Sie sind auf Seite 1von 32

Analysis I Kurzskript

25. Januar 2013

Inhaltsverzeichnis
1 Die Sprache der Mathematik 5
1.1 Mathematische Aussagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Aussagenlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Beweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Vollständige Induktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Die Arbeitsweise des Mathematikers 6


2.1 Induktiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Deduktiv: die axiomatische Methode . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Axiome der reellen Zahlen R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4 Die natürlichen Zahlen N := {0, 1, 2, 3, . . . } . . . . . . . . . . . . . . . . . . . . . . 6

3 Folgen, Reihen und Grenzwerte I 7


3.1 Folgen reeller Zahlen (an )n∈N . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

4 Folgen, Reihen und Grenzwerte II 8


4.1 Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.2 Unendliche Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.3 Bestimmte Divergenz / Uneigentliche Konvergenz . . . . . . . . . . . . . . . . . . . 8

5 Vollständigkeit 9
5.1 Cauchyfolgen und Vollständigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.2 Teilfolgen und Häufungspunkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

6 Beschränkte Folgen I 10
6.1 Satz von Bolzano-Weierstraß . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.2 sup / inf und min / max . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

7 Beschränkte Folgen II 11
7.1 Monotone Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
7.2 lim sup und lim inf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
7.3 Vollständigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

8 Metrische Räume I 12
8.1 Metrische Räume (X, d) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
8.2 Konvergenz in metrischen Räumen . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
8.3 Offene und abgeschlossene Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

9 Metrische Räume II 13
9.1 Offene und abgeschlossene Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
9.2 Vollständigkeit und Kompaktheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1
Prof. Dr. László Székelyhidi Analysis I, WS 2012

10 Konvergenz auf Rd ; Konvergente Reihen I 14


10.1 Der euklidische Raum Rd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
10.2 Reihen mit nicht-negativen Gliedern . . . . . . . . . . . . . . . . . . . . . . . . . . 14
10.3 Absolute Konvergenz, Konvergenzkriterien . . . . . . . . . . . . . . . . . . . . . . . 14

11 Konvergente Reihen II 15
11.1 Konvergenzkriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
11.2 Umordnung von Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

12 Potenzreihen und Exponentialfunktion 16


12.1 Umordnung von Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
12.2 Reelle Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
12.3 Die Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

13 Potenzreihen und Exponentialfunktion II 17


13.1 Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
13.2 Körper der komplexen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

14 Komplexe Potenzreihen 18
14.1 Körper der komplexen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
14.2 Konvergenz in C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
14.3 Komplexe (Potenz)reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

15 Stetigkeit in metrischen Räumen I 19


15.1 Allgemeine Definitionen und Eigenschaften . . . . . . . . . . . . . . . . . . . . . . 19

16 Stetigkeit in metrischen Räumen II 20


16.1 Stetige Funktionen auf kompakten Mengen . . . . . . . . . . . . . . . . . . . . . . 20
16.2 Gleichmäßige Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

17 Stetigkeit R → R 21
17.1 Grenzwerte von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
17.2 Zwischenwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
17.3 Monotone Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

18 Elementare Funktionen und Grenzwerte I 22


18.1 Exponentialfunktion und Logarithmus . . . . . . . . . . . . . . . . . . . . . . . . . 22
18.2 Einige Grenzwerte mit exp und log . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

19 Elementare Funktionen und Grenzwerte II 23


19.1 Trigonometrische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
19.2 Die Zahl π . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

20 Die Funktionen tan, arctan, arcsin und arccos 24

21 Differentialrechnung auf R 24
21.1 Differenzierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

22 Eigenschaften differenzierbarer Funktionen 25


22.1 Ableitungsregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
22.2 Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

23 Probeklausur 26
Prof. Dr. László Székelyhidi Analysis I, WS 2012

24 Mittelwertsatz und Anwendungen 27


24.1 Mittelwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
24.2 Regel von de l’Hopital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

25 Extrema, Monotonie 28
25.1 Kriterium für Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
25.2 Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

26 Konvexität 29
26.1 Anwendungen von Konvexität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

27 Das Riemann’sche Integral 30


27.1 Charakterisierung von Riemann-integrierbaren Funktionen . . . . . . . . . . . . . . 30

28 Hauptsatz der Integral- und Differentialrechnung 31


28.1 Riemann’sche Summen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
28.2 Das unbestimmte Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

29 Integrationsmethoden 32
29.1 Stammfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
29.2 Substitutionsregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
29.3 Partielle Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
29.4 Uneigentliche Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Prof. Dr. László Székelyhidi Analysis I, WS 2012

Empfohlene Literatur

[F] Otto Förster: Analysis 1


[H] Stefan Hildebrandt: Analysis 1
[K] Konrad Königsberger: Analysis 1

9. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

1 Die Sprache der Mathematik


[F] §1
[H] §1.4 1.1 Mathematische Aussagen
[K] §1 tertium non datur

1.2 Aussagenlogik
• Implikation: P ⇒ Q, P (n) ⇒ Q(n)
• Äquivalenz: P ⇔ Q
• Konjuktion: P und Q
• Disjunktion: P oder Q
• Negation: nicht P
Beispiel 1 (Fallunterscheidung).
(x − 1)(x − y) = 0
(y − 3)(x2 − y 2 + 1)y = 0

1.3 Beweise
• Direkter Beweis;
• Indirekter Beweis; Beispiel 3|n2 ⇒ 3|n;

• Widerspruchsargument; Beispiel 2 irrational;
• Vollständige Induktion.
 
Kontraposition: P ⇒ Q ⇔ nicht Q ⇒ nicht P

1.4 Vollständige Induktion


(1) Induktionsanfang: P (n0 ) für ein n0 ∈ N;
(2) Induktionsschritt: P (n) ⇒ P (n + 1).
Beweisprinzip: aus (1) und (2) folgt P (n) für alle n ≥ n0 .
Definition 1 (Summen/Produktzeichen).
0
X k+1
X k
X 0
Y k+1
Y k
Y
ak = 0 und ak = ak+1 + ak ; ak = 1 und ak = ak+1 · ak .
k=1 k=1 k=1 k=1 k=1 k=1
Pn n(n+1)
Satz 1. k=1 k= 2
Satz 2. Die Anzahl Anordnungen von {1, . . . , n} ist n!
Satz 3 (Bernoulli’sche Ungleichung). Falls x > −1 und n ∈ N, dann (1 + x)n ≥ 1 + nx.
Pn k 1−xn+1
Satz 4 (geometrische Reihe). k=0 x = 1−x .

Satz 5. Die Anzahl k-elementigen Teilmengen von {1, . . . , n} ist nk .




Satz 6 (Binomischer Lehrsatz).


n  
X
n n k n−k
(x + y) = x y .
k
k=0

9. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

2 Die Arbeitsweise des Mathematikers

2.1 Induktiv

Beispiel 1. Der Kreis besitzt unter allen ebenen Figuren mit gleichem Flächeninhalt den kleinsten
Umfang.
Beispiel 2. an = n2 + n + 41 ist eine Primzahl für alle n ≤ 39!
Pn 2 −1 n
Beispiel 3. k=1 (4k − 1) = 2n+1 .

