Sie sind auf Seite 1von 131

lOMoARcPSD|9129374

Skript-info - Lecture

Analysis für Informatik [MA0902] (Technische Universität München)

StuDocu is not sponsored or endorsed by any college or university


Downloaded by Faycel HIZI (faycel.hizi@gmail.com)
lOMoARcPSD|9129374

Vorlesungsnotizen
Analysis für Informatik (MA0902)
Silke Rolles1
January 20, 2020

1
Zentrum Mathematik, Bereich M5, Technische Universität München, D-85747 Garching bei München,
Germany. e-mail: srolles@ma.tum.de

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Contents
1 Reelle Zahlen 4
1.1 Zahlenmengen im Überblick . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Eigenschaften der reellen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Wichtige Ungleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2 Folgen 13
2.1 Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Monotone Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3 Reihen 22
3.1 Definition und Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Konvergenzkriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3 Rechenregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.4 Die Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

4 Stetigkeit 36
4.1 Definition und einfache Eigenschaften . . . . . . . . . . . . . . . . . . . . . 36
4.2 Zwischenwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Häufungspunkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4 Existenz von Maxima und Minima . . . . . . . . . . . . . . . . . . . . . . 44

5 Wichtige Funktionen 47
5.1 Umkehrfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2 Logarithmusfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.3 Trigonometrische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . 52

6 Differenzierbarkeit 58
6.1 Landau-Symbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.2 Differenzierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.3 Ableitungsregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

7 Anwendungen der Ableitung 68


7.1 Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
7.2 Mittelwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
7.3 Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7.4 Berechnung von Grenzwerten . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.5 Höhere Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
7.6 Krümmungsverhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
7.7 Kurvendiskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

8 Integration 82
8.1 Definition des Integrals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
8.2 Wichtige Eigenschaften des Integrals . . . . . . . . . . . . . . . . . . . . . 83
8.3 Stammfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
8.4 Integrationsregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

9 Mehr über Integrale 92


9.1 Uneigentliche Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
9.2 Parameterabhängige Integrale . . . . . . . . . . . . . . . . . . . . . . . . . 94
9.3 Vertauschung von Summation und Integration . . . . . . . . . . . . . . . . 98
9.4 Abschätzungen von Summen und Reihen . . . . . . . . . . . . . . . . . . . 101

10 Potenzreihen 106
10.1 Taylorsche Formel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
10.2 Konvergenzradius und analytische Funktionen . . . . . . . . . . . . . . . . 112

11 Differentialrechnung mehrerer Veränderlicher 114


11.1 Kurven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
11.2 Partielle Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
11.3 Höhere Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

12 Differentialgleichungen 122
12.1 Anfangswertprobleme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
12.2 Differentialgleichungen mit separierbarer rechter Seite . . . . . . . . . . . . 125
12.3 Lineare Differentialgleichungen 1. Ordnung . . . . . . . . . . . . . . . . . . 127

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Vorwort
Diese Aufzeichnungen sind ausschließlich für die Studierenden der Vorlesung Analysis für
Informatik MA0902 an der TUM bestimmt. Es handelt sich um die Vorlesungsvorbe-
reitung der Dozentin, die den Studenten der Vorlesung zur Verfügung gestellt wird. Die
Weitergabe oder Verbreitung ist nicht erlaubt. Den Aufzeichnungen liegen die folgenden
Bücher und Skripten zugrunde.

References
[Bor08] F. Bornemann. Konkrete Analysis für Studierende der Informatik. Springer,
2008.

[Bro] M. Brokate. Analysis für Informatik, Vorlesungsskript, WS 2012/13.

[Gan] N. Gantert. Analysis für Informatik, Vorlesungsskript, WS 2015/16.

[Obe09] M. Oberguggenberger, M. und Ostermann. Analysis für Informatiker. Springer,


2009.

Viele Passagen sind sehr nahe an diesen Quellen, jedoch nicht speziell gekennzeichnet.
Diese Notizen ersetzen kein Lehrbuch. Ich danke Dr. Diana Conache für einige Grafiken.

Motivation. Endliche Mengen können sehr groß sein. Manchmal ist es praktisch, eine
diskrete Struktur durch eine kontinuierliche Struktur zu ersetzen.
In der Vorlesung sollen wichtige Techniken aus der Analysis bereitgestellt werden:

• Approximation

• Differential- und Integralrechnung in einer und mehreren Veränderlichen

• Wichtige Funktionenklassen und ihre Eigenschaften

• Differentialgleichungen

1 Reelle Zahlen
1.1 Zahlenmengen im Überblick
Quantoren.

• ∀x bedeutet für alle x. Vorl.1

• ∃x bedeutet es existiert ein x.

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Notation für Zahlenmengen.


• N = {1, 2, 3, . . .} natürliche Zahlen
• N0 = N ∪ {0}
• Z = {. . . , −2, −1, 0, 1, 2, . . .} ganze Zahlen
• Q = { ab : a ∈ Z, b ∈ N} rationale Zahlen
• R reelle Zahlen; (R, +, ·) ist ein kommutativer Körper.

Lemma 1.1 2 ist nicht rational.
√ √
Beweis. Angenommen, 2 ∈ Q. Dann gäbe es a ∈ Z, b ∈ N teilerfremd mit 2 = ab .
2
Dann wäre 2 = ab2 mit a2 und b2 teilerfremd. Das ist ein Widerspruch.

Definition 1.2 Eine Menge A heißt abzählbar, falls es eine surjektive Abbildung f : N →
A gibt. (D.h. für alle a ∈ A existiert n ∈ N mit f (n) = a.)

Lemma 1.3 Q ist abzählbar, R ist nicht abzählbar.

Beweis. Man kann eine Abzählung f : N → Q mit Hilfe eines Diagonalarguments


angeben (Übung).
Angenommen, R wäre abzählbar. Dann wäre auch das Intervall [0, 1] abzählbar und
es gäbe somit eine surjektive Abbildung f : N → [0, 1]. Seien
f (1) =0.d11 d12 d13 . . .
f (2) =0.d21 d22 d23 . . .
f (3) =0.d31 d32 d33 . . .
die entsprechenden Dezimaldarstellungen. Definiere x = 0.d1 d2 d3 . . . ∈ [0, 1] durch

2 falls dii = 1,
di =
1 sonst.
Dann ist di 6= dii und daher x 6= f (i) für alle i. Damit wäre f nicht surjektiv, was einen
Widerspruch ergibt.

Anordnung. Der Körper (R, +, ·) der reellen Zahlen ist angeordnet. D.h. es gibt ein
Prädikat a > 0 mit folgenden Eigenschaften:
(a) Für alle a ∈ R gilt genau eine der drei Aussagen
a = 0, a > 0 oder − a > 0.

(b) Für alle a, b ∈ R mit a > 0 und b > 0 gilt:


a + b > 0 und a · b > 0.

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Schreibweisen.

• a > b steht für a − b > 0

• a < b steht für b − a > 0

• a ≥ b steht für a > b oder a = b

• a ≤ b steht für a < b oder a = b

Komplexe Zahlen. Menge der komplexen Zahlen:

C = {z = (x, y) : x, y ∈ R} = R2 .

Setze
i = (0, 1) = imaginäre Einheit.
Dann lässt sich jedes z = (x, y) ∈ C darstellen als

z = x + iy.

Dabei heißt x Realteil und y Imaginärteil von z.


Es gelten folgende Rechenregeln in C:

• Addition:
x + iy + (x′ + iy ′ ) = x + x′ + i(y + y ′ ).

• Multiplikation: i2 = −1,

(x + iy) · (x′ + iy ′ ) = xx′ − yy ′ + i(xy ′ + x′ y).

Lemma 1.4 C kann nicht angeordnet werden.

Beweis. Angenommen, C wäre angeordnet. Sei a ∈ C.

• Falls a > 0, so ist nach Eigenschaft (b) der Anordnung a · a > 0.

• Falls −a > 0, so folgt analog a2 = (−a) · (−a) > 0.

Damit folgt

a2 > 0 für alle a 6= 0. (1.1)

Insbesondere gilt
1=1·1>0 =⇒ 0 > −1 = i2 .
Dies ist ein Widerspruch zu (1.1) für a = i.

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

1.2 Eigenschaften der reellen Zahlen


Notation für Intervalle. Für a ≤ b schreiben wir

• (a, b) = {x ∈ R : a < x < b} offenes Intervall

• [a, b] = {x ∈ R : a ≤ x ≤ b} abgeschlossenes Intervall

• (a, b] = {x ∈ R : a < x ≤ b} halboffenes Intervall; [a, b) ist analog definiert.

Definition 1.5 Eine Menge M ⊆ R heißt nach oben beschränkt, falls ein s0 ∈ R exis-
tiert, sodass
a ≤ s0 für alle a ∈ M
gilt. Die Zahl s0 heißt obere Schranke von M .

Beispiel 1.6 • Sei M = (0, 1). Jedes s0 ≥ 1 ist eine obere Schranke. s0 = 1 ist die
kleinste obere Schranke. Es gibt keine obere Schranke, die in M liegt.

• Sei M = [0, 1]. Jedes s0 ≥ 1 ist eine obere Schranke. s0 = 1 ∈ M ist die kleinste
obere Schranke.

Die Menge R erfüllt das Supremumsaxiom:

Jede nichtleere nach oben beschränkte Teilmenge M von R besitzt eine kleinste
obere Schranke sup M ∈ R, das Supremum von M .

Daraus folgt:

Jede nichtleere nach unten beschränkte Teilmenge M von R besitzt eine größte
untere Schranke inf M ∈ R, das Infimum von M .

Falls sup M ∈ M , heißt sup M auch Maximum von M . Falls inf M ∈ M , heißt inf M
auch Minimum von M .

Beispiel 1.7 sup{− n1 : n ∈ N} = 0

Konventionen.

• sup M = ∞, falls M nicht nach oben beschränkt

• sup ∅ = −∞

• inf M = −∞, falls M nicht nach unten beschränkt

• −∞ < a < ∞ für alle a ∈ R

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Bemerkung 1.8 Die Menge Q der rationalen Zahlen erfüllt das Supremumsaxiom nicht.
Z.B. hat
M = {a ∈ Q : a2 ≤ 2}
keine kleinste obere Schranke in Q. In R gilt

sup M = 2∈
/ Q.

Satz 1.9 R ist archimedisch, d.h. für alle a ∈ R existiert n ∈ N mit a < n. Insbesondere Vorl.2
gibt es keine unendlich großen Zahlen in R.

Beweis. Angenommen, es gilt nicht:

∀a ∈ R ∃n ∈ N mit a < n.

Dann gilt
∃a ∈ R ∀n ∈ N a ≥ n.
Also ist N in R nach oben beschränkt. Sei s = sup N. Da s die kleinste obere Schranke
ist, ist s − 1 keine obere Schranke von N, d.h.

∃n ∈ N mit s − 1 < n
=⇒ s < n + 1 und n + 1 ∈ N

Somit ist s keine obere Schranke von N. Widerspruch.


Folgerung. Sei a > 0. Dann ist a1 > 0. Da R archimedisch ist, existiert n ∈ N mit

1 1
<n =⇒ < a.
a n
Somit gibt es keine unendlich kleinen Zahlen in R.

Satz 1.10 Die rationalen Zahlen sind dicht in R. D.h. für alle a, b ∈ R mit a < b existiert
r ∈ Q mit
a < r < b.

Folgerung. Jedes a ∈ R kann beliebig gut durch Brüche approximiert werden: Für alle
n ∈ N existiert r ∈ Q mit

a − 10−n < r < a =⇒ a ∈ (r, r + 10−n ).

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Dezimaldarstellung. Sei a ∈ R. Die Dezimaldarstellung von a ist von der Gestalt


±d0 .d1 d2 d3 . . .
mit d0 ∈ N0 , di ∈ {0, 1, . . . , 9} für alle i ∈ N. Jede abbrechende Dezimalzahl lässt sich als
rationale Zahl schreiben:
pn
±d0 .d1 . . . dn = ± n ,
10
wobei pn ∈ N0 die Dezimalziffern d0 d1 . . . dn besitzt. Z.B. gilt
137
1.37 = ∈ Q.
100
• Zur positiven Dezimalzahl d0 .d1 d2 d3 . . . gehört die reelle Zahl
sup{rn ∈ Q : rn = d0 .d1 d2 d3 . . . dn , n ∈ N}.

• Sei a ≥ 0. Für n ∈ N setze


pn = max{p ∈ N0 : p ≤ 10n a}.
pn
Das Maximum existiert, weil die Menge nach oben beschränkt ist. Schreibe 10 n als

d0 .d1 d2 d3 . . . dn . Das liefert die Dezimaldarstellung d0 .d1 . . . von a. Z.B. ergibt sich
137
für a = 100
 
137 p0
p0 = max p ∈ N0 : p ≤ = 1, = 1,
100 100
 
137 p1
p1 = max p ∈ N0 : p ≤ = 13, = 1.3,
10 101
p2
p2 = max{p ∈ N0 : p ≤ 137} = 137, = 1.37,
102
p3
p3 = max{p ∈ N0 : p ≤ 1370} = 1370, = 1.370 usw.
103
Dies liefert eine Bijektion zwischen R und den durch die beschriebene Entwicklung ent-
standenen Dezimalzahlen.

Berechenbare Zahlen. Sei


B = {a = ±d0 .d1 d2 . . . ∈ R : ∃ Programm Pa mit Pa (n) = ±d0 .d1 d2 . . . dn ∀n}.

Lemma 1.11 B ( R ist abzählbar. Wenn man eine Zahl gleichverteilt aus [0, 1] zieht,
ist sie mit Wahrscheinlichkeit 1 nicht in B.
Beweis. Für eine gegebene Maschine ist ein Programm eine endliche Folge von Zeichen
eines endlichen Alphabets. Somit gibt es nur abzählbar viele Programme. Also ist B
abzählbar. Da R überabzählbar ist, folgt B ( R. Jede abzählbare Menge hat unter der
(kontinuierlichen) Gleichverteilung Wahrscheinlichkeit 0.

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

1.3 Wichtige Ungleichungen


Definiere die Betragsfunktion R → R,

x falls x ≥ 0,
x 7→ |x| =
−x falls x < 0.

Figure 1: Betragsfunktion x 7→ |x|

Satz 1.12 (Dreiecksungleichung) Für alle x, y ∈ R gilt


|x + y| ≤ |x| + |y|
mit Gleichheit genau dann, wenn xy ≥ 0, d.h. für x, y mit gleichen Vorzeichen. Allge-
meiner gilt für alle n ∈ N und x1 , . . . , xn ∈ R

X n X n

xi ≤ |xi |

i=1 i=1

mit Gleichheit genau dann, wenn alle xi das gleiche Vorzeichen haben.

Satz 1.13 (Umgekehrte Dreiecksungleichung) Für alle x, y ∈ R gilt


|x + y| ≥ ||x| − |y||
mit Gleichheit genau dann, wenn xy ≤ 0, d.h. für x, y mit verschiedenen Vorzeichen.

Für n ≥ 2 betrachten wir


Rn = {x = (x1 , . . . , xn ) : xi ∈ R ∀1 ≤ i ≤ n}.
Die Länge eines Vektors x ∈ Rn ist definiert durch
v
u n
uX
kxk := t x2i .
i=1

10

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Satz 1.14 (Dreiecksungleichung im Rn ) Für alle x, y ∈ Rn gilt


kx + yk ≤ kxk + kyk.
Der Beweis verwendet die Cauchy-Schwarz Ungleichung.

Das Skalarprodukt von x = (x1 , . . . , xn ) und y = (y1 , . . . , yn ) ist definiert durch


n
X
hx, yi := xi yi .
i=1

Damit ergibt sich


kxk2 = hx, xi.

11

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Satz 1.15 (Cauchy-Schwarz Ungleichung) Für alle x, y ∈ Rn gilt


|hx, yi| ≤ kxk · kyk
mit Gleichheit genau dann, wenn x = 0, y = 0 oder x = λy für ein λ ∈ R.
Beweis. Spezialfall: kxk = 0
Dann ist x = 0 und die Ungleichung gilt mit Gleichheit. Analog für kyk = 0.
Im folgenden sei kxk > 0 und kyk > 0. Nach der Dreiecksungleichung gilt

Xn X n

|hx, yi| = xi yi ≤ |xi yi | (1.2)

i=1 i=1

mit Gleichheit genau dann, wenn alle xi yi das gleiche Vorzeichen haben.
Setze
|xi | |yi |
ai = , bi = .
kxk kyk
Es gilt
1
0 ≤ (ai − bi )2 = a2i − 2ai bi + b2i ⇐⇒ ai bi ≤ (a2i + b2i ) (1.3)
2
mit Gleichheit genau dann, wenn
kxk
ai = bi ⇐⇒ |xi | = |yi |. (1.4)
kyk
Aufsummieren von (1.3) liefert
n n
X 1X 2
ai bi ≤ (ai + b2i ).
i=1
2 i=1

Einsetzen der Definitionen von ai und bi ergibt


n n  
X |xi | |yi | 1X x2i yi2
≤ +
i=1
kxk kyk 2 i=1 kxk2 kyk2
n n
!
1 1 X 2 1 X 2 1
= x + y = (1 + 1) = 1
2 kxk2 i=1 i kyk2 i=1 i 2

Damit folgt
n
X
|xi yi | ≤ kxkkyk.
i=1

Zusammen mit (1.2) folgt die behauptete Ungleichung.


Gleichheit gilt genau dann, wenn (1.4) gilt und alle xi yi das gleiche Vorzeichen besitzen.
Dies ist äquivalent zu
xi = λyi ∀i (1.5)

12

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

“=⇒”: Aus (1.4) folgt (1.5) mit



kxk 1 falls alle xi yi ≥ 0,
λ=σ und σ =
kyk −1 falls alle xi yi ≤ 0

“⇐=”: xi yi = λyi2 hat für alle i dasselbe Vorzeichen wie λ. Ausserdem folgt aus (1.5)
n n
X X kxk
kxk2 = x2i = λ2 yi2 = λ2 kyk2 =⇒ |λ| = .
i=1 i=1
kyk

(1.5) impliziert (1.4).

2 Folgen
2.1 Konvergenz
Definition 2.1 Eine Folge (an )n∈N0 komplexer Zahlen ist eine Abbildung N0 → C, n 7→ Vorl.3
an . Man schreibt auch a0 , a1 , a2 , . . ..

Manchmal nehmen wir als Indexmenge N statt N0 .


Folgen entstehen z.B. durch Rekursionen.

Beispiel 2.2 Sei q ∈ R. Setze

a0 = 1, an+1 = qan für n ∈ N0 .

Die gleiche Folge (an )n∈N0 kann man explizit durch

an = q n , n ∈ N 0 ,

beschreiben.

Oft interessiert man sich für das asymptotische Verhalten einer Folge. Im Beispiel
hängt dies von q ab. Z.B.

• q = 2: an = 2n strebt nach ∞

• q = 12 : an = 1
2n
strebt nach 0

• q = −1: an = (−1)n nimmt abwechselnd die Werte −1 und 1 an.

13

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Definition 2.3 Eine komplexe Folge (an )n∈N0 konvergiert gegen a ∈ C, falls für jede
Genauigkeit ε > 0 ein n0 ∈ N existiert, sodass für alle n ≥ n0 gilt:
|an − a| < ε.
Kurzschreibweise: ∀ε > 0 ∃n0 ∈ N ∀n ≥ n0 |an − a| < ε
Man schreibt
n→∞
lim an = a oder an −→ a.
n→∞

Beispiel 2.4 an = n1 , n ∈ N. D.h.


1 1
a1 = 1, a2 = , a3 = , . . .
2 3
Behauptung: limn→∞ n1 = 0
1
Beweis. Sei ε > 0. Dann ist ε
∈ R. Da R archimedisch ist, existiert n0 ∈ N mit
1 1
< n0 ⇐⇒ <ε
ε n0
Für alle n ≥ n0 gilt:

1 1 1
|an − a| = − 0 = ≤ < ε.
n n n0

Wie kommt man auf diesen Beweis?


Sei ε > 0. Suche n0 ∈ N sodass gilt
1 1
∀n ≥ n0 |an − a| = <ε ⇐⇒ ∀n ≥ n0 n>
n ε
Wähle n0 > 1ε .

14

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 2.5 an = (−1)n , n ∈ N


Behauptung: (an )n∈N konvergiert nicht. Solche Folgen heißen divergent.
Beweis. Konvergenz bedeutet:

∀ε > 0 ∃n0 ∈ N ∀n ≥ n0 |an − a| < ε

Für Divergenz müssen wir zeigen:

∃ε > 0 ∀n0 ∈ N ∃n ≥ n0 |an − a| ≥ ε (2.1)

Es gilt:
|an − a| = |1 − a| oder |an − a| = | − 1 − a|.
Jedes a ∈ R hat von 1 oder -1 einen Abstand ≥ 12 . Somit gilt (2.1) für ε = 21 .

Rechenregeln für Grenzwerte.

Satz 2.6 Falls limn→∞ an = a ∈ R und limn→∞ bn = b ∈ R, so gilt auch

(a) limn→∞ (an + bn ) = a + b

(b) limn→∞ can = ca für alle c ∈ R

(c) limn→∞ an bn = ab
an a
(d) lim = , falls b 6= 0
n→∞ bn b
Spezialfall von (d): an = 1 für alle n. Dann ist a = 1 und wir erhalten
1 1
lim = , falls b 6= 0.
n→∞ bn b

Beispiel 2.7
4n2 + 3n − 7
lim
n→∞ 2n2 + 1
Intuituion für große n: Zähler ≈ 4n2 , Nenner ≈ 2n2 ,

4n2
Bruch ≈ = 2.
2n2

15

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Formal:
4n2 + 3n − 7 4 + n3 − n72
lim = lim .
n→∞ 2n2 + 1 n→∞ 2 + n12
Wir wissen limn→∞ n1 = 0. Aus (b) folgt limn→∞ n3 = 0. Aus (c) folgt limn→∞ 1
n2
= 0.
Aus (b) folgt limn→∞ −7
n2
= 0. Damit ergibt sich aus (d)

4n2 + 3n − 7 4
lim 2
= = 2.
n→∞ 2n + 1 2
Beispiel 2.8
n3 + 4n2 + 2
lim =0
n→∞ 8n5 − 1
Ähnliches Argument; Bruch durch n5 kürzen.

Definition 2.9 Die Folge (an )n∈N divergiert gegen +∞, falls

∀K > 0 ∃n0 ∈ N ∀n ≥ n0 an ≥ K.

Die Folge (an )n∈N divergiert gegen −∞, falls

∀K > 0 ∃n0 ∈ N ∀n ≥ n0 an ≤ −K.

Man sagt auch: Die Folge konvergiert uneigentlich.

Nicht jede divergente Folge konvergiert uneigentlich, z.B. (−1)n .

Beispiele für uneigentliche Konvergenz.


• limn→∞ n2 = ∞

• limn→∞ (n3 − n) = ∞

• limn→∞ 2n = ∞
Für eine reelle Folge (an )n∈N gibt es folgende Möglichkeiten:
• Konvergenz gegen a ∈ R

• uneigentliche Konvergenz gegen −∞ oder ∞

• keines von beiden

Definition 2.10 Folgen (an )n∈N und (bn )n∈N von Zahlen 6= 0 heißen asymptotisch gleich,
falls
an bn
lim = 1 ⇐⇒ lim = 1.
n→∞ bn n→∞ an

Man schreibt: an ≃ bn für n → ∞.

16

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 2.11 • n + 1 ≃ n, denn


 
n+1 1
lim = lim 1 + = 1.
n→∞ n n→∞ n

• n2 + 7n + 13 ≃ n2 , denn
 
n2 + 7n + 13 7 13
lim = lim 1 + + 2 = 1.
n→∞ n2 n→∞ n n

• n5 + 3n4 + 17n3 − 2n2 + 3n + π ≃ n5


Bei der Konvergenz und der asymptotischen Gleichheit kommt es nur auf die großen
Folgenglieder an. Endlich viele Folgenglieder spielen keine Rolle.
Satz 2.12 Jede konvergente Folge (an )n∈N reeller Zahlen ist beschränkt. D.h.
∃C > 0 ∀n ∈ N |an | ≤ C.
Die Umkehrung gilt nicht: Eine beschränkte Folge muss nicht konvergieren. Z.B. an =
(−1)n .
Satz 2.13 Falls limn→∞ an = a und limn→∞ bn = b und an ≤ bn für alle n ∈ N, dann gilt
a ≤ b.
Satz 2.14 (Einschließungsregel) Es gelte an ≤ bn ≤ cn für alle bis auf endlich viele
n. Falls α ∈ R existiert mit
lim an = α = lim cn ,
n→∞ n→∞
dann gilt
lim bn = α.
n→∞

Beweis. Sei ε > 0. Nach Voraussetzung gilt


ε
∃n1 ∈ N ∀n ≥ n1 |an − α| <
3
ε
∃n2 ∈ N ∀n ≥ n2 |cn − α| <
3
Sei n0 = max{n1 , n2 } und n ≥ n0 . Dann gilt
ε
|bn − α| ≤ |bn − an | + |an − α| < |bn − an | + .
3
Weiter gilt
ε ε
|bn − an | = bn − an ≤ cn − an = |cn − an | ≤ |cn − α| + |α − an | < + .
3 3
Einsetzen liefert für alle n ≥ n0
|bn − α| < ε.

17

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 2.15
1
bn = √ , n ∈ N.
n+ n+5
Es gilt
1
0 ≤ bn ≤.
n
1
Wegen limn→∞ n
= 0 folgt aus dem Einschließungssatz:
lim bn = 0.
n→∞

2.2 Monotone Folgen


Definition 2.16 Eine Folge (an )n∈N reeller Zahlen heißt monoton wachsend, falls Vorl.4
an ≤ an+1 für alle n,
und monoton fallend, falls
an ≥ an+1 für alle n.
Gilt sogar an < an+1 bzw. an > an+1 für alle n, dann heißt die Folge streng monoton
wachsend bzw. streng monoton fallend.

Satz 2.17 Für jede monoton wachsende Folge (an )n∈N gilt
lim an = sup an .
n→∞ n∈N

Für jede monoton fallende Folge (an )n∈N gilt


lim an = inf an .
n→∞ n∈N

Insbesondere ist jede beschränkte monotone Folge konvergent und jede unbeschränkte mo-
notone Folge ist uneigentlich konvergent gegen ±∞.

Beweis für monoton wachsende Folgen. Fall 1: (an )n∈N ist beschränkt.
Dann existiert
s = sup an ∈ R.
n∈N

Sei ε > 0. Da s die kleinste obere Schranke der an ist, existiert n0 ∈ N mit
an0 > s − ε.
(Wenn es so ein n0 nicht gäbe, wäre an ≤ s − ε für alle n. Damit wäre s − ε eine kleinere
obere Schranke. Widerspruch.) Wegen der Monotonie gilt:
s − ε < an0 ≤ an0 +1 ≤ an0 +2 ≤ · · · ≤ s
=⇒ ∀n ≥ n0 − ε < an − s ≤ 0
=⇒ ∀n ≥ n0 |an − s| < ε.

18

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Damit folgt limn→∞ an = s.


