IngMathe II PDF

Technische Universität Clausthal
Institut für Mathematik
Ingenieurmathematik II
Vorlesungsskript
von
Henning Behnke
SS 2022
INHALTSVERZEICHNIS i
Inhaltsverzeichnis
Inhaltsverzeichnis i
6 Lineare Geometrie in R2 und R3 1

6.1 Vektorräume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
6.2 Rechnen in R2 bzw. R3 . . . . . . . . . . . . . . . . . . . . . . . 5
6.3 Lineare Unabhängigkeit, Basis, Dimension . . . . . . . . . . . . 9
6.4 Betrag und Skalarprodukt . . . . . . . . . . . . . . . . . . . . . 13
6.5 Das Vektorprodukt im R3 . . . . . . . . . . . . . . . . . . . . . 19
6.6 Geraden und Ebenen im R3 . . . . . . . . . . . . . . . . . . . . 28
6.7 Ellipse, Hyperbel und Parabel im R2 . . . . . . . . . . . . . . . 39
7 Lineare Gleichungssysteme, Matrizen und Determinanten 42

7.1 Lineare Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . 42
7.2 Lineare Abbildungen und Matrizen . . . . . . . . . . . . . . . . 57
7.3 Die Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7.4 Eigenwerte und Eigenvektoren . . . . . . . . . . . . . . . . . . . 84
7.5 Spezielle Matrizen: . . . . . . . . . . . . . . . . . . . . . . . . . 89
7.6 Basiswechsel und Koordinatentransformation . . . . . . . . . . . 96
8 Quadratische Formen 100

8.1 Kegelschnitte . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
8.2 Quadratische Formen im Rn . . . . . . . . . . . . . . . . . . . . 101
9 Differentialrechnung II 108
9.1 Funktionen mehrerer Variabler . . . . . . . . . . . . . . . . . . . 108
9.2 Partielle Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . 115
9.3 Differentiation reellwertiger Funktionen . . . . . . . . . . . . . . 119
9.4 Richtungsableitung und Kettenregel . . . . . . . . . . . . . . . . 126
9.5 Differentiation vektorwertiger Funktionen . . . . . . . . . . . . . 133
9.6 Zur Transformation auf Polarkoordinaten . . . . . . . . . . . . . 137
9.7 Die Differentialoperatoren der Vektoranalysis im R3 . . . . . . . 139
9.8 Lokale Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.9 Extrema mit Nebenbedingungen: . . . . . . . . . . . . . . . . . 146
INHALTSVERZEICHNIS ii
10 Integralrechnung II 156
10.1 Parameterintegrale: . . . . . . . . . . . . . . . . . . . . . . . . . 156
10.2 Kurvenintegrale: . . . . . . . . . . . . . . . . . . . . . . . . . . 157
10.3 Integration über ebene Bereiche . . . . . . . . . . . . . . . . . . 170
10.4 Integration über Flächen im Raum . . . . . . . . . . . . . . . . 181
10.5 Integration über dreidimensionale Bereiche . . . . . . . . . . . . 194
10.6 Die Substitutionsregel (Transformationsformel) . . . . . . . . . 199
10.7 Integralsätze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
6 LINEARE GEOMETRIE IN R2 UND R3 1
6 Lineare Geometrie in R2 und R3
6.1 Vektorräume
In Physik und Technik gibt es Größen, die durch eine positive Zahl und eine
Richtung gekennzeichnet sind. Solche Größen heißen Vektoren.
Bezeichnung in der Technik: ~a, ~b, . . . , F~ oder a, b, . . . , F .
→
− → −
(a) gegeben: 2 Verschiebungen V1 , V2 :
Richtung und Länge charakterisieren die Verschiebung
gesucht:
→
− → −
Resultierende V1 + V2
→
−
Vielfaches einer Verschiebung cV1 , c ∈ R
→
− →
−
→
− →
− + V2 c V1
V1 V1
→
−
V1
→
−
V2
(b) gegeben: 2 Kräfte
Wind −
→ − →
F1 + F2
−
→
F1
−
→
F2 Strömung
Geschwindigkeit, Beschleunigung, Impuls, Feldstärke, . . . sind Vektoren.

In der Ebene bzw. im Raum werden solche Vektoren durch 2- bzw. 3-
Tupel beschrieben.
Mathematische Bezeichnungsweise:
 
  x
x1  1
 
x =   ∈ R2 bzw. x = x2  ∈ R3
x2  
↑ x3
Vektor mit den Komponenten x1 , x2 ∈ R
In der Vektorrechnung ist es praktischer, die Tupel in senkrechter Anordnung

zu schreiben!    
x1 y1
Addition der Vektoren x =   , y =   ∈ R2
x2 y2
     
x1 y1 x1 + y 1
x+y = + =  ∈ R2
x2 y2 x2 + y 2
Multiplikation mit einem Skalar α ∈ R:

   
x1 αx1
αx = α   =   ∈ R2
x2 αx2
Die Verknüpfungen + und · werden komponentenweise ausgeführt.

Vektoren und Skalare bezeichnet man häufig mit verschiedenen Alphabeten.
beachte: a ∈ R2 bedeutet:
 (hier ein 2-Tupel) und seine Komponenten sind a1 , a2 ∈ R :

a istVektor
a1
a =   ∈ R2 .
a2
Für das Gebilde (R2 , +, ·) mit den obigen Verknüpfungen gelten die folgenden
Aussagen (Beweis durch Hinschreiben der Komponenten)
1 Satz hhhhh
Für alle a, b ∈ R2 und α, β ∈ R gilt:
(1) a + b = b + a
(2) (a + b) + c = a + (b + c)
(3) Es gibt stets ein x ∈ R2 mit a + x = b, nämlich x = b − a (Lösen von

Gleichungen).
(4) (αβ)a = α(βa)
(5) α(a + b) = αa + αb
(6) (α + β)a = αa + βa
(7) 1a = a
2 Definition gggg
Eine algebraische Struktur V, die die Gesetze (1)–(7) erfüllt, heißt ein Vektorraum
(oder ein linearer Raum) über dem Skalarkörper R. (R kann durch C ersetzt
werden)
Addition + : V × V 3 (x, y) 7→ x + y ∈ V
skalare Multiplikation · : R × V 3 (α, x) 7→ αx ∈ V
3 Beispiele für Vektorräume: ydfhilzgrkf
a) V := Rn, n ∈N        
a1 b1 a1 + b 1 a1 αa1
         
 ..   ..   ..   ..   .. 
a + b =  .  +  .  =  .  , αa = α  .  =  . 
         
an bn an + b n an αan
geometrische Interpretationen für n = 1, 2, 3 sind möglich.

x ∈ R1 ⇔ x ∈ R hier ist keine Tupelschreibweise nötig!
b) Es sei I ⊂ R ein Intervall

V := Menge aller Funktionen f : I → R
Verknüpfungsregeln:

(f + g)(x) = f (x) + g(x) 
x∈I
(αf )(x) = αf (x) 
+ : V × V 3 (f, g) 7→ f + g ∈ V
· : R × V 3 (α, f ) 7→ αf ∈ V
In diesem Sinne sind Funktionen f : I → R ”Vektoren” bzw. ”Punkte”

des Vektorraumes V. Eine solche Sichtweise erlaubt präzise und bequeme
Formulierungen.
beachte:
Aus Gesetz (3) folgt die Existenz eines Nullvektors:
a+0=a
Bsp:
 
0
 
.
(a) 0 =  ..  ∈ Rn
 
0
(b) Nullfunktion f (x) = 0 für alle x ∈ I
Wir haben: 
skalare Null 0 ∈ R  beachte: unterschiedliche Bedeutung
vektorielle Null 0 ∈ Rn  bei gleicher Schreibweise!
4 Anschauliche geometrische Interpretation von R2 bzw. R3 jzdjzjf

In der Ebene bzw. im Raum sei ein cartesisches Koordinatensystem (Koosy)
festgelegt.
Wir haben 2 Interpretationen der 2- bzw. 3-Tupel:
(i) Die 2- bzw. 3-Tupel sind umkehrbar eindeutig den Punkten der Ebene
bzw. des Raumes zugeordnet.
x3
a3
x2
A = (a1 , a2 , a3 )
a2 a
A = (a1 , a2 )
a
a2
a1 x1 x2
a1
x1
In diesem Fall sprechen wir von Ortsvektoren. Fußpunkt aller Pfeile ist
der Ursprung des Koosy.
(ii) Die 2- bzw. 3-Tupel bezeichnen die Komponenten eines Pfeils.
”Ursprung des Koosy

a a2 liegt irgendwo”
a1 a a2
a1
Pfeile, die durch Parallelverschiebung auseinander hervorgehen, stellen

ein- und denselben Vektor dar: ”freier Vektor”
beachte: Je nach Bedarf interpretieren wir die Tupel nach (i) oder nach (ii).
6.2 Rechnen in R2 bzw. R3
(a) Mittelpunkt einer Strecke:

gegeben: 2 Punkte A, B im R3
gesucht: Mittelpunkt MA,B der Strecke A, B
D
−→ −−→
A a := OA, b = OB
MA,B
↑
a Vektor von 0 nach A
B d := a + b
b
0
−−→ 1 −−→ 1 1
OM A,B = OD = d = (a + b)
2 2 2
          
1 1 1 1 1
    1      
          
Bsp: A =  1  , B = 1 ⇒ MA,B =  1  + 1 = 1
    2       
-1 3 -1 3 1
(b) Schwerpunkt eines Dreiecks:

gegeben: 3 Punkte A, B, C im R3
gesucht: Lage des Schwerpunktes S
2
aus der Mechanik:
S −→ −−→ 1 −−−−→
OS = OM A,B + MA,B C
A 3
1 −→ −−→ −→
MA,B
a = OA, b = OB, c = OC
B
−−→ 1
nach(a):OM A,B = (a + b)
2
−−−−→ −→ −−→ 1
MA,B C = OC − OM A,B = c − (a + b) ⇒
2
−→ 1 1 1
OS = (a + b) + [c − (a + b)]
2 3 2
1 1 1 1 1
= a+ b+ c− a− b
2 2 3 6 6
1 1 1 1
= a + b + c = (a + b + c)
3 3 3 3
Bsp:
         
4
2 1 1 4
       
1    3 
     
A = 0 , B = 9 , c = 7 ⇒ S = 16 =  16 
      3  3
5 8 8 21 7
(c) Gerade im Raum:

gegeben: a, b ∈ R3
Die Punkte {x ∈ R3 : x = a + τ b, τ ∈ R} bilden eine Gerade im Raum
durch den Punkt a in Richtung b.
x3
τ =-3
τ =0: x0 = a
τ =0 τ =1: x1 = a + 1b
b τ =1 τ =2: x2 = a + 2b
a τ =2 τ = -3 : x-3 = a − 3b
x2
x1
(d) Ebene im Raum:

gegeben: a, b, c ∈ R3
Die Punkte {x ∈ R3 : x = a + σb + τ c, σ, τ ∈ R} bilden eine Ebene im
Raum durch den Punkt a und aufgespannt durch die beiden Richtungen
b und c.
σ=-1
x3
σ=0
x-1,2
σ=1
c
σ=2
a b
τ =2
τ =1
x2
τ =0
τ =-1
x1
x1,0 = a + 1b + 0c
x-1,2 = a − 1b + 2c
(e) Beispiel:
       
1 2 2 4
       
       
gegeben:A = 0 , B = 1 , C = 1 , P = 3
       
1 0 4 2
Frage: Liegt der Punkt P in der Ebene, die durch die 3 Punkte A, B, C
bestimmt ist?
Lösung: Alle Punkte der Ebene sind von der Form x = a + σb + τ c mit
σ, τ ∈ R      
1 1 1
−→  
  −→  
  −→  
 
und a = OA = 0 , b = AB =  1  , c = AC = 1
     
1 -1 3
Neue Frage: Gibt es σ, τ ∈ R so, dass gilt

       
4 1 1 1
       
       
3 = 0 + σ  1  + τ 1 ?
       
2 1 -1 3
Das sind 3 Gleichungen für 2 Unbekannte σ, τ ∈ R :

Ist das Gleichungssystem nicht lösbar, dann liegt P nicht in dieser Ebene:

(i) 4 = 1 + σ + τ ⇒ 3 = σ + τ 
⇒σ =3−τ
(ii) 3 = 0 + σ + τ ⇒ 3 = σ + τ 
(iii) 2 = 1 − σ + 3τ ⇒ 1 = -σ + 3τ
⇒ 1 = -(3 − τ ) + 3τ ⇒ 4τ = 4 ⇒ τ = 1 ⇒ σ = 2
Damit: P liegt in der Ebene
(f) Mit Vektoren lassen sich auch nicht lineare Objekte im Raum beschrei-
ben, z. B.
     

 x1 cos ϕ 


     

   
x ∈ R3 : x2  =  sin ϕ  , 0 ≤ ϕ ≤ 2π

     


 

x3 ϕ
Schraubenlinie
6.3 Lineare Unabhängigkeit, Basis, Dimension
Beispiele für eine Zerlegung von Vektoren:
(a) Zerlegung einer Verschiebung s : s, sx , sy ∈ R2

y
Teilverschiebungen im x- und y-Richtung

sy s (Bewegung eines Roboters)
sx x
→
−
(b) Zerlegung einer Kraft F :
−→ −→
Normal- und Hangabtriebskraft FN , FH
−→H
F −→N
F
→
−
F
beachte: x1 , x2 , x3 ∈ R3 , allgemein xj ∈ R3 , bedeutet:

xj ist ein Vektor (hier ein 3-Tupel) mit Komponenten
   
xj1 x1j
   
   
xj = xj2  ∈ R3 oder xj = x2j  ∈ R3
   
xj3 x3j
 
x
 1
 
Die Bezeichnungsweisen ”x = x2  ∈ R3 ” und ”x1 , x2 , x3 ∈ R3 ” dürfen
 
x3
im gleichen Zusammenhang nicht gemischt auftreten!!
1 Definition kkkkk
(a) Es seien x1 , x2 , . . . , xn ∈ R3 (bzw. R2 ) und α1 , α2 , . . . , αn ∈ R, dann heißt

n
X
αk xk = α1 x1 + α2 x2 + · · · + αn xn ∈ R3
k=1
ein Linearkombination (LK) von {x1 , . . . , xn }.
(b) Die n Vektoren x1 , . . . , xn ∈ R3 heißen linear abhängig (l.a.) wenn es