2.2 Deduktiv: die axiomatische Methode


Grundbegriffe werden nicht definiert, sondern durch Axiome beschrieben.

2.3 Axiome der reellen Zahlen R


[F] §2-3
• Algebraischen Axiome, Definition eines Körpers;
• Anordnungsaxiome;
• Das Archimedische Axiom (Gegenbsp. Körper der rationalen Funktionen);
• Das Vollständigkeitsaxiom (siehe Vorlesung 5)

Satz 1. Die Zahl 0 ist eindeutig bestimmt. Die Zahl 1 ist eindeutig bestimmt.
Satz 2. Für alle x ∈ R ist −x eindeutig bestimmt. Weiterhin gilt −0 = 0. Das Inverse ist eindeutig
bestimmt, und es gilt 1−1 = 1.
Satz 3. Die Gleichung a + x = b hat eine eindeutig bestimmte Lösung, nämlich x = b − a. Die
Gleichung ax = b hat eine eindeutig bestimmte Lösung, nämlich x = a−1 b.
Satz 4. x · 0 = 0 für alle x ∈ R.
Satz 5. xy = 0 genau dann wenn x = 0 oder y = 0.
Satz 6. 1 > 0
Beispiel 4. R, Q, Z, C

2.4 Die natürlichen Zahlen N := {0, 1, 2, 3, . . . }


Definition 1. Eine Teilmenge eines Körpers heißt induktiv, falls 0 ∈ M und (a ∈ M ⇒ a+1 ∈ M ).
N ist die kleinste induktive Teilmenge von R.
Definition 2. (
x x≥0
|x| =
−x x < 0

Satz 7. (a) Für alle x ∈ R gilt: |x| ≥ 0 und |x| = 0 genau dann wenn x = 0. (b) |xy| = |x||y|, (c)
|x + y| ≤ |x| + |y|.

12. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

3 Folgen, Reihen und Grenzwerte I


[F] §4
3.1 Folgen reeller Zahlen (an )n∈N
Definition 1. Eine Folge (an )n∈N heißt konvergent falls es ein a ∈ R gibt, so dass folgende
Bedingung gilt: für alle ε > 0 existiert ein N ∈ N so dass

|an − a| < ε für alle n ≥ N .

Negation der Bedingung in obiger Definition: Es existiert ein ε > 0 so dass für alle N ∈ N
existiert n ≥ N mit |an − a| ≥ ε.

Notation: abgeschlossene [a, b] und offene ]a, b[ Intervalle.


Definition 2. beschränkte Folgen
Satz 1. Jede konvergente Folge ist beschränkt.
Beispiel 1.
• konstante Folge an = a; an → a,
1
• an = n; an → 0,
• an = (−1)n ; nicht konvergent,
n
• an = n+1 ; an → 1,
n
• an = 2n ; an → 0,
• Fibonacci Zahlen, f0 = 0, f1 = 1, fn+2 = fn + fn+1 für n ≥ 0.
1
• unendliche Kettenbrüche; a0 = 0, an+1 = 1 + 1+an .

Satz 2. Das Limes einer konvergenten Folge ist eindeutig bestimmt.


Satz 3 (Regeln und Operationen mit Folgen).
(i) aus an → a und bn → b folgt an + bn → a + b;

(ii) aus an → a und bn → b folgt an bn → ab;


(iii) aus an → a und bn → b folgt λan + µbn → λa + µb;
an
(iv) aus an → a und bn → b mit b 6= 0 folgt bn → ab ;
(v) aus an → a folgt |an | → |a|;
(vi) aus an → a, bn → b und an ≤ bn folgt a ≤ b;

16. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

4 Folgen, Reihen und Grenzwerte II


[F] §4
[H] §1.9 4.1 Folgen
Satz 1 (Regeln und Operationen mit Folgen).
(i) aus an → a und bn → b folgt an + bn → a + b;
(ii) aus an → a und bn → b folgt an bn → ab;
(iii) aus an → a und bn → b folgt λan + µbn → λa + µb;
an
(iv) aus an → a und bn → b mit b 6= 0 folgt bn → ab ;
(v) aus an → a folgt |an | → |a|;
(vi) aus an → a, bn → b und an ≤ bn folgt a ≤ b;
Satz 2 (Quetschlemma). Aus an → a, bn → a und an ≤ cn ≤ bn folgt cn → a.
2n2 +1
Beispiel 1. • 3n2 +n+1 → 23 ;
1

• 1+ 2+ 1 = 2;
2+ 1
2+...

1

• 1+ 1+ 1 = 21 ( 5 + 1);
1+ 1
1+...

• c > 0, a0 = 1 und an+1 = 12 (an + c


an ).

4.2 Unendliche Reihen


Definition 1. Eine unendliche Reihe ist definiert als Grenzwert der Partialsummen:

X n
X
ak = lim ak .
n→∞
k=0 k=0

Beispiel 2. Die geometrische Reihe. Sei |x| < 1. Dann



X 1
xk = .
1−x
k=0

4.3 Bestimmte Divergenz / Uneigentliche Konvergenz


Definition 2. Bestimmt divergente Folgen (gegen ∞ oder −∞).
Satz 3. Reziprokes einer positiven (oder negativen) Nullfolge = bestimmt divergente Folge.

19. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

5 Vollständigkeit

5.1 Cauchyfolgen und Vollständigkeit


[F] §5 Definition 1. Cauchyfolgen.
Satz 1. Jede konvergente Folge ist eine Cauchyfolge.

Das Vollständigkeitsaxiom: In R ist jede Cauchyfolge konvergent.

[H] §8 Beispiel 1 (Dezimalbrüche, p-adische Brüche).



X
an p−n , p, an ∈ N, p ≥ 2, 0 ≤ an < p.
n=0

Satz 2. Sei p ∈ N, p ≥ 2.
(i) Jeder p-adischer Bruch stellt eine Cauchyfolge dar.
(ii) Jede reelle Zahl lässt sich in einem p-adischen Bruch entwickeln.
Definition 2. Eine Intervallschachtelung ist eine Folge (In )n∈N von Intervallen in R so dass

In+1 ⊂ In für alle n ∈ N, und lim |In | = 0.


n→∞

Satz 3 (Intervallschachtelungsprinzip).
T Zu jeder Intervallschachtelung (In )n existiert genau eine
reelle Zahl im Durchschnitt n In .
Beispiel 2.
1 √
1+ 1 = 2
2+ 1
2+ 2+...

Satz 4. Q liegt dicht in R. d.h. zu jedem x ∈ R und jedem ε > 0 existiert q ∈ Q mit |x − q| < ε.

5.2 Teilfolgen und Häufungspunkte


[F] §5 Definition 3.
[H] §1.11
(i) Teilfolgen
(ii) Häufungspunkte
Beispiel 3.