Fall 2: (an )n∈N ist unbeschränkt.
Wegen a1 ≤ a2 ≤ a3 ≤ · · · ist die Folge nach oben unbeschränkt. Damit gilt

∀K ∃n0 ∈ N mit an0 > K

Aus der Monotonie folgt

∀n ≥ n0 an ≥ an0 > K =⇒ lim an = ∞ = sup an .


n→∞ n∈N

Die Eulersche Zahl. Für unsere erste Anwendung des Satzes stellen wir zunächst
einige Hilfsmittel zusammen.

Satz 2.18 (Bernoulli Ungleichung) Für alle n ∈ N0 und x ∈ R mit x > −1 gilt

(1 + x)n ≥ 1 + nx.

Beweis. Mit vollständiger Induktion.

Satz 2.19 (Binomische Formel) Für alle a, b ∈ R und n ∈ N gilt


n  
n
X n
(a + b) = ak bn−k .
k=0
k

Satz 2.20 (Formel für die geometrische Summe) Für alle q ∈ C mit q 6= 1 und
n ∈ N0 gilt
n
X 1 − q n+1
qj = .
j=0
1 − q

Beweis. Es gilt
n
X n
X
j
(1 − q) q = (q j − q j+1 )
j=0 j=0

= (q − q 1 ) + (q 1 − q 2 ) + (q 2 − q 3 ) + · · · + (q n − q n+1 ) = 1 − q n+1
0

Die entstandene Summe nennt man eine Teleskopsumme. Da q 6= 1, können wir durch
1 − q dividieren und erhalten so die Behauptung.
Hier ist eine Anwendung von Satz 2.17:

19

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Satz 2.21 Die Folge  n


1
an = 1+ , n ∈ N,
n
konvergiert. Der Grenzwert
 n  n
1 1
e := lim 1+ = sup 1 +
n→∞ n n∈N n
heißt Eulersche Zahl (Euler, 1728). Es gilt e ≈ 2.718 . . ..

Beweis. Behauptung 1: Die Folge ist monoton wachsend. Zu zeigen:


an
≥ 1 ∀n ≥ 2.
an−1
Sei n ≥ 2. Es gilt:
 !n 
1 n 
an 1+ n
1 + n1 1
= n−1 = 1 1+
an−1 1+ 1 1 + n−1 n−1
n−1

Dabei ist
1 + n1 (n + 1)(n − 1) n2 − 1 1
1 = 2
= 2
= 1 − 2.
1 + n−1 n n n

Einsetzen liefert
 n
an 1 n
= 1− 2
an−1 n n−1
Da n ≥ 2 ist, gilt − n12 ≥ − 41 . Mit Hilfe der Bernoulli Ungleichung folgt:
 
an 1 n
≥ 1− = 1.
an−1 n n−1
Damit folgt Behauptung 1.
Behauptung 2: Die Folge ist nach oben beschränkt, d.h.

∃c ∀n an ≤ c.

Anwenden der binomischen Formel liefert


 n X n  
1 n 1
an = 1 + = .
n k=0
k nk

Wir schätzen die einzelnen Summanden ab:


 
n 1 n! 1 1 n(n − 1) · · · (n − k + 1) 1
k
= k
= k
≤ .
k n k!(n − k)! n k! n k!

20

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Weiter gilt für alle k ≥ 1


1 1
k! = 1 · 2 · 3 · · · k ≥ 2k−1 ⇒ ≤ k−1 .
k! 2
Einsetzen liefert
n n n−1
X 1 X 1 X 1
an ≤ ≤1+ k−1
=1+ i
;
k=0
k! k=1
2 i=0
2

für das letzte Gleichheitszeichen haben wir i = k − 1 gesetzt. Die letzte Summe ist eine
geometrische Summe mit
n−1 n
X 1 1 − 12 1
i
= 1 ≤ 1 = 2.
i=0
2 1− 2 2

Damit folgt Behauptung 2:


an ≤ 3 ∀n.
Somit ist die Folge (an )n∈N beschränkt und monoton wachsend, also konvergent.
Numerische Berechnungen ergeben

a100 = 2.70481.

Monotonie und unsere obere Schranke liefern

a100 ≤ an ≤ 3 ∀n ≥ 100.

Satz 2.13 liefert


e = lim an ∈ [a100 , 3] =⇒ e ∈ [2.7, 3]
n→∞

Harmonische Zahlen. Für n ∈ N betrachten wir


n
X 1 1 1 1
Hn = =1+ + + ··· + .
k=1
k 2 3 n

Sei Cn die mittlere Anzahl von Vergleichen, die Quicksort zum Sortieren von n zufällig
angeordneten Zahlen benötigt. Dann gilt

Cn = 2(n + 1)Hn − 2n.

21

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Für n = 2k erhalten wir


     
1 1 1 1 1 1 1 1 1
H 2k =1 + + + + + + + + + ··· +
2 3 4 5 6 7 8 9 16
 
1 1
+ ··· + k−1
+ ··· + k
2 +1 2
     
1 1 1 1 1 1 1 1 1
≥1 + + + + + + + + + ··· +
2 4 4 8 8 8 8 16 16
 
1 1
+ ··· + k
+ ··· + k
2 2
1 2 4 8 2k−1 k
=1 + + + + + ··· + k = 1 +
2 4 8 16 2 2
Somit gilt
k
H 2k ≥ 1 + ∀k ∈ N (2.2)
2
Da die Folge (Hn )n∈N monoton wächst, folgt für alle n ∈ N
1
Hn ≥ 1 + ⌊log2 n⌋,
2
wobei
⌊x⌋ = größte ganze Zahl ≤ x,
z.B. ⌊1.3⌋ = 1. Die Folge (Hn )n∈N ist monoton wachsend und wegen (2.2) unbeschränkt.
Satz 2.17 liefert
lim Hn = ∞.
n→∞

Die Divergenz ist sehr langsam. Man kann zeigen

min{n : Hn ≥ 100} ≈ 1.5 · 1043 .

3 Reihen
3.1 Definition und Beispiele
Die harmonischen Zahlen n
X 1
Hn = , n ∈ N,
k=1
k
sind ein Beispiel für eine Reihe.

22

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Definition 3.1 Sei (an )n∈N eine Folge komplexer Zahlen. Für n ∈ N sei
n
X
sn = ak .
k=1

Die Folge (sn )n∈N heißt unendliche Reihe. sn heißt n-te Partialsumme. Symbol für die
Reihe ist ∞
X
ak .
k=1

Falls (sn )n∈N konvergiert, heißt die Reihe konvergent, sonst divergent. Der Grenzwert

s = lim sn
n→∞

heißt Wert oder Summe der Reihe. Man schreibt:



X
s= ak .
k=1

Falls an ∈ R für alle n und limn→∞ sn = ±∞, so schreibt man



X
ak = ±∞.
k=1

Vorl.5
Harmonische Reihe. ∞
X 1
=∞
k=1
k
Dies folgt aus der Abschätzung
2 n
X 1 n
≥1+ ∀n
k=1
k 2

Geometrische Reihe. Betrachte für z ∈ C



X
zk
k=0

mit z 0 = 1. Für z 6= 1 sind die Partialsummen gegeben durch


n
X 1 − z n+1
sn = zk =
k=0
1−z

23

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Lemma 3.2 Für z ∈ C mit |z| < 1 gilt



X 1
zk = . (3.1)
k=0
1−z
Für reelle q ≥ 1 gilt

X
q k = ∞. (3.2)
k=0

Für q = −1 ist die geometrische Reihe divergent.


Beweis. Fall |z| < 1: Wir zeigen, dass
lim z n+1 = 0. (3.3)
n→∞
1
Für z = 0 ist das wahr. Sei 0 < |z| < 1. Dann ist |z|
> 1 und wir schreiben
1
=1+x
|z|
für ein x > 0. Mit Hilfe der Bernoulli Ungleichung erhalten wir
1
n+1
= (1 + x)n+1 ≥ 1 + (n + 1)x ≥ nx.
|z|
Es folgt
1 1 1
0 ≤ |z|n+1 ≤ = · →0
nx x n
für n → ∞. Die Einschließungsregel liefert
lim |z n+1 | = lim |z|n+1 = 0.
n→∞ n→∞

Das bedeutet
∀ε > 0 ∃n0 ∈ N ∀n ≥ n0 |z n+1 − 0| = ||z n+1 | − 0| < ε
Damit folgt (3.3) und daraus (3.1).
Fall q ∈ R, q ≥ 1: Dann ist q k ≥ 1 für alle k ∈ N0 und daher
Xn
sn = q k ≥ n + 1 ∀n ∈ N0 .
k=0

Damit ergibt sich (3.2).


Fall q = −1: Wir betrachten die Partialsummen:
Xn
sn = (−1)k = 1 + (−1) + 1 + (−1) + · · · + (−1)n .
k=0

Insbesondere gilt:
s0 = 1, s1 = 0, s2 = 1, s3 = 0, s4 = 1, . . .
Diese Folge ist divergent.

24

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Wert der geometrischen Reihe für verschiedene q mit |q| < 1.


999 99 1 1 1
q −
1000 100 2 100 100

X 1 1 1 1 1 100 1 100
qk = 1 = 1000 1 = 100 1 =2 99 = 101 =
k=0
1−q 1000 100 2 100
99 100
101

Eine Teleskopreihe.

Lemma 3.3

X 1
= 1. (3.4)
k=1
k(k + 1)

Beweis. Es gilt:
n n  
X 1 X 1 1
sn = = −
k=1
k(k + 1) k=1 k k + 1
         
1 1 1 1 1 1 1 1 1
= 1− + − + − + ··· + − + −
2 2 3 3 4 n−1 n n n+1
1
=1 − →1
n+1
für n → ∞.

3.2 Konvergenzkriterien
Wenn man von einer Folge (an )n∈N endlich viele Terme weglässt, ändern sich weder das
Konvergenzverhalten, noch der Grenzwert. Bei der zugehörigen Reihe ändert sich das
Konvergenzverhalten nicht, jedoch der Wert der Reihe. D.h.

X ∞
X
ak konvergiert ⇐⇒ ak konvergiert für alle n ∈ N
k=1 k=n

Z.B. gilt
∞ ∞
X 1 X 1
k
= 2, k
= 1.
k=0
2 k=1
2

Lemma 3.4 (Notwendige Konvergenzbedingung)



X
ak konvergiert =⇒ lim ak = 0.
k→∞
k=1

25

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

P∞
Beweis. Sei k=1 ak konvergent, d.h. limn→∞ sn = s ∈ R. Dann gilt:
lim ak = lim (sk − sk−1 ) = lim sk − lim sk−1 ) = s − s = 0. (3.5)
k→∞ k→∞ k→∞ k→∞

Bemerkung 3.5 Die Bedingung P limk→∞ ak = 0 ist notwendig, aber nicht hinreichend
für die Konvergenz der Reihe ∞
k=1 ak . Z.B. gilt für die harmonische Reihe

X 1 1
= ∞, aber lim = 0.
k=1
k k→∞ k

Satz 3.6 Falls ak ≥ 0 für alle k, dann gilt:



X
ak konvergiert ⇐⇒ Die Reihe (sn )n∈N ist beschränkt.
k=1

Beweis. Sei ak ≥ 0 für alle k. Dann ist (sn )n∈N monoton wachsend. Daher ist die
Konvergenz von (sn )n∈N äquivalent zur Beschränktheit.

Satz 3.7 Für k ∈ N seien ak ∈ C und bk ∈ R mit


|ak | ≤ bk ∀k.
P P∞ P∞
Dann Pheißt ∞ k=1 bk eine Majorante für k=1 ak und k=1 |ak | eine Minorante für die

Reihe k=1 bk .
P P∞
(a) Majorantenkriterium: Wenn ∞ k=1 bk konvergiert, dann konvergiert auch k=1 ak
und es gilt
X∞ X ∞ ∞
X

ak ≤ |ak | ≤ bk .

k=1 k=1 k=1
P∞ P∞
(b) Minorantenkriterium: Wenn k=1 |ak | divergiert, dann divergiert auch k=1 bk .

Beweis.
P∞ P∞
(b) Wäre k=1 bk konvergent, dann wäre k=1 |ak | nach Teil (a) konvergent.

Beachte: ∞ ∞
X X
|ak | divergent ⇐⇒ |ak | = ∞
k=1 k=1

Satz 3.8 Die Folgen an > 0, bn > 0, n ∈ N, seien asymptotisch gleich, d.h.
an
lim = 1. (3.6)
n→∞ bn
P P∞
Dann sind ∞ n=1 an und n=1 bn entweder beide konvergent oder beide divergent.

26

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Wegen (3.6)



an
− 1 < 1

∃n0 ∈ N ∀n ≥ n0 bn 2
1 an 1 1 3
⇐⇒ − < −1< bn < an < bn ⇐⇒
2 bn 2 2 2
P∞ P∞
Fall Pn=1 bn konvergent: Nach dem Majorantenkriterium istP n=1 an konvergent.
Fall ∞n=1 bn divergent: Nach dem Minorantenkriterium ist

n=1 an divergent.


X 1
Anwendung 3.9 2
ist konvergent.
k=1
k

Beweis.
1
1 1 k2 k(k + 1) k+1 1
2
≃ , denn 1 = 2
= =1+ →1
k k(k + 1) k(k+1)
k k k
für k → ∞. Alternativ folgt die Konvergenz mit Hilfe des Majorantenkriteriums:
1 1
2
≤ ∀k ≥ 2
k (k − 1)k

Anwendung 3.10

X 1
p =∞
k=1
k(k + 1)
Das folgt aus
1 1
p ≃
k(k + 1) k
und der Divergenz der harmonischen Reihe. Alternativ folgt die Divergenz aus dem Mi-
norantenkriterium:
1 1 1
p ≥√ ≥ ∀k ≥ 1
k(k + 1) 2k · 2k 2k

6 0 für alle bis auf endlich viele k. Falls der Vorl.6


Satz 3.11 (Quotientenkriterium) Sei ak =
Grenzwert
ak+1
q = lim
k→∞ ak
existiert, dann gilt
P∞
• q<1 =⇒ k=1 ak konvergiert
P∞
• q>1 =⇒ k=1 ak divergiert

27

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• Für q = 1 ist keine Aussage möglich.


Betrachte die harmonische Reihe

X 1
= ∞.
k=1
k

Für alle k ∈ N gilt 1


ak+1 k+1 k
ak = = < 1.

1
k
k+1
Wegen
k 1
lim = lim 1 =1
k→∞ k + 1 k→∞ 1 +
k
ist mit dem Quotientenkriterium keine Aussage möglich. Die schwächere Voraussetzung

ak+1
ak < 1 ∀k

P
ist nicht hinreichend für die Konvergenz von ∞ k=1 ak .

Beispiel 3.12 (Exponentialreihe)



X zk
,z ∈ C
k=0
k!

Setze
zk
ak =
k!
für k ∈ N0 . Dann gilt
zk+1
ak+1 (k+1)! |z|
ak = zk = k + 1 → 0

k!
für k → ∞. Nach dem Quotientenkriterium konvergiert die Exponentialreihe für alle
z ∈ C.
Satz 3.13 Sei (an )n∈N0 monoton fallend mit limn→∞ an = 0. Dann konvergiert die al-
ternierende Reihe ∞
X
s= (−1)k ak .
k=0
Für
sn = a0 − a1 + a2 − a3 + · · · + (−1)n an
gilt

X
k
|s − sn | = (−1) ak ≤ an+1 .

k=n+1

Das ist eine Schranke für den Approximationsfehler der Reihe durch ihre Partialsummen.

28

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Für alle n ∈ N gilt:

sn+1 − sn−1 = (−1)n+1 an+1 + (−1)n an = (−1)n (an − an+1 )

Dabei ist an − an+1 ≥ 0, da die Folge (an )n∈N0 monoton fällt. Es folgt:

s2n+1 − s2n−1 ≥ 0 und s2n − s2n−2 ≤ 0


s2n−1 ≤ s2n+1 und s2n ≤ s2n−2

Beachte: an ≥ 0 für alle n, da eine monoton fallende Folge gegen ihr Infimum konvergiert,
welches nach Voraussetzung 0 ist. Damit ergibt sich

s1 ≤ s3 ≤ s5 ≤ · · · ≤ s2n+1 = s2n − a2n+1 ≤ s2n ≤ s2n−2 ≤ · · · ≤ s4 ≤ s2 ≤ s0 . (3.7)


| {z }
≥0

Insbesondere gilt

• (s2n+1 )n∈N0 ist monoton wachsend und durch s0 nach oben beschränkt.

• (s2n )n∈N0 ist monoton fallend und durch s1 nach unten beschränkt.

Daher sind beide Folgen konvergent. Ihre Grenzwerte sind gleich, denn

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


n→∞ n→∞ n→∞ n→∞

Sei s̃ der gemeinsame Grenzwert. Wegen der Monotonie liegt s̃ stets zwischen sn und
sn+1 . Es folgt

0 ≤ |s̃ − sn | ≤ |sn − sn+1 | = an+1 → 0 (3.8)

für n → ∞. Aus der Einschließungsregel folgt

lim |s̃ − sn | = 0 =⇒ lim sn = s̃.


n→∞ n→∞

(3.8) ist die gewünschte Abschätzung für den Approximationsfehler.

Beispiel 3.14 (Leibnizreihe)



X (−1)k
s= ist konvergent.
k=0
2k + 1

Denn:
1 1
ak = ist monoton fallend mit lim = 0.
2k + 1 k→∞ 2k + 1

Wegen (3.7) gilt


0.78514 . . . = s1001 ≤ s ≤ s1000 = 0.78564 . . .

29

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Es folgt s = 0.785 . . .. Angenommen, wir wollen s mit einer Genauigkeit von 10−m
bestimmen. Wegen
|s − sn | ≤ an+1
liefert sn die gewünschte Approximation, falls
1 1 1
10−m ≥ an+1 = = =⇒ 2n + 3 ≥ 10m =⇒ n ≥ (10m − 3).
2(n + 1) + 1 2n + 3 2

Die Komplexität wächst exponentiell schnell in der Anzahl m der Ziffern. Für 10 Ziffern
braucht man ≈ 5 · 109 Summanden.
Beachte: Wenn wir in der Leibnizreihe nur die Terme mit geraden oder nur die Terme
mit ungeraden Indizes aufsummieren, erhalten wir divergente Reihen:

X 1
= ∞ gerade Indizes
k=0
4k + 1
∞ ∞
X −1 X 1
=− = −∞ ungerade Indizes
k=0
2(2k + 1) + 1 k=0
4k + 3

Praktische Tipps zur Untersuchung der Konvergenz von Reihen.

• Wichtige Reihen und ihr Konvergenzverhalten kennen (z.B. geometrische Reihe,


harmonische Reihe, Exponentialreihe etc.)

• Ist
P∞an > 0 und gibt es bn > 0 mit an ≃ bn , sodass das Konvergenzverhalten von
n=1 bn bekannt ist?

• Gilt limn→∞ an = 0? Das ist notwendig für Konvergenz.

• Ist eine bekannte Reihe konvergente Majorante oder divergente Minorante?

• Ist das Quotientenkriterium anwendbar?

• Liegt eine alternierende Reihe vor?

Beispiel 3.15

X 1
√ =∞
k=1
k
Denn:
√ 1 1
k≤k √ ≥
=⇒
k k
Da die harmonische Reihe divergiert, folgt die Divergenz aus dem Minorantenkriterium.

30

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 3.16

X (−1)k+1
√ konvergiert
k=1
k
Denn: Die Reihe ist alternierend mit
1
ak = √ ≥ 0.
k
Die Folge (ak )k∈N ist monoton fallend mit limk→∞ ak = 0.

Beispiel 3.17

X 3−k
konvergiert
k=1
1 − 3−k
Denn: Vorl.7
3−k 3−k
≃ 3−k , da lim −k
= lim (1 − 3−k ) = 1
1 − 3−k k→∞ 3 k→∞

1 − 3−k
Wegen

−k 3−k X
3 > 0, >0 ∀k und 3−k < ∞
1 − 3−k k=1
folgt die behauptete Konvergenz.
Alternativ kann man mit dem Majorantenkriterium argumentieren: Für alle k ≥ 1 gilt
1 − 3−k ≥ 1 − 3−1 = 2/3. Damit folgt
3−k 3
−k
≤ 3−k
1−3 2
P∞ 3 −k
und die Reihe k=1 2 3 konvergiert. Damit folgt die Konvergenz aus dem Majoran-
tenkriterium.
Alternativ kann man mit dem Quotientenkriterium argumentieren:

3−k−1
ak+1
= lim 1 − 3
−k−1 1 1 − 3−k 1
lim −k
= lim · −k−1
= <1
k→∞ ak k→∞ 3 k→∞ 3 1 − 3 3
1−3 −k

Damit folgt die Konvergenz aus dem Quotientenkriterium.


P P∞
Definition 3.18 Die Reihe ∞ k=1 ak konvergiert absolut, wenn k=1 |ak | konvergiert.

Bemerkung 3.19 Nach dem Majorantenkriterium ist jede absolut konvergente Reihe
konvergent. Die Umkehrung gilt nicht. Z.B. ist die Leibnizreihe konvergent, aber nicht
absolut konvergent:
∞ ∞
X (−1)k X 1
=
2k + 1 = ∞.
k=0
2k + 1 k=0

31

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

3.3 Rechenregeln
P∞ P∞ P∞
Satz 3.20 Sind k=1 ak und k=1 bk konvergent, so konvergiert auch k=1 (ak + bk ) und
es gilt

X ∞
X ∞
X
(ak + bk ) = ak + bk .
k=1 k=1 k=1

Beweis.

X n
X
(ak + bk ) = lim (ak + bk )
n→∞
k=1 k=1
n n
! n n ∞ ∞
X X X X X X
= lim ak + bk = lim ak + lim bk = ak + bk .
n→∞ n→∞ n→∞
k=1 k=1 k=1 k=1 k=1 k=1

Vorsicht beim Ändern der Reihenfolge, in der die ak aufsummiert werden:


P∞
Satz 3.21 (Umordnungssatz) k=1 ak konvergiert genau dann absolut, wenn für jede
Bijektion σ : N → N die umgeordnete Reihe gegen ein und denselben Wert konvergiert:

X ∞
X
aσ(k) = ak .
k=1 k=1

Die Reihe auf der linken Seite ist die gemäß σ umgeordnete Reihe.

Riemann hat 1866 festgestellt: Durch Umordnung kann man jede konvergente aber
nicht absolut konvergente Reihe gegen jede beliebige reelle Zahl konvergieren lassen.

Beispiel 3.22 (Alternierende Reihe)



X 1
s= (−1)k
k=0
k+1

1
Die Folge ak = k+1 ist monoton fallend mit limk→∞ ak = 0. Nach Satz 3.13 konvergiert
die Reihe. Sie ist aber nicht absolut konvergent. Satz 3.13 liefert
 
1 = s − ≤ 1 =⇒ s > 1 − 1 = 1 .
1
|s − s1 | ≤ a2 ⇐⇒ s − 1 −
2 2 3 2 3 6

Insbesondere folgt s > 0. Es gilt


n  
1 1 1 1 X 1 1
s2n−1 = 1 − + − + ··· − = − →s für n → ∞.
2 3 4 2n k=1 2k − 1 2k

32

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Betrachte die umgeordnete Reihe


1 1 1 1 1 1 1 1
rn =1 − − + − − + ··· + − −
2 4 3 6 8 2n − 1 2(2n − 1) 2 · 2n
n  
X 1 1 1
= − − .
k=1
2k − 1 2(2k − 1) 2 · 2k

Dabei gilt
 
1 1 1 1 1 1
− = 1− = · .
2k − 1 2(2k − 1) 2 2k − 1 2 2k − 1
Es folgt
n  
1X 1 1 1 1
rn = − = s2n−1 → s 6= s für n → ∞.
2 k=1 2k − 1 2k 2 2

Vorsicht beim Umordnen!

Multiplikation von Reihen. Wir berechnen


n
! m !
X X
ak bl =(a0 + a1 + · · · + an )(b0 + b1 + · · · + bm )
k=0 l=0
=a0 b0 + a0 b1 + a0 b2 + · · · a0 bm
+a1 b0 + a1 b1 + a1 b2 + · · · a1 bm
+a2 b0 + a2 b1 + a2 b2 + · · · a2 bm
+···
+an b0 + an b1 + an b2 + · · · an bm .
Sortiere um. Terme mit der gleichen Indexsumme werden zusammengefasst. Die Summe
aller Terme mit Indexsumme k = l + (k − l) ist gegeben durch
k
X
ck = al bk−l .
l=0
P∞ P∞ P∞
Satz 3.23 Sind k=0 ak und k=0 bk absolut konvergent, dann ist auch k=0 ck mit
k
X
ck = al bk−l
l=0

absolut konvergent und es gilt:



! ∞ ! ∞ X
k ∞
X X X X
ak bk = al bk−l = ck .
k=0 k=0 k=0 l=0 k=0
P∞ P∞ P∞
k=0 ck bezeichnet man als Cauchy-Produkt von k=0 ak und k=0 bk .

33

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

3.4 Die Exponentialfunktion


Setze für z ∈ C

X zk
exp(z) = .
k=0
k!

Satz 3.24 (Funktionalgleichung) Für alle w, z ∈ C gilt:

exp(w + z) = exp(w) exp(z).

Beweis. Nach dem Quotientenkriterium konvergiert die Exponentialreihe für alle z ∈ C


absolut. Satz 3.23 liefert

! ∞ ! ∞ X k ∞ k
k X zl
X w X z l wk−l X 1 X k!
exp(w) exp(z) = = = z l wk−l
k=0
k! l=0
l! k=0 l=0
l! (k − l)! k=0 k! l=0 l!(k − l)!
∞ k   ∞
X 1 X k l k−l X (w + z)k
= zw = = exp(w + z).
k=0
k! l=0 l k=0
k!

Dabei haben wir die binomische Formel verwendet.

Satz 3.25 (Eigenschaften der Exponentialfunktion) (a) exp(0) = 1

(b) exp(z) 6= 0 für alle z ∈ C


1
(c) exp(−z) = für alle z ∈ C
exp(z)
(d) exp(x) > 0 für alle x ∈ R

(e) exp : R → R ist streng monoton wachsend.

(f ) | exp(z)| ≤ exp(|z|) für alle z ∈ C

Beweis.

X 0k 00
(a) exp(0) = = =1
k=0
k! 0!

(bc) Aus der Funktionalgleichung folgt für alle z ∈ C

1 = exp(0) = exp(−z + z) = exp(−z) exp(z).

Daraus folgt exp(z) 6= 0 und exp(−z) = 1/ exp(z).

34

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

(d) Für x = 0 stimmt die Behauptung nach Teil (a). Sei x > 0. Dann gilt

X xk x0
exp(x) = > = 1 > 0. (3.9)
k=0
k! 0!

Mit (c) folgt


1
exp(−x) = > 0.
exp(x)

(e) Seien x, y ∈ R mit x < y. Dann ist y − x > 0 und damit wegen (3.9)

exp(y)
1 < exp(y − x) = exp(y) exp(−x) =
exp(x)

Dabei haben wir die Funktionalgleichung und Teil (c) verwendet. Wegen exp(x) > 0
folgt
exp(x) < exp(y).
Somit ist exp streng monoton wachsend.

(f) Es gilt

∞ ∞
X
z k X |z|k
| exp(z)| = ≤ = exp(|z|),

k=0
k!
k=0
k!

da die Dreiecksungleichung für die Partialsummen gilt.