Skalare α1 , . . . , αn ∈ R gibt mit
(α1 , . . . , αn ) 6= (0, . . . , 0) und
x
kkkkkkkkkll nicht alle α1 , . . . , αn sind = 0
n
X
αk xk = α1 x1 + · · · + αn xn = 0
k=1 x

kkkkkkkkkkkkkkkkkkkkkkkkk
mindestens einer der Vektoren x1 , . . . , xn ist als LK der anderen darstell-
1
bar. Sei etwa α2 6= 0 ⇒ x2 = (−α1 x1 − α3 x3 − · · · − αn xn )
α2
(c) Die n Vektoren x1 , . . . , xn ∈ R3 heißen linear unabhängig (l.u.), wenn sie
nicht linear abhängig sind, d. h.: wenn aus
n
X
αk xk = 0 folgt α1 = α2 = · · · = αn = 0.
k=1
2 Beispiel hhhh
     
1 1 3
§
      −→
     
(i) b =  1  , c = 1 , d = 3 ∈ R3 , vgl. 6.2 (e) mit d = AP
     
-1 3 1
Frage: Ist {b, c, d} linear abhängig?
Gibt es σ, τ ∈ R mit d = σb + τ c?
Liegen die Vektoren b, c, d in einer Ebene?
Ist α1 b + α2 c + α3 d = 0 nur für α1 = α2 = α3 = 0 möglich?
Lösung: d = 2b + 1c ⇒ {b, c, d} ist l.a.
§
dl↑ siehe 6.2 (e)
damit: d liegt in der von b und c aufgespannten Ebene.
(ii) x, y ∈ R2 l.a.
⇔ es gibt (α1 , α2 ) 6= (0, 0) mit α1 x1 + α2 x2 = 0
α2 α1
⇔ x = - y, falls α1 6= 0 oder y = - x, falls α2 6= 0
α1 α2
⇔ einer der Vektoren ist Vielfaches des anderen
(iii) 3 Vektoren a, b, c ∈ R2 sind stets l.a., denn:

Sind a, b l.a., so auch a, b, c.
Sind a, b l.u., dann gilt: c = α1 a + α2 b für eindeutig bestimmte (α1 , α2 ) ∈
R2 (vgl. Kap. 7), damit ist α1 a+α2 b−1c = 0, wobei (α1 , α2 , -1) 6= (0, 0, 0).
3 Definition dbg  bvd    

1 0 0
     
     
Die Vektoren e1 = 0 , e2 = 1 , e3 = 0 ∈ R3 heißen
     
0 0 1
3
die Basis-Einheitsvektoren des R .
Es gilt:
(a) {e1 , e2 , e3 } ⊂ R3 ist l.u.
(b) Jedes x ∈ R3 ist LK von {e1 , e2 , e3 }
Denn:
 
α
 1
 
(a) α1 e1 + α2 e2 + α3 e3 = α2  = 0 ⇔ α1 = α2 = α3 = 0
 
α3
 
x
 1
 
(b) Sei x = x2  ∈ R3 ⇒ x = x1 e1 + x2 e2 + x3 e3
 
x3
Jede Menge {a, b, c} ⊂ R3 mit den Eigenschaften (a) und (b) heißt eine Basis des R3
Die Elementanzahl einer Basis ist die Dimension (dim) des Vektorraumes.
Jede Basis hat stets die gleiche Elementanzahl.
Beispiel: R2 , dim R2 = 2, denn

   
1 0
e1 =   , e2 =   ∈ R2 ist eine Basis.
0 1
 
-1
a =  2
1
x2 2
 
b 1
x 1 x b= 
e2 a 2
e1 x1 -1 1 2 3
   
3 3
x = 3e1 + 2e2 =   x = -2a + 2b =  
2 2
{a, b} ist ebenfalls eine Basis des R2
Bemerkung: Eine Basis kann je nach Problemstellung geeignet gewählt wer-

den.
beachte: Linear unabhängige Kräfte stehen nie im Gleichgewicht.
P
Gleichgewicht ⇔ aller Kräfte = 0
↑ Nullvektor
6.4 Betrag und Skalarprodukt
1 Beispiel hhhh
       
0 -1 1 2
       
       
Gegeben: A = 0 , B =  2  , C = 1 , D = -1 ∈ R3
       
0 2 4 2
Frage: Bildet das Viereck ABCD ein Quadrat?
Es wird benötigt: Längen- und Winkelmessung.
 hhhh
2 Definition
x
 1 p
 
Für x = x2  ∈ R3 heißt |x| := x21 + x22 + x23 ∈ R der Betrag von x (oder
 
x3
auch Länge, Norm von x)
§
3 Satz (vgl. 1.3)
Es seien x, y ∈ R3 , α ∈ R. Dann gilt:
(1) |x| = 0 ⇔ x = 0
(2) |αx| = |α||x|
(3) |x + y| ≤ |x| + |y| Dreiecksungleichung
Beweis:
(1) : klar nach Definition

p √
(2) : (αx1 )2 + (αx2 )2 + (αx3 )2 = α2 |x| = |α||x|.
(3) : Dies ist die MINKOWSIsche Ung. aus §1.7, Satz 4 mit n = 3
4 Definition jjjj
Es seienx, y ∈ R3 . Dann heißt

|x||y| cos ^(x, y), falls x 6= 0 und y 6= 0
x·y =

0, falls x = 0 oder y = 0
das Skalarprodukt (innere Produkt) der Vektoren x und y.

y
Winkel ^(x, y) für x, y 6= 0:
α
im Bogenmaß mit 0 ≤ ϕ ≤ π
x

Für x · y schreibt man auch (x|y), < x, y >, s(x, y).
π
x ∈ R3 heißt orthogonal zu y ∈ R3 , wenn ^(x, y) =
2
Bezeichnung: x⊥y
x⊥y ⇒ x · y = 0, da cos ^(x, y) = 0
Vereinbarung: der Nullvektor 0 ist ⊥ zu aller x ∈ R3

beachte: Test auf Orthogonalität
x⊥y ⇔ x · y = 0
Beispiele:
Die Basis-Einheitsvektoren e1 , e2 , e3 ∈ R3 bilden ein Orthonormalsystem:
ej · ej = |ej |2 = 1 ⇒ |ej | = 1 für j = 1, 2, 3; Länge ist normiert zu 1
e1 · e2 = e1 · e3 = e2 · e3 = 0; paarweise orthogonal
Sei x = x1 e1 + x2 e2 + x3 e3 ∈ R3 , x 6= 0
x3
x3
·
x = x1 e1 + x2 e2 + x3 e3 ∈ R3
e3
ϕi = ^(x, ei ), i = 1, 2, 3
ϕ3
ϕ1 ϕ2
· x2
x2 e2
·
x1 ·
e1
x · ei = |x| cos ϕi = xi für i = 1, 2, 3
x1
⇒ x = (x · e1 )e1 + (x · e2 )e2 + (x · e3 )e3

x x Satz 3 (2) 1
Setze n := ⇒ |n| = = |x| = 1
|x| |x| |x|
n ist Einheitsvektor in Richtung von x.
⇒ n = (cos ϕ1 )e1 + (cos ϕ2 )e2 + (cos ϕ3 )e3
Die Faktoren cos ^(x, ei ) nennt man Richtungskosinus von x.
Es ist cos2 ϕ1 + cos2 ϕ2 + cos2 ϕ3 = 1, da |n| = 1.
Es ist (x·ei )ei ∈ R3 die Projektion von x auf die xi -Achse (vgl §6.4, Anwendung
7(b))
beachte:
Das Skalarprodukt ist eine Verknüpfung zweier Vektoren:
· : R3 × R3 3 (x, y) 7→ x · y ∈ R.
5 Satz (Regeln für das Skalarprodukt)hhhh

Es seien x, y, z ∈ R3 , α ∈ R. Dann gilt:
(1) x · y = y · x
(2) (αx) · y = α(x · y) = x · (αy)
(3) (x + y) · z = x · z + y · z
(4) x · x = |x|2
(5) x · y = x1 y1 + x2 y2 + x3 y3
Beweis:
(1) : klar, da ^(x, y) = ^(y, x)
(2) : klar aus der Definition 4 und Satz 3(2)
(3) : Es sei o.B.d.A. z 6= 0 und z = αe1 mit α > 0.

⇒ x · z = x · (αe1 ) = α(x · e1 ) = αx1
↑
(2)
↓
y · z = y · (αe1 ) = α(y · e1 ) = αy1

(x + y) · z = (x + y) · (αe1 ) = α (x + y) · e1 = α(x1 + y1 )
(4) : klar, da cos ^(x, x) = 1, für x 6= 0

für x = 0 beachte Satz 3(1).
(5) : x · y = (x1 e1 + x2 e2 + x3 e3 ) · (y1 e1 + y2 e2 + y3 e3 )

= x1 y1 e1 · e1 +x2 y1 e2 · e1 +x3 y1 e3 · e1
| {z } | {z } | {z }
=1 =0 =0
+x1 y2 e1 · e2 +x2 y2 e2 · e2 +x3 y2 e3 · e2
| {z } | {z } | {z }
=0 =1 =0
+x1 y3 e1 · e3 +x2 y3 e2 · e3 +x3 y3 e3 · e3
| {z } | {z } | {z }
=0 =0 =1
beachte: Es ist stets |x · y| ≤ |x||y|, in Koordinatenschreibweise:
p p
|x1 y1 + x2 y2 + x3 y3 | ≤ x21 + x22 + x23 y12 + y22 + y32
dies ist die CAUCHY-SCHWARZsche Ungl. für n = 3 (vgl §1.7. Satz 3)
6 Winkelmessung strh
Es sei x, y ∈ R3 , x, y 6= 0, ϕ = ^(x, y) ⇒
x·y x1 y1 + x2 y2 + x3 y3
cos ϕ = =p 2 p
|x||y| x1 + x22 + x23 y12 + y22 + y32
Richtungscosinus:
xi
cos ^(x, ei ) = p 2 , i = 1, 2, 3
x1 + x22 + x23
Lösung zu Beispiel 1:
     
-1 2 -1
−→   
 −−→   
 −−→   

Setze b := AB =  2  , c1 := BC = -1 , c2 := DC =  2 
     
2 2 2
 
2
−−→   

d := AD = -1 ⇒ b = c2 , d = c1
 
2

b · d = -2 · 1 − 1 · 2 + 2 · 2 = 0  


2
b · b = |b| = 1 + 4 + 4 = 9 ⇒ ABCD ist ein Quadrat




d · d = |d|2 = 4 + 1 + 4 = 9
7 Anwendungen hhh
(a) Kosinus- und Sinussatz: a, b, c ∈ R2
C
γ
c+a=b
b a
hc a=b−c
α β
A c B
Mit Regel (1),(3) und (4) aus Satz 5 ist

|a|2 = a · a = (b − c) · (b − c) = b · b − 2b · c + c · c
= |b|2 + |c|2 − 2|b||c| cos α
hc = |b| sin α = |a| sin β
sin α sin β sin γ
⇒ = = (betrachte die Höhe hB oder hA )
|a| |b| |c|
(b) Orthogonale Zerlegung:
Es seien x, y ∈ R3 , x 6= 0
Der Vektor
x x·y
p= |y| cos ^(x, y) = x
|x| |x|2
heißt die Projektion von y auf x.
y y
ϕ ϕ
· ·
p x p x
π π
x · y ≥ 0, falls 0 ≤ ϕ ≤ x · y ≤ 0, falls ≤ϕ≤π
2 2
Es ist x · p = |x||y| cos ^(x, y) = x · y
y3
x · p = x · y1 = x · y2 = x · y3
y1
·
p x
y2
p⊥
·
Setze p⊥ := y − p ∈ R3
p x
⇒ y = p + p⊥ mit p⊥ ⊥ x und damit auch p⊥ ⊥ p, denn:

| {z }
orthogonale Zerlegung von y
x · p⊥ = x · y − x · p = 0
beachte: Ist x ∈ R3 ein Einheitsvektor, |x| = 1, so ist die Projektion von
y in Richtung von x gegeben durch
p = (y · x)x
↑ p ist unabhängig von Vorzeichen von x:

p = y · (-x) (-x) = (y · x)x
6.5 Das Vektorprodukt im R3
1 Definition llll
Es seien a, b ∈ R3 . Das Vektorprodukt (Kreuzprodukt, äußeres Produkt)
p = a × b ∈ R3 ist ein Vektor, der bestimmt ist durch
(1) |p| = |a||b| sin ^(a, b)
(2) p⊥a und p⊥b
(3) falls |p| =

6 0, dann bildet (a, b, p) ein Rechtssystem
Rechtssystem:
p weist im diejenige Richtung, in die eine Rechtsschraube vorrückt, wenn man
ihr eine Drehung erteilt, die a in b überführt, 0 < ^(a, b) < π.
beachte:
|p| = Flächeninhalt des von a und b

b |p| = aufgespannten Parallelogramms
h |p| = |a|h = |a||b| sin ^(a, b)
a
beachte:
Das Koosy (e1 , e2 , e3 ) ist ein Rechtssystem
e3
e1 × e2 = e3
e2 × e3 = e1
e2
e3 × e1 = e2
e1
Das Vektorprodukt ist eine Verknüpfung zweier Vektoren:
× : R3 × R3 3 (a, b) 7→ a × b ∈ R3
↑ ↑ Unterschiedliche Bedeutung der Kreuze!
2 Satz (Regeln für das Vektorprodukt)

Es seien a, b, c ∈ R3 und α ∈ R, dann gilt:
(1) a × b = -(b × a)
(2) a × (b + c) = a × b + a × c
(a + b) × c = a × c + b × c
(3) α(a × b) = (αa) × b = a × (αb)
(4) |a × b|2 = |a|2 |b|2 − (a · b)2
Beweis:
(1) und (3) folgen aus der Definition.
(2): Das Distributivgesetz für das Vektorprodukt:
Es seien a, b, c ∈ R3 . Dann gilt:
a × (b + c) = a × b + a × c.
Beweis: Wir führen den Beweis zunächst für zwei Spezialfälle.
1. Fall: Es sei c = λa für ein λ ∈ R.

Auf Grund der Interpretation von |a × b| als Flächeninhalt ergibt sich:
a × (b + λa) = a × b = a × b + a × (λa)
| {z }
=0
2. Fall: Es sei a⊥b, a⊥c und |a| = 1.
Wir fassen alle Vektoren

als Ortsvektoren auf.
In der rechten Figur ist a×b
eine Ebene gezeichnet, in
a×(
der die Vektoren b und c
b+
c)
liegen. Der Vektor a steht c
senkrecht auf der Ebene in b+c

a×c
Richtung auf den Beschauer zu 90
(durch angedeutet: man

b
stelle hier einen Bleistift
senkrecht aufs Papier). Das von b, c aufgespannte Parallelogramm
wird durch Multiplikation mit a um 90 gedreht. Dies folgt aus der
Definition des Vektorproduktes und unseren speziellen Voraus-
setzungen. Aus dem gedrehten Parallelogramm erhalten wir sofort:
a × (b + c) = a × b + a × c
Allgemeiner Fall: Es seien a, b, c ∈ R3 , a 6= 0.