• an = (−1)n ;
• falls an → a, dann ist a der einzige Häufungspunkt von (an )n∈N ;
• die rationalen Zahlen Q als eine Folge; Cantor’sches Diagonalverfahren.

23. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

6 Beschränkte Folgen I
[F] §5
[H] §1.8 6.1 Satz von Bolzano-Weierstraß
Satz 1 (Bolzano-Weierstraß). Jede beschränkte Folge besitzt einen Häufungspunkt.

Korollar 1. Eine beschränkte Folge konvergiert dann und genau dann, wenn sie genau einen
Häufungspunkt besitzt.

6.2 sup / inf und min / max


[F] §9 Definition 1. Supremum und Infimum einer Folge.

Satz 2. Jede nach oben beschränkte Folge besitzt ein Supremum.


Definition 2. Maximum und Minimum einer Folge.
Beispiel 1.
1 n 2n
an = , n ≥ 1, an = , n ≥ 0, an = , n ≥ 1.
n n+1 n2

Definition 3. Sup/Inf und Max/Min einer Teilmenge M ⊂ R.


Beispiel 2.
[a, b] und ]a, b[

26. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

7 Beschränkte Folgen II

7.1 Monotone Folgen


[F] §5 Definition 1.
[H] §1.10
• monoton wachsend/fallend;
• streng monoton wachsend/fallend.

Satz 1. Jede beschränkte monotone Folge reeller Zahlen ist konvergent.

Beispiel 1. • Intervallschachtelungen;
n
• e = limn→∞ 1 + n1 .

7.2 lim sup und lim inf


[F] §9 Definition 2. Limsup und liminf einer Folge.
[H] §1.11
Lemma 1. Sei (an ) beschränkt. Dann

lim inf an ≤ lim sup an .

Gleichheit besteht dann und genau dann wenn die Folge konvergent ist. In diesem Fall gilt
lim inf an = lim an = lim sup an .

Lemma 2. Sei (an )n∈N beschränkt. Dann


 
lim sup an = lim sup{ak : k ≥ n}
n→∞ n→∞
 
lim inf an = lim inf{ak : k ≥ n}
n→∞ n→∞

Beispiel 2. Sei (an )n∈N die Folge

0, 1, 2, 2, 4, 4, 4, 4, 8, 8, 8, 8, 8, 8, 8, 8, . . ..
an
Die Menge der Häufungspunkte von bn = n+an ist das Intervall [1/3, 1/2].

7.3 Vollständigkeit

Bolzano-Weierstraß ⇔ Vollständigkeitsaxiom ⇔ Intervallschachtelungsprinzip

Satz 2. Der Satz von Bolzano-Weierstraß impliziert das Vollständigkeitsaxiom

30. Oktober 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

8 Metrische Räume I
[H] §1.14
8.1 Metrische Räume (X, d)
Definition 1. Metrik d : X × X → R: für alle x, y, z ∈ X gilt
(i) d(x, y) = d(y, x);
(ii) d(x, y) ≥ 0 und d(x, y) = 0 genau dann wenn x = y;
(iii) d(x, y) ≤ d(x, z) + d(z, y).
Beispiel 1. R mit d(x, y) = |x − y|. (
1 x 6= y
(Diskrete Metrik): Beliebige Menge X mit d(x, y) =
0 x=y
Beispiel 2. n o
Rd = x = (x(1) , x(2) , . . . , x(d) ) : x(i) ∈ R für i = 1, . . . , d
mit
d
X 1/2 d
X
|x − y| = (x(i) − y (i) )2 , |x − y|max = max |x(i) − y (i) |, |x − y|1 = |x(i) − y (i) |
i=1,...,d
i=1 i=1

Lemma 1. In Rd gilt
d
P
(a) xi yi ≤ |x||y| (Cauchy-Schwarz Ungleichung);
i=1

(b) |x + y| ≤ |x| + |y| (Dreiecksungleichung).

8.2 Konvergenz in metrischen Räumen


Definition 2. Konvergenz in (X, d): xn → x falls d(xn , x) → 0.
Lemma 2. Eindeutigkeit des Limes

8.3 Offene und abgeschlossene Mengen


[H] §16 Definition 3. • Offene Kugel Br (x) := {y ∈ X : d(x, y) < r};
• A ⊂ X ist offen, falls für alle x ∈ A ein r > 0 existiert so dass Br (x) ⊂ A;
• A ⊂ X ist abgeschlossen, falls für alle konvergente Folgen (xn )n ⊂ A mit xn → x gilt: x ∈ A.
Satz 1. Eine Menge A ⊂ X ist genau dann offen, wenn das Komplement X \ A abgeschlossen ist.

Folgende Definition wird in Aufgabe 21 benötigt, in der Vorlesung war jedoch keine Zeit mehr:
Definition 4. Sei A ⊂ X.
• Das Innere A◦ := {x ∈ A : es existiert ε > 0 so dass Bε (x) ⊂ A};
• Der Abschluss A := {x ∈ X : es existiert (xn )n ⊂ A mit xn → x};
• Der Rand ∂A := {x ∈ X : für alle ε > 0 gilt Bε (x) ∩ A 6= ∅ und Bε (x) \ A 6= ∅}.

2. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

9 Metrische Räume II
[H] §1.16

9.1 Offene und abgeschlossene Mengen


Definition 1. Sei A ⊂ X.
• Das Innere A◦ := {x ∈ A : es existiert ε > 0 so dass Bε (x) ⊂ A};
• Der Abschluss A := {x ∈ X : es existiert (xn )n ⊂ A mit xn → x};
• Der Rand ∂A := {x ∈ X : für alle ε > 0 gilt Bε (x) ∩ A 6= ∅ und Bε (x) \ A 6= ∅}.

Lemma 1. • Der Durchschnitt endlich vieler offenen Mengen ist offen;


• Die Vereinigung beliebig vieler offenen Mengen ist offen;
• Die Vereinigung endlich vieler abgeschlossenen Mengen ist abgeschlossen;
• Der Durchschnitt beliebig vieler abgeschlossener Mengen ist abgeschlossen.

Lemma 2. Sei A ⊂ X. A◦ ist offen und A ist abgeschlossen.

Definition 2. Eine Teilmenge B ⊂ A ist dicht in A falls A ⊂ B.

Beispiel 1. • In Rd : Br (x) = {y : |x − y| ≤ r}; ∂Br (x) = {y : |x − y| = 1};


• In R: Q = R, Q◦ = ∅, ∂Q = R;
• Für die diskrete Metrik: B1 (x) = {x}; jede Teilmenge ist offen und abgeschlossen.

9.2 Vollständigkeit und Kompaktheit


Definition 3. Cauchyfolgen

Lemma 3. Jede konvergente Folge ist eine Cauchyfolge.


Lemma 4. Jede Cauchyfolge, die eine konvergente Teilfolge besitzt, ist selbst konvergent.
Definition 4. Beschränkte Mengen. (Folgen-)kompakte Mengen.
Lemma 5. Jede Cauchyfolge ist beschränkt.
Definition 5. Ein metrischer Raum (X, d) heißt vollständig, falls jede Cauchyfolge konvergiert.

6. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

10 Konvergenz auf Rd ; Konvergente Reihen I


10.1 Der euklidische Raum Rd
[H] §1.16
Satz 1. Charakterisierung der Konvergenz auf Rd : Konvergent komponentenweise.

Definition 1. Würfelschachtelungen.
Lemma 1 (Würfelschachtelungsprinzip). Jede Würfelschachtelung in Rd erfasst genau einen
Punkt im Durchschnitt.

Satz 2. Jede beschränkte Folge in Rd besitzt eine konvergente Teilfolge.

Korollar 1. (a) Rd ist vollständig; (b) Eine Teilmenge A ⊂ Rd ist genau dann kompakt, wenn
sie beschränkt und abgeschlossen ist.

10.2 Reihen mit nicht-negativen Gliedern


[F] §7 ∞
P
Satz 3. Eine Reihe an mit an ≥ 0 ist entweder konvergent oder bestimmt gegen ∞ divergent.
[H] §1.12 n=1

Satz 4. Majorantenkriterium.

∞ ∞
1 1
P P
Beispiel 1. n = ∞ und n2 < ∞.
n=1 n=1

10.3 Absolute Konvergenz, Konvergenzkriterien


Definition 2. absolute Konvergenz.

Satz 5. Cauchys Konvergenzkriterium.


P
Korollar 2. Wenn an konvergiert, dann ist (an )n eine Nullfolge.
n=1

9. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

11 Konvergente Reihen II
[F] §7 11.1 Konvergenzkriterien
[H] §1.16
Definition 1. Absolute Konvergenz.

Satz 1. Leibniz’ Konvergenzkriterium für alternierende Reihen.


1 1 1 1
Beispiel 1. Alternierende harmonische Reihe: 1 − 2 + 3 − 4 + 5 − ...
Satz 2 (Quotientenkriterium). lim supn→∞ | aan+1
n
| < 1.
P1 P 1
Beispiel 2. n divergiert, n2 konvergiert.

Satz 3. Cauchy’s Verdichtungskriterium.

Beispiel 3.
n
2
X 1 n
≥ .
k 2
k=1

Beispiel 4. Falls α > 1, dann


n
2 n
X 1 X
≤ q k−1 mit q = 2−α+1 .

k=1 k=1

11.2 Umordnung von Reihen


[H] §1.19
Definition 2. Die Reihe ∞
P P∞
n=0 bn ist eine Umordnung der Reihe n=0 an , wenn es eine bijektive
Abbildung σ : N → N gibt so dass bn = aσ(n) für alle n.
Definition 3. Bijektive Abbildungen.
1 1 1 1
Beispiel 5. Umordungen der alternierenden harmonischen Reihe 1 − 2 + 3 − 4 + 5 − ...

13. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

12 Potenzreihen und Exponentialfunktion

12.1 Umordnung von Reihen


[H] §1.19
Satz 1 (Umordnungssatz von Dirichlet).

Satz 2 (Umordnungssatz von Riemann). Ohne Beweis.

12.2 Reelle Potenzreihen


[F] §8
[H] §1.20 Lemma 1. Falls |x| < |y| und die Reihe
P
an y n konvergiert, dann konvergiert die Reihe
P
an xn
absolut.

Definition 1 (Konvergenzradius).
n X o
R = sup x ∈ R : an xn konvergent .

P∞
Satz 3. Sei n=0 an xn eine Potenzreihe mit Konvergenzradius R.
(i) Falls R = ∞, dann konvergiert die Potenzreihe für alle x ∈ R;
(ii) Falls R = 0, dann divergiert die Potenzreihe für alle x ∈ R \ {0};
(iii) Falls 0 < R < ∞, dann konvergiert die Potenzreihe absolut für alle |x| < R und divergiert
für alle |x| > R.

12.3 Die Exponentialfunktion


[F] §8 Definition 2. Für x ∈ R:

X xn
exp(x) = .
n=0
n!

Konvergenzradius der Exponentialreihe ist R = ∞.

16. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

13 Potenzreihen und Exponentialfunktion II


13.1 Exponentialfunktion
[F] §8
[K] §8.1 Lemma 1 (Fundamentallemma für die Exponentialfunktion).
 n
1
lim 1 + = exp(1).
n→∞ n

Varianten:
x n

• limn→∞ 1 + n = exp(x);
xn n

• limn→∞ 1 + n = exp(x) falls xn → x.

Satz 1. (i) exp(x + y) = exp(x)exp(y) für alle x, y ∈ R;


1
(ii) exp(−x) = exp(x) für alle x ∈ R;

(iii) exp(x) ≥ 1 + x und exp(x) > 0 für alle x ∈ R;


(iv) exp(nx) = exp(x)n für n ∈ N, x ∈ R;
(v) exp(1/n) = e1/n für n ∈ N, n 6= 0.

13.2 Körper der komplexen Zahlen


[F] §13
Satz 2. C ist ein Körper.
[H] §1.17

20. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

14 Komplexe Potenzreihen
14.1 Körper der komplexen Zahlen
[F] §13
[H] §1.17 Beispiel 1. • Aus z 2 = w2 folgt z = ±w;
√ √
• Aus z 3 = 1 folgt z ∈ {1, − 21 + i 3 1
2 , −2 − 3
2 }

Definition 1. Komplexe Konjugierte z̄, Reeller und imaginärer Teil Re z und Im z.

Beispiel 2. Re z = 12 (z + z̄), Im z = 1
2i (z − z̄), |z̄| = |z|, zw = z̄ w̄.

Satz 1. (i) |z| ≥ 0 und |z| = 0 genau dann wenn z = 0;


(ii) |zw| = |z||w|;
(iii) |z + w| ≤ |z| + |w|.

Satz 2. C mit der Metrik d(z, w) := |z − w| ist ein metrischer Raum.

14.2 Konvergenz in C
Definition 2. cn → c falls |cn − c| → 0.

Satz 3. cn → c genau dann wenn Re cn → Re c und Im cn → Im c.

Korollar 1. C ist vollständig.

Korollar 2. cn → c genau dann wenn cn → c̄.

14.3 Komplexe (Potenz)reihen


Beispiel 3.
∞  n ∞ n ∞  n
X 1+i X i X 1−i
(a) , (b) , (c) .
n=1
2−i n=1
n n=1
1+i
P∞ n
Definition 3. Konvergenzradius der Potenzreihe n=0 cn z ist
X
R = sup{|z| : z ∈ C und cn z n konvergent}.
Satz 4. (i) Falls R = ∞, dann konvergiert die Potenzreihe für alle z ∈ C;
(ii) Falls R = 0, dann divergiert die Potenzreihe für alle z ∈ C \ {0};
(iii) Falls 0 < R < ∞, dann konvergiert die Potenzreihe absolut für alle |z| < R und divergiert
für alle |z| > R.
P∞ n
Definition 4. exp(z) = n=0 zn! .
Satz 5. (i) exp(z + w) = exp(z)exp(w) für alle z, w ∈ C;
1
(ii) exp(−z) = exp(z) für alle z ∈ C;
(iii) exp(z) 6= 0 für alle z ∈ C;
(iv) exp(z̄) = exp(z) für alle z ∈ C.
Beispiel 4. |eix | = 1 für alle x ∈ R.
Definition 5. cos(x) = Re (eix ) und sin(x) = Im (eix ).

23. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

15 Stetigkeit in metrischen Räumen I


15.1 Allgemeine Definitionen und Eigenschaften
[F] §10 Im Folgenden betrachten wir metrische Räume (X, dX ) und (Y, dY ) und Funktionen
[H] §2.1-2.3
[K] §7.1 f : D → Y,

wobei D ⊂ X eine Teilmenge ist (der Definitionsbereich von f ). Falls Y = R, heißt die Funktion
reellwertig. Falls Y = C, heißt die Funktion komplexwertig. Falls Y = Rd , d > 1, heißt die Funktion
vektorwertig.
Definition 1. Die Funktion f ist stetig im Punkt x0 ∈ D wenn

∀ (xn )n∈N ⊂ D mit lim xn = x0 gilt : lim f (xn ) = f (x0 ).


n→∞ n→∞

Die Funktion f ist stetig in D wenn sie in jedem Punkt x ∈ D stetig ist.

Beispiel 1. Konstante Funktion und Identität stetig, Charakteristische Funktion einer Menge
A ⊂ X stetig in x ∈ X \ ∂A.

Lemma 1 (Summe, Produkt und Quotient). Falls f, g reellwertig und stetig, dann f + g und f g
stetig. Falls zusätzlich g(x0 ) 6= 0, dann f /g stetig im Punkt x0 .

Lemma 2 (Vektorwertige Funktionen). Eine vektorwertige Funktion f = (f1 , . . . , fd ) ist genau


dann im x0 ∈ D stetig, wenn jede Komponente fi , i = 1 . . . d stetig im x0 ist. Falls f, g vektorwer-
tige, stetige Funktionen sind, ist auch f + g stetig. Falls h reellwertig und stetig ist, ist auch f h
stetig.

Lemma 3 (Die Abstandsfunktion). Sei x0 ∈ X. Die Funktion f : X → R definiert durch

f (x) = d(x, x0 )

ist stetig. Insbesondere ist die Funktion f (x) = |x|, f : R → R stetig.

Sei f : D ⊂ X → Y eine Funktion und A ⊂ D eine Teilmenge vom Definitionsbereich D. Das


Bild von A unter f ist die Teilmenge von Y definiert durch

f (A) := {f (x) : x ∈ A}.


[H] §2.4 Lemma 4 (Verknüpfung). Seien (X, dX ), (Y, dY ), (Z, dZ ) metrische Räume. Sei f : D ⊂ X → Y
stetig im Punkt x0 und g : f (D) → Z stetig im Punkt f (x0 ). Dann ist die Verknüpfung g ◦ f :
D → Z definiert durch g ◦ f (x) = g(f (x)) stetig im x0 .

[F] §11 Satz 1 (ε-δ Kriterium). Die Funktion f : D ⊂ X → Y ist genau dann stetig im Punkt x0 , wenn

∀ε > 0 ∃ δ > 0 ∀ x ∈ D mit dX (x, x0 ) < δ : dY (f (x), f (x0 )) < ε.

27. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

16 Stetigkeit in metrischen Räumen II


Im Folgenden betrachten wir metrische Räume (X, dX ) und (Y, dY ) und Funktionen
f : D → Y,
wobei D ⊂ X eine Teilmenge ist (der Definitionsbereich von f ). Sei B ⊂ Y eine Teilmenge. Das
Urbild von B unter f ist die Teilmenge von X definiert durch
f −1 (B) := {x ∈ D : f (x) ∈ B}.
Satz 1. Eine Funktion f : D ⊂ X → Y ist genau dann stetig in D, wenn
∀ U ⊂ Y offen : f −1 (U ) offen .

Beispiel 1. Sei f : X → R stetig und c ∈ R. Dann ist


f −1 (] − ∞, c[) = {x ∈ X : f (x) < c}
offen. Die Nullstellenmenge f −1 (0) = {x ∈ X : f (x) = 0} ist abgeschlossen.

16.1 Stetige Funktionen auf kompakten Mengen


Erinnerung (aus Vorlesung 9): eine Teilmenge K ⊂ X heißt kompakt, wenn jede Folge (xn )n∈N in
K eine konvergente Teilfolge besitzt.
In Rd sind die kompakte Mengen genau die beschränkte und abgeschlossene Mengen. Daraus
folgt:
[F] §11 Satz 2. Sei K ⊂ R kompakt und nichtleer. Dann besitzt K Minimum und Maximum. D.h. es
[H] §2.6 existieren xm , xM ∈ K so dass für alle x ∈ K gilt:
xm ≤ x ≤ xM .

Satz 3. Sei K ⊂ X kompakt und f : K → Y stetig. Dann ist die Bildmenge f (K) ⊂ Y kompakt.

Korollar 1. Sei K ⊂ X kompakt und f : K → R stetig. Dann besitzt f Minimum und Maximum
auf K. D.h. es existieren xm , xM ∈ K so dass für alle x ∈ K gilt:
f (xm ) ≤ f (x) ≤ f (xM ).

16.2 Gleichmäßige Stetigkeit


[F] §11 Definition 1. Die Funktion f : D ⊂ X → Y ist gleichmäßig stetig auf D, wenn:
[H] §2.8
∀ε > 0 ∃δ > 0 ∀ x, y ∈ D mit dX (x, y) < δ : dY (f (x), f (y)) < ε.

1
Beispiel 2. Die Funktion f (x) = x ist stetig aber nicht gleichmäßig stetig auf ]0, 1[.

Satz 4. Die Funktion f : D ⊂ X → Y ist genau dann gleichmäßig stetig auf D, wenn für alle
Folgen (xn )n∈N , (yn )n∈N ⊂ D mit lim dX (xn , yn ) = 0 gilt:
n→∞

lim dY f (xn ), f (yn ) = 0.
n→∞

Satz 5. Falls K ⊂ X kompakt und f : K → Y stetig, dann ist f gleichmäßig stetig auf K.

30. November 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

17 Stetigkeit R → R
Im Folgenden betrachten wir Funktionen

f : D → R,

wobei D ⊂ R eine Teilmenge ist (der Definitionsbereich von f ).