Man kann zeigen, dass Vorl.8


 n
1
exp(1) = e = Eulersche Zahl = lim 1+
n→∞ n

gilt. Aus der Funktionalgleichung und Satz 3.25(c) folgt für alle k ∈ Z:

exp(k) = exp(1)k = ek .

Z.B. gilt
1 1
exp(2) = exp(1) exp(1) = e2 , exp(−1) = = = e−1 .
exp(1) e

Man schreibt auch ez anstelle von exp(z) für z ∈ C. Damit können wir die Funktional-
gleichung wie folgt schreiben:

ew+z = ew ez ∀w, z ∈ C.

35

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

4 Stetigkeit
4.1 Definition und einfache Eigenschaften
Definition 4.1 Eine Folge (xn )n∈N mit xn ∈ Rd konvergiert genau dann, wenn alle Kom-
ponenten konvergieren.

Definition 4.2 Eine Funktion f : D ⊆ Rd → Rq mit Definitionsbereich D heißt im


Punkt x ∈ D stetig, falls für alle Folgen (xn )n∈N in D mit limn→∞ xn = x gilt:

lim f (xn ) = f (x).


n→∞

Man schreibt auch


lim f (y) = f (x).
y→x

Die Funktion f heißt stetig, wenn f in allen Punkten x ∈ D stetig ist.

Beispiel 4.3 Wir betrachten die Funktion f : [0, 1] → R mit


 
1
f = (−1)n ∀n ∈ N
n
1
und f linear interpoliert auf allen Intervallen [ n+1 , n1 ], d.h. f ist linear auf [ n+1
1
, n1 ] mit
   
1 n+1 1
f = (−1) , f = (−1)n .
n+1 n

Dann ist f nach Konstruktion stetig in allen x ∈ (0, 1] = {y ∈ R : 0 < y ≤ 1}. Der
Grenzwert  
1
lim f = lim (−1)n
n→∞ n n→∞

existiert nicht. Daher ist f nicht stetig in 0, egal welchen Wert f (0) hat. Man sagt auch:
f ist unstetig in 0.

Lemma 4.4 Die Exponentialfunktion ist auf C stetig.

Beweis. Stetigkeit in z = 0: Für z ∈ C mit |z| ≤ 1 gilt:



∞ k ∞ ∞ ∞ ∞
z
X
z

X k
z X |z|k X |z|k−1 X |z|j
0 ≤ |e − 1| = − 1 = ≤ ≤ |z| = |z|

k=0
k!
k=1
k! k=1 k! k=1
(k − 1)! j=0
j!
= |z|e|z| ≤ |z|e1 = e|z|,

da die Exponentialfunktion auf R monoton wächst. Somit gilt für |z| ≤ 1

0 ≤ |ez − 1| ≤ e|z|.

36

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Für jede komplexe Folge (zn )n∈N mit limn→∞ zn = 0 folgt mit Hilfe der Einschließungsregel

lim |ezn − 1| = 0 =⇒ lim ezn = 1 = e0


n→∞ n→∞

Stetigkeit in z ∈ C: Für (zn )n∈N in C mit limn→∞ zn = z gilt limn→∞ (zn − z) = 0. Es gilt:

|ezn − ez | = |ezn −z ez − ez | = |ezn −z − 1| · |ez |.

Da die Exponentialfunktion in 0 stetig ist, folgt

lim |ezn −z − 1| = 0.
n→∞

Damit folgt

lim |ezn − ez | = 0 =⇒ lim ezn = ez


n→∞ n→∞

Definition 4.5 Seien g : D1 → D2 , f : D2 → D3 Funktionen. Die Komposition oder


Hintereinanderausführung von f und g ist definiert durch

f ◦ g : D1 → D3 , x 7→ f (g(x)).

Satz 4.6 Die Hintereinanderausführung zweier stetiger Funktionen ist stetig.

Beweis. Wir betrachten f ◦ g : x 7→ f (g(x)). Es gelte limn→∞ xn = x. Da g stetig ist,


folgt
lim g(xn ) = g(x).
n→∞

Da f stetig ist, folgt


lim f (g(xn )) = f (g(x)).
n→∞

Mit Hilfe dieses Satzes lässt sich die Stetigkeit vieler Funktionen zeigen. Vorsicht: Die
Verknüpfung muss zulässig sein.

Beispiele von stetigen Funktionen. Betrachte f : D ⊆ Rd → R mit Definitionsbe-


reich D.

• d=1

– D = R, f (x) = c = konstant
– D = R, f (x) = |x|

– D = [0, ∞), f (x) = x

• d=2

37

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

– D = R2 , f (x, y) = x + y
Um die Stetigkeit nachzuweisen, sei limn→∞ (xn , yn ) = (x, y) ∈ R2 . Dann gilt
limn→∞ xn = x und limn→∞ yn = y. Es folgt

lim f (xn , yn ) = lim (xn + yn ) = x + y = f (x, y).


n→∞ n→∞

– D = R2 , f (x, y) = xy
x
– D = R × (R \ {0}), f (x, y) =
y
Insbesondere sind Summen und Produkte stetiger Funktionen stetig.

Lemma 4.7 Polynome sind stetig. Für n ∈ N0 und a0 , a1 , . . . , an ∈ C ist p : C → C,


n
X
p(z) = ak z k = a0 + a1 z + a2 z 2 + · · · + an z n
k=0

stetig.

Beweis. Konstanten sind stetig, z 7→ z ist stetig. Also sind auch Summen und Produkte
davon stetig.

• z 7→ a1 stetig, z 7→ z ist stetig ⇒ z 7→ a1 z stetig

• z 7→ a0 stetig ⇒ z 7→ a0 + a1 z stetig

• z 7→ a2 stetig, z 7→ z ist stetig ⇒ z 7→ a2 z 2 stetig

• ⇒ z 7→ a0 + a1 z + a2 z 2 stetig

p(z)
Korollar 4.8 Rationale Funktionen f (z) = mit Polynomen p und q sind auf ihrem
q(z)
Definitionsbereich stetig.

Jede Funktion f : D ⊆ Rd → Rq mit q ≥ 2 besteht aus Komponentenfunktionen


fi : D → R:
f (x) = (f1 (x), f2 (x), . . . , fq (x)).
Es gilt: f ist in x ∈ D stetig. ⇐⇒ Alle fi sind in x ∈ D stetig.

Beispiel 4.9 f : R2 → R3 , (x, y) 7→ (3x + 7, y 25 − 4xy + x3 , 3 − x2 y 2 ) ist stetig.

38

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Figure 2: f : [a, b] → R ist stetig. Jeder Wert y zwischen f (a) und f (b) wird im Intervall
[a, b] angenommen.

Figure 3: f : [a, b] → R ist in x0 unstetig; f hat in x0 eine Sprungstelle. Es gibt


y ∈ [f (a), f (b)], die nicht als Funktionswert angenommen werden.

4.2 Zwischenwertsatz
Satz 4.10 (Zwischenwertsatz) Sei f : [a, b] → R stetig. Sei y ∈ R eine Zahl zwischen Vorl.9
f (a) und f (b), d.h. f (a) < y < f (b) oder f (a) > y > f (b). Dann gibt es ein x ∈ (a, b),
d.h. a < x < b, mit
f (x) = y.
Mit anderen Worten: Eine auf [a, b] stetige Funktion nimmt jeden Wert zwischen f (a)
und f (b) an.

Beweis. Sei o.B.d.A. f (a) < y < f (b). Betrachte

M = {t ∈ [a, b] : f (t) ≤ y}.

Dann gilt:

39

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• f (a) ≤ y ⇒ a∈M ⇒ M 6= ∅
• M ⊆ [a, b] ⇒ M nach oben beschränkt
Also existiert
x := sup M.
Wegen M ⊆ [a, b] gilt: x ∈ [a, b].
Behauptung: f (x) = y
Sei (xn )n∈N eine Folge in M mit limn→∞ xn = x. Dann gilt:
• f (xn ) ≤ y, da xn ∈ M
• limn→∞ f (xn ) = f (x), da f stetig.
Es folgt
f (x) ≤ y.
Wegen f (x) ≤ y < f (b) ist x < b, also x + n1 ∈ [a, b] für alle n hinreichend groß. Nach
Definition von x und M ist
 
1 1
f x+ > y ∀n mit x + ∈ [a, b].
n n
Da f stetig in x ist, folgt  
1
f (x) = lim f x+ ≥ y.
n→∞ n
Damit folgt f (x) = y.

Definition 4.11 Man schreibt


lim f (x) = ∞,
x→∞

falls
lim f (xn ) = ∞
n→∞

für alle Folgen (xn )n∈N mit limn→∞ xn = ∞. Analog definiert man limx→a f (x) = b für
a, b ∈ {−∞, ∞}.

40

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Anwendung 4.12 (Existenz der n-ten Wurzel) Behauptung: Für alle n ∈ N und
y > 0 existiert genau ein x > 0 mit
xn = y.
Man schreibt

x := y 1/n = n
y.
Beweis. Sei n ∈ N und y > 0. Wir betrachten die Funktion

f : [0, ∞) → R, f (x) = xn .

Da f streng monoton wächst, gibt es höchstens ein x > 0 mit xn = y. Wegen limx→∞ f (x)
= ∞ existiert b > 0, sodass
0 = f (0) < y < f (b).
Wir wenden den Zwischenwertsatz auf die stetige Funktion f : [0, b] → R, f (x) = xn an.
Dieser liefert:
x = sup{t ∈ [0, b] : tn ≤ y}
erfüllt die Gleichung xn = y. Da die Funktion t 7→ tn streng monoton wächst, gilt

x = sup{t ≥ 0 : tn ≤ y}.

Beispiel 4.13 Besitzt die Gleichung cos x = x eine Lösung in [0, π2 ]?


Dazu betrachten wir die Funktion
h πi
f : 0, → R, x 7→ cos x − x.
2
Es gilt:
cos x = x ⇐⇒ f (x) = 0.
Die Funktion f ist stetig mit
π  π π π
f (0) = cos 0 = 1 und f = cos − =− .
2 2 2 2
Insbesondere liegt 0 zwischen f (0) und f ( π2 ). Aus dem Zwischenwertsatz folgt:
 π
∃x ∈ 0, mit f (x) = 0.
2
Auf dem Intervall (0, π2 ) sind die Funktionen x 7→ cos x und x 7→ −x streng monoton
fallend. Daher ist f streng monoton fallend. Daher existiert genau ein x ∈ (0, π2 ) mit
f (x) = 0.

41

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

4.3 Häufungspunkte
Definition 4.14 Sei (nk )k∈N eine streng monoton wachsende Folge in N, d.h. n1 < n2 <
n3 < . . . Dann heißt (ank )k∈N eine Teilfolge von (an )n∈N . a∗ ∈ Rd heißt Häufungspunkt
der Folge (an )n∈N in Rd , wenn es eine Teilfolge (ank )k∈N mit limk→∞ ank = a∗ gibt.
Z.B. sind
(an2 )n∈N , (a2n )n∈N , (a2n )n∈N
Teilfolgen von (an )n∈N .
Bemerkung 4.15 Ist die Folge (an )n∈N konvergent mit limn→∞ an = a, dann existiert
genau ein Häufungspunkt, nämlich a.
Beispiel 4.16 an = (−1)n , n ∈ N, hat die Teilfolgen
a2n = (−1)2n = 1, n ∈ N, und a2n+1 = (−1)2n+1 = −1, n ∈ N.
Somit hat (an )n∈N die Häufungspunkte -1 und 1.
Bemerkung 4.17 Nicht jede Folge besitzt eine konvergente Teilfolge.
Beweis. Betrachte z.B. an = n, n ∈ N. Jede Teilfolge von (an )n∈N ist unbeschränkt, also
divergent. Die Folge (an = n)n∈N besitzt keinen Häufungspunkt.
Satz 4.18 (Bolzano-Weierstrass) Jede beschränkte Folge in R besitzt mindestens eine
konvergente Teilfolge und damit einen Häufungspunkt.
Beweis. Sei (an )n∈N beschränkt. D.h.
∃c > 0 ∀n ∈ N |an | ≤ c
Somit ist
an ∈ I1 = [b1 , c1 ] ∀n
mit b1 = −c, c1 = c.

42

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• Setze n1 = 1. Es gilt: an1 ∈ I1 . Teile I1 in zwei gleich große Hälften:


   
b1 + c 1 b1 + c 1
b1 , und , c1 .
2 2
Wähle als I2 = [b2 , c2 ] eine Hälfte, welche unendlich viele Punkte der Restfolge
(an )n≥n1 enthält. Wähle n2 > n1 mit an2 ∈ I2 .
• Gegeben nk und Ik = [bk , ck ] konstruieren wir nach demselben Verfahren nk+1 > nk
und Ik+1 mit ank+1 ∈ Ik+1 = [bk+1 , ck+1 ].
Dann gilt für alle k
1
bk ≤ ank ≤ ck und 0 ≤ ck − bk = (c1 − b1 ) → 0
2k−1
für k → ∞. Die Folge (bk )k∈N ist monoton wachsend und durch c1 nach oben beschränkt,
also konvergent:
lim bk = sup bk =: b∗ .
k→∞ k∈N

Die Folge (ck )k∈N ist monoton fallend und durch b1 nach unten beschränkt, also konvergent:

lim ck = inf ck =: c∗ .
k→∞ k∈N

Für die Grenzwerte gilt:

c∗ − b∗ = lim (ck − bk ) = 0 =⇒ b∗ = c∗ .
k→∞

Aus der Einschließungsregel folgt

lim ank = b∗ = c∗ .
k→∞

Damit haben wir eine konvergente Teilfolge konstruiert.

Bemerkung 4.19 Der Satz von Bolzano-Weierstrass gilt auch für Folgen mit Werten in
Rd , d ≥ 2. Dabei heißt eine Folge (xn )n∈N mit xn ∈ Rd beschränkt, falls
v
u d
uX
∃M > 0 ∀n ∈ N kxn k = t x2n,i ≤ M
i=1

Beweis. Die einzelnen Komponenten (xn,i )n∈N sind beschränkte Folgen für alle 1 ≤ i ≤ d,
denn v
u d q
uX
M≥ t xn,i = x2n,i = |xn,i |.
2

i=1

Insbesondere existiert eine konvergente Teilfolge (xnk ,1 )k∈N . Weiter existiert eine konver-
gente Teilfolge (xnkl ,2 )l∈N . Usw.

43

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

4.4 Existenz von Maxima und Minima


Definition 4.20 Sei f : D ⊆ Rd → R. Ein Punkt x ∈ D heißt Vorl.10
• Minimumstelle und f (x) Minimum von f auf D, falls f (x) ≤ f (y) für alle y ∈ D.

• Maximumstelle und f (x) Maximum von f auf D, falls f (x) ≥ f (y) für alle y ∈ D.

Viele Optimierungsprobleme lassen sich so formulieren, dass man für eine Funktion f
ein Minimum oder ein Maximum sucht.
Beachte: Nicht jede Funktion besitzt ein Minimum und ein Maximum.

Beispiel 4.21 • f : R → R, x 7→ x besitzt weder Minimum noch Maximum.

• f : (a, b) → R, x 7→ x besitzt weder Minimum noch Maximum. Wir wissen nur

inf f (x) = a, sup f (x) = b.


x∈(a,b) x∈(a,b)

• f : [a, b] → R, x 7→ x nimmt in a ihr Minimum und in b ihr Maximum an.

Beispiel 4.22 Die Funktion f : (0, ∞) → R, x 7→ x1 besitzt weder Minimum noch Maxi-
mum. Das gleiche gilt für f : (ε, M ) → R für alle 0 < ε < M < ∞. Die Funktion
1
f : [ε, M ] → R, x 7→
x
nimmt ihr Maximum in ε und ihr Minimum in M an.

Definition 4.23 Eine Menge A ⊆ Rd heißt abgeschlossen, falls der Grenzwert jeder
konvergenten Folge aus A wieder in A liegt. D.h.

xn ∈ A ∀n und lim xn = x =⇒ x∈A


n→∞

K ⊆ Rd heißt kompakt, falls K abgeschlossen und beschränkt ist.

44

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 4.24 • [0, 1] ist abgeschlossen, da für alle 0 ≤ xn ≤ 1 mit limn→∞ xn = x


gilt 0 ≤ x ≤ 1. Da [0, 1] beschränkt ist, ist die Menge kompakt.
• [0, ∞) ist abgeschlossen, aber unbeschränkt, also nicht kompakt.
1
• (0, 1] und (0, 1) sind nicht abgeschlossen, denn limn→∞ n
= 0 ist nicht enthalten.
Diese Mengen sind nicht kompakt.

Zur Erinnerung: Sei ∅ =


6 K ⊂ R.
• Falls inf K ∈ K, so heißt inf K Minimum von K.
• Falls sup K ∈ K, so heißt sup K Maximum von K.

Lemma 4.25 Eine kompakte Menge ∅ =


6 K ⊆ R besitzt ein Maximum und ein Minimum.

Beweis. Da K kompakt ist, ist K beschränkt. Daher gibt es eine untere Schranke für
K. Somit existiert inf K ∈ R.
Behauptung: inf K ∈ K
Nach Definition des Infimums wissen wir
1
∀n ∈ N ∃xn ∈ K mit inf K ≤ xn < inf K +
n
1
=⇒ 0 ≤ xn − inf K = |xn − inf K| ≤ → 0
n
für n → ∞. Aus der Einschließungsregel folgt
lim (xn − inf K) = 0 =⇒ lim xn = inf K.
n→∞ n→∞

Da K abgeschlossen ist, folgt inf K ∈ K. Somit gilt inf K = min K und wir haben gezeigt,
dass K ein Minimum besitzt. Analog zeigt man die Existenz des Maximums.

Satz 4.26 K ⊆ Rd ist kompakt. ⇐⇒ Jede Folge aus K besitzt eine konvergente Teilfolge
mit Grenzwert in K.

Beweis.
“=⇒”: Sei (xn )n∈N mit xn ∈ K für alle n. Da K beschränkt ist, ist die Folge beschränkt.
Nach dem Satz von Bolzano-Weierstrass existiert eine konvergente Teilfolge (xnk )k∈N
mit limk→∞ xnk = x. Da K abgeschlossen ist, gilt x ∈ K.
“⇐=”: K ist abgeschlossen: Sei xn ∈ K mit limn→∞ xn = x. Nach Voraussetzung existiert
eine konvergente Teilfolge (xnk )k∈N mit limk→∞ xnk = x∗ ∈ K. Wegen limn→∞ xn =
x folgt x = x∗ . Somit ist x ∈ K und K abgeschlossen.
Angenommen K ist nicht beschränkt, oBdA nach oben unbeschränkt. Dann existiert
eine Folge xn ∈ K, n ∈ N, mit limk→∞ xn = ∞. Für jede Teilfolge (xnk )k∈N gilt
limk→∞ xnk = ∞. Insbesondere besitzt (xn )n∈N keine konvergente Teilfolge. Dies ist
ein Widerspruch. Also ist K beschränkt und somit kompakt.

45

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Satz 4.27 Sei f : K ⊆ Rd → Rq stetig. Falls K kompakt ist, ist auch

f (K) = {f (x) : x ∈ K} = Bild von K unter f

kompakt. D.h. stetige Bilder kompakter Mengen sind kompakt. Insbesondere ist f ([a, b])
für stetiges f : [a, b] → R kompakt und besitzt somit Minimum und Maximum.

Beweis. Wir wenden Satz 4.26 an.


Zu zeigen: Jede Folge (yn )n∈N in f (K) besitzt eine konvergente Teilfolge mit Grenzwert
in f (K).
Sei (yn )n∈N eine Folge in f (K). Dann

∃xn ∈ K sodass f (xn ) = yn

Da K kompakt ist, existiert eine konvergente Teilfolge (xnj )j∈N mit limj→∞ xnj = x ∈ K.
Es folgt
lim ynj = lim f (xnj ) = f (x) ∈ f (K)
j→∞ j→∞

Beim letzten Gleichheitszeichen haben wir die Stetigkeit von f verwendet.

Satz 4.28 (Satz von Maximum und Minimum) Sei ∅ 6= K ⊆ Rd kompakt. Jede
stetige Funktion f : K → R nimmt auf K ihr Maximum und Minimum an. D.h. es
existieren x, x ∈ K sodass

f (x) ≤ f (x) ≤ f (x) ∀x ∈ K

Man schreibt:

x = argminx∈K f (x), f (x) = min f (x),


x∈K
x = argmaxx∈K f (x), f (x) = max f (x).
x∈K

Beachte: x und x müssen nicht eindeutig sein. Z.B. nimmt f (x) = const in jedem
Punkt Minimum und Maximum an.
Beweis von Satz 4.28. Da f stetig ist und K kompakt, ist f (K) ⊆ R kompakt. Nach
Lemma 4.25 besitzt f (K) Minimum und Maximum. D.h. es existieren x, x ∈ K mit

f (x) = min f (x), f (x) = max f (x).


x∈K x∈K

46

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

5 Wichtige Funktionen
5.1 Umkehrfunktion
Definition 5.1 f : D ⊆ Rd → B ⊆ Rq heißt bijektiv, falls für alle y ∈ B genau ein
x ∈ D mit f (x) = y existiert. Die Funktion

f −1 : B → D, y 7→ x

heißt Umkehrfunktion von f .

7 x2 ist bijektiv. Wir bestimmen die Umkehrabbil-


Beispiel 5.2 f : [0, ∞) → [0, ∞), x →
dung:
√ √
x2 = y ⇐⇒ x = y =⇒ f −1 : [0, ∞) → [0, ∞), y 7→ y
Beachte:

• f : R → [0, ∞), x 7→ x2 ist nicht bijektiv, da z.B. f (−1) = 1 = f (1)

• f : [0, ∞) → R, x 7→ x2 ist nicht bijektiv, da es z.B. kein x ≥ 0 mit f (x) = x2 = −1


gibt.

Satz 5.3 Sei I ⊆ R ein Intervall, f : I → R stetig und streng monoton wachsend. Dann
ist f : I → f (I) bijektiv. Die Umkehrfunktion f −1 : f (I) → I ist ebenfalls stetig und
streng monoton wachsend. Es gilt:

f −1 (f (x)) = x ∀x ∈ I, (5.1)
f (f −1 (y)) = y ∀y ∈ f (I). (5.2)

Beispiel 5.4 Betrachte die Funktion f : [0, 1] → [0, 1], x 7→ x2 . Die Inverse ist gegeben
durch √
f −1 : [0, 1] → [0, 1], x →
7 x.
Es gilt:
f (x) = y ⇔ x = f −1 (y)
Einsetzen liefert (5.1) und (5.2).

47

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

5.2 Logarithmusfunktion
Die Exponentialfunktion exp : R → (0, ∞) ist stetig und streng monoton wachsend. Die
Umkehrfunktion heißt natürlicher Logarithmus:

ln : (0, ∞) → R, x 7→ ln x

Es gilt:

eln x = x ∀x ∈ (0, ∞)
ln ex = x ∀x ∈ R

Satz 5.5 (Rechenregeln für ln) (a) ln 1 = 0, ln e = 1 Vorl.11

(b) ln(xy) = ln x + ln y für alle x, y > 0


 
x
(c) ln = ln x − ln y für alle x, y > 0
y
(d) ln(xk ) = k ln x für alle k ∈ Z, x > 0

Beweis. Nach Definition der Umkehrfunktion gilt für alle y > 0:

ln y = x ⇐⇒ y = ex (5.3)

48

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Figure 4: Die Exponentialfunktion ist in blau, die Logarithmusfunktion in rot dargestellt.

(a) Anwendung von (5.3) liefert: e0 = 1 =⇒ ln 1 = 0


e1 = e =⇒ ln e = 1

(b) Die Funktionalgleichung der Exponentialfunktion gibt für alle x, y > 0

eln x+ln y = eln x eln y = xy.

Mit (5.3) folgt (b).

(c) Mit Hilfe von (a) und (b) erhalten wir


     
y 1 1
0 = ln 1 = ln = ln y + ln =⇒ ln = − ln y. (5.4)
y y y

Damit folgt    
x 1
ln = ln x + ln = ln x − ln y.
y y

(d) Fall k ∈ N0 : Wir zeigen die Behauptung mit Induktion über k.

• k = 0: ln(x0 ) = ln 1 = 0 = 0 ln x
• k → k + 1: Sei die Behauptung richtig für k. Dann folgt

ln(xk+1 ) = ln(x · xk ) = ln x + ln(xk ) = ln x + k ln x = (k + 1) ln x

Im vorletzten Schritt haben wir die Induktionsvoraussetzung verwendet.

49

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Damit folgt die Behauptung für k ∈ N0 .


Fall k ∈ −N: Dann ist −k ∈ N und wir können die Behauptung für −k beim zweiten
Gleichheitszeichen verwenden:
ln(xk ) = − ln(x−k ) = −(−k) ln x = k ln x.
Die erste Gleichung folgt aus (5.4).

Asymptotisches Verhalten von exp und ln.


Satz 5.6 (Wachstum der Exponentialfunktion)
ex
lim =∞
x→∞ x

Allgemeiner gilt für alle m ∈ N:


ex
=∞
lim
x→∞ xm
Die Exponentialfunktion wächst schneller gegen unendlich als jedes Polynom.
Beweis. Für alle x > 0 gilt:

x
X xk x2 ex x
e = ≥ =⇒ ≥ →∞
k=0
k! 2 x 2
für x → ∞. Für m ∈ N und x > 0 gilt entsprechend:

x
X xk xm+1 ex x
e = ≥ =⇒ m
≥ →∞
k=0
k! (m + 1)! x (m + 1)!
für x → ∞.
Satz 5.7
lim ln x = ∞
x→∞

Beweis. Für alle n ∈ N gilt


ln(en ) = n ln e = n → ∞
für n → ∞. Da x 7→ ln x monoton wächst, folgt die Behauptung.
Satz 5.8 (Wachstum der Logarithmusfunktion)
x
lim =∞
x→∞ ln x

Allgemeiner gilt für alle m ∈ N:


x
lim =∞
x→∞ (ln x)m

x wächst schneller gegen unendlich als jede Potenz des Logarithmus.

50

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Sei m ∈ N. Es seien xn > 0 mit limn→∞ xn = ∞. Setze yn = ln xn . Dann gilt


limn→∞ yn = ∞. Wir erhalten

xn eln xn e yn
= = →∞
(ln xn )m (ln xn )m (yn )m

für n → ∞ nach Satz 5.6.

Satz 5.9
ln x
lim =∞
x→∞ ln ln x
Dabei schreiben wir ln ln x für ln(ln x).

Beweis. Es seien xn > 0 mit limn→∞ xn = ∞. Setze yn = ln xn . Dann gilt limn→∞ yn =


∞. Wir erhalten
ln xn yn
= →∞
ln ln xn ln yn
für n → ∞ nach Satz 5.8.

Satz 5.10 Für a > b > 0 gilt:


an
lim =∞
n→∞ bn

Beweis. Es gilt
n
an eln a en ln a
= = = en(ln a−ln b) = ∞
bn eln bn en ln b
für n → ∞, da ln a − ln b > 0.

Allgemeine Potenzfunktion.

Definition 5.11 Für x > 0 und a ∈ R definieren wir

xa := ea ln x .