(Der Fall a = 0 ist unmittelbar klar.)
Wir setzen
1
a0 = a, b0 = b − µa, c0 = c − νa,
λ
wobei λ, µ, ν ∈ R so gewählt werden, dass gilt:
|a0 | = 1, a · b0 = 0, a · c0 = 0
(dies ist stets möglich!).

Damit folgt:
a × (b + c) = λa0 × (b0 + c0 + µa + νa)
1. Fall ,→= λa0 × (b0 + c0 )

2. Fall ,→= λ(a0 × b0 + a0 × c0 )

= λa0 × b0 + λa0 × c0
1. Fall ,→= a × b + a × c.
(4):
|a × b|2 = |a|2 |b|2 sin2 ϕ , ϕ = ^(a, b)
| {z }
=1−cos2 ϕ
= |a|2 |b|2 − |a|2 |b|2 cos2 ϕ

| {z }
=(a·b)2
beachte:
Für jedes a ∈ R3 gilt: a × a = 0 (Nullvektor!)
Für a, b ∈ R3 , a 6= 0, b 6= 0 gilt:
a × b = 0 ⇔ a ist parallel zu b
⇔ a = λb für ein λ ∈ R, λ 6= 0
⇔ a und b sind linear abhängig.
(Test auf lineare Abhängigkeit)
Zum Vergleich: a · b = 0 ⇔ a⊥b
Zum Vergleich: a · b = 0 ⇒ a und b sind linear unabhängig
3 Komponenten des Vektorproduktes khgcfkugjv

   
a b
 1  1
   
Es seien a = a2  , b = b2  ∈ R3 . Dann gilt
   
a3 b3
 
a2 b 3 − a3 b 2
 
 
a × b = a3 b1 − a1 b3 
 
a1 b 2 − a2 b 1
Beweis:
a×b = (a1 e1 + a2 e2 + a3 e3 ) × (b1 e1 + b2 e2 + b3 e3 )

Satz 2, (2)→ = a1 b1 e1 × e1 +a2 b1 e2 × e1 +a3 b1 e3 × e1
| {z } | {z } | {z }
=0 =-e3 =e2
+a1 b2 e1 × e2 +a2 b2 e2 × e2 +a3 b2 e3 × e2

| {z } | {z } | {z }
=e3 =0 =-e1
+a1 b3 e1 × e3 +a2 b3 e2 × e3 +a3 b3 e3 × e3

| {z } | {z } | {z }
=-e2 =e1 =0
= (a2 b3 − a3 b2 )e1 + (a3 b1 − a1 b3 )e2 + (a1 b2 − a2 b1 )e3
Merkregel zur Berechnung:

e1 a1 b1
§

a × b = e2 a2 b2 ”Symbolische Determinante” (vgl 7.3)

e3 a3 b3
Auswertung mit der SARRUSschen Regel
e1 a1 b1
:+
e2 a2 b2 = e1 (a2 b3 − a3 b2 ) + e2 (a3 b1 − a1 b3 )
:−
e3 a3 = + e3 (a1 b2 − a2 b1 )
b3
e1 a1 b1
e2 a2 b2
Bsp:
       

5 6 e 5 6 -7 · 3 − 1 · 9 -30
    1    
       
7 ×  1  = e2 7 1 =  9 · 6 + 5 · 3  =  69 
       

9 -3 e3 9 -3 5·1−7·6 -37
e1 5 6
e2 7 1
Vorsicht:
Es ist i.a. a × (b × c) 6= (a × b) × c
Bsp: -e2 = e1 × (e1 × e2 ) 6= (e1 × e1 ) × e2 = 0
| {z } | {z }
=e3 =0
4 Regeln für Mehrfachprodukte jkgbv

Für a, b, c, d ∈ R3 gilt
(1) a × (b × c) = (a · c)b − (a · b)c (GRASSM AN N )
(2) (a × b) · (c × d) = (a · c)(b · d) − (a · d)(b · c) (LAGRAN GE)
Beweis:
Ausrechnen der Komponenten von linker und rechter Seite mit folgender Ver-
einfachung: Wähle ein Koosy so, dass o.B.d.A a, b, c, d folgende Gestalt haben:
       
a1 b1 c1 d
       1
       
a =  0  , b = b2  , c = c2  , d = d2  .
       
0 0 c3 d3
Folgerung: (vgl §6.4, Anwendung 7(b))

Sei x, y ∈ R3 , x 6= 0
x·y
Projektion von y auf x : p = x
|x|2
1
orthogonale Zerlegung: p⊥ = y − p = x × (y × x)
|x|2
x
kkkkkkkkkkkkkkkkkkkkkkkkkkkkkk↑ Setze im (1): a = c = |x|
,b =y
5 Geometrische Anwendungen iodug
(a) Flächennormale:
gegeben: ebenes Flächenstück im Raum
gesucht: Vektor n ∈ R3 mit
(i) n⊥ Flächenstück
(ii) |n| = Inhalt des Flächenstücks
Bsp: Parallelogramm aufgespannt von a, b ∈ R3
⇒ n = a × b oder n = -a × b nach Definition des Vektorproduktes
Dreieck aufgespannt von a, b ∈ R3

1 1
⇒ n = (a × b) oder n = - (a × b)
2 2
(b) Flächeninhalt eines Dreiecks im Raum:
gegeben: Eckpunkte A = (-1, 6, 2)

B = (-6, -2, 4)
C = (1, 3, 9)
C    
-7 -2
b
a −−→   
 −→  
 
a = CB = -5 , b = CA =  3  ∈ R3
   
A -5 -7
B  

50
1 1  
 
F = |a × b| = -39
2 2  

-31
1√ 2
F = 50 + 392 + 312 ≈ 35, 3
2
gegeben: Dreieck in der Ebene

    b
a1 b1
gegeben: mit a =   , b =   ∈ R2
a2 b2 a
gesucht: Flächeninhalt F
   
a b
 1  1
   
Interpretiere dies im Raum, setze a := a2  , b := b2  ∈ R3 (Einbet-
   
0 0
tung von R2 in R3 )
   

a1 b1
1    
    1
F = a2  × b2  = |a1 b2 − a2 b1 |
2     2

0 0
(c) Volumen eines Spates:

Spat= Parallelflach, aufgespannt durch a, b, c ∈ R3
Definition: Für a, b, c ∈ R3 ist das Spatprodukt definiert durch
[a, b, c] := (a × b) · c.
Beachte: Der Wert dieses Dreierproduktes ist eine reelle Zahl.

     

a b c (a2 b3 − b2 a3 )c1 a b c
 1   1   1  1 1 1
     
a2  × b2  · c2  = +(a3 b1 − a1 b3 )c2 = a2 b2 c2
     

a3 b3 c3 +(a1 b2 − a2 b1 )c3 a3 b3 c3
Benutze die SARRUSsche Regel zur praktischen Berechnung!

Geometrische Interpretation: Spat= Parallelflach
a×b a × b steht senkrecht

auf dem durch a, b
aufgespannten Parallelo-
· gramm.
c
h
h = |c| cos γ
γ
b
F
a
Mit dem Flächeninhalt F dieses Parallelogramms und der ”Höhe” h ist

das Volumen des Spates
V = F h = |a × b|h = |(a × b) · c|.
Bei zyklischer Umordnung der Vektoren bleibt das Spatprodukt un-

verändert: [a, b, c] = [b, c, a] = [c, a, b].
Damit gilt die Formel (a × b) · c = a · (b × c).
Regeln für Mehrfachprodukte:
Für a, b, c, d ∈ R3 gilt:
(1) (a × b) · (c × d) = (a · c)(b · d) − (a · d)(b · c)
(2) (a × b) × (c × d) = [a, c, d]b − [b, c, d]a

kkkkkkkkkkkkkk= [a, b, d]c − [a, b, c]d.
6.6 Geraden und Ebenen im R3
(1) Ebenen:
gegeben: 3 Punkte durch die Ortsvektoren p, q, z ∈ R3
(a) Parameterdarstellung einer Ebene durch p, q, z: (vgl. §6.2 (d))
x = p + σ(q − p) + τ (z − p), σ, τ ∈ R
b1 =q−p
b2 =z−p
3
E = {x ∈ R : x = p + σb1 + τ b2 , σ, τ ∈ R} q
p
z
0
Ebene durch p, aufgespannt durch b1 und b2

↑unddd↑
Basisvektoren der Ebene.
Bsp.:
     
1 0 3
     
     
p = 0 , q = -1 , z = 0
     
1 5 2
     
1 -1 2
     
     
E : x = 0 + σ -1 +τ 0, σ, τ ∈ R
     
1 4 1
| {z } | {z }
=b1 =b2
(b) Normalform (NF) einer Ebene

Normalvektor der Ebene: nE = b1 × b2 ∈ R3
n E = b1 × b2
b2
·· b1 x = p + 2b1 − b2
x3
x2
x1
x ∈ E : ⇔ (x − p)⊥nE
⇔ (x − p) · nE = 0
⇔ x · nE − p · nE = 0 NF
| {z }
∈R
Ebene E durch p und ⊥nE
E = {x ∈ R3 : x · nE − p · nE = 0}
Bsp.: Wie oben: (x − p) · (b1 × b2 ) = 0

| {z }
=nE
 

e1 -1 2 -1
 
 
b1 × b2 = e2 -1 0 =  9 
 

e 3 4 1 2
   
x1 − 1 -1
   
   
E : x2 − 0 ·  9  = 0 ⇔ -x1 + 1 + 9x2 + 2x3 − 2 = 0
   
x3 − 1 2
⇔ -x1 + 9x2 + 2x3 − 1 = 0 NF
Bedeutung: Eine lineare Bedingung im R3 schränkt den ”Freiheits-

grad” von 3 auf 2 ein: es ergibt sich eine Ebene.
(c) Unwandlung der Darstellungsformen:

Umwandlung (a) → (b):
1. Möglichkeit wie unter (b)

2. Möglichkeit durch Elimienieren von σ und τ aus (a):
Bsp.: Wie oben

     
1 -1 2
     
     
gegeben: x = 0 + σ -1 + τ 0 , δ, τ ∈ R
     
1 4 1
(i) x1 = 1 − σ + 2τ
(ii) x2 = -σ ⇒ σ = -x2
(iii) x3 = 1 + 4σ + τ ⇒ τ = x3 − 1 − 4σ
kkkkkkkkkkkkkkkkkk= x3 − 1 + 4x2
(i) ⇒ x1 = 1 + x2 + 2x3 − 2 + 8x2 ⇒
E : x1 − 9x2 − 2x3 + 1 = 0 NF
Umwandlung (b) → (a):

Bsp.: Wie oben: x1 − 9x2 − 2x3 + 1 = 0
Lösung: Wir bestimmen 3 Punkte von E:
 
8
 
 
x2 = 1, x3 = 0 ⇒ x1 − 9 + 1 = 0 ⇒ x1 = 8 ⇒ p = 1 ∈ E
 
0
 
-1
 
 
x2 = 0, x3 = 0 ⇒ x1 + 1 = 0 ⇒ x1 = -1 ⇒ q =  0  ∈ E
 
0
 
1
 
 
x2 = 0, x3 = 1 ⇒ x1 − 2 + 1 = 0 ⇒ x1 = 1 ⇒ z = 0 ∈ E
 
1
Parameterdarstellung:
x = p + σ(q − p) + τ (z − p)
     
8 -9 -7
     
     
x = 1 + σ -1 + τ -1 , σ, τ ∈ R
     
0 0 1
dies ist eine andere Darstellung der selben Ebene wie unter (a).
(d) Achsenabschnittsform:
Schreibe (b) in der speziellen Form
x1 x 2 x3
+ + =1
a b c
Dann sind a, b, c ∈ R die Achsenabschnittspunkte von E.
x3
c
Ausschnitt aus der Ebene E.
b x2
a
x1
x1 x2 x3
Bsp.: Wie oben: +1 +1 =1
-1 /9 /2
(e) HESSE-Normalform (HNF)
Schreibe (b) in der Form
c1 x1 + c2 x2 + c3 x3 − c4 = 0 mit c4 ≥ 0
- wichtig! %
 
c
 1
 
nE = c2  ∈ R3 ist ein Normalvektor von E, denn:
 
c3
p, q ∈ E ⇒ p · nE = q · nE = c1 ⇒ p − q⊥nE .
q
Es ist |nE | = c21 + c22 + c23
c1 c2 c3 c4
x1 + x2 + x3 − =0
|nE | |nE | |nE | |nE |
|{z} |{z} |{z} |{z}
=:a =:b =:c =:d
ax1 + bx2 + cx3 − d = 0

⇔ HNF
mit a2 + b2 + c2 = 1 und d ≥ 0
Dies ist eine ganz spezielle Normalform:

 
a
 
 
n0E :=  b  ∈ R3 ist ein Normaleneinheitsvektor von E
 
c
n0E ⊥E und |n0E | = 1
x · n0E − d = 0 HNF
↑d≥0
E = {x ∈ R3 : x · n0E − d = 0}
Es gilt: 0 ∈ E ⇔ d = 0
Dann ist n0E nicht eindeutig festgelegt, ein Vorzeichenwechsel ist
möglich.
/ E sind n0E und d durch die Forderung
Im Fall 0 ∈
p
|n0E | = a2 + b2 + c22 = 1 und d > 0 eindeutig bestimmt.
Gegeben sei eine Ebene

E : x · n0E − d = 0 in HNF mit d > 0, also 0 ∈
/ E.
n
y = Lot von 0 auf E (Ortsvektor)
· y
n= Einheitsvektor
|y|
y
E in Richtung von y, n⊥E
p Es ist somit n0E = n oder n0E = -n
0
Schnitt des Raumes mit der von y

und einem p ∈ E, p 6= y aufgespannten Ebene
durch 0 ∈ R3
d(0, E) = |y| = Abstand (Distanz) von 0 zu E