17.1 Grenzwerte von Funktionen


[F] §10
Definition 1. Sei a ∈ D. Man definiert
[H] §2.3
[K] §7.7-7.8 lim f (x) = c, falls ∀ (xn )n∈N ⊂ D mit lim xn = a gilt: lim f (xn ) = c;
x→a n→∞ n→∞

lim f (x) = c, falls ∀ (xn )n∈N ⊂ D mit lim xn = ∞ gilt: lim f (xn ) = c;
x→∞ n→∞ n→∞
(
xn > a,
lim f (x) = c, falls ∀ (xn )n∈N ⊂ D mit gilt: lim f (xn ) = c;
xցa lim xn = a n→∞
n→∞
(
xn < a,
lim f (x) = c, falls ∀ (xn )n∈N ⊂ D mit gilt: lim f (xn ) = c;
xրa lim xn = a n→∞
n→∞
(
xn 6= a,
lim f (x) = c, falls ∀ (xn )n∈N ⊂ D mit gilt: lim f (xn ) = c.
x→a
x6=a
lim xn = a n→∞
n→∞

Beispiel 1.
lim exp x = 1, lim χ]∞,0] (x) = 1, lim χ]∞,0] (x) = 0.
x→0 xր0 xց0

Definition 2. f : D ⊂ R → R ist stetig im Punkt a ∈ D falls lim f (x) = f (a).


x→a

Beispiel 2. exp : R → R ist stetig.

17.2 Zwischenwertsatz
[F] §11
Satz 1 (Zwischenwertsatz). Sei f : [a, b] → R stetig, a < b und y ∈ R mit f (a) ≤ y ≤ f (b). Dann
[H] §2.5 existiert x ∈ [a, b] mit f (x) = y.
[K] §7.4
Korollar 1. Sei I ⊂ R ein Intervall und f : I → R stetig. Dann ist f (I) auch ein Intervall.

17.3 Monotone Funktionen


Definition 3. Monotone/Streng monotone Funktionen.
Lemma 1. Sei I ⊂ R ein Intervall, f : I → R streng monoton. Dann ist f : I → f (I) bijektiv,
d.h. zu jedem y ∈ f (I) existiert genau ein x ∈ I mit f (x) = y.

Satz 2 (Umkehrfunktion, allgemeine metrische Räume). Sei f : K ⊂ X → Y stetig und bijektiv.


Dann ist f −1 : Y → K stetig.

[F] §11 Satz 3 (Umkehrfunktion, R → R). Sei f : [a, b] → [c, d] stetig und bijektiv. Dann ist f −1 : [c, d] →
[H] §2.5 [a, b] stetig.

4. Dezember 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

18 Elementare Funktionen und Grenzwerte I


18.1 Exponentialfunktion und Logarithmus
[F] §12-13 Lemma 1. (i) Die (komplexe) Exponentialfunktion (Vorlesung 14) exp : C → C ist stetig.
[H] §3.4 (ii) Die (reelle) Exponentialfunktion (Vorlesug 12) exp : R → R ist streng monoton wachsend.
[K] §8.2-8.4
Beispiel 1.
lim exp(x) = ∞, lim exp(x) = 0.
x→∞ x→−∞

Definition 1. Der natürliche Logarithmus ist die Umkehrfunktion von exp : R →]0, ∞[, also

log :]0, ∞[→ R, log = exp−1 .

Beispiel 2. log :]0, ∞[→ R ist stetig, streng monoton wachsend und log(1) = 0.
Lemma 2 (Funktionalgleichung für log). Für alle x, y > 0 gilt

log(xy) = log(x) + log(y).

Insbesondere log x1 = − log x.

Definition 2. Die Exponentialfunktion zu Basis a > 0 ist definiert als



expa : R → R, expa (x) = exp x log(a) .

Lemma 3. expa : R → R ist stetig und es gilt


(i) expa (x + y) = expa (x) expa (y),
(ii) expa (n) = an für n ∈ N,

(iii) expa ( pq ) = q ap für p ∈ Z, q ∈ N mit q ≥ 2.

Beispiel 3. Für alle a > 0 gilt lim n a = 1.
n→∞

18.2 Einige Grenzwerte mit exp und log


[F] §12 Beispiel 4. Sei k ∈ N.
ex 1
lim = ∞, lim xk e−x = 0, lim xk e x = ∞.
x→∞ xk x→∞ xց0
( 1
e− x x>0
Beispiel 5. Die Funktion f : R → R, f (x) = ist stetig.
0 x≤0
Beispiel 6.
lim log x = ∞, lim log x = −∞.
x→∞ xց0

Beispiel 7. Sei α > 0.


log x
lim xα = 0, lim x−α = ∞, lim = 0, lim xα log x = 0.
xց0 xց0 x→∞ xα xց0

Beispiel 8.
ex − 1
lim = 1.
x→0 x
x6=0

7. Dezember 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

19 Elementare Funktionen und Grenzwerte II


19.1 Trigonometrische Funktionen
[F] §14 Definition 1 (vgl. Vorlesung 14).
[H] §3.5
[K] §8.6 cos x = Re(eix ), sin x = Im(eix )

Euler’sche Identität: eix = cos x + i sin x.


Satz 1. (i) cos x = 12 (eix + e−ix ), 1
sin x = 2i (eix − e−ix )
(ii) cos(−x) = cos x, sin(−x) = − sin x
(iii) cos2 (x) + sin2 (x) = 1.
Notation: cos2 (x) = (cos x)2 , sin2 (x) = (sin x)2
Satz 2. cos, sin : R → R sind stetig.
Satz 3 (Additionstheorem). (i) cos(x + y) = cos x cos y − sin x sin y
(ii) sin(x + y) = sin x cos y − sin y cos x.

∞ 2k
∞ 2k+1
x x
(−1)k (2k)! (−1)k (2k+1)!
P P
Satz 4 (Potenzreihen). cos x = , sin x = .
k=0 k=0

sin x
Beispiel 1. lim x = 1.
x→0
x6=0

19.2 Die Zahl π


[F] §14
Satz 5. Die Funktion cos hat genau eine Nullstelle im Intervall [0, 2]
[K] §8.7
π
Definition 2. Die (eindeutige) Nullstelle von cos im Intervall [0, 2] wird mit 2 bezeichnet.

π 3π
Satz 6. ei 2 = i, eiπ = −1, ei 2 = −i, e2iπ = 1.

Korollar 1 (Nullstellen von sin und cos). (i) sin x = 0 genau dann, wenn x = kπ für ein k ∈ Z;
π
(ii) cos x = 0 genau dann, wenn x = 2 + kπ für ein k ∈ Z.
Korollar 2. eix = 1 genau dann, wenn x = 2kπ für ein k ∈ Z.
2πk
Korollar 3. Sei n ≥ 2. Die Gleichung z n = 1 hat genau n komplexe Lösungen ei n , k =
0, 1, . . . , n − 1.

Satz 7. Umfang des Einheitskreises in der Ebene = 2π.

11. Dezember 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

20 Die Funktionen tan, arctan, arcsin und arccos


Definition 1. tan : R \ { π2 + kπ : k ∈ Z} → R
Satz 1. (i) cos : [0, π] → [−1, 1] streng monoton fallend und surjektiv;
(ii) sin : [− π2 , π2 ] → [−1, 1] streng monoton wachsend und surjektiv;
(iii) tan :] − π2 , π2 [→ R streng monoton wachsend und surjektiv.
Definition 2. arcsin, arccos : [−1, 1] → R, arctan : R → R
Satz 2 (Polarkoordinaten). Zu jeder komplexen Zahl z ∈ C existiert r ≥ 0 und θ ∈ [−π, π] so
dass z = reiθ .

