
f {x)dx
T -J rj-\
existiert.
139
5 Integralrechnung
lim f{x) dx
T —KX>
existiert.
Beispiel 104.
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
(•*2
Ve > 0 35 > 0 Vti, t2 € (a, a 4- 5) f(x) dx < £
140
5.4 Uneigentliche Integrale
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.
Dann gilt
rt2
/ f(x) dx < [ \f(x)\dx<£.
Jti
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.
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
lim = c > 0.
:t'^a+ g[x)
142
5.5 Numerische Berechnung von Integralen
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 =
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
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
Dann gilt
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:
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
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.
J h f i x) dx = ^ f i ~ h ) + y / ( 0 ) + | /( /t ) +
145
6 Differentialrechnung für Funktionen
in mehreren Variablen
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,
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.
A = lim /( x n) Ve > 035 > 0 : Vx G U : 0 < ||x —x0|| < 5 =$■ ||/(x) — A\\ < e
n—>oo
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
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 daher
„(0) ,(o) „(0h ,(°) AO)
l i m --------------------------------------- —------------------------------ = di
.(0) Xi — X.
(0 )
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
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
/ 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.
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 ;
f£lx0 <||srad/lxoll
* j[ grad/|| ^ ^ e Richtung des steilsten Anstiegs von f in x 0
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.
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 '
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)
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
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
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
Es gilt dann
153
6 Differentialrechnung im R n
, 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.
/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!
( 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
n
(öl + + •••+ ap)n = ^ ] ai a2 ■‘ ■°p •
^ 7 7 - ^ , 7 7 - 2 • - • j TT-»
n i,...,n p> 0
niH--- t-np=n
, ö , a L a Nn
----- 1- h-2“ -----(-••• + hp——
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
Q a (x ) = XTA x = ^ 2 aijxixj
i,j =1
155
6 Differentialrechnung im Mn
0•
\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.
also
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.
157
6 Differentialrechnung im R"
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^.
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
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.
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
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).
Ah (ah,.. . , x n) = 0
N2{ xu . . . , x n) = 0
Nk(x i , . . . ,x „ ) = 0.
160
6.9 Extremwertaufgaben mit Nebenbedingungen
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°) = ° '
dH_ / \ , dN,
(xo,yo) - A— {x0,yo) = 0.
dy dy
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
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
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
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
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