Spezialfälle:

• xn = en ln x = |eln x · eln x ·{zeln x · · · eln }x = |x · x ·{zx · · · x} für n ∈ N


n-mal n-mal

• n
x = x1/n , denn
1
(x1/n )n = (e n ln x )n = eln x = x.

Lemma 5.12 Für alle a, b ∈ R gilt: xa+b = xa xb .

51

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Wir berechnen

xa+b = e(a+b) ln x = ea ln x+b ln x = ea ln x eb ln x = xa xb .

Betrachte für b > 1 die Funktion

f : (0, ∞) → R, f (x) = bx = ex ln b .

Wegen b > 1 ist ln b > ln 1 = 0 und somit f streng monoton wachsend. Die Umkehrfunk-
tion von f heißt Logarithmus zur Basis b und wird mit logb bezeichnet.

Lemma 5.13 Für alle b > 1 gilt


ln(bx )
logb (bx ) = .
ln b
Allgemein gilt für alle b > 1 und a > 0
ln(a)
logb (a) = .
ln b
Beweis. Beim vorletzten Gleichheitszeichen verwenden wir die Definition von logb :

logb (a) ln b ln(elogb (a) ln b ) ln(blogb (a) ) ln(a)


logb (a) = = = = .
ln b ln b ln b ln b

5.3 Trigonometrische Funktionen


Zur Erinnerung: Die Menge der komplexen Zahlen ist gegeben durch

C = {z = (x, y) : x, y ∈ R} = R2 .

Wir setzen i = (0, 1). Damit lässt sich jedes z = (x, y) ∈ C darstellen als z = x + iy. Die
komplexe Konjugation ist gegeben durch

x + iy := x − iy.

Es gilt:
z = z, z + z′ = z + z′, zz ′ = z · z ′ .
Der Betrag ist gegeben durch
p √
|x + iy| := x2 + y 2 = zz.

Komplexe Zahlen vom Betrag 1 sind von der Form eix , x ∈ R. Die Eulersche Formel
besagt
eix = cos x + i sin x ∀x ∈ R.

52

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Lemma 5.14 Die Eulersche Formel ist äquivalent zu


1 1 ix
cos x = (eix + e−ix ), sin x = (e − e−ix ) ∀x ∈ R.
2 2i
Wir verwenden dies als Definition von Sinus und Kosinus.

Beweis. Beachte dazu

cos(−x) = cos x, sin(−x) = − sin x ∀x

Damit folgt
e−ix = cos(−x) + i sin(−x) = cos x − i sin x.

Sei x ∈ R. Es gilt:

(1, 0) = (cos 0, sin 0), eix = (cos x, sin x) = (cos(x + 2π), sin(x + 2π)) = eix+2πi

Es gilt:
∞ ∞ ∞
X (ix)k X (ix)k X (−ix)k
eix = = = = e−ix .
k=0
k! k=0
k! k=0
k!
Damit folgt
|eix |2 = eix eix = eix e−ix = 1.
Die Eulersche Formel ist nützlich, um trigonometrische Formeln herzuleiten.

53

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 5.15 Für alle x, y ∈ R gilt ei(x+y) = eix eiy . Mit Hilfe der Eulerschen Formel
können wir dies wie folgt umschreiben:

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


= cos x cos y − sin x sin y + i(cos x sin y + sin x cos y)

Real- und Imaginärteile müssen auf beiden Seiten übereinstimmen:

cos(x + y) = cos x cos y − sin x sin y


sin(x + y) = cos x sin y + sin x cos y

Definition 5.16 Tangens: Vorl.12


sin x π
tan x = , x ∈ R, x 6= + kπ, k ∈ Z
cos x 2
Kotangens:
cos x
cot x = , x ∈ R, x 6= kπ, k ∈ Z
sin x
Weil die Exponentialfunktion stetig ist, sind auch sin, cos, tan und cot auf ihrem
Definitionsbereich stetig.

Satz 5.17 (Reihendarstellung von cos und sin) Kosinus und Sinus besitzen die fol-
genden Reihendarstellungen

X x2k x2 x4 x6
cos x = (−1)k ⇒ cos x = 1 − + − + ...
k=0
(2k)! 2 4! 6!

X x2k+1 x3 x5 x7
sin x = (−1)k ⇒ sin x = x − + − + ...
k=0
(2k + 1)! 3! 5! 7!

für alle x ∈ R. Die Reihen sind für alle x ∈ R absolut konvergent.

Beweis. Wir wissen


∞  
1 1X (ix)k (−ix)k
cos x = (eix + e−ix ) = + .
2 2 k=0 k! k!

Dabei ist

k k k k 0 falls k ungerade,
(ix) + (−ix) = (ix) (1 + (−1) ) =
2(ix)k falls k gerade.
Damit folgt:
∞ ∞
X (ix)2k x2k X
k
cos x = = (−1)
k=0
(2k)! k=0
(2k)!

54

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Analog bestimmen wir die Reihendarstellung für Sinus:


∞  
1 1 X (ix)k (−ix)k
sin x = (eix − e−ix ) = − .
2i 2i k=0 k! k!

Dabei ist

k k k k 0 falls k gerade,
(ix) − (−ix) = (ix) (1 − (−1) ) =
2(ix)k falls k ungerade.

Damit folgt:
∞ ∞
1 X 2(ix)2k+1 X x2k+1
sin x = = (−1)k .
2i k=0 (2k + 1)! k=0
(2k + 1)!

Definition 5.18 Wir schreiben


lim f (y) = a,
y→x

falls limn→∞ f (yn ) = a für alle Folgen (yn )n∈N mit limn→∞ yn = x gilt.

Lemma 5.19
sin x 1 − cos x
lim = 1, lim 1 2 = 1.
x→0 x x→0 x
2

Beweis. Wir verwenden die Reihendarstellung von sin x. Für x 6= 0 gilt:


∞ ∞
sin x X k x2k X x2k
= (−1) =1+ (−1)k
x k=0
(2k + 1)! k=1
(2k + 1)!

X x2j+2
=1+ (−1)j+1 = 1 + c(x)x2
j=0
(2j + 3)!

mit

X x2j
c(x) = (−1)j+1 ;
j=0
(2j + 3)!

dabei haben wir den Summationsindex mit k = j + 1 geändert. Wir schätzen c(x) ab.
Für j ∈ N0 gilt
2j

j+1 x x2j
(−1) ≤ .
(2j + 3)! j!

55

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Damit folgt
∞ ∞ ∞
X j+1 x2j X x2j X (x2 )j 2
|c(x)| ≤ (−1) (2j + 3)! ≤
= = ex .
j=0
j! j! j=0 j=0

Wir interessieren uns für den Grenzwert x → 0. Daher genügt es x mit |x| ≤ 1 zu
betrachten. Es gilt:
2
sup |c(x)| ≤ sup ex ≤ e1 = e.
x:|x|≤1 x:|x|≤1

Wegen
0 ≤ |c(x)x2 | ≤ ex2 ∀x mit |x| ≤ 1
folgt limx→0 c(x)x2 = 0. Damit ergibt sich
sin x
lim = lim (1 + c(x)x2 ) = 1.
x→0 x x→0

Die Behauptung für den zweiten Grenzwert folgt analog.

Umkehrfunktionen der trigonometrischen Funktionen. Die Funktion


h π πi
sin : − , →R
2 2
ist stetig und streng monoton wachsend mit Bild [−1, 1]. Die Umkehrfunktion Arkussinus
h π πi
arcsin : [−1, 1] → − ,
2 2
ist stetig und streng monoton wachsend. Wir erhalten den Graphen der Umkehrfunktion
durch Spiegelung an der ersten Winkelhalbierenden.

56

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

cos : [0, π] → R
ist stetig und streng monoton fallend mit Bild [−1, 1]. Die Umkehrfunktion Arkuskosinus

arccos : [−1, 1] → [0, π]


ist stetig und streng monoton fallend.

sin  π π 
tan = : − , →R
cos 2 2
ist stetig und streng monoton wachsend mit Bild R. Die Umkehrfunktion heißt Arkus-
tangens  π π
arctan : R → − ,
2 2

57

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

6 Differenzierbarkeit
6.1 Landau-Symbole
Definition 6.1 (Landau-Symbole) Seien f, g : Rd → C Funktionen und x0 ∈ Rd .
(a) f (x) = O(g(x)) für x → x0 , falls
∃ε > 0 ∃C > 0 sodass ∀x ∈ Rd mit kx − x0 k < ε |f (x)| ≤ C|g(x)|
Man sagt: f ist bis auf eine Konstante asymptotisch durch g beschränkt.
(b) f (x) = o(g(x)) für x → x0 , falls
f (x)
lim = 0.
x→x0 g(x)
Man sagt: f ist gegenüber g asymptotisch vernachlässigbar.
Beispiel 6.2 Betrachte f : R → R.
• f (x) = O(1) für x → x0 bedeutet
∃ε > 0 ∃C > 0 sodass ∀x ∈ (x0 − ε, x0 + ε) |f (x)| ≤ C
D.h. f ist in einer Umgebung von x0 beschränkt.
• f (x) = o(1) für x → x0 bedeutet
f (x)
lim f (x) = lim = 0.
x→x0 x→x0 1
Insbesondere folgt, dass f in einer Umgebung von x0 beschränkt ist. Damit folgt
f (x) = O(1) für x → x0 .
f (h)
• f (h) = o(h) für h → 0 bedeutet lim = 0. Damit folgt
h→0 h

f (h)
∃ε > 0 sodass ∀h ∈ R \ {0} mit |h| < ε h ≤1

=⇒ |f (h)| ≤ |h| → 0
für h → 0. Mit der Einschließungsregel folgt limh→0 f (h) = 0. Damit folgt
f (h) = o(1) für h → 0.
√ √
Beachte: h = o(1) für h → 0, aber h 6= o(h) für h → 0, denn

h 1
= √ →∞
h h
für h → 0.

58

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 6.3 Betrachte


f : R → R, f (x) = 5x7 + 2x3 − x2 .
Wir suchen eine möglichst präzise und einfache aymptotische Beschreibung von f für
x → 0.
Heuristik: Für kleine |x| sind x7 und x3 gegenüber x2 asymptotisch vernachlässigbar.
=⇒ f (x) ≈ −x2 für x → 0.
Mathematisch präzise gilt: f (x) = O(x2 ) für x → 0. Denn für x mit |x| ≤ 1 gilt:
|f (x)| ≤ 5|x|7 + 2|x|3 + x2 ≤ 5x2 + 2x2 + x2 = 8x2
Bemerkung 6.4

f (x)
lim = c =⇒ f (x) = O(g(x)) für x → x0 .
x→x0 g(x)

f (x)
Beweis. Wenn lim = c, folgt in einer Umgebung von x0 :
x→x0 g(x)

f (x)
− c ≤ 1 =⇒ c − 1 ≤ f (x) ≤ c + 1 =⇒ |f (x)| ≤ (c + 1)|g(x)|


g(x) g(x)

Das bedeutet f (x) = O(g(x)) für x → x0 .


Definition 6.5 Seien f, g : R → R.
(a) f (x) = O(g(x)) für x → −∞, falls
∃M > 0 ∃C > 0 sodass ∀x ∈ R mit x < −M |f (x)| ≤ C|g(x)|
f (x) = O(g(x)) für x → ∞, falls
∃M > 0 ∃C > 0 sodass ∀x ∈ R mit x > M |f (x)| ≤ C|g(x)|

(b) f (x) = o(g(x)) für x → x0 ∈ {−∞, ∞}, falls


f (x)
lim = 0.
x→x0 g(x)
Beispiel 6.6 Betrachte Vorl.13
f : R → R, f (x) = 5x7 + 2x3 − x2 .
Wir suchen eine möglichst präzise und einfache aymptotische Beschreibung von f für
x → ∞.
Heuristik: Für große x sind x2 und x3 gegenüber x7 asymptotisch vernachlässigbar.
=⇒ f (x) ≈ 5x7 für x → ∞.
Mathematisch präzise gilt: f (x) = O(x7 ) für x → ∞. Denn für x ≥ 1 gilt:
|f (x)| ≤ 5x7 + 2x3 + x2 ≤ 5x7 + 2x7 + x7 = 8x7

59

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

6.2 Differenzierbarkeit
Wir wollen eine Funktion f : R → R lokal an einem Punkt x0 ∈ R durch eine Gerade
approximieren, die das Änderungsverhalten von f in der Nähe von x0 beschreibt.

Definition 6.7 Eine Funktion f : I → R auf einem offenen Intervall I ⊆ R heißt


differenzierbar in x0 ∈ I, falls für eine Zahl f ′ (x0 ) ∈ R die Linearisierung
f (x) = f (x0 ) + f ′ (x0 )(x − x0 ) + o(|x − x0 |) für x → x0 (6.1)
gültig ist. Die approximierende Gerade
x 7→ f (x0 ) + f ′ (x0 )(x − x0 )
heißt Tangente von f in x0 . Ihre Steigung f ′ (x0 ) heißt Ableitung von f in x0 .

Lemma 6.8 Für x → x0 approximiert die Tangente die Funktion f besser als jede andere
Gerade.

Beweis. Es gelte (6.1). Eine Gerade lässt sich schreiben als x 7→ a(x − x0 ) + b mit
a, b ∈ R. Es gilt
f (x) = a(x − x0 ) + b + f (x0 ) − b + (f ′ (x0 ) − a)(x − x0 ) + o(|x − x0 |)
= a(x − x0 ) + b + r(x, x0 )
mit dem Approximationsfehler
r(x, x0 ) = f (x0 ) − b + (f ′ (x0 ) − a)(x − x0 ) + o(|x − x0 |).
Approximationsfehler der Tangente: o(|x − x0 |)
Fall b 6= f (x0 ): r(x, x0 ) = O(1) schlechter als o(|x − x0 |)
Fall b = f (x0 ) und a 6= f ′ (x0 ): r(x, x0 ) = O(x − x0 ) schlechter als o(|x − x0 |)

Lemma 6.9 f in x0 differenzierbar =⇒ f in x0 stetig

Beweis. (6.1) liefert


lim f (x) = lim (f (x0 ) + f ′ (x0 )(x − x0 ) + o(|x − x0 |)) = f (x0 ).
x→x0 x→x0

Wir schreiben (6.1) für x 6= x0 um:


f (x) = f (x0 ) + f ′ (x0 )(x − x0 ) + o(|x − x0 |) für x → x0
⇐⇒ f (x) − f (x0 ) − f ′ (x0 )(x − x0 ) = o(|x − x0 |) für x → x0
f (x) − f (x0 ) − f ′ (x0 )(x − x0 )
⇐⇒ lim =0
x→x0 x − x0
f (x) − f (x0 )
⇐⇒ lim = f ′ (x0 ).
x→x0 x − x0

60

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Setze x − x0 = h. Dann ist x = x0 + h und (6.1) ist äquivalent zu


f (x0 + h) − f (x0 )
lim = f ′ (x0 ).
h→0 h
f (x0 + h) − f (x0 )
heißt Differenzenquotient.
h

Figure 5: Der Graph von f ist in blau gezeichnet, die Tangente an x0 = 1 in rot. Die
schwarze Gerade hat als Steigung den Differenzenquotienten zwischen x0 = 1 und x0 +h =
3.
Achtung: Nicht jede stetige Funktion ist differenzierbar. Z.B. ist x 7→ |x| in 0 nicht
differenzierbar.

Definition 6.10 Wenn f in jedem Punkt differenzierbar ist, dann heißt f differenzierbar.
Anstelle von f ′ (x0 ) schreibt man auch
df
(x0 ) oder Df (x0 ).
dx
Beispiel 6.11 Wir betrachten die Gerade mit Steigung a
f : R → R, x 7→ ax + b

61

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Dann gilt für alle x0 ∈ R

f (x0 + h) − f (x0 ) a(x0 + h) + b − ax0 − b ah


f ′ (x0 ) = lim = lim = lim = a.
h→0 h h→0 h h→0 h

Beispiel 6.12 Wir betrachten die Parabel

f : R → R, x 7→ x2

Dann gilt für alle x0 ∈ R

f (x0 + h) − f (x0 ) (x0 + h)2 − x20


f ′ (x0 ) = lim = lim
h→0 h h→0 h
2
2x0 h + h
= lim = lim (2x0 + h) = 2x0 .
h→0 h h→0

Beispiel 6.13 Wir betrachten die Exponentialfunktion

f : R → R, x 7→ ex

Zunächst analysieren wir das Verhalten bei x0 = 0. Für alle h 6= 0 gilt:



! ∞
!
f (x0 + h) − f (x0 ) eh − e0 1 X hk 1 X hk
= = −1 = 1+h+ −1
h h h k=0 k! h k=2
k!
∞ ∞
X hk−2 X hj
=1+h =1+h = 1 + hc(h)
k=2
k! j=0
(j + 2)!

mit ∞
X hj
c(h) = .
j=0
(j + 2)!

62

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Wir beschränken die letzte Reihe. Für alle j ∈ N0 gilt:


|hj | |hj |
≤ .
(j + 2)! j!
Damit ergibt sich folgende Schranke:

X |h|j
|c(h)| ≤ = e|h| .
j=0
j!

Wegen
0 ≤ |hc(h)| ≤ |h|e|h| → 0
für h → 0 folgt aus der Einschließungsregel limh→0 hc(h) = 0. Es folgt
eh − e0
lim = lim (1 + hc(h)) = 1 = e0 =⇒ (exp)′ (0) = 1 = e0 .
h→0 h h→0

Für x ∈ R gilt:
f (x + h) − f (x) ex+h − ex
f ′ (x) = lim = lim
h→0 h h→0 h
h 0
e −e
= lim ex · = ex .
h→0 h
Damit folgt
(exp)′ (x) = ex ∀x ∈ R
Beispiel 6.14 Wir betrachten die Sinusfunktion
f : R → R, x 7→ sin x.
Dann gilt für alle x0 ∈ R und h 6= 0
sin(x0 + h) − sin x0 sin x0 cos h + cos x0 sin h − sin x0
=
h h
cos h − 1 sin h
= sin x0 + cos x0 .
h h
Dabei gilt
sin h
lim = 1,
h→0 h
cos h − 1 h cos h − 1 h cos h − 1
lim = lim h 2 = lim lim h2
= 0 · 1 = 0.
h→0 h h→0 2
2
h→0 2 h→0
2

Es folgt
(sin)′ (x) = cos x ∀x ∈ R
Analog zeigt man
(cos)′ (x) = − sin x ∀x ∈ R

63

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

6.3 Ableitungsregeln
Satz 6.15 (Ableitungsregeln) Sei I ⊆ R ein offenes Intervall und f, g : I → R in
x ∈ I differenzierbar. Dann gilt:

(a) (cf )′ (x) = cf ′ (x) für alle c ∈ R

(b) (f + g)′ (x) = f ′ (x) + g ′ (x) Summenregel

(c) (f g)′ (x) = f (x)g ′ (x) + f ′ (x)g(x) Produktregel


 ′
f g(x)f ′ (x) − f (x)g ′ (x)
(d) (x) = , falls g(x) 6= 0 Quotientenregel
g g(x)2

Beweis der Produktregel. Sei x ∈ I und h 6= 0 mit |h| so klein, dass x + h ∈ I. Wir Vorl.14
betrachten den Differenzenquotienten:

f (x + h)g(x + h) − f (x)g(x)
lim
h→0
 h 
f (x + h) − f (x) g(x + h) − g(x)
= lim g(x + h) + f (x)
h→0 h h
f (x + h) − f (x) g(x + h) − g(x)
= lim lim g(x + h) + f (x) lim
h→0 h h→0 h→0 h
′ ′
=f (x)g(x) + f (x)g (x).

Dabei haben wir verwendet, dass g in x stetig ist, da g in x differenzierbar ist.

Lemma 6.16 Sei n ∈ N. Die Funktion f : R → R, x 7→ xn hat die Ableitung

f ′ (x) = nxn−1 ∀x ∈ R

Beweis mit vollständiger Induktion. Induktionsanfang n = 1: Dann ist f (x) = x


und f ′ (x) = 1 = 1 · x0 .
Induktionsschluss n → n + 1: Sei die Behauptung richtig für n. Wir schreiben f (x) =
xn+1 = x · xn und wenden die Produktregel an. Die Ableitung von xn kennen wir nach
Induktionsannahme.
f ′ (x) = x · nxn−1 + 1 · xn = (n + 1)xn .

Damit ergibt sich die Ableitung eines Polynoms:


n
!′ n
X X
k
ak x = kak xk−1
k=0 k=1

für alle n ∈ N, ak ∈ R, 0 ≤ k ≤ n.

64

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 6.17
f (x) = 4x12 − 7x4 + 3x3 + 7 ⇒ f ′ (x) = 48x11 − 28x3 + 9x2

Lemma 6.18 Für alle x im Definitionsbereich gilt


1
(tan)′ (x) = 1 + tan2 x = .
cos2 x
sin x
Beweis. Wir wenden die Quotientenregel auf tan x = an und verwenden sin′ = cos,
cos x
cos′ = − sin:
cos x(sin)′ (x) − sin x(cos)′ (x) cos2 x + sin2 x 1
(tan)′ (x) = 2
= 2
= ,
cos x cos x cos2 x
da cos2 x + sin2 x = 1. Andererseits gilt
cos2 x + sin2 x sin2 x
(tan)′ (x) = = 1 + = 1 + tan2 x.
cos2 x cos2 x

Kettenregel.
Definition 6.19 x0 heißt innerer Punkt von A ⊆ R, falls
∃ε > 0 sodass (x0 − ε, x0 + ε) ⊆ A

Satz 6.20 (Kettenregel) Seien D, E ⊆ R, f : D → R, g : E → R mit g(E) ⊆ D.


Sei x0 innerer Punkt von E, g(x0 ) innerer Punkt von D. Sei g in x0 und f in g(x0 )
differenzierbar. Dann ist die Komposition f ◦ g in x0 differenzierbar mit
(f ◦ g)′ (x0 ) = f ′ (g(x0 ))g ′ (x0 ).

Beweis. Für x 6= x0 mit g(x) 6= g(x0 ) gilt:


(f ◦ g)(x) − (f ◦ g)(x0 ) f (g(x)) − f (g(x0 )) g(x) − g(x0 )
= ·
x − x0 g(x) − g(x0 ) x − x0
| {z } | {z }
→ f ′ (g(x0 )) → g ′ (x0 )

für x → x0 . Dabei haben wir verwendet, dass


g in x0 differenzierbar =⇒ g stetig in x0 =⇒ lim g(x) = g(x0 ).
x→x0

Für x 6= x0 mit g(x) = g(x0 ) gilt:


(f ◦ g)(x) − (f ◦ g)(x0 ) g(x) − g(x0 )
= 0 = f ′ (g(x0 )) · → f ′ (g(x0 ))g ′ (x0 ).
x − x0 x − x0

65

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 6.21 Für a > 0 betrachten wir die Funktion


f : (0, ∞) → R, x 7→ ax = ex ln a .
f ist die Komposition von exp und x 7→ x ln a. Für h(x) = ex , g(x) = x ln a ist f (x) =
h(g(x)). Anwenden der Kettenregel liefert
f ′ (x) = h′ (g(x))g ′ (x).
Wegen h′ (x) = ex , g ′ (x) = ln a folgt
f ′ (x) = ex ln a ln a = ax ln a.

Satz 6.22 Seien I, J ⊆ R. Sei f : I → J, y 7→ f (y) bijektiv und differenzierbar in y0


mit f ′ (y0 ) 6= 0. Dann ist die Umkehrfunktion f −1 : J → I, x 7→ f −1 (x) in x0 = f (y0 )
differenzierbar mit
1
(f −1 )′ (x0 ) = ′ −1 .
f (f (x0 ))
Beweis. Für alle y ∈ I gilt: f −1 (f (y)) = y. Wenn wir wissen, dass f −1 in f (y0 )
differenzierbar ist, folgt aus der Kettenregel:
(f −1 )′ (f (y0 ))f ′ (y0 ) = 1.
Wegen f (y0 ) = x0 und f ′ (y0 ) 6= 0 folgt
1 1
(f −1 )′ (x0 ) = = .
f ′ (y 0) f ′ (f −1 (x 0 ))

Beispiel 6.23 Die Exponentialfunktion exp : R → (0, ∞) ist bijektiv und überall dif-
ferenzierbar mit (exp)′ = exp 6= 0. Daher ist die Umkehrfunktion ln : (0, ∞) → R
differenzierbar mit
1 1
(ln)′ (x) = = ∀x > 0.
exp(ln x) x
Lemma 6.24 Für alle x ∈ R gilt
 x n
lim 1+ = ex .
n→∞ n
Beweis. Es genügt die logarithmierte Gleichung zu zeigen. Da die Logarithmusfunktion
stetig ist, folgt
  x n   x n   x
ln lim 1 + = lim ln 1 + = lim n ln 1 +
n→∞ n n→∞ n n→∞ n
ln 1 + nx − ln 1
= lim x x = x(ln)′ (1) = x = ln ex .
n→∞
n

Im letzten Grenzwert haben wir einen Differenzenquotienten von ln an der Stelle 1.

66

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Lemma 6.25 Sei a 6= 0. Die Funktion f : (0, ∞) → R, x 7→ xa besitzt die Ableitung


f ′ (x) = axa−1 .

Beweis. Es ist f (x) = ea ln x . Die Kettenregel liefert


d a a
f ′ (x) = (exp)′ (a ln x) (a ln x) = ea ln x = xa = axa−1 .
dx x x

Spezialfälle.

• a = 1/2: Dann ist f (x) = x1/2 = x und
1 1
f ′ (x) = x−1/2 = √ ∀x > 0.
2 2 x

• a = −n mit n ∈ N: Dann ist


1 −n
f (x) = x−n = , f ′ (x) = −nx−n−1 = .
xn xn+1
Speziell gilt    
d 1 1 d 1 2
= − 2, =− .
dx x x dx x2 x3
Lemma 6.26 Für alle x ∈ (−1, 1) gilt
1 1
(arcsin)′ (x) = √ , (arccos)′ (x) = − √ .
1 − x2 1 − x2
Beweis. Es gilt
1 1
(arcsin)′ (x) = = .
(sin)′ (arcsin x) cos(arcsin x)
p
Aus cos2 x + sin2 x = 1 folgt cos x = 1 − sin2 x für alle x ∈ (− π2 , π2 ). Damit folgt
1 1
(arcsin)′ (x) = p = √ .
1 − sin2 (arcsin x) 1 − x2

Lemma 6.27 Für alle x ∈ R gilt


1
(arctan)′ (x) = .
1 + x2
Beweis. Mit (tan)′ = 1 + tan2 folgt
1 1 1
(arctan)′ (x) = = 2
= .
(tan)′ (arctan x) 1 + tan (arctan x) 1 + x2

67

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

7 Anwendungen der Ableitung


7.1 Extrema
Definition 7.1 • Die Funktion f : [a, b] → R hat bei x0 ∈ [a, b] ein globales Maxi-
mum, falls f (x0 ) ≥ f (x) für alle x ∈ [a, b].

• f hat bei x0 ∈ [a, b] ein globales Minimum, falls f (x0 ) ≤ f (x) für alle x ∈ [a, b].

• f hat bei x0 ∈ [a, b] ein lokales Maximum, falls ein ε > 0 existiert, sodass f (x0 ) ≥
f (x) für alle x ∈ (x0 − ε, x0 + ε) ∩ [a, b].