21 Differentialrechnung auf R
[F] §15 Im Folgenden betrachten wir Funktionen
[H] §3.1
[K] §9.1 f : D ⊂ R → C.

21.1 Differenzierbare Funktionen


Definition 3. Die Funktion f ist im Punkt a ∈ D differenzierbar, falls der Grenzwert

f (x) − f (a)
f ′ (a) = x→a
lim
x6=a
x−a

existiert.

Beispiel 1. Sei n ∈ N, n ≥ 1 und c ∈ C.


d n d cx d 1 d d
x = nxn−1 , e = cecx , log x = , sin x = cos x, cos x = − sin x.
dx dx dx x dx dx
Satz 3. f ist genau dann differenzierbar in a ∈ D, wenn es eine Funktion ϕ : D → C existiert so
dass
(i) ϕ ist stetig im Punkt a;
(ii) f (x) − f (a) = (x − a)ϕ(x) für alle x ∈ D.
In diesem Fall f ′ (a) = ϕ(a).
Korollar 1. Ist f : D ⊂ R → C im Punkt a ∈ D differenzierbar, so ist sie auch stetig.
Beispiel 2. x 7→ |x| nicht differenzierbar im Punkt x = 0.

14. Dezember 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

22 Eigenschaften differenzierbarer Funktionen


Im Folgenden betrachten wir Funktionen

f : D ⊂ R → C.

Satz 1 (Lineare Approximation). f ist genau dann in a ∈ D differenzierbar, wenn es eine lineare
Funktion L : R → C existiert, so dass

f (a + h) − f (a) − L(h)
lim = 0.
h→0 h
In diesem Fall gilt: L(h) = f ′ (a)h.

22.1 Ableitungsregeln
[F] §15
Satz 2 (Algebraische Regeln).
[K] §8.1
[K] §9.2 (i) (f + g)′ (x) = f ′ (x) + g ′ (x);
(ii) (Produktregel) (f g)′ (x) = f ′ (x)g(x) + f (x)g ′ (x);
 ′ ′
(x)g′ (x)
(iii) (Quotientenregel) fg (x) = f (x)g(x)−f g2 (x) .

Satz 3 (Kettenregel).
(g ◦ f )′ (x) = g ′ (f (x))f ′ (x).
Satz 4 (Ableitung der Umkehrfunktion). Sei g die Umkehrfunktion von f . Dann
1
g ′ (x) = .
f ′ (g(x))

22.2 Extrema
[F] §16
Im Folgenden betrachten wir Funktionen
[K] §9.3
f : D ⊂ R → R.

Definition 1. Extrema = lokales Maximum/Minimum einer Funktion.


Satz 5. Sei x ein lokales Maximum/Minimum von f und f differenzierbar im Punkt x. Dann
f ′ (x) = 0.

18. Dezember 2012 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

23 Probeklausur

4. Januar 2013 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

24 Mittelwertsatz und Anwendungen


24.1 Mittelwertsatz
Satz 1 (Satz von Rolle). Sei f : [a, b] → R stetig und in ]a, b[ differenzierbar, mit f (a) = f (b).
Dann existiert ξ ∈]a, b[ so dass f ′ (ξ) = 0.
Satz 2 (Mittelwertsatz). Sei f : [a, b] → R stetig und in ]a, b[ differenzierbar. Dann existiert ein
ξ ∈]a, b[ so dass
f (b) − f (a)
= f ′ (ξ).
b−a

Korollar 1. f ′ (x) = 0 für alle x ∈]a, b[ =⇒ f ist konstant.

24.2 Regel von de l’Hopital

Satz 3 (Verallgemeinertes Mittelwertsatz). Seien f, g : [a, b] → R stetig und in ]a, b[ differenzier-


bar. Dann existiert ein ξ ∈]a, b[ so dass

f (b) − f (a) f ′ (ξ)


= ′ .
g(b) − g(a) g (ξ)

Satz 4 (l’Hopital’sche Regeln). Seien f, g :]a, b[→ R differenzierbar und g ′ (x) 6= 0 für alle x ∈]a, b[.
In jedem der beiden Situationen
(a) f (x) → 0 und g(x) → 0 mit x ց a;
(b) f (x) → ∞ und g(x) → ∞ mit x ց a
f ′ (x) f (x)
gilt: Existiert lim , so existiert auch lim und
xցa g (x) xցa g(x)

f (x) f ′ (x)
lim = lim ′ .
xցa g(x) xցa g (x)

Beispiel 1.
log x l’Hopital 1/x
lim (x log x) = lim = lim = 0.
xց0 xց0 1/x xց0 −1/x2

Beispiel 2.
   
1 1 x − sin x l’Hopital 1 − cos x l’Hopital sin x
lim − = lim = lim = lim = 0.
xց0 sin x x xց0 x sin x xց0 x cos x + sin x xց0 2 cos x − x sin x
Eine bessere Lösung ist die Potenzreihe für sin x zu nutzen:

x3 x5 x7
sin x = x − + − + ...,
3! 5! 7!
so dass, mit
1 x2 x4
F (x) = − − + ...
3! 5! 7!
x−sin x x3 F (x) xF (x) x−sin x
folgt x sin x = x2 −x4 F (x) = 1−x2 F (x) . Da F (0) = 1/6, erhalten wir limց x sin x = 0.

8. Januar 2013 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

25 Extrema, Monotonie

25.1 Kriterium für Extrema

Satz 1. Sei f :]a, b[→ R differenzierbar und f ′ (x0 ) = 0. Dann hat f in x0 ein
• lokales Minimum, falls ∃ ε > 0 so dass f ′ ≤ 0 in ]x0 − ε, x0 [ und f ′ ≤ 0 in ]x0 − ε, x0 [;
• lokales Maximum, falls ∃ ε > 0 so dass f ′ ≥ 0 in ]x0 − ε, x0 [ und f ′ ≥ 0 in ]x0 − ε, x0 [;

25.2 Monotonie

Satz 2 (Monotoniekriteria). Ist f : D → R differenzierbar, so gilt


• f ′ > 0 in D ⇒ f ist streng monoton wachsend,
• f ′ < 0 in D ⇒ f ist streng monoton fallend,

• f ′ ≥ 0 in D ⇔ f ist monoton wachsend,


• f ′ ≤ 0 in D ⇔ f ist monoton fallend.

Beispiel 1. x 7→ (1 + x1 )x ist streng monoton wachsend.

Satz 3. Sei f : D → R differenzierbar und in x0 zweimal differenzierbar, mit

f ′ (x0 ) = 0, f ′′ (x0 ) > 0.

Dann ist x0 ein strenges lokales Maximum.

11. Januar 2013 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

26 Konvexität
[F] §16
[K] §9.7-9.8 Definition 1. f : [a, b] → R ist konvex, falls für alle x, y ∈ [a, b] und alle 0 < λ < 1 gilt:

f λx + (1 − λ)y ≤ λf (x) + (1 − λ)f (y).

f ist konkav falls −f konvex ist.