= |y| |n| cos ^(y, n) = y · n > 0 

|{z} | {z } 

=1 =1 ⇒
ferner ist d = y · n0E > 0 



↑ da y ∈ E
n und n0E sind gleich orientiert, d.h. n = n0E

hhhhhh↑ zeigt stets ”von Nullpunkt weg!” (0 ∈
/ E)
Damit: d(0, E) = |y| = y · u0E = d
Für jedes p ∈ E gilt:
p · n0E = y · n0E = d
(vgl. orthogonale Zerlegung §6.4.7 (b))

Dies gilt auch für den Fall 0 ∈ E. Dann ist n0E nur bis auf das
Vorzeichen bestimmt und es ist d = 0 (p⊥n0E ).
(f) Abstand Punkt-Ebene

Gegeben: Ebene E : x · n0E − d = 0 in HNF (d ≥ 0)
und z ∈ R3 \E (Ortsvektor)
gesucht: d(Z, E) = Abstand des Punktes Z zu E
kkkkkkkkkkkkkl= min{|z − x| : x ∈ E}
1. Fall: E trennt z und 0
l
n0E l = Projektion von z auf
z
d(z,E) n0E = (z · n0E )n0E
·
d
E (vgl. Orthogonale Zerlegung)

Es ist |l| > d
0
Schnitt des Raumes mit der von

n0E und z aufgespannten Ebene
durch 0 ∈ R3 .
|l| = z · n0E , da 0 ≤ ^(z, n0E ) < π

2
und somit cos ^(z, n0E ) ≥ 0
Damit: d(z, E) = |l| − d = z · n0E − d > 0
2. Fall: E trennt z und 0 nicht.

n0E
l = (z · n0E )n0E
d 0 ≤ z · n0E < d für 0 ≤ ^(z, n0E ) ≤ π

2
· π
· E z · n0E < 0 für < ^(z, n0E ) ≤ π
l 2
z
0
d∗ (z, E) := z · n0E − d < 0 ”orientierter Abstand” von z zur Ebene E
Zusammenfassung:
d∗ (z, E) 
= z · n0E − d


∗
> 0 ⇔ E trennt z und 0
d (z, E)

 < 0 ⇔ E trennt z und 0 nicht
d(z, E) = |d∗ (z, E)| = Abstand von z zu E.

beachte: Hier ist die Vorzeichenbedingung für die HNF wichtig!
Beispiel: (wie oben)
gegeben: Ebene E : x1 − 9x2 − 2x3 + 1 = 0 in NF
gesucht: Abstand von z = (1, -2, 3) zu E.
q √ √
1. Schritt: Normierung: c21 + c22 + c23 = 1 + 81 + 4 = 86
 
-1
1   1
 
⇒ n0E = √  9  und d = √ = d(0, E)
86   86
2
1 9 2 1
- √ x1 + √ x2 + √ x3 − √ = 0 HFN für E
86 86 86 86
2. Schritt:
   
1 -1
    1 1 14
   
d∗ (z, E) = -2 ·  9  · √ − √ = - √ < 0 ⇒
    86 86 86
3 2
| {z } | {z }
z n0E −d
0 und z liegen auf der selben Seite von E und

14
d(z, E) = √ ≈ 1, 5
86
(g) Winkel zwischen zwei Ebenen:
gegeben: 2 Ebenen E und F mit
Normalenrichtungen nE und nF ∈ R3
Definition:
^(E, F ) = Minimum {^(nE , nF ), π − ^(nE , nF )}
π
⇒ 0 ≤ ^(E, F ) ≤ 2
|nE · nF |
Durch cos ^(E, F ) = ist ^(E, F ) eindeutig bestimmt.
|nE ||nF |
nE
ψ ϕ cos ψ = − cos ϕ
nF −nF
(2) Geraden:
gegeben: 2 Punkte durch die Ortsvektoren p, q ∈ R3
(a) Parameterdarstellung einer Geraden g durch p und q.

g : x = p + τ (q − p), τ ∈ R (vgl. §6.2. (c))
| {z }
=: b Richtungsvektor von g
g = {x ∈ R3 : x = p + τ (q − p), τ ∈ R}.
(b) Gerade als Schnitt zweier Ebenen:

gegeben: 2 Ebenen E und F in NF.
E : x1 + 2x2 − x3 − 2 = 0
F : x1 + x2 + x3 = 0
gesucht: Gerade g = E ∩ F (sofern 6= ∅).
 

x1 
  (i) x1 + 2x2 − x3 − 2 = 0
 
Lösung: x = x2  ∈ g ⇔
  
(ii) x1 + x2 + x3 = 0
x3
↑ diese beiden Bedingungen muss
x ∈ g erfüllen
⇔ . . . (Lösen linearer Gleichungssysteme, siehe Kap. 7)
Bedeutung: zwei lineare Bedingungen in R3 schränken den ”Frei-
heitsgrad” von 3 auf 1 ein: Es ergibt sich eine Gerade
Setze hier z.B. x1 = τ 
(i) ⇒ 2x2 − x3 = 2−τ 
+
(ii) ⇒ x2 + x3 = −τ 
1
3x2 = 2−τ⇒ x2 = (2 − 2τ )
3
2 2 2 1
(iii) ⇒ x3 = -x2 − τ = - + τ − τ ⇒ x3 = − τ
3 3 3 3
Also        
x1 τ 0 1
       
       
g : x = x2  =  23 − 23 τ  =  32  + τ - 32  , τ ∈ R
       
2 1 2
x -3 − 3τ -3 - 13
3   
0 3
1
 
  
  1
=  2  + σ -2, σ ∈ R (σ = τ )
3    3
-2 -1
| {z }
=:b
Der Richtungsvektor b von g liegt sowohl in E als auch in F
Damit b⊥nE und b⊥nF ⇒
λb = nE × nF für ein λ ∈ R.
     
1 1 3
     
     
 2  × 1 = -2 = b, hier also λ = 1.
     
-1 1 -1
| {z } | {z }
=nE =nF
beachte: E ∩ F ist eine Gerade, wenn nE × nF 6= 0, d. h. wenn
{nE , nF } linear unabhängig.
(c) Abstand Punkt-Gerade:

gegeben: Gerade g : x = a + τ b, τ ∈ R, a, b ∈ R3
Ortsvektor z ∈ R3 mit z ∈
/g
gesucht: Abstand d(z, g) = Minimum {|z − g| : x ∈ g}
b
a x∗
· g
betrachte das von b und z − a
d(z, g)
z−a aufgespannte Parallelogramm:
sein Flächeninhalt ist
z
|b × (z − a)| = |b|d(z, g)
↑
0 ”Höhe” des Parallelogramms
|b × (z − a)|
⇒ d(z, g) =
|b|
Weitere Möglichkeit:
Berechne den Lotfußpunkt x∗ des Lotes von z auf g.
Dann ist d(z, g) = |z − x∗ |
betrachte die Ebene E durch z und ⊥ b
⇒ x∗ ∈ g ∩ E ⇒
x∗ = a + τ ∗ b für ein τ ∗ in R und (x∗ − z) · b = 0
(z − a) · b
⇒ (a − z) · b + τ ∗ b · b = 0 ⇒ τ ∗ =
|b|2
(z − a) · b
⇒ x∗ = a + b
|b|2
Beispiel:
     
1 1 3
     
     
g : x = 1 + τ 2 , τ ∈ R, z = 1
     
1 2 3
     
1 2 4
      √
     
b × (z − a) = 2 × 0 =  2  , |b × (z − a)| = 36 = 6
     
2 2 -4
√ 6
|b| = 9 = 3 ⇒ d(z, g) = = 2
3
   
5 4
1   1   1√
   
x∗ = 7 ⇒ |z − x∗ | = -4 = 36 = 2
3  3   3
7 2
↑ Übung
(d) Abstand Gerade-Gerade:

gegeben:
g1 : x = a1 + σb1 , σ ∈ R, a1 , b1 ∈ R3
g2 : x = a2 + τ b2 , τ ∈ R, a2 , b2 ∈ R3
gesucht: Abstand d(g1 , g2 ) = Minimum {|x − x

e| : x ∈ g1 , x
e ∈ g2 }
g2
p1
·
y
b2 · b1
p2
g1
a2 a1
Setze y : −
p−→
1 p2

y⊥b1 
⇒ y = ρ(b1 × b2 ) für ein ρ ∈ R
y⊥b 
2
1. Fall: b1 × b2 = 0, d. h., b1 und b2 sind l.a. und g1 , g2 sind parallel

⇒ d(g1 , g2 ) = d(a1 , g2 ) zu bestimmen nach (c)
2. Fall: b1 × b2 6= 0
Es muß gelten:
a1 + σb1 + ρ(b1 × b2 ) = a2 + τ b2
| {z } | {z } | {z }
p1 ∈g1 =y p2 ∈g2
Dies sind 3 Gleichungen für ρ, σ, τ ∈ R. Das lineare Gleichungs-
system ist stets lösbar, da {b1 , b2 , b1 × b2 } l. u. (siehe Kap. 7)
Es ist dann d(g1 , g2 ) = |ρ(b1 × b2 )| = d(a1 + σb1 , a2 + τ b2 )
| {z } | {z }
=p1 =p2
Weitere Möglichkeit: 
E1 : (x − a1 ) · (b1 × b2 ) = 0  Parallele Ebenen, die
E2 : (x − a2 ) · (b1 × b2 ) = 0  g1 bzw g2 enthalten
⇒ d(a1 , E2 ) = d(g1 , g2 )
ggggg↑zu bestimmen nach (1) (f)
6.7 Ellipse, Hyperbel und Parabel im R2
1. Ellipse:
   
c -c
E = {x ∈ R2 : d x,   + d x,   = 2a}, 0 ≤ c < a
0 0
x2 b 2 = a2 − c 2
b a große Halbachse
b kleine Halbachse
c Exzentrizität
x1 c = 0 ⇒ E ist Kreis
−c c a
2. Hyperbel:
   
c -c
H = {x ∈ R2 : |d(x,  ) − d x,   | = 2a}, 0 < a < c}
0 0
x2
b 2 = c 2 − a2
b
−c x1
a c
3. Parabel:  
P

p = {x ∈ R2 : d x,  2  = d(x, l)}
0
p
l: x1 = − , p > 0.
x2 2
l
x1
− p2 p
2
1. Ellipse:
x∈E
q q
⇔ (x1 − c) + x2 + (x1 + c)2 + x22 = 2a; u := x21 + x22 + c2
2 2
√ √
⇔ u − 2x1 c + u + 2x1 c = 2a
q
⇔ 2 u2 − 4x21 c2 = 4a2 − 2u
⇔ u2 − 4x21 c2 = (2a2 − u)2 = 4a4 − 4a2 u + u2
⇔ -x21 c2 = a2 (a2 − x21 − x22 − c2 )
⇔ (a2 − c2 )x21 + a2 x22 = a2 (a2 − c2 )
⇔ b2 x21 + a2 x22 = a2 b2
x2 x2
⇔ 21 + 22 = 1
a b
Je kleiner c, umso ”kreisähnlicher” ist die Ellipse
c = 0 ⇒ E ist ein Kreis
2. Hyperbel:
x∈H
√ √
⇔ u − 2x1 c − u + 2x1 c = 2a; u := x21 + x22 + c2
q
⇔ -2 u2 − 4x21 c2 = 4a2 − 2u
⇔ u2 − 4x21 c2 = (2a2 − u)2 , wie bei 1.
⇔ (a2 − c2 )x21 + a2 x22 = a2 (a2 − c2 ); a2 − c2 = -b2
⇔ b2 x21 − a2 x22 = a2 b2
x2 x2
⇔ 21 − 22 = 1
a b  
x1
Für dem Schnittpunkt   des rechten Hyperbelastes mit der x-Achse
0
gilt nach Definition:
(c + x1 ) − (c − x1 ) = 2a ⇒ x1 = a
3. Parabel:
x∈P
r
p p
⇔ (x1 − )2 + x22 = x1 + , x1 ≥ 0 für x ∈ P
2 2
p 2 p
⇔ (x1 − ) + x22 = (x1 + )2
2 2
2
⇔ x2 = 2px1 .
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN42
7 Lineare Gleichungssysteme, Matrizen und De-

terminanten
7.1 Lineare Gleichungssysteme
1 Beispiel hhhh
       
4 -8 2 -8
       
       
gegeben: a = -2 , b =  6  , c =  -2  , d = -1 ∈ R3 .
       
3 6 - /2
1 4
Frage: Ist d als LK von a, b, c darstellbar? D. h.

gesucht: x1 , x2 , x3 ∈ R mit x1 a + x2 b + x3 c = d, d. h.

4x1 − 8x2 + 2x3 = -8  
 System von 3 linearen

-2x1 + 6x2 − 2x3 = -1 Gleichungen für die


1 
 Unbekannten x , x , x ∈ R.
3x1 + 6x2 − x3 = 4 1 2 3
2
2 Definition ggg
Ein Gleichungssystem der Form
a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2
.. .. .. .. (∗)
. . . .
am1 x1 + am2 x2 + ... + amn xn = bm
wobei aik , bi ∈ R gegeben und xi ∈ R gesucht wird, heißt ein (reelles)

lineares Gleichungssystem (LGS) von m Gleichungen mit n Unbekannten.
Sind alle bi = 0, i = 1, . . . , m, so heißt das LGS homogen, sonst inhomogen.

Als Lösung des LGS (∗) bezeichnet man jeden Vektor (n-Tupel)
 
x1
 
 
 x2 
x=  n
 ..  ∈ R , dessen Komponenten x1 , x2 , . . . , xn alle Gleichungen in (∗)
.
 
xn
erfüllen.
Das Koeffizientenschema
 
a a12 . . . a1n
 11 
 
 a21 a22 . . . a2n 
A=
 .. ..

.. 
 . . . 
 
am1 am1 . . . amn
nennt man eine Matrix mit m Zeilen und n Spalten, kurz (m, n)-Matrix.
(Koeffizientenmatrix= ”Komix” des LGS)
Abkürzende Schreibweise: A = (aik ) i=1,...,m .
k=1,...,n
Die Zahlen aik ∈ R heißen die Elemente der Matrix A. Beim Element aik heißt
i der Zeilenindex und k der Spaltenindex. aik befindet sich im ”Schnittpunkt”
der i-ten Zeile mit der k-ten Spalte.
Weist eine Matrix die gleiche Anzahl von Spalten und Zeilen auf, m = n, so
heißt sie quadratisch.
Bezeichnung: Rm×n := Menge aller (m, n)-Matrizen.
Das LGS (∗) wird auch geschrieben in der Form
n
X
aik xk = bi , i = 1, . . . , m
k=1
oder Ax = 
b,   
x b
 1  1
 ..   . 
wobei x =  .  ∈ Rn , b =  ..  ∈ Rm und A = (aik ) i=1,...,m .
    k=1,...,n
xn bm
Bemerkung:
LGS’e sind von hoher Bedeutung für die Mathematik, insbesondere für jeden
Anwender.
LGS’e lassen sich mit speziellen Algorithmen auf den Computer lösen.
FEM = Finite-Elemente-Methode
Methode der Mathematik, komplizierte Differential- und Integralgleichungen
durch Lösen von LGS’en näherungsweise zu lösen.
Dabei entstehen LGS’e hoher Dimension (bis 106 und mehr).
3 Beispiel Zur Lösung eines LGS mit dem GAUSS-Algorithmus (GA).