• f hat bei x0 ∈ [a, b] ein lokales Minimum, falls ein ε > 0 existiert, sodass f (x0 ) ≤
f (x) für alle x ∈ (x0 − ε, x0 + ε) ∩ [a, b].
Maxima und Minima heißen Extrema. Wenn > statt ≥ bzw. < statt ≤ gilt, spricht
man von strikten Maxima und Minima.

Figure 6: f hat in c ein globales Maximum, in d1 ein globales Minimum. f hat lokale
Maxima bei a, b und c und lokale Minima bei d1 und d2 . Alle Extrema sind strikt.

Lemma 7.2 Sei f : [a, b] → R differenzierbar auf (a, b). Wenn f in x0 ∈ (a, b) ein Vorl.15
lokales Extremum besitzt, dann gilt

f ′ (x0 ) = 0.

Lemma 7.2 gibt eine notwendige Bedingung für lokale Extrema.

68

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis von Lemma 7.2. Angenommen, f besitzt in x0 ∈ (a, b) ein lokales Maximum.
Dann
∃ε > 0 ∀x ∈ (x0 − ε, x0 + ε) f (x) ≤ f (x0 )
Wir schreiben die Punkte x ∈ (x0 − ε, x0 + ε) als x0 + h mit h ∈ (−ε, ε). Dann folgt

∀h ∈ (−ε, ε) f (x0 + h) − f (x0 ) ≤ 0

Division durch h liefert



f (x0 + h) − f (x0 ) ≤ 0 ∀0 < h < ε
h ≥0 ∀−ε<h<0

f (x0 + hn ) − f (x0 ) ≤ 0 ∀hn > 0 mit limn→∞ hn = 0
=⇒ lim
n→∞ hn ≥ 0 ∀hn < 0 mit limn→∞ hn = 0

Damit ist die Ableitung


f (x0 + h) − f (x0 )
f ′ (x0 ) = lim
h→0 h

gleichzeitig ≤ 0 und ≥ 0. Damit folgt f (x0 ) = 0.
Beachte: Für x0 = a und x0 = b kann f (x0 ) ein lokales oder globales Extremum
sein und gleichzeitig kann für die einseitige Ableitung in x0 gelten: f ′ (x0 ) 6= 0. Z.B.
f : [−1, 1] → R, x 7→ x2 . Es gilt

f ′ (x) = 2x 6= 0 für x ∈ {−1, 1}.

Vorgehensweise zur Bestimmung der Extrema einer differenzierbaren Funk-


tion f : [a, b] → R.

(a) Nullstellen von f ′ in (a, b) bestimmen.

(b) Diejenigen Nullstellen aus (a) aussortieren, zu denen kein lokales Extremum gehört.

(c) Besitzt f in a bzw. b ein lokales Maximum oder Minimum?

69

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

(d) Das größte lokale Maximum ist das globale Maximum, das kleinste lokale Minimum
ist das globale Minimum.

Beispiel 7.3 Betrachte f : [−1, 1] → R, x 7→ x3 . Die Ableitung ist gegeben durch f ′ (x) =
3x2 . Es gilt
f ′ (x) = 0 ⇐⇒ x = 0
Wegen
f (x) < 0 = f (0) ∀x < 0 und f (x) > 0 = f (0) ∀x > 0
hat f in 0 kein lokales Extremum. Wegen

f (−1) = −1 ≤ f (x) ∀x ∈ [−1, 1] und f (1) = 1 ≥ f (x) ∀x ∈ [−1, 1]

hat f in −1 ein lokales und globales Minimum und in 1 ein lokales und globales Maximum.

7.2 Mittelwertsatz
Satz 7.4 (Mittelwertsatz der Differentialrechnung) Es sei f : [a, b] → R stetig auf
[a, b] und differenzierbar auf (a, b). Dann gibt es ein ξ ∈ (a, b) mit

f (b) − f (a)
= f ′ (ξ).
b−a

Korollar 7.5 (Satz von Rolle) Wenn zusätzlich f (a) = f (b), dann gibt es ein ξ ∈
(a, b) mit f ′ (ξ) = 0.

Beweis. Falls f auf [a, b] konstant ist, gilt f ′ (ξ) = 0 für alle ξ ∈ (a, b).
Sei f nicht konstant. Als stetige Funktion nimmt f auf [a, b] Minimum und Maximum
an. Da f nicht konstant ist, sind Minimum und Maximum verschieden. Wegen f (a) =
f (b) wird Minimum oder Maximum im offenen Intervall (a, b) angenommen. Also besitzt
f ein lokales Extremum in einem Punkt ξ ∈ (a, b). Aus Lemma 7.2 folgt f ′ (ξ) = 0.

70

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Satz 7.6 (Verallgemeinerter Mittelwertsatz) Seien f, g : [a, b] → R stetig auf [a, b]


und differenzierbar auf (a, b). Sei g ′ (x) 6= 0 für alle x ∈ (a, b). Dann ist g(a) 6= g(b) und
es gibt ein ξ ∈ (a, b) mit
f (b) − f (a) f ′ (ξ)
= ′ .
g(b) − g(a) g (ξ)

Beweis. Angenommen, g(a) = g(b). Nach dem Satz von Rolle existiert ξ ∈ (a, b) mit
g ′ (ξ) = 0. Das ist ein Widerspruch zur Voraussetzung g ′ (x) =
6 0 für alle x ∈ (a, b). Also
gilt g(a) 6= g(b).
Wir betrachten die Funktion F : [a, b] → R,

f (b) − f (a)
x 7→ f (x) − (g(x) − g(a)).
g(b) − g(a)

F ist stetig auf [a, b], differenzierbar auf (a, b) mit F (a) = f (a) und F (b) = f (a). Damit
ist der Satz von Rolle auf F anwendbar. Somit existiert ξ ∈ (a, b) mit

f (b) − f (a) ′
0 = F ′ (ξ) = f ′ (ξ) − g (ξ).
g(b) − g(a)

Wegen g ′ (ξ) 6= 0 folgt die Behauptung.


Beweis des Mittelwertsatzes. Der Mittelwertsatz folgt aus dem verallgemeinerten
Mittelwertsatz für g(x) = x, g ′ (x) = 1 6= 0 für all x.

7.3 Monotonie
Definition 7.7 • Die Funktion f : I ⊆ R → R heißt monoton wachsend, falls

∀x, y ∈ I mit x ≤ y f (x) ≤ f (y)

f heißt streng monoton wachsend, falls

∀x, y ∈ I mit x < y f (x) < f (y)

71

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• f heißt monoton fallend, falls

∀x, y ∈ I mit x ≤ y f (x) ≥ f (y)

f heißt streng monoton fallend, falls

∀x, y ∈ I mit x < y f (x) > f (y)

Beispiel 7.8 • f (x) = x ist streng monoton wachsend.


• Konstante Funktionen sind monoton wachsend und monoton fallend.
• f (x) = x2 ist auf [0, ∞) streng monoton wachsend und auf (−∞, 0] streng monoton
fallend.

Satz 7.9 (Monotoniekriterium) Sei f : [a, b] → R stetig auf [a, b] und differenzierbar
auf (a, b). Dann gilt:
(a) f ′ (x) > 0 ∀x ∈ (a, b) =⇒ f auf [a, b] streng monoton wachsend.
(b) f ′ (x) < 0 ∀x ∈ (a, b) =⇒ f auf [a, b] streng monoton fallend.
(c) f ′ (x) ≥ 0 ∀x ∈ (a, b) ⇐⇒ f auf [a, b] monoton wachsend.
(d) f ′ (x) ≤ 0 ∀x ∈ (a, b) ⇐⇒ f auf [a, b] monoton fallend.

Beachte: In (a) und (b) muss “⇐=” nicht gelten. Betrachte dazu z.B.

f : [−1, 1] → R, x 7→ x3 .

Die Funktion ist streng monoton wachsend auf [−1, 1]. Es gilt f ′ (x) = 3x2 , f ′ (0) = 0.
Somit gilt nicht
f ′ (x) > 0 ∀x ∈ [−1, 1].

Beweis von Satz 7.9. (a) Seien x, y ∈ [a, b] mit x < y. Nach dem Mittelwertsatz
existiert ξ ∈ (x, y) mit
f (y) − f (x)
= f ′ (ξ) > 0.
y−x
Da y − x > 0 ist, folgt

f (y) − f (x) = f ′ (ξ)(y − x) > 0 =⇒ f (y) > f (x).

Also ist f streng monoton wachsend.


“=⇒” in (b), (c) und (d) folgen analog.
(c) “⇐=”: Sei f monoton wachsend. Für x ∈ (a, b) und h > 0 klein genug gilt x+h ∈ (a, b)
und
f (x + h) − f (x) f (x + h) − f (x)
≥ 0 =⇒ f ′ (x) = lim ≥0
h h→0 h

72

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 7.10 Wir wissen, dass ln als Umkehrfunktion der streng monoton wachsenden Vorl.16
Exponentialfunktion streng monoton wachsend ist. Alternativ folgt die strenge Monotonie
von f : (0, ∞) → R, x 7→ ln x aus
1
f ′ (x) = >0 ∀x
x
Lemma 7.11

1 + x ≤ ex ∀x ∈ R mit Gleichheit genau für x = 0 (7.1)


ln(1 + x) ≤ x ∀x > −1 mit Gleichheit genau für x = 0 (7.2)

Figure 7: Im linken Bild sind x 7→ x in schwarz und x 7→ ln(1 + x) in blau dargestellt.


Im rechten Bild sind neben den Koordinatenaxen die Abbildungen x 7→ 1 + x in schwarz
und x 7→ ex in blau gezeigt.

Beweis. Fall x ≥ 0: (7.1) folgt aus der Reihendarstellung von exp:


∞ ∞
x
X xk X xk
e = =1+x+ ≥ 1 + x.
k=0
k! k=2
k!

Gleichheit gilt genau dann, wenn



X xk
=0 ⇐⇒ x=0
k=2
k!

Fall x < 0: Für große n folgt aus der Bernoulli-Ungleichung


 x n
1+ ≥ 1 + x.
n
Damit folgt 
x x n
e = lim 1+ ≥ 1 + x.
n→∞ n

73

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Um zu untersuchen, wann Gleichheit gilt, betrachten wir die Funktion f : (−∞, 0] → R,


x 7→ ex − 1 − x. Wegen
f ′ (x) = ex − 1 < 0 ∀x < 0
ist f auf (−∞, 0] streng monoton fallend. Es folgt für alle x < 0:

ex − 1 − x = f (x) > f (0) = 0 ⇐⇒ ex > 1 + x

Damit ist (7.1) gezeigt. Da ln streng monoton wächst folgt aus (7.1)

ln(1 + x) ≤ ln(ex ) = x.

Die Einschränkung x > −1 brauchen wir für 1 + x > 0. Gleichheit gilt für die gleichen x
wie in (7.1).

Satz 7.12 (Hinreichendes Kriterium für Extrema) Sei f : (a, b) → R differenzier-


bar und f ′ (x0 ) = 0 für ein x0 ∈ (a, b). Dann gilt:

(a) f ′ ≥ 0 in (a, x0 ) und f ′ ≤ 0 in (x0 , b) =⇒ f nimmt sein globales Maximum in x0


an.

(b) f ′ ≤ 0 in (a, x0 ) und f ′ ≥ 0 in (x0 , b) =⇒ f nimmt sein globales Minimum in x0


an.

Beweis.

(a) f ist auf (a, x0 ] monoton wachsend und auf [x0 , b) monoton fallend.

Das Kriterium ist auch für lokale Extrema anwendbar, wenn man f auf (x0 − ε, x0 + ε)
anstelle von (a, b) betrachtet.

Satz 7.13 Sei f : (a, b) → R differenzierbar. Es gilt:

f ′ (x) = 0 ∀x ∈ (a, b) ⇐⇒ f = const auf (a, b).

Beweis.

74

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

“⇐=” klar.

“=⇒” Seien x, y ∈ (a, b). Nach dem Mittelwertsatz existert ξ ∈ (x, y) mit
f (y) − f (x)
= f ′ (ξ) = 0 =⇒ f (x) = f (y)
y−x
Da x, y ∈ (a, b) beliebig sind, ist f auf (a, b) konstant.

Lemma 7.14 Seien f, g : (a, b) → R differenzierbar mit f ′ = g ′ auf (a, b). Dann existiert
eine Konstante c ∈ R, sodass f = g + c auf (a, b) gilt.

Beweis. Wegen 0 = f ′ − g ′ = (f − g)′ folgt, dass f − g konstant ist. Daraus folgt die
Behauptung.

7.4 Berechnung von Grenzwerten


Wir wissen, dass
sin x
lim
= 1.
x→0 x

Unser Beweis verwendet die Reihendarstellung von sin x. Sowohl Zähler als auch Nenner
konvergieren für x → 0 nach 0.

Satz 7.15 (Regel von l’Hospital) Seien a, b ∈ R ∪ {−∞, ∞}, f, g : (a, b) → R dif-
ferenzierbar mit g ′ (x) 6= 0 für alle x ∈ (a, b). Sei x0 ∈ {a, b} und es gelte
(a) limx→x0 f (x) = 0 = limx→x0 g(x) oder

(b) limx→x0 f (x) = ∞ = limx→x0 g(x).


Falls
f ′ (x)
lim
x→x0 g ′ (x)
existiert, dann gilt
f (x) f ′ (x)
lim = lim ′ .
x→x0 g(x) x→x0 g (x)

Beweis von (a) für x0 = a ∈ R. Da f, g auf (a, b) differenzierbar sind, sind f, g auf
(a, b) stetig. Wegen limx→a f (x) = 0 = limx→a g(x) lassen sich f und g stetig auf [a, b)
fortsetzen mit f (a) = 0 = g(a).
Sei x ∈ (a, b). Die Funktionen f und g sind auf [a, x] stetig, auf (a, x) differenzierbar
und es gilt g ′ (y) 6= 0 für alle y ∈ (a, x). Der verallgemeinerte Mittelwertsatz liefert: es
existiert ξ ∈ (a, x) mit
f (x) f (x) − f (a) f ′ (ξ)
= = ′ .
g(x) g(x) − g(a) g (ξ)

75

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Sei (xn )n∈N eine Folge mit limn→∞ xn = a. Dann existieren ξn ∈ (a, xn ) mit
f (xn ) f ′ (ξn )
= ′ .
g(xn ) g (ξn )
Wegen a ≤ ξn ≤ xn → a folgt aus der Einschließungsregel limn→∞ ξn = a. Damit folgt
f (x) f ′ (ξn ) f ′ (x)
lim = lim ′ = lim ′ .
x→a g(x) n→∞ g (ξn ) x→a g (x)

Damit folgt die Behauptung.

Beispiel 7.16
sin x (sin x)′ cos x
lim = lim ′
= lim = cos 0 = 1.
x→0 x x→0 x x→0 1
Wir haben die Regel von L’Hospital verwendet; beachte limx→0 sin x = sin 0 = 0.

Beispiel 7.17
 
1 1 x − sin x 1 − cos x
lim − = lim = lim
x→0 sin x x x→0 x sin x x→0 sin x + x cos x

sin x 0
= lim = = 0.
x→0 cos x + cos x − x sin x 2
Beachte: Wir haben zweimal die Regel von L’Hospital angewendet.
• limx→0 (x − sin x) = 0, limx→0 x sin x = 0.
• limx→0 (1 − cos x) = 1 − cos 0 = 0, limx→0 (sin x + x cos x) = 0.

Beispiel 7.18 Sei α > 0. Beachte: limx→∞ ln x = ∞, limx→∞ xα = ∞. Mit der Regel
von L’Hospital folgt
1
ln x x 1
lim α
= lim α−1
= lim = 0.
x→∞ x x→∞ αx x→∞ αxα

Folgerung: Für n ∈ N sei xn = ln n. Es gilt limn→∞ ln xn = ∞. Es folgt


ln ln n ln xn
lim α
= lim = 0.
n→∞ (ln n) n→∞ (xn )α

7.5 Höhere Ableitungen


Definition 7.19 Ist f ′ differenzierbar, so bezeichnen wir die Ableitung von f ′ mit f ′′ .
Ist f ′′ differenzierbar, so bezeichnen wir die Ableitung von f ′′ mit f ′′′ . Allgemein spricht
man von der n-ten Ableitung f (n) .
f (0) := f, f (1) := f ′ , f (2) := f ′′ , f (n+1) := (f (n) )′ ,
falls die Ableitung existiert.

76

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Vorsicht: Um f (n+1) (x) definieren zu können, muss f (n) in einer Umgebung (x−ε, x+ε)
von x definiert sein.

Definition 7.20 Eine Funktion f : [a, b] → R heißt


• n-mal differenzierbar in (a, b), falls f ′ , f ′′ , . . . , f (n) auf (a, b) existieren;
• n-mal stetig differenzierbar in (a, b), falls f ′ , f ′′ , . . . , f (n) auf (a, b) existieren und
dort stetig sind. Man schreibt f ∈ C n (a, b);
• unendlich oft differenzierbar in (a, b), falls f (n) für alle n ∈ N existiert. Man schreibt
f ∈ C ∞ (a, b).

Beispiel 7.21 Sei f (x) = x3 − 2x2 + 7x + 4. Es gilt f ∈ C ∞ (R) mit


f ′ (x) = 3x2 − 4x + 7, f ′′ (x) = 6x − 4,
f ′′′ (x) = 6, f (n) (x) = 0 ∀n ≥ 4.
P
Lemma 7.22 Polynome sind in C ∞ (R). Sei f (x) = nk=0 ak xk mit an 6= 0 ein Polynom Vorl.17
vom Grad n. Dann gilt
1
al = f (l) (0) ∀0 ≤ l ≤ n.
l!
Beweis. Mit Hilfe der Indexverschiebung j = k − 1 berechnen wir
n
X n−1
X
′ k−1
f (x) = kak x = (j + 1)aj+1 xj
k=1 j=0

Dies ist ein Polynom vom Grad n − 1. Für 0 ≤ l ≤ n erhalten wir mit der Indexver-
schiebung j = k − l
n
X
(l)
f (x) = k(k − 1) . . . (k − (l − 1))ak xk−l
k=l
n−l
X
= (j + l)(j + l − 1) . . . (j + 1)aj+l xj . (7.3)
j=0

Das ist ein Polynom vom Grad n − l. Für l ≥ n + 1 gilt


f (l) (x) = 0 ∀x ∈ R.
Einsetzen von x = 0 in (7.3) liefert
1 (l)
f (l) (0) = Koeffizient von x0 in (7.3) = l!al =⇒ al = f (0).
l!

Beispiel 7.23 exp ∈ C ∞ (R), denn


f (x) = ex , f ′ (x) = ex , f (n) (x) = ex ∀n ∈ N

77

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

7.6 Krümmungsverhalten

Der Graph von f beschreibt in wachsender x-Richtung eine Linkskurve. Zwischen


x0 und x1 liegt der Graph von f unterhalb der Verbindungslinie g von (x0 , f (x0 )) und
(x1 , f (x1 )).

• Die Punkte zwischen x0 und x1 werden beschrieben durch (1 − λ)x0 + λx1 , λ ∈ [0, 1].

• Die Funktionswerte g(x) für x zwischen x0 und x1 werden beschrieben durch

(1 − λ)f (x0 ) + λf (x1 ), λ ∈ [0, 1].

Definition 7.24 Eine Funktion f : [a, b] → R heißt konvex, falls für alle x0 , x1 ∈ [a, b]
mit x0 6= x1 gilt:

f ((1 − λ)x0 + λx1 ) ≤ (1 − λ)f (x0 ) + λf (x1 ) ∀λ ∈ (0, 1).

Gilt < anstelle von ≤, so heißt f strikt konvex. Die Funktion f heißt konkav, falls −f
konvex ist.

Satz 7.25 Für zweimal differenzierbares f : (a, b) → R gilt:

(a) f konvex ⇐⇒ f ′′ ≥ 0 auf (a, b)


f strikt konvex ⇐= f ′′ > 0 auf (a, b)

78

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

(b) f konkav ⇐⇒ f ′′ ≤ 0 auf (a, b)


f strikt konkav ⇐= f ′′ < 0 auf (a, b)

Beispiel 7.26 Betrachte f : R → R, x 7→ x4 . Es gilt

f ′ (x) = 4x3 , f ′′ (x) = 12x2 .

Die Funktion f ist strikt konvex auf R, aber f ′′ (0) = 0. Somit impliziert strikte Konvexität
nicht f ′′ > 0.

Beispiel 7.27 Betrachte f : R → R, x 7→ x2 . Es gilt

f ′ (x) = 2x, f ′′ (x) = 2 > 0 ∀x.

Somit ist f strikt konvex.

Beispiel 7.28 Betrachte f : R → R, x 7→ ex . Es gilt

f ′ (x) = ex , f ′′ (x) = ex > 0 ∀x.

Somit ist exp strikt konvex.

Beispiel 7.29 Betrachte f : (0, ∞), x 7→ ln x. Es gilt


1 1
f ′ (x) = , f ′′ (x) = − <0 ∀x.
x x2
Somit ist ln strikt konkav.

Satz 7.30 Sei f : (a, b) → R zweimal stetig differenzierbar und f ′ (x0 ) = 0 für ein x0 ∈
(a, b). Dann gilt:

(a) f ′′ (x0 ) > 0 =⇒ f besitzt ein striktes lokales Minimum in x0 .

79

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

(b) f ′′ (x0 ) < 0 =⇒ f besitzt ein striktes lokales Maximum in x0 .

Beweis von (a). Nach Voraussetzung ist f ′′ stetig und f ′′ (x0 ) > 0. Daher

∃ε > 0 ∀x ∈ (x0 − ε, x0 + ε) f ′′ (x) > 0

Folglich ist f ′ streng monoton wachsend auf (x0 − ε, x0 + ε). Wegen f ′ (x0 ) = 0 folgt

f ′ (x) < 0 ∀x ∈ (x0 − ε, x0 )


f ′ (x) > 0 ∀x ∈ (x0 , x0 + ε)

Daher ist f streng monoton fallend auf (x0 − ε, x0 ) und streng monoton wachsend auf
(x0 , x0 + ε). Somit hat f in x0 ein striktes lokales Minimum.

Bemerkung 7.31 Falls f ′ (x0 ) = 0 = f ′′ (x0 ), so kann man keine Aussage über lokale
Extrema bei x0 machen.

Beispiel 7.32 • Betrachte f : R → R, x 7→ x3 . Es gilt

f ′ (x) = 3x2 , f ′′ (x) = 6x =⇒ f ′ (0) = 0 = f ′′ (0)

f hat in 0 kein lokales Extremum.

• Betrachte f : R → R, x 7→ x4 . Es gilt

f ′ (x) = 4x3 , f ′′ (x) = 12x2 =⇒ f ′ (0) = 0 = f ′′ (0)

f hat in 0 ein lokales und globales Minimum. Denn f (0) = 0 < f (x) für alle x 6= 0.

• Betrachte f : R → R, x 7→ −x4 . Es gilt

f ′ (x) = −4x3 , f ′′ (x) = −12x2 =⇒ f ′ (0) = 0 = f ′′ (0)

f hat in 0 ein lokales und globales Maximum.

7.7 Kurvendiskussion
Bei einer Kurvendiskussion möchte man das Verhalten einer Funktion studieren. Wir
erläutern dies am Beispiel von
1
f : (0, ∞) → R, x 7→ x + .
x
• Randverhalten:    
1 1
lim x+ = ∞, lim x + = ∞.
x→∞ x x→0 x

80

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• Differenzierbarkeit: f ∈ C ∞ (0, ∞)
1 2
f ′ (x) = 1 − , f ′′ (x) = .
x2 x3

• Extrema: Notwendige Bedingung für ein Extremum:


1
f ′ (x) = 0 ⇐⇒ 1 − = 0 ⇐⇒ x2 = 1
x2
⇐⇒ x = 1

Beachte: x = −1 ist nicht im Definitionsbereich von f .


Wegen f ′′ (1) = 2 > 0 hat f in 1 ein lokales Minimum. Wegen der Randwerte ist
dies das globale Minimum.
Wert an der Minimumstelle: f (1) = 2.

• Monotonie: 
′ 1 < 0 für 0 < x < 1
f (x) = 1 − 2
x > 0 für x > 1
   
(0, 1) fallend
=⇒ f ist auf streng monoton .
(1, ∞) wachsend
• Krümmung: Wegen
2
f ′′ (x) = >0 für alle x > 0
x3
ist f strikt konvex.

• Graph von f :

81

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

8 Integration
8.1 Definition des Integrals
Problem: Gegeben f : [a, b] → R stetig, f ≥ 0. Wie groß ist der Flächeninhalt unter
dem Graphen von f ?
Für die konstante Funktion

f (x) = c für alle x ∈ [a, b]

ist der gesuchte Flächeninhalt c(b − a). Für kompliziertere Funktionen kann man pro-
bieren, die Fläche durch Rechtecke zu approximieren. Betrachte eine Zerlegung Z von
[a, b] :
a = x0 < x1 < x2 < . . . < xn−1 < xn = b.
Die Feinheit der Zerlegung ist

|Z| = max |xj − xj−1 |.


1≤j≤n

Die äquidistante Zerlegung ist gegeben durch


b−a
xj = a + j · , 0 ≤ j ≤ n.
n
Hier gilt
b−a b−a
|xj − xj−1 | = ∀j =⇒ |Z| = −→ 0.
n n n→∞
Gegeben eine Zerlegung Z wähle beliebige Zwischenpunkte Vorl.18

ξj ∈ [xj−1 , xj ], 1 ≤ j ≤ n.

Dann heißt n
X
SZ = f (ξj )(xj − xj−1 )
j=1

Riemann-Summe. SZ ist die Summe der Rechteckflächen mit Höhe f (ξj ) über dem Inter-
vall [xj−1 , xj ].
Wählt man Zerlegungen Zn , n ∈ N, die beliebig fein werden, d.h. |Zn | −→ 0, kann
n→∞
man hoffen, im Grenzwert den gesuchten Flächeninhalt zu erhalten.

82

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Definition 8.1 Eine Funktion f : [a, b] → R heißt (Riemann-)integrierbar, falls für


alle Zerlegungsfolgen (Zn )n∈N mit Feinheit |Zn | −→ 0 die zugehörigen Riemann-Summen
n→∞
SZn für jede Wahl der Zwischenpunkte gegen denselben Grenzwert I(f ) konvergieren:
n
X
lim f (ξj )(xj − xj−1 ) = I(f ).
n→∞
j=1

I(f ) heißt bestimmtes Integral von f : [a, b] → R, f heißt Integrand. Man schreibt:
Z b
I(f ) = f (x) dx.
a

Der Name der Integrationsvariablen x ist irrelevant. Man kann auch schreiben
Z b Z b
I(f ) = f (y) dy = f (t) dt.
a a

Setze Z Z Z
a a b
f (x) dx := 0, f (x) dx := − f (x) dx.
a b a

8.2 Wichtige Eigenschaften des Integrals


Viel wichtiger als die Definition sind die Rechenregeln für das Integral. Aus der Definition
ergeben sich folgende Eigenschaften des Integrals.