Satz 1. Sei f :]a, b[→ R zweimal differenzierbar. Dann

f ist konvex in ]a, b[ ⇔ f ′′ (x) ≥ 0 für alle x ∈]a, b[.

26.1 Anwendungen von Konvexität

Lemma 1 (Geometrische/arithmetische Mittel). Sei x, y > 0 und 0 < λ < 1. Dann gilt

xλ y 1−λ ≤ λx + (1 − λ)y.

Definition 2 (p-Norm). Sei p ≥ 1 und z = (z1 , . . . , zn ) ∈ Cn . Die p-Norm von z ist

n
!1/p
X
p
kzkp := |zk | .
k=1

1 1
Satz 2 (Hölder’sche Ungleichung). Sei p, q > 1 so dass p + q = 1. Dann gilt
n
X
|zk wk | ≤ kzkpkwkq
k=1

für alle z, w ∈ Cn .

Satz 3. Sei p ≥ 1. Dann gilt


kz + wkp ≤ kzkp + kwkp
n
für alle z, w ∈ C .

15. Januar 2013 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

27 Das Riemann’sche Integral

Definition 1. φ : [a, b] → R ist eine Treppenfunktion, φ ∈ T [a, b], falls eine Unterteilung a =
x0 < x1 < · · · < xn = b existiert so dass φ ist konstant (= ck ) auf jedem offenem Teilintervall
]xk , xk+1 [.

Lemma 1. T [a, b] ist ein Vektorraum.

Definition 2 (Integral für Treppenfunktionen).


ˆ b n−1
X
φ(x) dx = ck (xk+1 − xk ).
a k=0

Satz 1. Das Integral auf T [a, b] ist linear und monoton. Letzteres heißt
ˆ b ˆ b
φ≤ψ ⇒ φ(x) dx ≤ ψ(x) dx.
a a

Definition 3. Sei f : [a, b] → R beschränkt. Das Ober-/Unterintegral ist definiert als


(ˆ )
ˆ ∗b b
f (x) dx = inf ψ(x) dx : φ ∈ T [a, b], ψ ≥ f ,
a a
(ˆ )
ˆ b b
f (x) dx = sup φ(x) dx : ψ ∈ T [a, b], φ ≤ f .
∗a a

´ ∗b ´b
f ist Riemann-integrierbar, f ∈ R[a, b] falls a f (x) dx = a∗ f (x) dx. In diesem Fall
ˆ b ˆ ∗b
f (x) dx := f (x) dx.
a a

27.1 Charakterisierung von Riemann-integrierbaren Funktionen


Satz 2 (Einschliessung zwischen Treppenfunktionen). f ∈ R[a, b] genau dann, wenn für alle ε > 0
´b
es existiert φ, ψ ∈ T [a, b] so dass φ ≤ f ≤ ψ und a (ψ − φ)(x) dx ≤ ε.

Satz 3. Jede stetige Funktion f : [a, b] → R ist Riemann-integrierbar.

Satz 4. Jede monotone Funktion f : [a, b] → R ist Riemann-integrierbar.

Satz 5. R[a, b] ist ein Vektorraum und das Riemann Integral ist linear und monoton auf R[a, b].

18. Januar 2013 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

28 Hauptsatz der Integral- und Differentialrechnung


28.1 Riemann’sche Summen
Definition 1. Eine Zerlegung Z = (xk )k=0...n des Intervalls [a, b] ist eine streng monotone Folge
a = x0 < x1 < · · · < xn = b, mit Feinheit ∆(Z) = maxk (xk − xk−1 ). Für beliebige Stützstellen
ξk ∈ [xk−1 , xk ] und stetige Funktionen f : [a, b] → R definieren wir die Riemann’sche Summe
n
X
S(f, Z) = f (ξk )(xk − xk−1 ).
k=1

Die Ober-/Untersummen sind definiert als


n
X n
X
S ∗ (f, Z) = max f (xk − xk−1 ), S∗ (f, Z) = max f (xk − xk−1 ),
[xk−1 ,xk ] [xk−1 ,xk ]
k=1 k=1

so dass S∗ (f, Z) ≤ S(f, Z) ≤ S ∗ (f, Z).

Satz 1. Sei f : [a, b] → R stetig. Dann


n
X ˆ b
lim f (ξk )(xk − xk−1 ) = f (x) dx.
∆(Z)→0 a
k=1

Beispiel 1.
a a
a2 1
ˆ ˆ
x dx = , dx = log a, a > 1.
0 2 1 x

Beispiel 2.
n
X 1
lim = log(2).
n→∞ n+k
k=1

Beispiel 3.

X 1
(−1)k+1 = log(2).
k
k=1

28.2 Das unbestimmte Integral


Satz 2. Sei f : [a, b] → R stetig und setze
ˆ x
F (x) := f (t) dt x ∈ [a, b].
a
d
Dann ist F differenzierbar in ]a, b[ und dx F (x) = f (x).

Definition 2 (Stammfunktion). Eine differenzierbare Funktion F :]a, b[→ R heißt Stammfunktion


d
von f falls dx F (x) = f (x).

Satz 3. Wenn F, G beide Stammfunktionen von f sind, dann F − G =konstant.

Satz 4 (Fundamentalsatz der Differential- und Integralrechnung). Sei f : [a, b] → R stetig und F
eine Stammfunktion von f . Dann gilt
ˆ b
f (x) dx = F (b) − F (a).
a

22. Januar 2013 www.math.uni-leipzig.de/~szekelyhidi


Prof. Dr. László Székelyhidi Analysis I, WS 2012

29 Integrationsmethoden
29.1 Stammfunktionen

xs+1 1
ˆ ˆ
s
(i) x dx = , s 6= −1, (ii) dx = log x
s+1 x
ˆ ˆ
(iii) sin x dx = − cos x, (iv) cos x dx = sin x
1
ˆ ˆ
x x
(v) e dx = e , (vi) √ dx = arcsin x
1 − x2
1 1
ˆ ˆ
(vii) dx = arctan x, (viii) dx = tan x
1 + x2 (cos x)2

29.2 Substitutionsregel
Satz 5. Sei f : D → R stetig und φ : [a, b] → R stetig differenzierbar mit φ([a, b]) ⊂ D. Dann gilt
ˆ b ˆ φ(b)
f (φ(t))φ′ (t) dt = f (x) dx.
a φ(a)

Beispiel 4.
1
π
ˆ p
1 − x2 dx = .
−1 2

29.3 Partielle Integration


Satz 6. Seien f, g : [a, b] → R stetig differenzierbar. Dann
ˆ b ˆ b

f (x)g (x) dx = [f (x)g(x)]ba − f ′ (x)g(x) dx.
a a

29.4 Uneigentliche Integrale


Definition 3. 1.
2.
3.

Beispiel 5.

25. Januar 2013 www.math.uni-leipzig.de/~szekelyhidi