(G1 ) 4x1 − 8x2 + 2x3 = -8 



(a) (G2 ) -2x1 + 6x2 − 2x3 = -1 vgl. Bsp. 1


1 
(G3 ) 3x1 + 6x2 − x3 = 4 
2
1
1. Schritt: bilde ”(G2 ) + (G1 )”:
2
(G4 ) 2x2 − x3 = -5
3
2. Schritt: bilde ”(G3 ) − (G1 )”:
4
(G5 ) 12x2 − 2x3 = 10
betrachte das reduzierte System (G4 ) und (G5 )

3. Schritt: bilde ”(G5 ) + 6(G4 )”:
(G6 ) 4x3 = 40
Damit: LGS in Dreiecksgestalt:

(G1 ) 4x1 − 8x2 + 2x3 = -8 ⇒ x1 = -2
5
(G4 ) 2x2 − x3 = -5 ⇒ x2 = 2 x

(G6 ) 4x3 = 40 ⇒ x3 = 10 
↑ löse von unten auf, oder fahre fort.

1
4. Schritt: bilde ”(G4 ) + (G6 )”:
4
(G7 ) 2x2 = 5
5. Schritt: bilde ”(G1 ) − 21 (G6 )”

(G8 ) 4x1 − 8x2 = -28
6. Schritt: bilde ”(G8 ) + 4(G7 )”
(G9 ) 4x1 = -8
Damit: LGS in Diagonalgestalt:

(G9 ) 4x1 = -8
(G7 ) 2x2 =5
(G6 ) 4x3 = 40
sonstiges Ablesen der Lösung möglich!
Grundidee des GAUSS-Algorithmus:
Überführe das gegebene LGS in ein äquivalentes LGS, das leichter zu
lösen ist.
(Zwei LGS’e heißen äquivalent, wenn beide die gleiche Lösung besitzen.)
Ziel ist dabei, das LGS in Dreiecks- oder sogar in Diagonalgestalt zu
überführen.
Dies wird erreicht durch elementare Zeilen- und Spaltenoperationen:
- Vertauschen zweier Zeilen,
- Vertauschen zweier Spalten (dies ist eine Umbenennung der Unbe-

kannten!),
- Multiplikation einer Zeile mit einer Zahl λ ∈ R, λ 6= 0,
- Addition oder Subtraktion des λ-fachen einer Zeile zu einer anderen.

Schematisierung des Vorgangs:
∗ 4 -8 2 -8
-2 6 -2 -1 1. Schritt
3 6 - 21 4
2. Schritt
4 -8 2 -8
∗ 0 2 -1 -5
0 12 -2 10
3. Schritt
∗ ist Arbeitszeile
4 -8 2 -8
O5 bezeichnet
Pivotelement
0 2 -1 -5 (Dreh-/Angelpunkt)
0 0 4 40
4 -8 2 -8
0 2 -1 -5
∗ 0 0 4 40
4 -8 0 -28
∗ 0 2 0 5
0 0 4 40
4 0 0 -8
0 2 0 5
0 0 4 40
(b) x1 − 4x2 + 7x3 = 10

-x1 + 2x2 − 3x3 = -2
3x1 − 5x2 + 7x3 = 2
Verkürzeste Schema:
O
1 -4 7 10
-1 2 -3 -2
3 -5 7 2
1 -4 7 10
0 O
-2 4 8
0 7 -14 -28
(i) 1 -4 7 10
(ii) 0 -2 4 8
0 0 0 0
2 ”echte” lineare Gleichungen (i) und (ii) für 3 Unbekannte, also ”1

Freiheitsgrad”. 
z. B. x3 = t ∈ R ist beliebig wählbar 



(ii) ⇒ x2 = - 21 (8 − 4t) = -4 + 2t ⇒



(i) ⇒ x1 = 10 − 7t + 4(-4 + 2t) = -6 + t 
Lösung des LGS:

       
x -6 + t -6 1
 1      
       
x = x2  = -4 + 2t = -4 + t 2 , t ∈ R
       
x3 t 0 1
Die Lösungsmenge bildet eine Gerade, es gibt beliebig (unendlich) viele

Lösungen dieses LGS.
§
(vgl. 6.6 (2) (b): Gerade als Schnitt zweier Ebenen).
(c) x1 − 4x2 + 7x3 = 0

-x1 + 2x2 − 3x3 = -2
3x1 − 5x2 + 7x3 = 2
1 -4 7 0

-1 2 -3 -2 wie bei (b)
3 -5 7 2
1 -4 7 0
0 -2 4 -2
0 7 -14 2
1 -4 7 0
0 -2 4 -2
0 0 0 -10 ← 0x1 + 0x2 + 0x3 = 10
Es gibt kein x ∈ R3 , das das LGS löst!

Die Lösungsmenge des LGS ist leer!
beachte: Ein LGS hat entweder
- eine einzige Lösung,
- beliebig viele Lösungen oder
- keine Lösung.
Dies ist stets mit dem GA zu erkennen!

Für n = 2, 3 gibt es andere Lösungsverfahren, z.B. die CRAMERsche
Regel (Siehe 7.3.14)§
Für n ≥ 4 ist der GA eine gute und bewährte Lösungsmethode!
4 Analyse des GAUSS-Algorithmus izlgbökj

Gegeben sei ein quadratisches LGS
P
n
aik xk = bi , i = 1, . . . , n. (1)
k=1
Wenn der GA auf ein Dreiecksystem führt,

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1

(2) (2) (2) (2)
a22 x2 + a23 x3 + ... + a2n xn = b2
(3) (3) (3)
a33 x3 + ... + a3n xn = b3
... .. .. (2)
. .
.. .. ..
. . .
(n) (n)
ann xn = bn ,
(2) (n)
wobei die Diagonalkoeffizienten a11 , a22 , . . . , ann sämtlich ungleich Null sind,
so heißt das LGS (1) regulär. Das System wird von untenher aufgelöst, d. h.
man berechnet nacheinander
n
X
bn (n) 1 (i) (i)
xn = (n)
und xi = bi − aik xk
ann aii (i) k=i+1
(1) (1)
in der Reihenfolge i = n−1, i = n−2, . . . , 1 (dabei ist a1k := a1k und b1 := b1
gesetzt).  
x
 1
 .. 
Die so errechnete Lösung x =  .  ∈ Rn ist eindeutig bestimmt und auch
 
xn
die einzige Lösung des ursprünglichen Systems (1), da bei jedem Schritt des
GA die Lösungsmenge unverändert bleibt.
Die Regularität des LGS (1) ist nur abhängig von der Matrix  (aik ). Ein re-
b
 1
.
guläres LGS ist eindeutig lösbar für jede rechte Seite b =  ..  ∈ Rn . Dann
 
bn
heißt auch die Matrix A = (aik ) regulär.
Ist das LGS (1) nicht regulär, d.h. singulär, so führt der GA auf ein System
der Form
a11 x1 + a12 x2 + ... a1p xp + a1,p+1 xp+1 + ··· + a1n xn = b1
(2) (2) (2) (2) (2)
a22 x2 + ··· a2p xp + a2,p+1 xp+1 + ··· + a2n xn = b1
... .. .. .. ..
. . . .
... (p) (p) (p) (p)
(3)
app xp + ap,p+1 xp+1 + ... + ap,n xn = bp
(p)
0 + ··· ······ ··· + 0 = bp+1
.. .. ..
. . .
(p)
0 + ··· ······ ··· + 0 = bn
(2) (p)
mit a11 6= 0, a22 6= 0, . . . , app 6= 0, p < n.
(p) (p)
(i) Ist in (3) ein der bp+1 , . . . , bn ungleich Null, so ist das LGS (1) unlösbar.
(p) (p)
(ii) Ist dagegen bp+1 = · · · = bn = 0, so gibt es unendlich viele Lösungen:
setzt man xp+1 = t1 , xp+2 = t2 , . . . , xn = tn−p und bringt die zugehörigen Glie-
der in (3) auf die rechte Seite, so kann (3) im Falle (ii) wieder ”von unten
nach oben” aufgelöst werden. Die Lösungen hängen von den frei wählbaren
Parametern t1 , . . . , tn−p ab.
Veranschaulichung Im Falle eines dreireihigen quadratischen linearen Glei-

chungssystems läßt sich die Lösungsstruktur gut anschaulich machen.
Es sei das folgende Gleichungssytem gegeben:
a11 x1 + a12 x2 + a13 x3 = b1 â1 · x = b1

a21 x1 + a22 x2 + a23 x3 = b2 , kurz â2 · x = b2
a31 x1 + a32 x2 + a33 x3 = b3 â3 · x = b3
mit den Zeilenvektoren âi = (ai1 , ai2 , ai3 ), x = (x1 , x2 , x3 ). Die Gleichungen
rechts können als Hessesche Normalformen dreier Ebenen E1 , E2 , E3 aufgefaßt
werden, da wir uns die Gleichungen durch Multiplikation mit Faktoren 6= 0 so
umgewandelt denken können, dass |âi | = 1 ist, für alle i = 1, 2, 3.
E1
E E1
2 E2
E3
E1 E3
b)
E2 E3
c)
a)
E2 E1 =E2 =E3
E1
E3
e)
d)
Zur Lösbarkeit linearer Gleichungssysteme

Die gemeinsamen Punkte aller drei Ebenen E1 , E2 , E3 bilden die Lösungen. Die
obige Abbildung zeigt fünf charakteristische Möglichkeiten: Im Falle a) haben
wir eindeutig Lösbarkeit, da E1 ∩ E2 ∩ E3 aus einem Punkt besteht.
b) und c) zeigen unlösbare Fälle: E1 ∩ E2 ∩ E3 = ∅, d), e) zeigen Fälle mit
unendlich vielen Lösungen: d) Gerade, e) Ebene.
Quelle: Burg/Haf/Wille: Höhere Mathematik für Ingenieure, Band II Lineare Algebra, B. G.

Taubner, Stuttgart 1987
5 Rangkriterium und Lösungsstruktur LGS’e hhh

Gegeben:
   
a ... a1n b1
 11   
 .   . 
A =  ..  ∈ Rm×n und b =  ..  ∈ Rm
   
am1 . . . amn bm
 
a
 1k 
 .. 
Die Vektoren ak :=  .  ∈ Rm , k = 1, . . . , n heißen die Spaltenvektoren
 
amk
der Matrix A.
Es ist A = (a1 , . . . , an ).
A sei Koeffizientenmatrix (Komix) des LGS:
n
X
(1) ak x k = b
↑n Unbekannte
|k=1{z }  
=Ax,
 x1 
 . 
 
 .  n
mit x= . ∈R
 
 
 
xn
Rang A = Rang (a1 , . . . , an )

Ranggg := Maximal Zahl der linear unabhängigen Spaltenvektoren von A.
Wir setzen
 
a ... a1n b1
 11 
 . .. 
Aerw :=  .. . = (a1 , . . . , an , b) ∈ Rm×(n+1)
 
am1 . . . amn bn
erweiterte Komix
5.1 Satz (Rangkriterium)
(a) Das LGS (1) ist lösbar ⇔ Rang A = Rang Aerw .
(b) Das LGS (1) ist eindeutig lösbar

⇔ Rang A = Rang Aerw = n = Anzahl der Unbekannten
Beweis:
(a) (1) ist lösbar ⇔ b ∈ LK{a1 , . . . , an } ⇔ Rang A = Rang Aerw .

(a)
(b) Sei (1) eindeutig lösbar durch x ∈ Rn ⇒ Rang A = Rang Aerw .
Annahme: Rang A < n,d. h. {a1 , . . . , an } ist l.a.
y
 1
 .. 
⇒ Es gibt ein y =  .  ∈ Rn mit y1 a1 + · · · + yn an = 0 und y 6= 0.
 
yn
A(x + y) = (x1 + y1 ) a1 + · · · + (xn + yn ) an
= x 1 a1 + · · · + x n an + y 1 a1 + · · · + y n an
| {z } | {z }
=Ax =Ay
= b + 0 = b, d. h.
x + y 6= x ist ebenfalls Lösung von (1) .

(a)
Sei Rang A = Rang Aerw = n ⇒ (1) ist lösbar.
Es seien x und y ∈ Rn Lösungen
 von (1), d. h.
x 1 a1 + · · · + x n an = b 
⇒
y 1 a1 + · · · + y n an = b 
(x1 − y1 )a1 + · · · + (xn − yn )an = 0 ⇒

x1 = y1 , . . . , xn = yn , da Rang A = n, d. h. {a1 , . . . , an } ist l.u.
5.2 Bemerkung
Es gilt auch
Rang A = Maximalzahl der linear unabhängigen
Zeilenvektoren von A (ohne Beweis)
Der GA bestimmt den Rang der Matrix A:

Rang A = p (aus dem LGS (3) in 7.1.4) §
Beachte: Es sei A eine (n, n)-Matrix.
Das LGS Ax = b ist für jedes b ∈ Rn eindeutig lösbar, wenn die Spalten-
vektoren (oder die Zeilenvektoren) von A linear unabhängig sind.
5.3 Beispiel
Gegeben: α, β ∈ R,
   
1 2 0 0 3 1
   
   
1 0 1 -1 1 α 
A= 
 ∈ R4×5 , b =   ∈ R4
  
0 1 -2 0 0 β 
   
0 1 1 1 2 0
Inhomogenes LGS: Ax = b
 
x
 1
 .. 
gesucht: x =  .  ∈ R5 in Abhängigkeit von den Parametern α, β ∈ R
 
x5
Zugehöriges homogenes LGS: Ax = 0
x1 + 2x2 + 3x5 = 1
x1 + x3 − x4 + x5 = α
α, β ∈ R gegeben.
x2 − 2x3 = β
x2 + x3 + x4 + 2x5 = 0
x1 x2 x3 x4 x5
1 2 0 0 3 1 erweiterte Komix
Komix A 1 0 1 -1 1 α Aerw
0 1 -2 0 0 β
0 1 1 1 2 0
1 2 0 0 3 1
0 -2 1 -1 -2 α−1
0 1 -2 0 0 β
0 1 1 1 2 0
1 2 0 0 3 1
0 1 1 1 2 0
0 1 -2 0 0 β
0 -2 1 -1 -2 α−1
1 2 0 0 3 1
0 1 1 1 2 0
0 0 -3 -1 -2 β
0 0 3 1 2 α−1
1 2 0 0 3 1
0 1 1 1 2 0
0 0 -3 -1 -2 β
0 0 0 0 0 β+α−1
Hier ist: Rang A = 3

Rang Aerw = 3, falls β + α − 1 = 0
= 4, falls β + α − 1 6= 0
Beachte: Das LGS ist lösbar ⇔ Rang A = Rang Aerw .