Satz 8.2 Für f, g : [a, b] → R integrierbar gilt:

83

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Z b Z b
(a) Normierung: 1 dx = dx = b − a.
a a
Z b
(b) Positivität: f ≥ 0 auf [a, b] =⇒ f (x) dx ≥ 0.
a
Z b Z b
(c) Monotonie: f ≥ g auf [a, b] =⇒ f (x) dx ≥ g(x) dx.
a a
Z b Z b Z b
(d) Linearität: λf (x) + µg(x) dx = λ f (x) dx + µ g(x) dx für λ, µ ∈ R.
a a a

(e) Zerlegbarkeit: Für a < c < b gilt:


Z b Z c Z b
f (x) dx = f (x) dx + f (x) dx.
a a c

Die Gleichung gilt für beliebige a, b, c, wenn alle auftretenden Integrale Sinn machen.

Satz 8.3 Jede stetige Funktion f : [a, b] → R ist integrierbar.

Satz 8.4 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] → R stetig und p :


[a, b] → R integrierbar mit p ≥ 0. Dann gibt es ein ξ ∈ [a, b] mit
Z b Z b
f (x)p(x) dx = f (ξ) p(x) dx.
a a

p heißt Gewichtsfunktion.

Beweis. Da f stetig ist, besitzt f auf [a, b] ein Minimum m und ein Maximum m. Wegen
p ≥ 0 gilt Z b Z b Z b
m p(x) dx ≤ f (x)p(x) dx ≤ m p(x) dx.
a a a

Folglich existiert µ ∈ [m, m] mit


Z b Z b
f (x)p(x) dx = µ p(x) dx.
a a

Da f stetig ist, gibt es nach dem Zwischenwertsatz ein ξ ∈ [a, b] mit µ = f (ξ).

Anwendung 8.5 Wähle p(x) = 1 für alle x. Dann existiert ξ ∈ [a, b] mit
Z b Z b
f (x) dx = f (ξ) 1 dx = f (ξ)(b − a).
a a

84

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

8.3 Stammfunktionen
Satz 8.6 (Hauptsatz der Differential- und Integralrechnung) Sei f : [a, b] → R
stetig. Die Funktion Z x
F : [a, b] → R, F (x) = f (t) dt
a

ist in jedem x ∈ (a, b) differenzierbar und es gilt

F ′ (x) = f (x).

In diesem Sinn ist die Integration die Umkehrung der Differentiation.


Beweis des Hauptsatzes. Sei x ∈ (a, b) und h ∈ R mit x + h ∈ [a, b]. Es gilt:
Z x+h Z x  Z
F (x + h) − F (x) 1 1 x+h
= f (t) dt − f (t) dt = f (t) dt
h h a a h x

Der Mittelwertsatz der Integralrechnung liefert ξh ∈ [x, x + h] mit


Z
1 x+h 1
f (t) dt = f (ξh )h = f (ξh ).
h x h

Wegen ξh ∈ [x, x + h] folgt limh→0 ξh = x. Da f stetig ist, folgt

F (x + h) − F (x)
F ′ (x) = lim = lim f (ξh ) = f (x).
h→0 h h→0

Definition 8.7 Sei F : (a, b) → R differenzierbar. Gilt

F ′ (x) = f (x), ∀x ∈ (a, b),

so heißt F eine Stammfunktion von f auf (a, b).

Nach dem Hauptsatz der Differential- und Integralrechnung besitzt eine stetige Funkion
f : [a, b] → R die Stammfunktion
Z x
F (x) = f (t) dt, x ∈ (a, b)
a

Lemma 8.8 Stammfunktionen sind bis auf eine additive Konstante eindeutig bestimmt.

Beweis.
• Ist F eine Stammfunktion von f , so ist für alle c ∈ R auch F + c eine Stammfunkion
von f , denn
(F + c)′ = F ′ + c′ = F ′ = f.

85

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• Seien F und G Stammfunktionen von f . Dann gilt:

F ′ = f = G′ auf (a, b)

Aus Lemma 7.14 folgt F = G + c auf (a, b).

Satz 8.9 Sei f : [a, b] → R stetig und sei F : [a, b] → R eine Stammfunktion von f .
Dann gilt: Z b
f (x) dx = F (b) − F (a)
a

Beweis. Nach dem Hauptsatz der Differential- und Integralrechnung ist die Funktion
G : [a, b] → R, Z x
G(x) = f (t) dt
a
eine Stammfunktion von f . Zwei Stammfunktionen unterscheiden sich nur durch eine
additive Konstante. Daher existiert c ∈ R sodass

G(x) = F (x) + c ∀x ∈ [a, b].

Es folgt
Z b
f (x) dx = G(b) = G(b) − G(a) = (F (b) + c) − (F (a) + c) = F (b) − F (a).
a

Man schreibt:
Z b
f (x) dx = F (b) − F (a) = [F (x)]ba = [F (x)]x=b b
x=a = F (x)|a
a

Statt Stammfunktion sagt man auch unbestimmtes Integral. Für eine Stammfunktion von
f schreibt man auch Z
f (x) dx

ohne Integrationsgrenzen.

Beispiele von Stammfunktionen.


1
f (x) xa , a 6= −1 auf R \ {0} ex sin x cos x
Z x
xa+1
f (x) dx ln |x| ex − cos x sin x
a+1
Beachte:

86

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

1
• Für x > 0 gilt ln |x| = ln x und daher (ln |x|)′ = .
x
1 1
• Für x < 0 gilt ln |x| = ln(−x) und daher (ln |x|)′ = − = .
−x x
1
Zusammen folgt (ln |x|)′ = für alle x 6= 0.
x
1 1 1
f (x) √ −√
Z 1 − x2 1 − x2 1 + x2
f (x) dx arcsin x arccos x arctan x

Beispiel 8.10 Z
1
dx
−4 x2
Zunächst machen wir eine Partialbruchzerlegung des Integranden: Vorl.19
 
1 1 1 1 1
= = − .
x2 − 4 (x − 2)(x + 2) 4 x−2 x+2
Damit folgt:
Z Z  
1 1 1 1 1 1 x − 2
dx = − dx = (ln |x − 2| − ln |x + 2|) = ln
x2 − 4 4 x−2 x+2 4 4 x + 2
auf R \ {−2, 2}.

Beispiel 8.11
Z Z x 1 x
1 1 1 1
dx =  dx = · 2 arctan = arctan
2
x +4 4 x 2 4 2 2 2
2
+1

Beispiel 8.12 Z
1
F (x) = dx
(x − 1)(x − 2)(x + 1)
Wir machen eine Partialbruchzerlegung des Integranden. Dazu suchen wir a, b, c ∈ R
sodass für alle x ∈ R \ {−1, 1, 2} gilt
1 a b c
= + + .
(x − 1)(x − 2)(x + 1) x−1 x−2 x+1
Das ist äquivalent zu

1 = a(x − 2)(x + 1) + b(x − 1)(x + 1) + c(x − 1)(x − 2)


= a(x2 − x − 2) + b(x2 − 1) + c(x2 − 3x + 2)
= x2 (a + b + c) + x(−a − 3c) + (−2a − b + 2c) ∀x

87

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Diese Gleichung ist genau dann erfüllt, wenn die Koeffizienten von x2 und x Null sind
und der konstante Term 1 ist:
  
 a+b+c =0  −a − 3c = 0  a = −3c
−a − 3c = 0 ⇐⇒ b − 2c = 0 ⇐⇒ b = 2c
  
−2a − b + 2c = 1 −b + 8c = 1 6c = 1

Damit erhalten wir


1 1 1
c= , b= , a=− .
6 3 2
Es folgt:
Z  
1 1 1 1 1 1
F (x) = − + + dx
2x−1 3x−2 6x+1
1 1 1
= − ln |x − 1| + ln |x − 2| + ln |x + 1|
2 3 6
Beispiel 8.13
Z 1  1
 1 5 1 5 1 + 10 + 16 27
7 3
x + 5x + 2 dx = x8 + x4 + 2x = + +2= = .
0 8 4 0 8 4 8 8

Beispiel 8.14 Z 2π
cos x dx = [sin x]2π
0 = sin(2π) − sin 0 = 0.
0

Der Flächeninhalt zwischen dem Graphen und der x-Achse im Bereich von π2 bis 3π 2
geht
negativ in das Integral ein, der restliche Flächeninhalt positiv. Der Flächeninhalt oberhalb
der x-Achse ist genauso groß wie der Flächeninhalt unterhalb der x-Achse.

88

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

8.4 Integrationsregeln
Satz 8.15 (Partielle Integration) Für stetig differenzierbare Funktionen f, g : [a, b] →
R gilt: Z b Z b
′ b
f (x)g (x) dx = [f (x)g(x)]a − f ′ (x)g(x) dx.
a a

Beweis. Nach der Produktregel der Differentiation gilt (f g)′ = f g ′ + f ′ g. Daraus folgt:
Z b Z b
′ ′
(f (x)g (x) + f (x)g(x)) dx = (f g)′ (x) dx = [f (x)g(x)]ba .
a a

Daraus folgt die Behauptung.

Beispiel 8.16 Z 2
xex dx
0
Wir integrieren partiell mit
f (x) = x g ′ (x) = ex
f ′ (x) = 1 g(x) = ex
Damit erhalten wir
Z 2 Z 2
x x 2
xe dx = [xe ]0 − ex dx = 2e2 − [ex ]20 = 2e2 − (e2 − 1) = e2 + 1.
0 0

Beispiel 8.17 Wir suchen eine Stammfunktion zu ln x. Nach dem Hauptsatz der Diffe-
rential- und Integralrechnung ist eine Stammfunktion gegeben durch
Z x
F (x) = ln t dt, x > 0.
1

Wir integrieren partiell mit


f (t) = ln t g ′ (t) = 1
1
f ′ (t) = g(t) = t
t
Damit erhalten wir
Z x Z x
x 1
ln t dt = [t ln t]1 − t dt = x ln x − ln 1 − (x − 1) = x ln x − x + 1.
1 1 t
Folglich ist
G(x) = x ln x − x, x > 0,
eine Stammfunktion von ln x. Wir machen die Probe, indem wir ableiten:
1
G′ (x) = ln x + x − 1 = ln x.
x

89

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 8.18 Z π
I := sin2 x dx
0
Wir integrieren partiell mit

f (x) = sin x g ′ (x) = sin x


f ′ (x) = cos x g(x) = − cos x

Damit erhalten wir


Z π Z π
I= [− sin x cos x]π0 + 2
cos x dx = (1 − sin2 x) dx = π − I
0 0

Beachte: sin 0 = 0 = sin π. Damit folgt


π
2I = π ⇐⇒ I=
2
Beispiel 8.19 Z π
I= ex sin x dx
0
Wir integrieren partiell mit

f (x) = sin x g ′ (x) = ex


f ′ (x) = cos x g(x) = ex

Damit erhalten wir


Z π Z π
x
I = [e sin x]π0 − x
e cos x dx = − ex cos x dx.
0 0

Wir integrieren nochmal partiell:

f (x) = − cos x g ′ (x) = ex


f ′ (x) = sin x g(x) = ex

Es folgt:
Z π
x
I = [−e cos x]π0 − ex sin x dx = −eπ cos π + cos 0 − I = eπ + 1 − I.
0

Damit erhalten wir


1
I = (eπ + 1).
2
Satz 8.20 (Substitutionsregel) Sei g : [a, b] → R stetig differenzierbar. Dann gilt für
jede stetige Funktion f : I → R auf dem Bildintervall I := g([a, b]) = {g(x) : x ∈ [a, b]}
Z b Z g(b)

f (g(t))g (t) dt = f (x) dx.
a g(a)

90

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Sei F : I → R eine Stammfunktion von f . Dann gilt Vorl.20

(F ◦ g)′ (t) = F ′ (g(t))g ′ (t) = f (g(t))g ′ (t).

Wir integrieren beide Seiten von a bis b:


Z b Z b

J= f (g(t))g (t) dt = (F ◦ g)′ (t) dt = [(F ◦ g)(t)]ba = F (g(b)) − F (g(a))
a a

Wir können Z y
F (y) = f (x) dx
y0

für ein y0 ∈ I wählen. Es folgt


Z g(b) Z g(a) Z g(b) Z y0 Z g(b)
J= f (x) dx − f (x) dx = f (x) dx + f (x) dx = f (x) dx
y0 y0 y0 g(a) g(a)

Merkregel für die Substitution.

x = g(t), dx = g ′ (t) dt

Für die Grenzen gilt:

t=a =⇒ x = g(a), t=b =⇒ x = g(b).

Lemma 8.21 (Verschiebung) Sei f : [a + c, b + c] → R stetig, wobei c ∈ R. Dann gilt


Z b Z b+c
f (t + c) dt = f (x) dx.
a a+c

Falls f periodisch ist mit Periode c, d.h. f (t) = f (t + c) für alle t ∈ R, dann folgt
Z b Z b+c
f (x) dx = f (x) dx.
a a+c

Beweis. Dies folgt aus der Substitutionsregel mit der Verschiebung x = t + c, dx = dt.

Spezialfall: x 7→ sin x ist periodisch mit Periode 2π. Damit folgt für alle a, b ∈ R mit
a < b: Z b Z b+2π
sin x dx = sin x dx.
a a+2π

Lemma 8.22 (Skalierung) Sei f : [ac, bc] → R stetig, wobei c ∈ R \ {0}. Dann gilt
Z b Z
1 bc
f (ct) dt = f (x) dx.
a c ac

91

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Wir wenden die Substitutionsregel an mit der Skalierung x = ct, dx = cdt. Es
folgt dt = 1c dx und
Z b Z b Z bc
1 1
f (ct) dt = f (ct)c dt = f (x) dx.
a c a c ac

Beispiel 8.23 Sei g : [a, b] → R stetig differenzierbar mit g(t) > 0 für alle t ∈ [a, b]. Wir
berechnen Z b ′
g (t)
dt.
a g(t)

Die Substitution x = g(t), dx = g ′ (t) dt liefert


Z b Z g(b)
g ′ (t) 1 g(b) g(b)
dt = dx = [ln x]g(a) = ln g(b) − ln g(a) = ln .
a g(t) g(a) x g(a)
g ′ (t)
Alternativ kann man gleich raten, dass ln g(t) eine Stammfunktion von g(t)
ist.
Zum Beispiel gilt für [a, b] ⊆ (− π2 , π2 ):
Z b Z b Z b
sin t (cos t)′ cos b cos a
tan t dt = dt = − dt = − ln = ln .
a a cos t a cos t cos a cos b

9 Mehr über Integrale


9.1 Uneigentliche Integrale
Definition 9.1 Ist f : [a, b) → R auf [a, β] für alle a < β < b integrierbar, dann heißt
Z b Z β
f (x) dx := lim f (x) dx
a β→b a

uneigentliches Integral, falls der Grenzwert existiert. Dabei ist b = ∞ erlaubt. Analog
verfährt man bei der unteren Grenze.
Ist f : (a, b) → R auf [α, β] für alle a < α < β < b integrierbar, dann heißt
Z b Z c Z β
f (x) dx := lim f (x) dx + lim f (x) dx
a α→a α β→b c

uneigentliches Integral, falls die Grenzwerte für ein c ∈ (a, b) existieren. Dabei ist a =
−∞, b = ∞ erlaubt.

Beispiel 9.2 Z 1
1
dx
0 x

92

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

1
Die Funktion x 7→ x
ist auf R \ {0} definiert. Die Funktion hat eine Singularität bei 0.
Für alle ε > 0 gilt:
Z 1
1
dx = [ln x]1ε = ln 1 − ln ε = − ln ε → ∞
ε x
as ε → 0. Es folgt Z 1
1
dx = ∞.
0 x
Definition 9.3 Man schreibt

lim f (x) = c
x→x0
oder lim f (x) = c,
x↓x0
x>x0

falls für jede Folge (xn )n∈N mit xn > x0 für alle n und limn→∞ xn = x0 gilt:

lim f (xn ) = c.
n→∞

Man spricht auch vom rechtsseitigen Grenzwert. Analog definiert man den linksseitigen
Grenzwert
lim f (x) = lim f (x).
x→x 0 x↑x0
x<x0

Es gilt: Z Z
1 1
1 1
dx = lim dx
0 x ε↓0 ε x
Z 1
1
Bemerkung 9.4 dx ist nicht wohldefiniert. Denn:
−1 x
Z 1
1
dx = ∞.
0 x

Aus Symmetriegründen gilt Z 0


1
dx = −∞.
−1 x
“−∞ + ∞” ist nicht wohldefiniert.

Beispiel 9.5
Z ∞ Z M
1 1
dx = lim dx = lim [ln x]M
1 = lim (ln M − ln 1) = ∞.
1 x M →∞ 1 x M →∞ M →∞

Lemma 9.6
Z ( 1

1 falls α > 1 (Integral konvergent)
dx = α−1
1 xα ∞ falls α < 1 (Integral divergent)

93

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis.
Z ∞ Z M  M
1 1 1 −α+1
dx = lim dx = lim x
1 xα M →∞ 1 xα M →∞ −α + 1
1
  ( 1
1 1 falls α > 1,
= lim M 1−α − = α−1
M →∞ 1−α 1−α ∞ falls α < 1.

Lemma 9.7
(
Z 1
1 ∞ falls α > 1 (Integral divergent)
dx = 1
0 xα falls α < 1 (Integral konvergent)
1−α
Beweis.
Z 1 Z 1  1  
1 1 1 1−α 1 1 1−α
dx = lim dx = lim x = lim − ε
0 xα ε↓0 ε xα ε↓0 1 − α
ε
ε↓0 1−α 1−α
(
∞ falls α > 1,
= 1
falls α < 1.
1−α

9.2 Parameterabhängige Integrale


Wir betrachten eine Funktion f (x, y), die von einem Parameter y abhängt. Für festes x
schreiben wir für die Ableitung der Funktion y 7→ f (x, y) (falls diese existiert)

∂f
(x, y) oder ∂y f (x, y) oder ∂2 f (x, y).
∂y
Man spricht von der partiellen Ableitung nach y.

Satz 9.8 Sei f : [a, b] × [c, d] → R stetig. Dann gilt:


Z b
(a) Die Funktion F : [c, d] → R, y 7→ f (x, y) dx ist stetig.
a

(b) Satz von Fubini:


Z d Z d Z b Z bZ d
F (y) dy = f (x, y) dxdy = f (x, y) dydx
c c a a c

D.h. die Integrationsreihenfolge ist beliebig.

94

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

(c) Wenn f auf [a, b]×[c, d] eine stetige partielle Ableitung ∂y f besitzt, dann ist F stetig
differenzierbar mit Z b

F (y) = ∂y f (x, y) dx ∀y ∈ [c, d]
a
Mit anderen Worten:
Z b  Z b
d ∂f
f (x, y) dx = (x, y) dx
dy a a ∂y

D.h. Differentiation und Integration dürfen vertauscht werden.

Anwendung: Integralsinus. Für b > 0 definieren wir Vorl.21


Z b
sin x
Si(b) := dx.
0 x
Der Integrand hat keine Singularität bei 0, sondern ist stetig fortsetzbar auf R, da
sin x
lim = 1.
x→0 x

Frage: Wie verhält sich Si(b) für b → ∞?


Dazu betrachten wir die Laplacetransformation:
Z b
sin x
I(b, y) = e−xy dx.
0 x
Insbesondere gilt:
Si(b) = I(b, 0)
Betrachte die Funktion f : R × R → R,
(
sin x
e−xy falls x 6= 0
f (x, y) = x
1 falls x = 0.

Die Funktion f ist stetig. Nach Satz 9.8 ist y 7→ I(b, y) stetig. Die partielle Ableitung ist
gegeben durch
sin x
∂y f (x, y) = −xe−xy = −e−xy sin x.
x
Man beachte, dass diese Formel auch für x = 0 gilt. Die partielle Ableitung ist stetig.
Satz 9.8 liefert
Z b
∂y I(b, y) = −e−xy sin x dx.
0

95

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Wir integrieren partiell mit

g(x) = −e−xy h′ (x) = sin x


g ′ (x) = ye−xy h(x) = − cos x

und erhalten
Z b
−xy
∂y I(b, y) = [e cos x]x=b
x=0 + ye−xy cos x dx.
0

Eine weitere partielle Integration mit

g(x) = ye−xy h′ (x) = cos x


g ′ (x) = −y 2 e−xy h(x) = sin x

liefert
Z b
−xy
∂y I(b, y) = [e (cos x + y sin x)]x=b
x=0 + y 2 e−xy sin x dx
0
= e−by (cos b + y sin b) − 1 − y 2 ∂y I(b, y).

Damit erhalten wir


1 1
∂y I(b, y) = 2
(e−by (cos b + y sin b) − 1) = g(b, y) −
1+y 1 + y2
mit der Funktion
e−by
g(b, y) = (cos b + y sin b).
1 + y2
Mit Hilfe des Hauptsatzes der Differential- und Integralrechnung folgt
Z b Z y Z y 
−xy sin x 1
e dx − Si(b) = I(b, y) − I(b, 0) = ∂2 I(b, t) dt = g(b, t) − dt
0 x 0 0 1 + t2
Z y Z y
y
= g(b, t) dt − [arctan t]0 = g(b, t) dt − arctan y
0 0

Umformen liefert:

Lemma 9.9
Z b Z y
−xy sin x
Si(b) − arctan y = e dx − g(b, t) dt.
0 x 0

Um Informationen über Si(b) zu erhalten, schätzen wir die Integrale ab.



sin x
Lemma 9.10 Für alle x > 0 gilt
≤ 1.
x

96

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Für x ≥ 1 gilt


sin x 1
x ≤ x ≤ 1.

Sei x ∈ (0, 1). Wegen 1 < π ist sin x > 0 und es gilt

sin x sin x
x = x .

Damit bleibt zu zeigen:


sin x ≤ x ∀x ∈ (0, 1)
Betrachte die Funtion
f (x) = x − sin x.
Wir müssen zeigen, dass f (x) ≥ 0 für alle x ∈ (0, 1). Es gilt

f ′ (x) = 1 − cos x ≥ 0 ∀x

Insbesondere ist f monoton wachsend und es gilt

f (x) ≥ f (0) = 0 ∀x ∈ (0, 1).

Lemma 9.11 Für alle b, y > 0 gilt:


Z b Z y

−xy sin x 1
≤ ,
1
e dx g(b, t) dt ≤ .

0 x y
0 b

Beweis. Mit Hilfe von Lemma 9.10 erhalten wir


Z b Z b Z b
−xy sin x
−xy sin x
e dx ≤
e x dx ≤
e−xy dx

0 x 0 0
 x=b
1 −xy 1 1 1
= − e = − e−by + ≤ .
y x=0 y y y

Das zweite Integral ist gegeben durch


Z y Z y

≤ e−bt
g(b, t) dt | cos b + t sin b| dt.

0

0 1 + t2

Dabei gilt mit der Cauchy-Schwarz-Ungleichung


       
1 cos b 1 cos b
| cos b + t sin b| =
, ≤ t · sin b

t sin b
√ p √
= 1 + t2 cos2 b + sin2 b = 1 + t2 .

97

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Damit folgt
Z y
Z y Z y
e−bt 1
g(b, t) dt ≤ e−bt dt ≤ .
√ dt ≤

0 0 0 1 + t2 b

Bei der vorletzten Ungleichung haben wir verwendet, dass 1/ 1 + t2 ≤ 1. Die Ab-
schätzung des letzten Integrals ist analog zu oben, nur die Rollen von b und y sind ver-
tauscht.

Lemma 9.12 Für b → ∞ gilt


 
π 1
Si(b) = + O .
2 b

Insbesondere gilt
Z ∞
sin x π
dx = lim Si(b) = .
0 x b→∞ 2

Beweis. Wir kombinieren Lemma 9.9 und Lemma 9.11:


Z b Z y
−xy sin x
1 1
|Si(b) − arctan y| =
e dx − g(b, t) dt ≤ + .
0 x 0 y b
π
Wir bilden den Grenzwert y → ∞. Wegen limy→∞ arctan y = 2
folgt
π 1

Si(b) − ≤ .
2 b
Damit folgt die Behauptung.

9.3 Vertauschung von Summation und Integration


Satz 9.13 Seien fk : [a, b] → R, k ∈ N, integrierbar. Es gebe ak ∈ R mit Vorl.21

|fk (x)| ≤ ak
∀x ∈ [a, b] ∀k
P P∞
und ∞k=1 ak < ∞. Dann konvergiert f (x) = k=1 fk (x) für alle x ∈ R und es gilt:

Z b ∞
Z bX ∞ Z
X b
f (x) dx = fk (x) dx = fk (x) dx.
a a k=1 k=1 a

D.h. Summation und Integration können vertauscht werden, wenn es eine konvergente
Majorante gibt.

98

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 9.14 Für |t| < 1 gilt:



1 1 X
= = (−t)k
1+t 1 − (−t) k=0

Dies ist eine geometrische Reihe. Für |t| ≤ |x| < 1 folgt:

X
k k
|(−t) | ≤ |x| ∀k, |x|k < ∞.
k=0

Aus dem vorangehenden Satz folgt:


Z x Z xX∞ ∞ Z x ∞ Z x
1 k
X
k
X
k
dt = (−t) dt = (−t) dt = (−1) tk dt.
0 1 + t 0 k=0 k=0 0 k=0 0

Wir berechnen Z  x
x
k tk+1 xk+1
t dt = = .
0 k+1 0 k+1
Damit ergibt sich
Z x ∞
1 X xk+1
dt = (−1)k .
0 1+t k=0
k + 1
Andererseits wissen wir für |x| < 1
Z x
1
dt = [ln(1 + t)]x0 = ln(1 + x).
0 1+t

Damit folgt:

X xk+1
ln(1 + x) = (−1)k für |x| < 1. (9.1)
k=0
k+1

Definition 9.15 Funktionsdarstellungen der Form



X
f (x) = ak x k , |x| < r,
k=0

nennt man die Entwicklung der Funktion f in eine Potenzreihe. Die größtmögliche
Gültigkeitsschranke r > 0 nennt man den Konvergenzradius der Potenzreihe.

Für x = −1 ist die linke Seite von (9.1) nicht definiert. Die rechte Seite liefert
∞ ∞ ∞
X
kxk+1 X
2k+1 1 X 1
(−1) = (−1) =− = −∞.
k=0
k + 1 k=0 k+1 k=0
k+1

Somit folgt r = 1.

99

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Lemma 9.16

X xk+1 k
ln(1 + x) = (−1) für alle x ∈ (−1, 1].
k=0
k+1

Beweis. Es bleibt die Behauptung für x = 1 zu zeigen. Betrache für 0 < x < 1
∞ ∞
X xk+1
k
X xk+1
s(x) = (−1) = (−1)k ak mit ak = , k ∈ N0 .
k=0
k + 1 k=0 k+1

Die Folge (ak )k∈N0 ist monoton fallend mit limk→∞ ak = 0. Nach Satz 3.13 konvergiert
die alternierende Reihe s(x) und es gilt

n k+1
X x xn+2
(−1)k

s(x) − ≤ an+1 = (9.2)
k + 1
k=0
n+2

für alle n ∈ N und 0 < x < 1. Für x ∈ (0, 1) gilt s(x) = ln(1 + x). Da die Logarithmus-
funktion stetig ist, folgt
lim s(x) = lim ln(1 + x) = ln 2.
x↑1 x↑1

Wir bilden den Grenzwert x ↑ 1 in (9.2):



n
X 1 1
(−1)k

ln 2 − ≤ ∀n

k=0
k + 1 n + 2

Wir bilden den Grenzwert für n → ∞ und erhalten



X 1
ln 2 = (−1)k .
k=0
k+1

Das zeigt die Behauptung für x = 1.


Ein anderes Beispiel einer Potenzreihe ist die geometrische Reihe:

X 1
xk = für |x| < 1.
k=0
1−x

Der Konvergenzradius ist 1.

Bemerkung 9.17 Wenn keine konvergente Majorante existiert, muss die Aussage von
Satz 9.13 nicht gelten.

Beweis. Für A ⊆ R sei 


1 falls x ∈ A,
1A (x) =
0 sonst,

100

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

die Indikatorfunktion von A. Wir betrachten die Funktionen fk : [0, 1] → R, k ∈ N,


definiert durch
f1 = 1(0,1) , fk = k1(0, 1 ) − (k − 1)1(0, 1 ) , k ≥ 2.
k k−1

Insbesondere gilt für alle k ≥ 2



 1 falls x ∈ (0, k1 ),
fk (x) = −(k − 1) falls x ∈ [ k1 , k−11
), =⇒ |fk (x)| ≤ k − 1 ∀x

0 sonst.
und diese Schranke kann nicht verbessert werden. Insbesondere gibt es keine konvergente
Majorante; die Voraussetzung von Satz 9.13 ist nicht erfüllt.
Wir zeigen, dass die Aussage des Satzes nicht gilt. Dazu berechnen wir
X∞ Z 1 Z 1 ∞ Z 1
X 
fk (x) dx = 1(0,1) (x) dx + k1(0, 1 ) (x) − (k − 1)1(0, 1 ) (x) dx
k k−1
k=1 0 0 k=2 0
∞  
X 1 1
=1+ k − (k − 1) = 1.
k=2
k k−1

Andererseits gilt

X n 
X 
fk (x) = 1(0,1) + lim k1(0, 1 ) (x) − (k − 1)1(0, 1
) (x)
n→∞ k k−1
k=1 k=2
 
= 1(0,1) + lim n1(0, 1 ) (x) − 1(0,1) (x) = lim n1(0, 1 ) (x) = 0 ∀x ∈ R.
n→∞ n n→∞ n

Es folgt
Z ∞
1X Z 1 ∞ Z
X 1
fk (x) dx = 0 dx = 0 6= 1 = fk (x) dx.
0 k=1 0 k=1 0

9.4 Abschätzungen von Summen und Reihen


Satz 9.18 Seien a, b ∈ Z mit a < b und sei f : [a, b] → R stetig und monoton. Dann gilt:
(a) f monoton wachsend
b−1
X Z b b
X
=⇒ f (k) ≤ f (x) dx ≤ f (k)
k=a a k=a+1

(b) f monoton fallend


b
X Z b b−1
X
=⇒ f (k) ≤ f (x) dx ≤ f (k)
k=a+1 a k=a

101

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis.
Wir zerlegen den Integrationsbereich in Teilintervalle der Länge 1:
Z b b−1 Z k+1
X
f (x) dx = f (x) dx
a k=a k

Fall f monoton wachsend: Dann gilt f (k) ≤ f (x) ≤ f (k + 1) für alle x ∈ [k, k + 1] und
es folgt
Z k+1 Z k+1 Z k+1
f (k) = f (k) dx ≤ f (x) dx ≤ f (k + 1) dx = f (k + 1).
k k k

Summation liefert
b−1
X Z b b−1
X b
X
f (k) ≤ f (x) dx ≤ f (k + 1) = f (j);
k=a a k=a j=a+1

bei der letzten Summe haben wir einen Indexshift mit j = k + 1 gemacht.
Fall f monoton fallend: Dann ist −f monoton wachsend. Mit Teil (a) folgt
b−1
X Z b b
X
(−f (k)) ≤ (−f (x)) dx ≤ (−f (k)).
k=a a k=a+1

Multiplikation mit −1 liefert die Behauptung.


Beispiel 9.19 Sei α > 0, f : [0, ∞) → R, x 7→ xα . Die Funktion f ist monoton
wachsend. Aus Satz 9.18 folgt:
Z n n
X Z n+1
α α
x dx ≤ k ≤ xα dx
0 k=1 1

Wir berechnen
Z n n 
α xα+1 nα+1
x dx = = ,
0 α+1 0 α+1
Z n+1  α+1 n+1
α x (n + 1)α+1 1
x dx = = − .
1 α+1 1 α+1 α+1

102

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Einsetzen liefert
n
nα+1 X (n + 1)α+1 1
≤ kα ≤ − .
α+1 k=1
α + 1 α + 1
Es folgt:
Pn α
 α+1  α+1
k=1 k n+1 1 1 1
1≤ α+1 ≤ − = 1+ − →1
n n nα+1 n nα+1
α+1
für n → ∞. Aus der Einschließungsregel folgt
Pn α n
k=1 k
X
α nα+1
lim = 1, d.h. k ≃ für n → ∞.
n→∞ nα+1 k=1
α+1
α+1
Beispiel 9.20 Das Sortieren von n Elementen benötigt bis zu log2 (n!) Vergleiche. Wie Vorl.22
viele sind das für große n?
Es gilt
log2 (n!) = ln(n!) log2 (e).
Für das asymptotische Verhalten von log2 (n!) ist ln(n!) entscheidend; log2 (e) ist eine
multiplikative Konstante. Es ist
n
! n
Y X
ln(n!) = ln k = ln k.
k=1 k=2

Die Funktion f : (0, ∞) → R, x 7→ ln x ist monoton wachsend. Satz 9.18 liefert


Z n Z n+1 Z n+1
ln x dx ≤ ln(n!) ≤ ln x dx ≤ ln x dx.
1 2 1

Die letzte Abschätzung gilt, weil ln x ≥ 0 für x ≥ 1. Wir berechnen


Z n
ln x dx = [x ln x − x]n1 = n ln n − n + 1,
Z1 n+1
ln x dx = [x ln x − x]n+1
1 = (n + 1) ln(n + 1) − (n + 1) + 1 = (n + 1) ln(n + 1) − n.
1

Damit folgt

n ln n − n + 1 ≤ ln(n!) ≤ (n + 1) ln(n + 1) − n. (9.3)

Lemma 9.21
ln(n!) ≃ n ln n für n → ∞.

103

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Wir dividieren die Ungleichung (9.3) durch n ln n:

n 1 ln(n!) (n + 1) ln(n + 1) n
1− + ≤ ≤ − .
n ln n n ln n n ln n n ln n n ln n
Dabei gilt für die untere Schranke
 
n 1 1 1
lim 1 − + = 1 − lim + lim =1
n→∞ n ln n n ln n n→∞ ln n n→∞ n ln n

und für die obere Schranke


  
(n + 1) ln(n + 1) n n + 1 ln n 1 + n1 1
lim − = lim · − lim
n→∞ n ln n n ln n n→∞ n ln n n→∞ ln n
   !
1 ln 1 + n1
= lim 1 + · 1+ = 1.
n→∞ n ln n

Mit der Einschließungsregel folgt

ln(n!)
lim =1
n→∞ n ln n
und damit die Behauptung.
Wir können auch eine präzisere Asymptotik angeben:

Lemma 9.22
ln(n!) = n ln n − n + O(ln n).

Beweis. Aus (9.3) folgt

1 ≤ ln(n!) − n ln n + n ≤(n + 1) ln(n + 1) − n ln n.

Die obere Schranke ist gegeben durch


1

ln 1 + n
n(ln(n + 1) − ln n) + ln(n + 1) = 1 + ln n + (ln(n + 1) − ln n) = ln n + rn
n

mit   
1
ln 1 + n 1
rn = 1 + ln 1 + →1 für n → ∞.
n
n
Dabei haben wir verwendet, dass

ln(1 + x)
lim = 1.
x→0 x
Damit folgt die Behauptung.

104

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Satz 9.23 (Integralkriterium für die Konvergenz von Reihen) Sei f : [1, ∞) →
[0, ∞) monoton fallend. Dann gilt für alle n ∈ N
Xn Z n+1
0≤ f (k) − f (x) dx ≤ f (1). (9.4)
k=1 1
Z ∞
P∞
Die Reihe k=1 f (k) konvergiert genau dann, wenn f (x) dx konvergiert.
1

Beweis. Satz 9.18 mit a = 1 und b = n + 1 liefert:


n
X n+1
X Z n+1 n
X
f (k) − f (1) + f (n + 1) = f (k) ≤ f (x) dx ≤ f (k). (9.5)
k=1 k=2 1 k=1

Damit folgt:
n
X Z n+1
0≤ f (k) − f (x) dx ≤ f (1) − f (n + 1) ≤ f (1)
k=1 1

für alle
P∞n. Die letzte Abschätzung folgt aus fP (n + 1) ≥ 0. R∞
Fall k=1 f (k) konvergent: Wegen f ≥ 0 gilt ∞ k=1 f (k) < ∞. Aus (9.5) folgt 1
f (x) dx
< ∞.P P∞ R∞
Fall ∞ k=1 f (k) divergent: Wegen f ≥ 0 gilt k=1 f (k) = ∞. Aus (9.5) folgt 1 f (x) dx =
∞.

Lemma 9.24 Für s > 1 ist die Riemannsche Zetafunktion



X 1
ζ(s) =
k=1
ks

konvergent und es gilt


1 1
− 1 ≤ ζ(s) − 1 ≤ .
s−1 s−1
1
Beweis. Die Funktion f : [1, ∞) → [0, ∞), x 7→ ist monoton fallend. Ausserdem gilt
xs
Z ∞ Z M  −s+1 M
1 1 x
s
dx = lim s
dx = lim
1 x M →∞ 1 x M →∞ −s + 1
1
 1−s 
M 1 1
= lim − = <∞
M →∞ 1−s 1−s s−1
für alle s > 1. Nach dem Integralkriterium konvergiert die Reihe ζ(s) und es gilt die
Abschätzung Z ∞
1 1
0 ≤ ζ(s) − s
dx = ζ(s) − ≤ f (1) = 1.
1 x s−1

105

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

1

Lemma 9.25 Für s → ∞ gilt: ζ(s) = 1 + O 2s
.

Beweis. Es gilt:
∞ ∞ ∞
X 1 X 1 X 1
ζ(s) − 1 = s
−1= s
= s
;
k=1
k k=2
k j=1
(j + 1)

bei der letzten Reihe haben wir den Indexshift k = j + 1 gemacht. Wir wenden das
1
Integralkriterium auf die monoton fallende Funktion f (x) = an. Da die Reihe
(x + 1)s
konvergiert, können wir in der Abschätzung gleich den Grenzwert für n → ∞ bilden:
∞ Z n
X 1 1 1
0≤ − lim dx ≤ f (1) = s .
j=1
(j + 1)s n→∞ 1 (x + 1) s 2

Wir berechnen
Z n  n  
1 (x + 1)−s+1 (n + 1)1−s 21−s 2
lim s
dx = lim = lim − = s .
n→∞ 1 (x + 1) n→∞ −s + 1 1
n→∞ 1−s 1−s 2 (s − 1)

Einsetzen liefert
2 1
0 ≤ ζ(s) − 1 − ≤ s
2s (s
− 1) 2
 
2 1 2 1 2
=⇒ ≤ ζ(s) − 1 ≤ s + s = s 1+ .
2s (s − 1) 2 2 (s − 1) 2 s−1

Damit folgt die Behauptung.

10 Potenzreihen
10.1 Taylorsche Formel
Bereits bekannte Potenzreihen:

x
X xk
e = , x ∈ R,
k=0
k!

X xk+1
ln(1 + x) = (−1)k , |x| < 1.
k=0
k+1

Bedeutung von Potenzreihen.

106

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• Ist zu gegebenem f eine Potenzreihenentwicklung



X
f (x) = ak xk
k=0

bekannt, so kann man f durch Polynome approximieren:


n
X ∞
X
k
f (x) − ak x = ak xk → 0
k=0 k=n+1

für n → ∞. Das ist in der Numerik wichtig.

• Ist zu gegebenen ak , k ∈ N0 , die erzeugende Funktion



X
f (x) = ak xk
k=0

bekannt, kann man aus den Eigenschaften von f Rückschlüsse auf das Verhalten
von ak , k ∈ N, ziehen. Das ist in der Stochastik und in der Kombinatorik wichtig.

Zur Erinnerung: Falls f : R → R in a differenzierbar ist, ist f ′ (a) die Steigung der Vorl.23
bestmöglichen linearen Approximation von f in der Nähe von a:

f (x) = f (a) + f ′ (a)(x − a) + o(|x − a|)

für x → a. Umschreiben mit x = a + h liefert

f (a + h) = f (a) + f ′ (a)h + o(h)

für h → 0. Dabei ist h 7→ f (a) + f ′ (a)h ein Polynom ersten Grades.


Frage: Kann man f nahe bei a durch geeignete Polynome höherer Ordnung in h
approximieren? Mit anderen Worten: Gibt es Koeffizienten a2 , . . . , an ∈ R, sodass

f (a + h) = f (a) + f ′ (a)h + a2 h2 + a3 h3 + . . . + an hn + o(hn ) (10.1)

für h → 0? Beachte: o(hn ) ist besser als o(hk ) für k < n. Aus (10.1) folgt

f (a + h) − f (a) − f ′ (a)h − a2 h2 − . . . − an−1 hn−1


lim = an . (10.2)
h→0 hn
Da f in a differenzierbar ist, ist f in a stetig, d.h.

lim f (a + h) = f (a).
h→0

Daher gehen Zähler und Nenner in (10.2) für h → 0 gegen 0.

107

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Wir betrachten (10.2) für n = 2 und wenden die Regel von l’Hospital an:
f (a + h) − f (a) − f ′ (a)h f ′ (a + h) − f ′ (a)
a2 = lim = lim .
h→0 h2 h→0 2h
Wenn f ′ in a stetig ist, gehen Zähler und Nenner gegen 0. Dann folgt mit der Regel von
l’Hospital:
f ′′ (a + h)
a2 = lim ,
h→0 2
falls f in einer Umgebung von a zweimal differenzierbar ist. Falls f ′′ in a stetig ist, folgt
f ′′ (a)
a2 = .
2
Analog findet man
f (k) (a)
ak = ∀k ∈ N0 .
k!
Satz 10.1 (Taylorsche Formel) Sei ε > 0, f : (a − ε, a + ε) → R n-mal stetig differen-
zierbar für ein n ∈ N0 . Dann gilt:
n
X f (k) (a)
f (a + h) = hk + o(hn )
k=0
k!

für h → 0. Dabei bezeichnet man


n
X f (k) (a)
Tn,a f (h) := hk
k=0
k!

als n-tes Taylorpolynom von f um a.

Man kann den Approximationsfehler in verschiedenen Formen angeben:

Satz 10.2 (Taylorsche Formel mit Restglied) Sei I ein offenes Intervall, f : I → R
(n + 1)-mal stetig differenzierbar für ein n ∈ N0 . Dann gilt für alle x, a ∈ I
n
X f (k) (a)
f (x) = (x − a)k + Rn+1 f (a, x)
k=0
k!

mit den Restgliedformeln


Z
1 x
Rn+1 f (a, x) = (x − t)n f (n+1) (t) dt Cauchy
n! a
f (n+1) (ξ)
= (x − a)n+1 Lagrange
(n + 1)!
für ein ξ zwischen a und x.

108

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Darstellung des Restglieds in Cauchyscher Integralform. Wir zeigen die Behaup-
tung mit vollständiger Induktion über n.
Induktionsanfang n = 0: Mit Hilfe des Hauptsatzes der Differential- und Integralrechnung
ergibt sich Z x
f (x) = f (a) + f (x) − f (a) = f (0) (a) + f ′ (t) dt.
a
Induktionsschluss n − 1 → n: Sei die Behauptung richtig für n − 1, d.h.
n−1 (k) Z x
X f (a) k 1
f (x) = (x − a) + (x − t)n−1 f (n) (t) dt.
k=0
k! (n − 1)! a

Wir integrieren partiell:

u(t) = f (n) (t) v ′ (t) = (x − t)n−1


1
u′ (t) = f (n+1) (t) v(t) = − (x − t)n
n
Das ergibt
Z x
1
(x − t)n−1 f (n) (t) dt
(n − 1)! a
 t=x Z
1 (n) (x − t)n 1 x
= −f (t) + (x − t)n f (n+1) (t) dt
(n − 1)! n t=a n! a
(n) Z x
f (a) 1
= (x − a)n + (x − t)n f (n+1) (t) dt.
n! n! a
Damit folgt die Behauptung für n.
Lagrange-Darstellung des Restglieds. Für t zwischen a und x hat (x − t)n ein festes
Vorzeichen. Nach Voraussetzung ist f (n+1) stetig. Deshalb können wir den Mittelwertsatz
der Integralrechnung mit Gewichtsfunktion p(t) = (x − t)n anwenden: Es existiert ξ
zwischen a und x sodass
Z Z
1 x n (n+1) f (n+1) (ξ) x
(x − t) f (t) dt = (x − t)n dt
n! a n! a
(n+1)
 t=x
f (ξ) (x − t)n+1 f (n+1) (ξ)
= − = (x − a)n+1 .
n! n+1 t=a (n + 1)!

Beispiel 10.3 Betrachte f : R → R, x 7→ ex . Dann gilt

f ′ (x) = ex , f (n) (x) = ex ∀n ∈ N.

Wir wenden die Taylorformel mit Lagrange-Restglied für a = 0 und x ∈ R an. Wegen

f (k) (a) = e0 = 1 ∀k

109

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

folgt für ein ξ zwischen 0 und x


n
x
X xk eξ
e = + xn+1 .
k=0
k! (n + 1)!

Für x = 1 ist ξ ∈ [0, 1] und 1 = e0 ≤ eξ ≤ e1 = e ≤ 3. Damit ergibt sich


n n
X 1 1 X 1 3
+ ≤e≤ + .
k=0
k! (n + 1)! k=0
k! (n + 1)!

Das liefert eine gute Approximation für e.

Korollar 10.4 Für eine beliebig oft differenzierbare Funktion f mit limn→∞ Rn f (a, x) =
0 folgt aus der Taylorschen Formel

X f (k) (a)
f (x) = (x − a)k .
k=0
k!

Dies ist die Taylorreihe für f .

Auf die Voraussetzung limn→∞ Rn f (a, x) = 0 kann man nicht verzichten.

Beispiel 10.5 Betrachte die Funktion f : R → R,


  
 1
exp − 2 falls x 6= 0,
f (x) = x

0 falls x = 0.

Die Funktion f ist stetig, da


 
1
lim exp − 2 = lim e−y = 0 = f (0).
x→0 x y→∞

110

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Es gilt    
1 0 1
lim exp − 2 = e = 1 = lim exp − 2 .
x→∞ x x→−∞ x
Für x 6= 0 ist die Ableitung gegeben durch
 
′ 2 1 > 0 falls x > 0,
f (x) = 3 exp − 2
x x < 0 falls x < 0.
Somit ist f auf (0, ∞) streng monoton wachsend und auf (−∞, 0) streng monoton fallend.
Für x 6= 0 ist die zweite Ableitung gegeben durch
       
′′ 6 2 2 1 2 2 1
f (x) = − 4 + 3 · 3 exp − 2 = 4 − 3 exp − 2 .
x x x x x x2 x
Es gilt r
2 2 2
f ′′ (x) ≥ 0 ⇐⇒ 2
≥ 3 ⇐⇒ ≥ x2 ⇐⇒ ≥ |x|
x 3 3
q q q q
Somit ist f konvex auf (− 23 , 23 ) und konkav auf R \ (− 23 , 23 ). Die Funktion f
q
besitzt Wendepunkte in ± 23 .
Behauptung: f ist beliebig oft differenzierbar mit f (n) (0) = 0 für alle n ∈ N0 .
Für n = 1 gilt:
 
′ f (h) − f (0) 1 1 x
f (0) = lim = lim exp − 2 = lim x exp(−x2 ) = lim = 0.
h→0 h h→0 h h x→∞ x→∞ exp(x2 )

Insbesondere folgt

X f (k) (0)
xk = 0 6= f (x) ∀x 6= 0
k=0
k!
Die Funktion f lässt sich nicht in eine Taylorreihe entwickeln.
Moral: Nicht jede unendlich of differenzierbare Funktion lässt sich in eine Taylorreihe
entwickeln.

Beispiel 10.6 Betrachte für a ∈ R die Funktion f : (−1, ∞) → R, x 7→ (1 + x)a . Die


Funktion f ist beliebig oft differenzierbar mit

f (n) (x) = a(a − 1) . . . (a − n + 1)(1 + x)a−n ∀n ∈ N0

Aus der Taylorschen Formel folgt:


n
a
X f (k) (0)
(1 + x) = xk + Rn+1 f (0, x)
k=0
k!

mit  
f (k) (0) a(a − 1) . . . (a − k + 1) a
= =:
k! k! k

111

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Es folgt
n  
a
X a
(1 + x) = xk + Rn+1 f (0, x).
k=0
k
Man kann zeigen, dass limn→∞ Rn+1 f (0, x) = 0 für alle |x| < 1. Damit ergibt sich die
Binomialreihe ∞  
a
X a k
(1 + x) = x
k=0
k
für |x| < 1, a ∈ R. Dies ist eine Verallgemeinerung der binomischen Formel: Für
a = n ∈ N gilt  
n
= 0 ∀k > n
k
In diesem Fall folgt
n  
n
X n
(1 + x) = xk .
k=0
k

10.2 Konvergenzradius und analytische Funktionen


P
Satz 10.7 Zu jeder Potenzreihe ∞ k
k=0 ak z , z ∈ C, gibt es einen Konvergenzradius r ≥ 0 Vorl.24
(r = ∞ ist erlaubt), sodass für alle z ∈ C gilt

X
• |z| < r =⇒ ak z k absolut konvergent
k=0


X
• |z| > r =⇒ ak z k divergent
k=0

Falls die Folge ( k ak )k∈N konvergiert, gilt

1
r= √ .
limk→∞ k ak

Das ist die Formel von Cauchy-Hadamard.


P∞
Beispiel 10.8 Für die geometrische Reihe k=0 xk gilt ak = 1 für alle k. Somit ist der
Konvergenzradius r = 1.

Definition 10.9 Eine Funktion x 7→ f (x) heißt in x = 0 analytisch, wenn f sich mit
positivem Konvergenzradius r > 0 in eine Potenzreihe entwickeln lässt, d.h. falls ak exis-
tieren mit ∞
X
f (x) = ak xk , |x| < r.
k=0

112

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Satz 10.10 Seien f und g in x = 0 analytisch mit



X ∞
X
k
f (x) = ak x , |x| < rf , g(x) = bk x k , |x| < rg .
k=0 k=0

Dann gilt:
(a) f ′ ist in x = 0 analytisch. Die Ableitung ergibt sich durch gliedweises Differenzieren
der Potenzreihe:
∞ ∞
X d  X
f ′ (x) = ak xk = kak xk−1 für |x| < rf .
k=0
dx k=1

(b) Die Koeffizienten der Potenzreihe sind eindeutig:

f (k) (0)
ak = ∀k ∈ N0
k!
R
(c) Stammfunktionen f (x) dx von f sind in x = 0 analytisch. Man erhält sie durch
gliedweise Integration der Potenzreihe:
Z x ∞ Z x ∞  k+1 x X∞
X
k
X t ak k+1
f (t) dt = ak t dt = ak = x für |x| < rf
0 k=0 0 k=0
k + 1 0 k=0 k + 1

(d) f + g und f · g sind in x = 0 analytisch mit



X
(f + g)(x) = (ak + bk )xk ,
k=0
X∞ Xk
(f · g)(x) = aj bk−j xk für |x| < min{rf , rg }.
k=0 j=0

Beispiel 10.11 Für die geometische Reihe gilt für |x| < 1:

X 1
xk = .
k=0
1−x

Aus Satz 10.10 folgt für |x| < 1:


 ′ ∞
1 1 X
= = kxk−1 (10.3)
(1 − x)2 1−x k=1
 ′′ ∞
2 1 X
= = k(k − 1)xk−2
(1 − x)3 1−x k=2

113

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Anwendung. Sei p ∈ (0, 1]. Wir führen eine Folge unabhängiger Zufallsexperimente
durch, die mit Wahrscheinlichkeit p einen Erfolg und mit Wahrscheinlichkeit 1 − p einen
Misserfolg liefern. Sei X die zufällige Anzahl von Experimenten, die wir durchführen
müssen, bis das erste Experiment gelingt. Dann gilt

P (X = k) = p(1 − p)k−1 , k ∈ N.

Die geometrische Reihe liefert


∞ ∞ ∞
X X
k−1
X 1
P (X = k) = p(1 − p) =p (1 − p)j = p · = 1.
k=1 k=1 j=0
1 − (1 − p)

Das bedeutet, dass mit Wahrscheinlichkeit 1 nach endlich vielen Versuchen ein Experiment
gelingt. Für die erwartete Anzahl an benötigten Versuchen liefert (10.3)
∞ ∞
X X 1 1
E[X] = kP (X = k) = kp(1 − p)k−1 = p · 2
= .
k=1 k=1
(1 − (1 − p)) p

11 Differentialrechnung mehrerer Veränderlicher


11.1 Kurven
Definition 11.1 Eine parametrisierte Kurve im Rn ist eine Abbildung

γ : [a, b] → Rn , t 7→ (γ1 (t), . . . , γn (t)),

deren Komponenten γi stetig sind. γ heißt stetig differenzierbar, wenn alle γi stetig
differenzierbar sind. Die Menge

γ([a, b]) = {γ(t) : t ∈ [a, b]}

heißt Spur von γ.

Eine Kurve beschreibt die Bewegung eines Punktes im Raum. Damit entspricht t Zeit
und γ(t) dem Ort des Punktes zur Zeit t.

Beispiel 11.2

α(t) = (cos t, sin t), t ∈ [0, 2π],


β(t) = (cos(−t), sin(−t)) = (cos t, − sin t), t ∈ [0, 2π]

sind zwei parametrisierte Kurven. α und β haben die gleiche Spur, sind aber verschiedene
Kurven.

114

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Definition 11.3 Die Kurve γ : [a, b] → Rn sei differenzierbar. Dann heißt

γ ′ (t) := (γ1′ (t), . . . , γn′ (t))

Tangentialvektor oder Geschwindigkeitsvektor zur Stelle t.


v
u n
uX
kγ ′ (t)k := t γk′ (t)2
k=1

heißt Geschwindigkeit zur Zeit t. Falls γ ′ (t) 6= 0, heißt

γ ′ (t)
Tγ (t) :=
kγ ′ (t)k
Tangentialeinheitsvektor an der Stelle t.

Es gilt kTγ (t)k = 1. Vorsicht:

γ(t1 ) = γ(t2 ) 6=⇒ γ ′ (t1 ) = γ ′ (t2 )

115

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 11.4 Betrachte die Kurve α(t) = (cos t, sin t), t ∈ [0, 2π]. Es gilt:
p
α′ (t) = (− sin t, cos t), kα′ (t)k = (− sin t)2 + (cos t)2 = 1.
Somit ist α′ (t) ein Tangentialeinheitsvektor. Es gilt
hα(t), α′ (t)i = cos t(− sin t) + sin t cos t = 0.