Rang A = 3, denn:
     
1 2 0
     
     
c1 0 + c2 1 + c3  1  = 0 ∈ R3 ⇒ c3 = 0 ⇒ c2 = 0 ⇒ c1 = 0,
     
0 0 −3
       
1 2 0 0
       
       
aber 0 , 1 ,  1  ,  1  ∈ R3 sind linear abhängig.
       
0 0 −3 −1
Lösungsmenge L dieses LGS:
1. Fall: β + α − 1 6= 0 L = ∅, das LGS ist unlösbar.
2. Fall: β +α−1 = 0 3 ”echte” lineare Gleichungen für 5 Unbekannte:
x1 x2 x3 x4 x5 x1 x2 x4
1 2 0 0 3 1 1 2 0 1 − 3x5
0 1 1 1 2 0 ⇔ 0 1 1 2 − x3 − 2x5
0 0 -3 -1 -2 β 0 0 -1 β + 3x3 + 2x5
Lösung: x3 = s, x5 = t 2 Freiheitsgerade

x4 = -β − 3s − 2t 



x2 = β + 3s + 2t − s − 2t = β + 2s von untenher auflösen



x1 = -2(β + 2s) + 1 − 3t = 1 − 2β − 4s − 3t 
Also:
       
x 1 − 2β -4 -3
 1      
       
 x2   β  2 0
       
       
x = x3  =  0  +s  1  +t  0 , s, t ∈ R.
       
       
x4   -β  -3 -2
       
x5 0 0 1
| {z } | {z } | {z }
=:xP =:xH1 =:xH2
Es gilt: AxP = b, AxH1 = 0 und AxH2 = 0.

xP ∈ R5 ist eine spezielle (partikuläre) Lösung des LGS.
xH1 , xH2 ∈ R5 sind zwei Basislösungen des zugehörigen homogenen LGS:
Ax = 0.
Denn: b = Ax = A(xP + sxH1 + txH2 )
= AxP + sAxH1 + tAxH2 , s, t ∈ R
setze s = t = 0 ⇒ Axp = b
s = 1, t = 0 ⇒ AxH1 = 0
s = 0, t = 1 ⇒ AxH2 = 0
5.4 Satz
Es seien A ∈ Rm×n und Ax = b, b ∈ Rn ein LGS mit
Rang A = Rang Aerw (also lösbar).
Dann gilt:
L = {x ∈ Rn : Ax = b} = Lösungsmenge des LGS
= {x ∈ Rn : x = xp + xH , xP partikuläre Lösung und xH ∈ LH }
wobei LH := {x ∈ Rn : Ax = 0}
= Lösungsmenge des zugehörigen homogenen LGS
= {t1 x1 + t2 x2 + · · · + tn−p xn−p : t1 , . . . , tn−p ∈ R}
mit x1 , . . . , xn−p ∈ Rn Basislösungen von Ax = 0 für p =Rang A < n

und
LH = {0} für p = Rang A = n.

7.2 Lineare Abbildungen und Matrizen
1 Definition hhh
Es seien V und W zwei Vektorräume über R. Eine Abbildung f : V → W
heißt linear, wenn gilt:
(1) f (x + y) = f (x) + f (y), x, y ∈ V , und
(2) f (λx) = λf (x), x ∈ V, λ ∈ R.
Gleichwertig mit (1) und (2) ist
(3) f (αx + βy) = αf (x) + βf (y), x, y ∈ V, α, β ∈ R.

”Bild der LK=LK der Bilder”.
beachte: f : V → W sei linear ⇒
f (0) = f (0 · 0) = 0f (0) = 0
n
X n
X

f λk xk = λk f (xk ) für alle xk ∈ V, λk ∈ R
k=1 k=1
2 Beispiel ggg
(a) f : R → R mit x 7→ 2x (lineare Funktion)

a, b ∈ R, λ ∈ R ⇒ f (a + b) = 2(a + b) = 2a + 2b = f (a) + f (b)
f (λa) = 2(λa) = λ(2a) = λf (a)
 
a11 . . . a1n
 
 . .. 
(b) Es sei A =  .. .  ∈ Rm×n
 
am1 . . . amn
Eine Abbildung f : Rn → Rm sei erklärt durch
Rn 3 x 7→ f (x) = Ax ∈ Rm
   
z1 a11 x1 + a12 x2 + · · · + a1n xn
   
 .   .. 
Ax = z =  ..  =  . 
   
zm am1 x1 + am2 x2 + · · · + amn xn
P
n
also zi = aik xk , i = 1, . . . , m
k=1

Schema:
x

A z Ax = z
f : Rn → Rm ist eine lineare Abbildung:
Ax + Ay = f (x) + f (y),
f (x + y) = A(x + y) = |{z} x, y ∈ Rn
| {z } m
|{z}
∈Rn ∈R ∈Rm
f (λx) = A(λx) = λ(Ax) = λf (x), x ∈ Rn , λ ∈ R

 
3 -1
Sei A =   ∈ R2×2
1 2
    
3 -1 x 3x − x2
f : R2 3 x 7→ Ax =    1 =  1  ∈ R2
1 2 x2 x1 + 2x2
berechne:
    
3 -1 1 3
a := f (e1 ) = Ae1 =    =  
1 2 0 1
    
3 -1 0 -1
b := f (e2 ) = Ae2 =    =  
1 2 1 2
 
3
  z = f (x) =  
8
2
x= 
3
3
e2 1 a=f (e1 )
e1 2 1
Urbildraum Bildraum
     
3 -1 2 3·2−1·3 3
z := f (x) =    = 
1 2 3 1·2+2·3 8
f (x) = f (2e1 + 3e2 ) = 2f (e1 ) + 3f (e2 ) = 2a + 3b

     
3 -1 3
= 2  + 3  =  
1 2 8
beachte den Unterschied in den Darstellungsformen
R=Bildraum
2
y = f (x) = 2x
1 R=Urbildraum
Schaubild/Graph der Funktion f
(c) Drehung der Ebene:

   
x1 cos α
Der Ortsvektor x =   = r   ∈ R2 soll überführt werden
x2 sin α
   
z1 cos(α + ϕ)
durch f : R2 → R2 in f (x) = z =   = r   ∈ R2
z2 sin(α + ϕ)
r x
r
ϕ
α
z1 = r(cos α cos ϕ − sin α sin ϕ) = (cos ϕ)x1 − (sin ϕ)x2

z2 = r(cos α sin ϕ + sin α cos 
ϕ) = (sin ϕ)x1 +(cos ϕ)x2
cos ϕ − sin ϕ
Setze die (2,2)-Matrix A :=  ⇒
sin ϕ cos ϕ
z = f (x) = Ax. Die Drehung ist eine lineare Abbildung!
(d) Es sei
C[a, b] := Vektorraum aller stetigen Funktionen
x : [a, b] 3 t 7→ x(t) ∈ R auf dem Intervall [a, b]
betrachte die Abbildung f : C[a, b] → R, die definiert wird durch

Z b
f (x) := x(t)dt, x ∈ C[a, b].
a
f ist eine lineare Z

Abbildung:
b
f (αx + βy) = αx(t) + βy(t) dt
aZ Z b
b
=α x(t)dt + β y(t)dt
a a
= αf (x) + βf (y).
3 Satz fff
(a) Die Abbildung f : Rn → Rm sei erklärt durch f (x) = Ax mit einer

(m, n)-Matrix A.
Dann ist f linear. Das Bild Aei ∈ Rm des Einheitsvektors ei ∈ Rn ist die
i-te Spalte der Matrix A, i = 1, . . . , n.
(b) Ist umgekehrt f : Rn → Rm eine lineare Abbildung, dann existiert eine

(m, n)-Matrix A mit f (x) = Ax. Dabei ist die i-te Spalte der Matrix A
das Bild f (ei ) ∈ Rm des Einheitsvektors ei ∈ Rn .
Schreibweise: f ↔ A
Zur linearen Abbildung gehört die Matrix A und umgekehrt.
Beweis:
(a) x 7→ f (x) = Ax ist linear, siehe Bsp.2(b).


0
 
 .. 
.
    
 
a . . . a1i . . . a1n 0 a
 11    1i 
 .. .. ..     .. 
Aei =  . . .  1 ← i-te Stelle =  .  ∈ Rm
    
 
am1 . . . ami . . . amn 0 ami
 
 .. 
.
 
0
x

 ei ∈ Rn , i = 1, . . . , n
x
↑ n Komponenten  m Komponenten

(b) Sei f : Rn → Rm linear

Setze A := f (e1 ), . . . , f (en ) ∈ Rm×n
Pn
Sei x = xi ei ∈ Rn ⇒
i=1
P
n Pn
f (x) = f xi ei = xi f (ei) = Ax ∈ Rm
i=1 i=1
4 Definition Es seien V und W Vektorräume über R und f : V → W lineare

Abbildung. Dann sind Kern und Bild von f erklärt durch
Kern f := {x ∈ V : f (x) = 0} (Nullraum von f )
Bild f := {f (x) ∈ W : x ∈ V } =Wertebereich von f
= f (V )
Eine Teilmenge U ⊂ V, U 6= ∅, heißt Unterraum (oder linearer Teilraum) von

V , wenn gilt
 
x, y ∈ U ⇒ x + y ∈ U   x, y ∈ U, α, β ∈ R
oder äquivalent
und x ∈ U, λ ∈ R ⇒ λx ∈ U   ⇒ αx + βy ∈ U .
Beispiele:
(i) Im R2 ist jede Gerade durch 0 ein Unterraum
(ii) Im R3 ist jede Ebene oder Gerade durch 0 ein Unterraum
(iii) C 1 [a, b] = Menge aller diffbaren Funktionen x im
Vektorraum C[a, b] mit x0 ∈ C[a, b]
ist ein Unterraum von C[a, b], denn

x, y ∈ C 1 [a, b], α, β ∈ R ⇒ αx + βy ∈ C 1 [a, b]
5 Satz hhh
Es seien V, W Vektorräume und f : V → W eine lineare Abbildung.
Dann gilt:
(a) Kern f ist ein Unterraum von V
(b) Bild f ist ein Unterraum von W
(c) f ist injektiv ⇔ Kern f = {0} §

(vgl. 4.1, Def. 10)
Beweis:
(a) Sei x, y ∈ Kern f , α, β ∈ R ⇒ f (αx + βy) = α f (x) +β f (y) = 0

|{z} |{z}
=0 =0
⇒ αx + βy ∈ Kern f
(b) Sei z1 , z2 ∈ Bild f , α, β ∈ R ⇒ es gibt x1 , x2 ∈ V mit

zi = f (xi ), i = 1, 2 ⇒
αz1 + βz2 = αf (x1 ) + βf (x2 ) = f (αx1 + βx2 ) ∈ f (V ) (= Bild f )
| {z }
∈V
(c) Sei f injektiv.

Da f (0) = 0 hat die Gleichung f (x) = 0 nur die Lösung x = 0
⇒ Kern f = {0}.
Sei umgekehrt Kern f = {0} und
f (x) = f (y) für x, y ∈ V ⇒
0 = f (x) − f (y) = f (x − y) ⇒ x − y ∈ Kern f = {0} ⇒
x − y = 0 ⇒ x = y ⇒ f ist injektiv
6 Satz (Dimensionsformel)
Für jede lineare Abbildung f : Rn → Rm gilt:
dim Kern f + dim Bild f = n = dim Rn

↑
dim = Maximalzahl der linear unabhängigen Vektoren.
Beweis:
1. Fall: Sei Kern f = {0}, also dim Kern f = 0 ⇒ f ist injektiv

Wähle x1 , . . . , xn ∈ Rn linear unabhängig und α1 , . . . , αn ∈ R mit
P
n
αi f (xi ) = 0
i=1
n
X n
X

⇒f αi xi = 0 ⇒ αi xi = 0 ⇒ α1 = · · · = αn = 0, d. h.
i=1 i=1
{f (xi ) : i = 1, . . . , n} ist l.u. ⇒ dim Bild f = n ⇒ Beh.
2. Fall: Sei Bild f = {0}, also Kern f = Rn ⇒ Beh.
3. Fall: Seien Kern f 6= {0} und Bild f 6= {0}

Es seien x1 , . . . , xq , y1 , . . . , yp ∈ Rn gegeben mit {x1 , . . . , xq } ist eine Basis
von Kern f und {f (y1 ), . . . , f (yp )} ist eine Basis von Bild f .
Wir zeigen: {x1 , . . . , xq , y1 , . . . , yp } ist eine Basis des Rn .
Damit gilt die Beh.
(i) {x1 , . . . , xq , y1 , . . . , yp } sind l.u., denn:

q p
X X
Sei S := α i xi + βi yi = 0
i=1 i=1
q p
X X
0 = f (0) = f (S) = αi f (xi ) + βi f (yi )
i=1 i=1
q
X
⇒ βi = 0, i = 1, . . . , p ⇒ αi xi = 0 ⇒ αi = 0, i = 1, . . . , q
i=1
n
(ii) Jedes x ∈ R ist LK der x1 , . . . , xq , y1 , . . . , yp , denn
p
X
f (x) ∈ Bild f ⇒ f (x) = βi f (yi ) für βi ∈ R
i=1
p p
X X
⇒ 0 = f (x) − βi f (yi ) = f x − βi yi ⇒
i=1 i=1
p q q p
X X X X
x− βi y i = αi xi für αi ∈ R ⇒ x = αi xi + βi yi
i=1 i=1 i=1 i=1
7 Folgerung (Äquivalenz von Injektivität und Surjektivität)

Es sei f : Rn → Rn eine lineare Abbildung. (beachte: m = n)

f (x) = Ax für A ∈ Rn×n . Dann gilt:
k f injektiv ⇔ f surjektiv k
Beweis:
f injektiv ⇔ Kern f = {0} ⇔ dim Kern f = 0 ⇔ dim Bild f = n
⇔ Bild f = Rn ⇔ f surjektiv
Gegenbeispiel:
x
Betrachte f : R 3 x 7→ f (x) = ∈ R ist nicht linear.
1 + |x|
1
f 0 (x) = > 0, x ∈ R (Fallunterscheidung für x ≥ 0, x < 0)
(1 + |x|)2
⇒ f ist streng monoton wachsend
-1
f ist injektiv aber nicht surjektiv; f (R) = (-1, 1)
8 Zusammenhang mit LGS hhh

gegeben: A ∈ Rm×n und y ∈ Rm
gesucht: x ∈ Rn mit Ax = y
Interpretiere das LGS als Abbildung f : Rn → Rm , wobei jedem x ∈ Rn ein
z ∈ Rm zugeordnet wird: f ↔ A.
Lösbarkeit liegt vor ⇔ y ∈ Bild f

eindeutige Lösbarkeit liegt vor ⇔ y ∈ Bild f und f injektiv
y ∈ Bild f und dim Bild f = n ⇔ y ∈ Bild f und f injektiv
Dies ist das Rangkriterium in anderer Formatierung, denn

es ist dim Bild f = Rang A
Beweis:
f ↔ A = (a1 , . . . , an ) mit ai = f (ei ) ∈ Rm , i = 1, . . . , n
⇒ Rang A ≤ dim Bild f
andererseits:n
X
Sei x = xi ei ∈ Rn ⇒
i=1
n
X n
X
y = f (x) = xi f (ei ) = xi ai ∈ Bild f
i=1 i=1
⇒ dim Bild f ≤ Rang A.
9 Addition und skalare Multiplikation ggg

Es seien A = (aik ) und B = (bik ) zwei (m, n)-Matrizen

Addition: A + B = aik + bik i=1,...,m
k=1,...,n
Skalare Multiplikation: λA = (λaik ) i=1,...,m , λ∈R

k=1,...,n
beachte: Addiert werden nur Matrizen von gleichem Format!

Addition und skalare Multiplikation werden elementweise (komponentenweise)
durchgeführt.
Beispiel:
f, g : R3 → R2 lineare Abbildungen
   
  x1   x1
3 0 -5   7 2 4  
f (x) =   
x2  , g(x) =   
x2 
2 1 4   -3 1 0  
x3 x3
(f + g)(x) = f (x) + g(x) =

 
    
 x1
3x + 0 − 5x3 7x + 2x2 + 4x3 10 2 -1  
 1 + 1 =  
 x2 
2x1 + x2 + 4x3 -3x1 + x2 + 0 -1 2 4  
x3
Also: (f + g)(x) = (A + B)(x)
Satz
Es seien f, g : Rn → Rm lineare Abbildungen mit
f ↔ A, g ↔ B, dann gilt:
(i) f + g : Rn → Rm ist linear mit f + g ↔ A + B
(ii) λf : Rn → Rm ist linear mit λf ↔ λA, λ ∈ R.
10 Matrizenmultiplikation kkk
Es seien A = (aik ) eine (m, p)-Matrix und

B = (bik ) eine (p, n)-Matrix
Matrixprodukt:
AB := (cik ) ist eine (m, n)-Matrix mit

p
X i = 1, . . . , m
cik = aij bjk ,
j=1
k = 1, . . . , n
beachte: Das Produkt AB ist erklärt, falls

Spaltenanzahl von A = Zeilenanzahl von B.
Schema:
b11 · · · b1k · · · b1n
.. ..
. .
bp1 · · · bpk · · · bpn
a11 ··· a1p c11 ··· ··· c1n

.. .. .. ..
. . . .
ai1 ··· aip cik
.. .. .. ..
. . . .
am1 · · · amp cm1 · · · · · · cmn
cik ist das Skalarprodukt des i-ten Zeilenvektors von A mit dem k-ten Spal-
tenvektor von B.
Beispiele:
 
6 -1  
  1 3 0
 
A = 5 10 , B =  ⇒
  2 4 9
7 8
   
6 − 2 18 − 4 -9 4 14 -9
   
   
AB = 5 + 20 15 + 40 90 = 25 55 90
   
7 + 16 21 + 32 72 23 53 72
   
6 + 15 + 0 -1 + 30 + 0 21 29
B·A= =  AB 6= BA
12 + 20 + 63 -2 + 40 + 72 95 110
   
1 0 1 1
C= , D =  
1 0 0 0
   
1 1 2 0
CD =   , DC =  , CD 6= DC
1 1 0 0
Das Matrixprodukt ist nicht vertauschbar (nicht kommutativ)!

beachte: Es kann beliebig geklammert werden
A(BC) = (AB)C (ausrechnen!)
für Matrizen A, B, C, die multipliziert werden können
seien A, B wie oben.

  

x1 + 3x2 + 0 y
B ↔ f : R3 → R2 : Bx =   =  1  ∈ R2
2x1 + 4x2 + 9x3 y2
 
6y − y2
 1 
 
A ↔ g : R2 → R3 : Ay = 5y1 + 10y2  ∈ R3
 
7y1 + 8y2

g f (x) = (g ◦ f )(x) = A(Bx)
hhhhhhhhhhh↑
f g
Komposition oder Verkettung von Abbildungen R3 → R2 → R3 zuerst
f , dann g
 
6 -1  
  x1 + 3x2
 
= 5 10  
  2x1 + 4x2 + 9x3
7 8
   
6x + 18x2 − 2x1 − 4x2 − 9x3 4x1 + 14x2 − 9x3
 1   
   
= ...  = 25x1 + 55x2 + 90x3 
   
... 23x1 + 53x2 + 72x3
= (AB)x ∈ R3
Vergleiche: h(x) = sin(3x + π)
f g
x → 3x + π → sin(3x + π)
f : R 3 x 7→ 3x + π ∈ R, g : R 3 y 7→ sin y ∈ R

h(x) = g f (x) = (g ◦ f )(x), h = g ◦ f : R → R
Satz
Es seien f : Rn → Rp und g : Rp → Rm lineare Abbildungen mit f ↔ B

und g ↔ A. Dann ist g ◦ f : Rn → Rm , (g ◦ f )(x) = g f (x) , x ∈ Rn ,
eine lineare Abbildung mit
g◦f ↔ C = A · B = (cik )
p
X i = 1, . . . , m
und cik = aij bjk ,
j=1
k = 1, . . . , n
Bemerkungen:
    
1 1 10 0 1
(a)   =  Nullmatrix
2 2 -1 -1 0 0
beachte Ein Produkt kann 0 sein (Nullmatrix), obwohl beide Faktoren
6= 0.
  
 
1 1 2 2 2 2
(b)   = 
2 2 0 0 4 4
    
1 1 1 1 2 2
  = 
2 2 1 1 4 4
Multipliziert man eine Matrix mit verschiedenen Matrizen, kann dennoch

dasselbe herauskommen!
Es darf nicht ”gekürzt” werden!
11 Invertierbare (reguläre) Matrizen ggg

Definition:
Es sei A eine quadratische (n, n)-Matrix.
Existiert eine (n, n)-Matrix X mit
 
1 0
 
 .. 
AX = E :=  .  (E n-reihige Einheitsmatrix),
 
0 1
so heißt X die zu A inverse Matrix, kurz: Inverse zu A.

Die Matrix A heißt dann invertierbar.
Bezeichnung: A-1 := X, AA-1 = E.
beachte:
(i) Für jedes B ∈ Rn×n ist EB = BE = B
(ii) identische Abbildung: id : Rn 3 x 7→ id(x) := x ∈ Rn

Dann ist id ↔ E : Ex = x, für x ∈ Rn
(iii) A ∈ Rn×n sei invertierbar, ferner

f : Rn → Rn die lineare Abbildung mit f ↔ A.
g : Rn → Rn die lineare Abbildung mit g ↔ A-1 .

Für x ∈ Rn gilt: (f ◦ g)(x) = f g(x) = AA-1 x = x
⇒ f ist surjektiv

Für ein x ∈ Rn sei g(x) = 0 ⇒ 0 = f g(x) = x
⇒ g ist injektiv
Folglich: f, g : Rn → Rn sind bijektiv (wegen Folgerung 7)
Berechnung der Inversen:

Löse die Matrixgleichung: AX = E.
Setze X = (x1 , x2 , . . . , xn ) und E = (e1 , e2 , . . . , en )
ggggggggggg↑ Spaltenvektoren von X bzw. E ↑
Dann ist
Ax1 = e1 , Ax2 = e2 , . . . , Axn = en (∗)

    
a · · · a1n x · · · x1n 1 0 ··· ··· 0
 11   11   
 .. ..   .. ..   . . .. 
 . .  . .  0 . .
    
    .. .. . . .. 
 ai1 · · · ain   xi1 · · · xin  =  . . . .
    
 .. ..   .. ..   .. .. .. 
 . .  . .  . . . 0
    
an1 · · · ann xn1 · · · xnn 0 ··· ··· 0 1
 
xk1
 
 . 
xk =  ..  ∈ Rn , k = 1, . . . , n.
 
xkn
Löse jede der Gleichungen (∗) mit dem GA!

Ist die 1. Gleichung eindeutig lösbar ⇒
A ist regulär und auch die übrigen Gleichungen sind eindeutig lösbar.
Die Lösungen der Gleichungen (∗) ergeben die gesuchte Inverse A-1 = (x1 , x2 , . . . , xn ).
A-1 ist eindeutig bestimmt!
A ist invertierbar ⇔ A ist regulär.
A ∈ Rn×n heißt regulär, wenn das LGS Ax = b regulär ist, d. h. wenn das LGS
Ax = b für ein b ∈ Rn ↑ vgl. § 7.1.1.
(und damit für jedes b ∈ Rn ) genaueine Lösung
 besitzt.
1 -1 2
 
 
Bestimmung der Inversen von A = 0 1 0.
 
2 1 1
Löse die 3 Gleichungen
I : Ax1 = e1 , II : Ax2 = e2 und III : Ax3 = e3
mit dem GAUSS-Algorithmus:

1
I II III
   
1 -12 1 0 0
A= 0 1 0 0 1 0
2 1 1 0 0 1
1 -1 2 1 0 0
0 1 0 0 1 0
0 3 -3 -2 0 1
1 0 2 1 1 0
0 1 0 0 1 0
0 0 -3 -2 -3 1
3 0 0 -1 -3 2
0 1 0 0 1 0
0 0 -3 -2 - 3 1
   1 2

1 0 0 -
3
-1
3
E= 0 1 0 0 1 0
2 1
0 0 1 3
1 -
3
 
-1 -3 2
1  
 
Probe: · 0 3 0
3  
2 3 -1
  
1 -1 2 3 0 0
  1  
   
0 1 0 0 3 0 =E
  3  
2 1 1 0 0 3
Satz
Es sei A eine invertierbare (reguläre) (n, n)-Matrix.
Dann ist auch A-1 invertierbar, und es ist
A-1 A = AA-1 = E
Insbesondere ist (A-1 )-1 = A.
Beweis:
Es ist A-1 ↔ g : Rn → Rn bijektiv
⇒ A-1 ist reguläre, damit invertierbar: A-1 (A-1 )-1 = E

| {z }
existiert eindeutig
-1 -1
⇒ A-1 A = A-1 A A-1 (A-1 )-1 = A-1 AA| {z
-1
} (A ) = A-1 (A-1 )-1 = E
| {z }
=E =E
-1 -1
damit (A ) = A
beachte: A ↔ f : Rn → Rn

Damit gilt für x ∈ Rn auch (g ◦ f )(x) = g f (x) = x
g und f : Rn → Rn sind inverse Abbildungen
Bezeichnung: f -1 := g, g -1 := f

Es gilt für alle x ∈ Rn : f -1 f (x) = x und f f -1 (x) = x
Inverse eines Produktes:
Es seien A und B invertierbare Matrizen. Dann ist auch A · B invertierbar,
und es gilt:
k (AB)-1 = B -1 A-1 k
-1
denn (AB)(B -1 A-1 ) = A(BB -1 -1
| {z })A = AA = E
=E
Zusammenhang mit LGS:
Es sei A eine reguläre (n, n)-Matrix ⇒ A besitzt eine eindeutige Inverse A-1 .
Das LGS
Ax = b mit b ∈ Rn
hat die eindeutige Lösung x = A-1 b,

-1
denn es ist Ax = A(A-1 b) = (AA
| {z })b = b.
=E
Bemerkung: Eindeutige Berechnung der Inversen gestattet eine einfache Lösungsbestimmung

für jede rechte Seite.
Bezeichnung:
f : Rn → Rm sei eine lineare Abbildung
f ∈ L(Rn , Rm ) = Menge aller linearen Abb. f ∈ Rn → Rm
7.3 Die Determinante
Ziel: Jedes (n, n)-Matrix A wird in eindeutiger Weise eine Zahl det A ∈ R
zugeordnet als wichtige Kenngröße. Statt det A schreibt man auch einfach |A|.
1 Beispiele 2- und 3-teilige Determinanten

 
a11 a12
n=2: A= 
a21 a22

a11 a12
det A = := a11 a22 − a21 a12

a21 a22
− +
   
a a
 11   12 
   
Setze a1 := a21  , a2 := a22  ∈ R3 ⇒
   
0 0
 
0
 
 
a1 × a2 =  0 
 
a11 a22 − a21 a12
| det A| = |a11 a22 − a21 a12 |
=Fläche des von a1 und a2 aufgespannten Parallelogramms
n=3: A = (aik )i,k=1,2,3 = (a1 , a2 , a3 )

a11 a12 a13

det A = a21 a22 a23 = [a1 , a2 , a3 ] = (a1 × a2 ) · a3

a31 a32 a33
SARRUSsche Regel:
a11 a12 a13
det A = a21 a22 a23 = +a11 a22 a33 + a21 a32 a13
= + a31 a12 a23 − a21 a12 a33
a31 a32 a33
− +
= − a11 a32 a23 − a31 a22 a13 =
a11 a12 a13
− +
a21 a22 a23

− +
= a11 (a22 a33 − a32 a23 ) − a12 (a21 a33 − a31 a23 ) + a13 (a21 a32 − a31 a22 )

a22 a23 a21 a23 a21 a22
= a11 − a12

+ a13

a32 a33 a31 a33 a31 a32
↑ Entwicklung nach der 1. Zeile

Reduktion auf die Berechnung 2-teiliger Determinanten.
beachte: Die SARRUSsche Regel gilt nur für den Fall n = 3.
2 Bezeichnung hhh
Es sei A = (ak1 ) eine (n, n)-Matrix, n ≥ 2.
Mit Aij bezeichnen wir diejenige (n − 1, n − 1)-Matrix, die entsteht, wenn man
in A die i-te Zeile und die j-te Spalte streicht:
 
a ... a1j . . . a1n
 11 
 .. .. .. 
 . . . 
 