Beispiel 11.5 Sei f : [a, b] → R stetig differenzierbar. Dann ist


γ : [a, b] → R2 , t 7→ (t, f (t))
eine Kurve in R2 . Es gilt
γ ′ (t) (1, f ′ (t))
Tγ (t) = = p .
kγ ′ (t)k 1 + f ′ (t)2

11.2 Partielle Ableitungen


Definition 11.6 Betrachte eine Funktion f : Rn → R, (x1 , . . . , xn ) 7→ f (x1 , . . . , xn ) ∈ R.
Ist die Funktion
R → R, ξ 7→ f (x1 , . . . , xk−1 , ξ, xk+1 , . . . , xn )
differenzierbar, so heißt ihre Ableitung an der Stelle xk partielle Ableitung von f nach
∂f
xk und wird mit ∂x k
(x) oder ∂k f (x) oder ∂xk f (x) bezeichnet, wobei x = (x1 , . . . , xn ). Der
Vektor  
∂1 f (x)
∇f (x) := gradf (x) := 
 .. 
. 
∂n f (x)

116

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

heißt Gradient von f . Setze

Df (x) := ∇f (x)t = (∂1 f (x), . . . , ∂n f (x)).

Lemma 11.7 Falls f stetig partiell differenzierbar ist (d.h. Df stetig ist), dann ist f
total differenzierbar, d.h.

f (x + h) = f (x) + Df (x)h + o(khk)

für Rn ∋ h → 0. Dabei ist h ein Spaltenvektor und Df (x) ein Zeilenvektor.


pPn
Für h = (h1 , . . . , hn )t ist khk = 2
k=1 hk .

Beispiel 11.8 (Lineare Funktion) Sei a = (a1 , . . . , an ) ∈ Rn . Betrachte die lineare Vorl.25
Funktion n
X
n
f : R → R, x = (x1 , . . . , xn ) 7→ ha, xi = ak xk .
k=1

Für n = 1 ist a ∈ R und es gilt f (x) = ax, f (x) = a für alle x ∈ R.
Im allgemeinen ist ∂k f (x) = ak für alle x ∈ Rn und alle 1 ≤ k ≤ n. Es folgt

gradf (x) = a ∀x ∈ Rn

Für x, h ∈ Rn gilt

f (x + h) = ha, x + hi = ha, xi + ha, hi = f (x) + at h = f (x) + Df (x)h.

Somit ist f total differenzierbar und die lineare Approximation durch die Ableitung ist
exakt.

Beispiel 11.9 (Quadratische Funktion) Sei A ∈ Rn×n eine symmetrische Matrix,


d.h. A = (Aij )1≤i,j≤n mit Aij = Aji . Betrachte die quadratische Funktion f : Rn → R,
 
x1 n n
t  ..  X X
x 7→ x Ax = (x1 , . . . , xn )A  .  = xi Aij xj .
xn i=1 j=1

Für n = 1 ist f (x) = ax2 und f ′ (x) = 2ax. Im allgemeinen sind die partiellen Ableitungen
gegeben durch
n X
X n
∂k f (x) = Aij ∂k (xi xj ).
i=1 j=1

Dabei erhalten mit der Produktregel



1 falls l = k,
∂k (xi xj ) = δik xj + xi δjk mit δlk =
0 sonst.

117

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Einsetzen liefert
X n
n X X n
n X n
X n
X
∂k f (x) = Aij δik xj + Aij xi δjk = Akj xj + Aik xi .
i=1 j=1 i=1 j=1 j=1 i=1

Da A symmetrisch ist, gilt Aik = Aki und es folgt


n
X
∂k f (x) = 2 Akj xj = 2Ak· x,
j=1

wobei Ak· die k-te Zeile von A bezeichnet. Damit erhalten wir

gradf (x) = 2Ax.

Es folgt
Df (x) = 2(Ax)t = 2xt At = 2xt A,
da At = A. Weiter gilt für x, h ∈ Rn

f (x + h) = (x + h)t A(x + h) = xt Ax + xt Ah + ht Ax + ht Ah.

Beachte: ht Ax ist reellwertig. Damit gilt ht Ax = (ht Ax)t = xt At h = xt Ah. Damit folgt

f (x + h) = f (x) + 2xt Ah + ht Ah = f (x) + Df (x)h + ht Ah.

Wir wissen: n
ht Ah X hi hj
= Aij pPn
khk i,j=1
2
k=1 hk

mit

hh |hi hj | max{|hi |, |hj |} 1
i j
0 ≤ pPn 2
≤ q =s ≤ √ max{|hi |, |hj |} → 0
k=1 hk
h2i + h2j max{|hi |, |hj |}2 2
1+
min{|hi |, |hj |}2

für h → 0. Mit der Einschließungsregel folgt

ht Ah
→0 =⇒ ht Ah = o(khk)
khk

für h → 0. Somit ist f total differenzierbar.

118

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Tangentialebene. Angenommen, f : Rn → R ist in x0 total differenzierbar. Dann gilt:


f (x) = f (x0 ) + Df (x0 )(x − x0 ) + o(kx − x0 k)
für x → x0 . Die Tangentialebene an den Graphen von f im Punkt (x0 , f (x0 )) wird
beschrieben durch
x 7→ f (x0 ) + Df (x0 )(x − x0 ).

11.3 Höhere Ableitungen


Definition 11.10 Betrachte eine Funktion f : Rn → R. Ist ∂i f nach xj differenzierbar,
so schreiben wir für die Ableitung
∂ 2f
∂j ∂i f, ∂ xj ∂ xi oder .
∂ x j ∂ xi
Beispiel 11.11 Betrachte die Funktion f : (0, ∞)2 → R,
 
x
f (x, y) = cos(xy) + ln = cos(xy) + ln x − ln y
y
Wir berechnen die partiellen Ableitungen:
1 1
∂x f (x, y) = −y sin(xy) + , ∂y f (x, y) = −x sin(xy) − .
x y
Die zweiten partiellen Ableitungen sind gegeben durch
1
∂x ∂x f (x, y) = −y 2 cos(xy) − ∂x ∂y f (x, y) = − sin(xy) − xy cos(xy)
x2
1
∂y ∂x f (x, y) = −xy cos(xy) − sin(xy) ∂y ∂y f (x, y) = − x2 cos(xy)
y2
Beobachtung: ∂x ∂y f (x, y) = ∂y ∂x f (x, y)

119

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Definition 11.12 Die Matrix Hf (x) = (∂j ∂i f (x))1≤i,j≤n heißt Hesse-Matrix von f im
Punkt x.

Satz 11.13 Sind alle ∂i ∂j f stetig, so gilt

∂i ∂j f = ∂j ∂i f ∀i, j

D.h. die Reihenfolge der Ableitungen ist irrelevant.

Definition 11.14 Für x ∈ Rn und ε > 0 sei

B(x, ε) = {y ∈ Rn : kx − yk < ε}

die Kugel um x mit Radius ε. Eine Menge U ⊆ Rn heißt offen, wenn

∀x ∈ U ∃ε > 0 sodass B(x, ε) ⊆ U

Z.B. ist (0, 1) × (0, 1) offen, [0, 1) × [0, 1) und [0, 1] × [0, 1] jedoch nicht.

Satz 11.15 Sei U ⊆ Rn offen und f : U → R zweimal stetig differenzierbar, d.h. ∂i ∂j f


existieren und sind stetig für alle i, j.

• Notwendige Bedingung für ein lokales Extremum: Falls f in x ∈ U ein


lokales Extremum besitzt, dann gilt

∇f (x) = 0.

Im Fall eines lokalen Minimums ist Hf (x) positiv semidefinit, d.h. alle Eigenwerte
von Hf (x) sind ≥ 0. Im Fall eines lokalen Maximums ist Hf (x) negativ semidefinit,
d.h. alle Eigenwerte von Hf (x) sind ≤ 0.

• Hinreichende Bedingung für ein lokales Extremum: Falls ∇f (x) = 0 und


Hf (x) positiv definit (d.h. alle Eigenwerte von Hf (x) sind > 0), dann hat f in x
ein striktes lokales Minimum. Falls ∇f (x) = 0 und Hf (x) negativ definit (d.h. alle
Eigenwerte von Hf (x) sind < 0), dann hat f in x ein striktes lokales Maximum.

Vorgehensweise zur Bestimmung der Extrema von f : U → R.

(a) Bestimmung aller kritischen Punkt von f , d.h. aller x ∈ U mit ∇f (x) = 0.

(b) Für jeden kritischen Punkt x von f Bestimmung von Hf (x).

(c) Untersuchen der Eigenwerte λi (x) von Hf (x) für jeden kritischen Punkt.

• Alle λi (x) > 0 =⇒ striktes lokales Minimum in x.


Alle λi (x) < 0 =⇒ striktes lokales Maximum in x.

120

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

• Es gibt Eigenwerte > 0 und = 0 =⇒ kein lokales Maximum in x.


Es gibt Eigenwerte < 0 und = 0 =⇒ kein lokales Minimum in x.
• Falls es positive und negative Eigenwerte gibt, liegt weder ein Maximum noch
ein Minimum vor.

Beispiel 11.16 Betrachte die Funktion f : R2 → R, (x, y) 7→ x2 + 2y 2 . Es gilt


 
2x
∇f (x, y) =
4y

Wir suchen die kritischen Stellen:


     
0 2x 0
∇f (x, y) = ⇐⇒ = ⇐⇒ x=y=0
0 4y 0

Somit ist (0, 0) die einzige kritische Stelle. Die Hesse-Matrix


 
2 0
Hf (x, y) =
0 4

ist in allen (x, y) ∈ R2 positiv definit. Daher besitzt f in (0, 0) ein striktes lokales und
globales Minimum.

Beispiel 11.17 Betrachte die Funktion f : R2 → R, (x, y) 7→ x2 − 2y 2 . Es gilt


 
2x
∇f (x, y) =
−4y

Wir suchen die kritischen Stellen:


 
0
∇f (x, y) = ⇐⇒ x=y=0
0

Somit ist (0, 0) die einzige kritische Stelle. Die Hesse-Matrix


 
2 0
Hf (x, y) =
0 −4

ist indefinit. Somit hat f in (0, 0) kein Extremum, sondern einen Sattelpunkt.

Verallgemeinerung.
Definition 11.18 Sei U ⊆ Rn offen. Eine Funktion f : U → Rm heißt in x ∈ U (total)
differenzierbar, falls es eine lineare Abbildung A : Rn → Rm , h 7→ A(h) =: Ah gibt, sodass
gilt:

f (x + h) = f (x) + Ah + o(khk) für h → 0. (11.1)

121

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Die lineare Abbildung A : Rn → Rm kann man durch eine m × n-Matrix A =


(aij )1≤i≤m,1≤j≤n beschreiben. Für h ∈ Rn ist
 
a11 . . . a1n  
 a21 . . . a2n  h1
  . 
Ah =  .. ..   ..  .
 . ... . 
hn
am1 . . . amn

Wir identifizieren die lineare Abbildung A mit dieser Matrix.


Sei f = (f1 , . . . , fm )t . Damit schreiben wir (11.1) für die Komponenten 1 ≤ i ≤ m:
n
X
fi (x + h) = fi (x) + aij hj + o(khk) für h → 0. (11.2)
j=1

Es gilt: f ist in x differenzierbar. ⇐⇒ Alle Komponenten sind in x differenzierbar.

Lemma 11.19 Für alle i, j gilt:


∂fi
aij = (x).
∂xj

Beweis. Sei 1 ≤ i ≤ m, 1 ≤ j ≤ n. Betrachte h ∈ Rn mit hk = 0 für alle k 6= j. Dann


gilt
Xn q
aik hk = aij hj und khk = h2j = |hj |.
k=1

Damit liefert (11.2)

fi (x + h) − fi (x) o(khk) o(khk)


= aij + = aij + → aij
hj hj ±khk

für h → 0.
Die Matrix A heißt Jacobi-Matrix von f . Man schreibt:
 
∂fi
A = Df (x) := Jf (x) := (x) ∈ Rm×n .
∂xj 1≤i≤m,1≤j≤n

12 Differentialgleichungen
12.1 Anfangswertprobleme
Differentialgleichungen beschreiben Prozesse, bei denen die Rate, mit der sich der Zustand
ändert, eine gegebene einfache Funktion des Zustandes ist.

122

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beispiel 12.1 (Wachstumsprozesse)


Sei N (t) die Anzahl der Individuen in einer Population zur Zeit t, β die Geburtenrate
und δ die Sterberate. Die folgende Differentialgleichung beschreibt das Wachstum großer
Populationen:
N ′ (t) = (β − δ)N (t), t ≥ 0.
Das ist eine Differentialgleichung 1. Ordnung. Die allgemeine Lösung dieser Differential-
gleichung ist gegeben durch

N (t) = ce(β−δ)t , t ≥ 0, c ∈ R.

Wir können einfach nachprüfen, dass dies Lösungen der Differentialgleichung sind:

N ′ (t) = c(β − δ)e(β−δ)t = (β − δ)N (t).

Gibt man zusätzlich einen Anfangswert N (0) = N0 vor, so spricht man von einem An-
fangswertproblem. In diesem Fall sucht man c ∈ R sodass

N0 = N (0) = ce(β−δ)0 = ce0 = c.

Somit löst die Funktion


N (t) = N0 e(β−δ)t
das Anfangswertproblem

N (0) = N0 , N ′ (t) = (β − δ)N (t), t ≥ 0.

Wir betrachten Differentialgleichungen der Form

y ′ (x) = f (x, y(x))

mit x ∈ R und y(x) ∈ R. Da x ∈ R, spricht man von einer gewöhnlichen Differential-


gleichung. Da nur die 1. Ableitung vorkommt, spricht man von einer Differentialgleichung
1. Ordnung.

Anfangswertproblem. Sei I = (x, x) ⊆ R ein Intervall, x0 ∈ I, Ω0 ⊆ R, y0 ∈ Ω0 ,


f : I × Ω0 → R. Wir suchen y : I → Ω0 mit

y ′ (x) = f (x, y(x)) ∀x ∈ I und y(x0 ) = y0 .

Beispiel 12.2 Sei g : I → R stetig und x0 ∈ I. Betrachte das Anfangswertproblem

y ′ (x) = g(x) ∀x ∈ I und y(x0 ) = y0 .

Die Bedingung y ′ = g besagt, dass y eine Stammfunktion von g ist. Stammfunktionen


sind bis auf eine additive Konstante eindeutig bestimmt. Somit gibt es eine eindeutige

123

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Lösung des Anfangswertproblems. Der Hauptsatz der Differential- und Integralrechnung


liefert:
Z x Z x

y(x) − y0 = y(x) − y(x0 ) = y (t) dt = g(t) dt.
x0 x0

Damit folgt Z x
y(x) = y0 + g(t) dt.
x0

Beispiel 12.3 Betrachte das Anfangswertproblem

y ′ (x) = a ∀x ∈ R und y(0) = y0 .

Aus dem letzten Beispiel folgt:


Z x
y(x) = y0 + a dt = y0 + ax
0

Beispiel 12.4 (Charakterisierung der Exponentialfunktion)


Betrachte das Anfangswertproblem

y ′ (x) = y(x) ∀x ∈ R und y(0) = 1.

Da y differenzierbar ist, ist y stetig. Wegen y ′ = y ist y ′ stetig, also y stetig differenzierbar.
Da y(0) = 1 und y stetig ist, gibt es ein δ > 0 sodass y(x) > 0 für alle x ∈ (−δ, δ).
Somit können wir die Gleichung y ′ = y auf (−δ, δ) durch y dividieren und erhalten

y ′ (x)
=1 ∀x ∈ (−δ, δ)
y(x)

Es folgt Z Z
x x
y ′ (t)
dt = 1 dt = x ∀x ∈ (−δ, δ)
0 y(t) 0

Damit ergibt sich


Z x
y ′ (t)
x= dt = [ln y(t)]x0 = ln y(x) − ln y(0) = ln y(x),
0 y(t)

da y(0) = 1 und ln 1 = 0. Wir erhalten

ln y(x) = x =⇒ y(x) = ex .

Wir machen die Probe:

y ′ (x) = ex = y(x) ∀x ∈ R, y(0) = e0 = 1.

124

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Betrachte das Anfangswertproblem


y ′ (x) = y(x) ∀x ∈ R und y(x0 ) = y0
für x0 ∈ R, y0 > 0. Da y(x0 ) = y0 > 0 und y stetig ist, gibt es ein δ > 0 sodass y(x) > 0
für alle x ∈ (x0 − δ, x0 + δ) =: I. Somit können wir die Gleichung y ′ = y auf I durch y
dividieren und erhalten
y ′ (x)
= 1 ∀x ∈ I.
y(x)
Für x ∈ I folgt
Z x ′ Z x
y (t)
dt = 1 dt = x − x0 .
x0 y(t) x0

Damit ergibt sich


Z x
y ′ (t)
x − x0 = dt = [ln y(t)]xx0 = ln y(x) − ln y(x0 ) = ln y(x) − ln y0 .
x0 y(t)
Wir erhalten
ln y(x) = ln y0 + x − x0 =⇒ y(x) = y0 ex−x0
Wir machen die Probe:
y ′ (x) = y0 ex−x0 = y(x) ∀x ∈ R, y(x0 ) = y0 e0 = y0 .

12.2 Differentialgleichungen mit separierbarer rechter Seite


Die Differentialgleichungen y ′ = f und y ′ = y sind Spezialfälle von Anfangswertproblemen
mit separierbarer rechter Seite. Die allgemeine Form ist gegeben durch
y ′ (x) = f (x)g(y(x)) und y(x0 ) = y0
mit f, g : R → R stetig.
Sei g(y0 ) 6= 0. Da g stetig ist und y als differenzierbare Funktion stetig ist, existiert δ >
0 sodass g(y(x)) 6= 0 für alle x ∈ (x0 −δ, x0 +δ). Somit können wir die Differentialgleichung
auf (x0 − δ, x0 + δ) durch g(y(x)) dividieren:
y ′ (x)
= f (x)
g(y(x))
Damit ergibt sich Z Z
x x
y ′ (t)
dt = f (t) dt.
x0 g(y(t)) x0

Wir substituieren im linken Integral s = y(t), ds = y ′ (t)dt:


Z y(x) Z y(x) Z x
1 1
ds = ds = f (t) dt. (12.1)
y0 g(s) y(x0 ) g(s) x0

125

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Setze Z y Z x
1
G(y) = ds, F (x) = f (t) dt.
y0 g(s) x0

Damit können wir (12.1) umschreiben als


G(y(x)) = F (x).
Falls G eine Umkehrfunktion G−1 besitzt, ist die eindeutige Lösung gegeben durch
y(x) = G−1 (F (x)).
Dieser Lösungsweg heißt Trennung der Variablen.

Vorgehensweise bei Trennung der Variablen. Die zu lösende Differentialgleichung


muss von der folgenden Form sein
y ′ = f (x)g(y)
mit einer Funktion f (x), die nicht von y abhängt und einer Funktion g(y), die nur von y
dy
abhängt. Wir schreiben y ′ = dx . Dann bringen wir alle von y abhängigen Terme auf eine
Seite, alle anderen auf die andere Seite:
Z Z
dy dy dy
= f (x)g(y) =⇒ = f (x) dx =⇒ = f (x) dx
dx g(y) g(y)
Die letzte Gleichung müssen wir dann nach y auflösen.
Beispiel 12.5 Betrachte das Anfangswertproblem
y ′ (x) = 1 + y(x)2 ∀x ∈ R und y(0) = 0.
Wegen 1 + y(x)2 > 0 können wir durch 1 + y(x)2 dividieren und erhalten
y ′ (x)
=1
1 + y(x)2
Integration liefert Z Z
x x
y ′ (t)
dt = 1 dt = x.
0 1 + y(t)2 0
Im linken Integral substituieren wir s = y(t), ds = y ′ (t)dt. Damit ergibt sich
Z x Z y(x)
y ′ (t) 1 y(x)
x= 2
dt = 2
ds = [arctan s]0 = arctan y(x).
0 1 + y(t) y(0) 1 + s
Es folgt
y(x) = tan x.
Wir machen die Probe:
y ′ (x) = 1 + (tan x)2 = 1 + y(x)2 ∀x ∈ R.

126

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

12.3 Lineare Differentialgleichungen 1. Ordnung


Seien a, f : R → R stetige Funktionen. Dann heißt

y ′ (x) + a(x)y(x) = f (x) (12.2)

inhomogene lineare Differentialgleichungen 1. Ordnung. Ist f (x) = 0 für alle x ∈ R, so


spricht man von einer homogenen Differentialgleichung:

y ′ (x) + a(x)y(x) = 0 (12.3)

Lemma 12.6 Sei H die Menge der Lösungen der homogenen Differentialgleichung (12.3)
und I die Menge der Lösungen der inhomogenen Differentialgleichung (12.2).

(a) Ist yi ∈ I und yh ∈ H, dann ist yi + yh ∈ I.

(b) Sind yi1 , yi2 ∈ I, dann ist yi1 − yi2 ∈ H.

(c) Sei yi ∈ I. Dann gilt:

I = yi + H = {yi + yh : yh ∈ H}.

D.h. alle Lösungen der inhomogenen Differentialgleichung (12.2) sind gegeben durch
yi + yh , wobei yi eine spezielle Lösung von (12.2) und yh eine beliebige Lösung von
(12.3) ist.

Beweis. Wir berechnen

(yi + yh )′ (x) + a(x)(yi + yh )(x) = yi′ (x) + a(x)yi (x) + yh′ (x) + a(x)yh (x) = f (x)

(yi1 − yi2 )′ (x) + a(x)(yi1 − yi2 )(x) = yi′1 (x) + a(x)yi1 (x) − yi′2 (x) + a(x)yi2 (x)
= f (x) − f (x) = 0

Zu (c): “⊇”: Nach (a) gilt yi + yh ∈ I.


“⊆”: Sei y ∈ I. Nach (b) ist y − yi ∈ H und es gilt y = yi + (y − yi ), also y ∈ yi + H.
Damit ergibt sich folgendes Lösungsverfahren der inhomogenen Differentialgleichung
(12.2). Schritt 1: Wir bestimmen H und somit alle Lösungen von (12.3).

Lemma 12.7 Die allgemeine Lösung der homogenen linearen Differentialgleichung

y ′ (x) + a(x)y(x) = 0

ist gegeben durch


y(x) = ce−A(x) , c ∈ R,
wobei A eine Stammfunktion von a ist, d.h. A′ (x) = a(x) für alle x.

127

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Beweis. Die homogene Differentialgleichung ist äquivalent zu

y ′ (x) = −a(x)y(x).

Dies ist eine Differentialgleichung mit getrennten Variablen. Wir erhalten


y ′ (x)
= −a(x) =⇒ (ln y(x))′ = −a(x).
y(x)
Dann folgt mit einer Konstanten d

ln y(x) = −A(x) + d =⇒ y(x) = e−A(x)+d = ce−A(x)

mit c = ed . Wir machen die Probe:

y ′ (x) = ce−A(x) (−A′ (x)) = −a(x)ce−A(x) = −a(x)y(x).

Beispiel 12.8 Ein Spezialfall ist die Differentialgleichung

y ′ (x) = y(x).

Dies ist eine homogene lineare Differentialgleichung mit a(x) = −1. Somit gilt A(x) =
−x. Für die Lösung folgt
y(x) = ce−A(x) = cex .

Schritt 2: Wir bestimmen eine spezielle Lösung yi ∈ I von (12.2).

Lemma 12.9 Eine Lösung der inhomogenen linearen Differentialgleichung

y ′ (x) + a(x)y(x) = f (x)

ist gegeben durch Z x


−A(x)
y(x) = e f (t)eA(t) dt,
x0

wobei A eine Stammfunktion von a ist und x0 ∈ R.

Beweis. Wir bestimmen diese Lösung mit Hilfe eines Ansatzes, der als Variation der
Konstanten bezeichnet wird. Die Konstante c aus der Lösung der homogenen Differen-
tialgleichung wird durch eine Funktion c(x) ersetzt. Wir machen den Ansatz

y(x) = c(x)e−A(x) .

Einsetzen in die Differentialgleichung liefert

c(x)′ e−A(x) + c(x)(−A′ (x))e−A(x) + a(x)c(x)e−A(x) = f (x).

128

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Wegen A′ = a folgt
Z x
′ −A(x) ′ A(x)
c(x) e = f (x) =⇒ c (x) = f (x)e =⇒ c(x) = f (t)eA(t) dt
x0

Damit folgt Z x
−A(x)
y(x) = e f (t)eA(t) dt.
x0

Wir verifizieren, dass dies eine Lösung der inhomogenen linearen Differentialgleichung ist.
Mit Hilfe des Hauptsatzes der Differential- und Integralrechnung erhalten wir
Z x
′ ′ −A(x)
y (x) = −A (x)e f (t)eA(t) dt + e−A(x) f (x)eA(x) = −a(x)y(x) + f (x).
x0

Schritt 3: Wir bestimmen I = yi + H, also alle Lösungen von (12.2).


Satz 12.10 Alle Lösungen der inhomogenen linearen Differentialgleichung

y ′ (x) + a(x)y(x) = f (x)

sind gegeben durch


Z x  Z x 
−A(x) −A(x) A(t) −A(x) A(t)
y(x) = ce +e f (t)e dt = e c+ f (t)e dt ,
x0 x0

wobei A eine Stammfunktion von a ist und c ∈ R. Eine Lösung des zugehörigen An-
fangswertproblems mit y(x0 ) = y0 ist gegeben durch
 Z x 
−A(x) A(t)
y(x) = e y0 + f (t)e dt ,
x0

falls A(x0 ) = 0.
Beweis. Das folgt aus Lemma 12.6. Der Anfangswert ist gegeben durch

y(x0 ) = e−A(x0 ) y0 = y0 .

Beispiel 12.11 Betrachte das Anfangswertproblem

y ′ (x) + y(x) = sin x ∀x ∈ R und y(0) = 1.

Dies ist eine inhomogene lineare Differentialgleichung mit a(x) = 1, f (x) = sin x, x0 = 0
und y0 = 1. Damit folgt A(x) = x, A(0) = 0. Mit Hilfe von Satz 12.10 erhalten wir
 Z x   Z x 
−A(x) A(t) −x t
y(x) = e y0 + f (t)e dt = e 1+ e sin t dt .
x0 0

129

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)


lOMoARcPSD|9129374

Wir integrieren partiell mit

u(t) = sin t v ′ (t) = et


u′ (t) = cos t v(t) = et

Es folgt
Z x Z x
t t
I(x) := e sin t dt = [e sin t]x0 − et cos t dt.
0 0

Wir integrieren nochmal partiell mit

u(t) = cos t v ′ (t) = et


u′ (t) = − sin t v(t) = et

und erhalten
 Z x 
x t
I(x) = e sin x − [e cos t]x0 + t
e sin t dt = ex (sin x − cos x) + 1 − I(x)
0
1 1
=⇒ I(x) = ex (sin x − cos x) +
2 2
Damit folgt
3 1
y(x) = e−x (1 + I(x)) = e−x + (sin x − cos x).
2 2
Wir machen die Probe:
3 1
y ′ (x) = − e−x + (cos x + sin x) =⇒ y ′ (x) + y(x) = sin x
2 2
3 1
Der Anfangswert ist gegeben durch y(0) = 2
− 2
= 1.

130

Downloaded by Faycel HIZI (faycel.hizi@gmail.com)