 
Aij :=  ai1 . . . aij ... ain  i-te Zeile streichen
 
 .. .. .. 
 . . . 
 
an1 . . . anj . . . ann
j-te Spalte streichen
n=3:

a11 a12 a13

a21 a22 a23 = a11 det A11 − a12 det A12 + a13 det A13

a31 a32 a33
hhhhhhhhhhhhhh↑hhhhhhhhh ↑hhhhhhhhhhhhh ↑
Vorzeichen (-1)1+1 = 1hhhh (-1)1+2 = -1hhhh (-1)1+3 = 1
 
hhhhhhhhhhhhh
n =2: yhhhh hhhhh y

a11 a12
= a11 a22 − a12 a21
|{z} |{z}
a 21a 22 =det A11 =det A12
Setze für eine (1 × 1)-Matrix (a) : det(a) := a
3 Definition +
Füe jedes n ∈ N wird eine n-reihige Determinante induktiv festgelegt durch:
(1) Für eine (1, 1)-Matrix (a) sei
det A = |A| := a.
(2) Ist für jede (n − 1, n − 1)-Matrix, n ≥ 2, deren Determinante definiert,

so sei für eine (n, n)-Matrix A = (aij )
det A = |A| := a11 det A11 − a12 det A12 + · · · +
(-1)1+n a1n det A1n
Pn
= (-1)1+j a1j det A1j .
j=1
Die reelle Zahl det A heißt Determinante von A.
beachte: Es ist det : Rn×n 3 A 7→ det A ∈ R eine Abbildung.
4 Entwicklungssatz von LAPLACE hhhhh

Es sei A = (aij ) eine (n, n)-Matrix. Dann gilt:
(1) Entwicklung nach der k-ten Zeile:

Für beliebiges aber festes k ∈ {1, . . . , n} ist
n
X
det A = (-1)k+j akj det Akj .
j=1
(2) Entwicklung nach der l-ten Spalte:

Für beliebiges aber festes l ∈ {1, . . . , n} ist
n
X
det A = (-1)i+l ail det Ail .
i=1
ohne Beweis. Überprüfe den Satz für n = 3.
5 Beispiel kkk
 
1 2 3 4
 
 
 -1 0 0 1 
  Suche Spalten oder Zeilen mit vielen Nullen!
 
 3 -1 4 0 
 
0 3 2 1

2 3 4 1 2 3

det A = (-1)2+1 (-1) -1 4 0 + (-1)2+4 · 1 · 3 -1 4

3 2 1 0 3 2

-1 4 2 3 -1 4 2 3
= 4 + 1

+ 1

− 3

3 2 -1 4 3 2 3 2
= 4(-14) + 1 · 11 + 1 · (-14) − 3(-5) = -44.
6 Definition hhhh
Es sei A = (aik ) eine (n, n)-Matrix. Dann heißt die (n, n)-Matrix
AT := (a0ik ) mit a0ik := aki für alle i, k = 1, . . . , n
die transponierte Matrix zu A.
Beachte: Dies ist eine Spiegelung des Schemas von A an der Diagonalen a11 , a22 , . . . , ann :
i-te Zeile von AT = i-te Spalte von A
k-te Spalte von AT = k-te Zeile von A.

   
a11 a12 · · · a1n a11 a21 · · · an1
   
   
 a21 a22 · · · a2n   a12 a22 · · · an2 

A= .  T 
⇒A = . 
. .. ..  . .. .. 
 . . .   . . . 
   
an1 an2 · · · ann a1n a2n · · · ann
7 Satz eARHeht
Für eine (n, n)- Matrix gilt: det A = det AT
Beweis: Induktion über n.
A(1): ist richtig
A(m) ⇒ A(m + 1): Sei A = (aik ) eine (m + 1, m + 1)-Matrix.
m+1
X
det AT
= (-1)i+1 a0i1 det(AT )i1
i=1
m+1
X
= (-1)i+1 ai1 det(A1i )T , da (A1i )T = (AT )i1
i=1
m+1
X
= (-1)i+1 a1i det A1i = det A
i=1
8 Satz hhh
Es sei A eine n-reihige obere Dreiecksmatrix:
A = (aij ) mit aij = 0 für i > j.
 
a11 a12 · · · a1n
 
 
 0 a22 · · · a2n 
 
 .. .. .. 
 . . . 
 
0 ... 0 ann
n
Y
Dann ist det A = a11 a22 · · · ann = aii
i=1
Beweis: Induktion über n

A(1) : ist richtig
A(m) ⇒ A(m + 1): Sei A = (aik ) eine (m + 1, m + 1) obere Dreiecksmatrix;
entwickele nach der 1. Spalte ⇒

a22 · · · a2,m+1

.. ..
det A = a11 . . = a11 (a22 · · · am+1,m+1 )

0
am+1,m+1
Idee: Der GA überführt eine Matrix in Dreiecksgestalt. Nutze dies zur Berech-
nung von Determinanten.
Frage: Wie ändert sich eine Determinante bei elementaren Zeilen- oder Spal-
tenumformungen?
9 Satz Eigenschaften von Determinanten

Es sei A = (a1 , . . . , an ) eine (n, n)-Matrix in Spaltendarstellung a1 , . . . , an ∈
Rn . Dann gilt:
(1) Für k ∈ {1, . . . , n} und λ ∈ R ist

det (a1 , . . . , λak , . . . , an ) = λ det (a1 , . . . , ak , . . . , an )
bbbbbbbbbb↑ k-te Stelle.
(2) Für k ∈ {1, . . . , n} und b ∈ Rn ist

det (a1 , . . . , ak + b, . . . , an ) =
det (a1 , . . . , ak , . . . , an ) + det (a1 , . . . , b, . . . , an )

hhhhhhhhh↑ k-te Stelle hhhhhhhhhh↑ k-te Stelle.
(3) Ist i 6= j, so gilt

det (. . . , ai , . . . , aj , . . . ) = − det (. . . , aj , . . . , ai , . . . )
d. h. Vertauschen zweier Spalten ändert das Vorzeichen.
(4) det E = 1 (E = Einheitsmatrix).
(5) Ist i 6= j, so gilt für λ ∈ R

det (. . . , ai , . . . , aj + λai , . . . ) = det (. . . , ai , . . . , aj , . . . ),
d. h. addiert man ein Vielfaches eines Spaltenvektors von A zu einem
anderen, so bleibt die Determinante von A unverändert.
(6) det (. . . , a, . . . , a, . . . ) = 0.
(7) det (. . . , 0, . . . ) = 0.
Alle Gesetze (1)-(7) gelten für Zeilenvektoren entsprechend, wegen

det A = det AT .
Bemerkung:
(1) und (2) besagen: Die Determinante ist in jeder Spalte linear.
Definiert man eine Abbildung f : Rn → R durch
f (x) := det (a1 , . . . , ak−1 , x, ak+1 , . . . , an ), k ∈ {1, . . . , n} fest, so bedeutet
(1) : f (λx) = λf (x); x ∈ Rn , λ ∈ R
(2) : f (x1 + x2 ) = f (x1 ) + f (x2 ), x1 , x2 ∈ Rn .
Man sagt: Die ”Determinantenfunktion”
det : (n, n)-Matrizen → R ist multilinear.
Durch die Eigenschaften (1)-(4) ist det A eindeutig bestimmt, d. h. es gibt

keine weitere Funktion mit diesen Eigenschaften.
Beweis:
(1) und (2) ergeben sich durch Entwicklung nach der k-ten Spalte (Satz 4).
(6): (Induktion über n)

 
a11 a12
A(2) : det   = det (a1 , a2 ) = a11 a22 − a21 a12
a21 a22
= 0, falls a1 = a2
A(m) ⇒ A(m + 1):
Es sei A = (a1 , . . . , am+1 ) und ar = as , r 6= s.

Entwickle nach der l-ten Spalte mit l 6= r, l 6= s:
m+1
X
det A = (-1)i+l ail det Ail
| {z }
i=1 =0
(7): Entwickle nach der verschwindenden Spalte.

(3): Wir vertauschen o.B.d.A. a1 und a2 . Es ist

det (a1 , a1 , a3 , . . . , an ) = det (a1 , a2 , a3 , . . . , an ) = 0 nach (6)
⇒
det (a1 , a2 , . . . , an ) + det (a2 , a1 , . . . , an )
= det (a1 , a2 , a3 , . . . , an ) + det (a2 , a2 , a3 , . . . , an )
+ det (a1 , a1 , a3 , . . . , an ) + det (a2 , a1 , a3 , . . . , an )
=
x det (a1 + a2 , a2 , a3 , . . . , an ) + det (a1 + a2 , a1 , a3 , . . . , an )

(2)

y
= det (a1 + a2 , a1 + a2 , a3 , . . . , an ) = 0
kkkkkkkhhhhhhhhhhkkkkkkkkkkll↑ (6)
(4): nach Satz 8
(5): det (. . . , ai , . . . , aj + λai , . . . )

= det (. . . , ai , . . . , aj , . . . ) + λ det (. . . , ai , . . . , ai , . . .)
| {z }
↑ =0 nach (6)
(1) + (2)
10 Beispiel jjjj

1 2 3 4 1 2 4 5 ( 1 )
2 4 5 2 (- 32 )
+
-1 0 1 1 -1 0 0 0
= = + -1 7 3 +

3 -1 4 0 3 -1 7 3
3 6 5

4 3 2 1 4 3 6 5
+
+

2 4 5

= 0 9 11 = 2 · 9 · (- 25 ) = -45
2

0 0 - 25
11 Satz hhhh
Es sei A eine (n, n)-Matrix. Dann gilt:
k A ist invertierbar ⇔ det A 6= 0 k
Beweis:
A ist invertierbar ⇔ A ist regulär ⇔
beim GA für das LGS Ax = b, b ∈ Rn , entsteht eine obere Dreiecksmatrix mit
nicht verschwindenden Diagonalelementen. Nach Satz 8 und 9 ist
| det A| = | Produkt dieser Diagonalelemente | =
6 0.
12 Folgerung ggg
Es sei A eine (n, n)-Matrix mit Rang A < n, d. h. die Zeilen- und auch die
Spaltenvektoren sind linear abhängig. Dann ist det A = 0.
13 Produktsatz kkk
Es seien A und B zwei (n, n)-Matrizen. Dann gilt
det (AB) = det (A) det (B).
ohne Beweis
beachte: Es ist i.a. AB 6= BA, aber det (AB) = det (BA).

1
Ist A invertierbar ⇒ det A-1 = ,
det A
denn 1 = det E = (det A)(det A-1 ).
14 Die CRAMERsche Regel jjj

Gegeben sei das LGS Ax = b mit der regulären (invertierbaren) (n, n) Matrix
A und b ∈ Rn .
Das LGS ist auflösbar, ferner ist det A 6= 0.
Mit A = (a1 , a2 , . . . , an ) läßt sich das LGS auch schreiben als
 
x
Xn  1
.
xk ak = b, x =  ..  ∈ Rn
k=1
 
xn
Dann ergibt sich die Lösung x ∈ Rn in der Form
det (a1 , . . . , ai−1 , b, ai+1 , . . . , an )

xi = , i = 1, . . . , n
det A
beachte:
Determinante des Zählers: ersetze in A die i-te Spalte durch b.
Die CRAMERSche Regel ist eine explizite Lösungsformel für LGS (gut geeig-
net für n = 2, 3)!
Beweis:
Für die Lösung x ∈ Rn gilt
Di := det (a1 , . . . , ai−1 , b, ai+1 , . . . , an )
Pn
= det (a1 , . . . , ai−1 , xk ak , ai+1 , . . . , an )
k=1
addiere zur i-ten Spalte nacheinander die Vektoren
-x1 a1 , . . . , -xi−1 ai−1 , -xi+1 ai+1 , . . . , -xn an
Nach Satz 9(5) ändert sich die Determinante nicht ⇒

Di = det (a1 , . . . , ai−1 , xi ai , ai+1 , . . . , an )
= xi det A
↑
Satz 9(1)
Di
Folglich: xi = , i ∈ {1, . . . , n}
det A
Anwendung: Eine Inversionsformel
Gegeben sei die reguläre (n, n)-Matrix A.
Die Inverse A-1 ist die Lösung der Matrizengleichung
(∗) AX = E
Setze A = (a1 , . . . , an ), X = (xik ) = (x1 , . . . , xn ) und E = (e1 , . . . , en )
(∗) ⇔ Ax1 = e1 , . . . , Axn = en
betrachte für k ∈ {1, . . . , n}

Axk = ek ⇔ a1 x1k + a2 x2k + · · · + an xnk = ek
CRAMERsche Regel:
det (a1 , . . . , ai−1 , ek , ai+1 , . . . , an )

xik = , i = 1, . . . , n
det A
Vereinfache den Zähler mit Satz 9(3):

det (a1 , . . . , ai−1 , ek , ai+1 , . . . , an )
= (-1)i det (ek , a1 , . . . , ai−1 , ai+1 , . . . , an )
↑ vertausche Spalten

1 × ··· ×

0
= (-1)i+k . = (-1)i+k det Aki

.
. Aki

0
(-1)i+k
Damit: xik = det Aki , i, k = 1, . . . , n
det A
7.4 Eigenwerte und Eigenvektoren
1 Der Vektorraum Cn kkkk

Cn besteht aus allen Spaltenvektoren (n-Tupeln)
 
z
 1
 .. 
z= .  mit zi ∈ C, i = 1, . . . , n
 
zn

Addition n
+:C ×C →C n n 
komponentenweise (wie bei Rn )
Skalare Multiplikation ·:C×C →C n n 
beachte: Es gelten für Cn die Gesetze (1)-(7) aus §6.1 Satz 1 (mit dem Ska-
larkörper C statt R)
Für z ∈ Cn ist z = Re z + iIm z mit
   
Re z1 Im z1
   
 .   . 
Re z =  ..  , Im z =  ..  ∈ Rn
   
Re zn Im zn
2 Definition hhh
Es sei A eine reelle (n, n)-Matrix, A ∈ Rn×n , v ∈ Cn heißt ein Eigenvektor (EV)
der Matrix A (bzw. der Abbildung f ↔ A) mit dem zugehörigen Eigenwert
(EW) λ ∈ C, wenn gilt:
(∗) Av = λv und v 6= 0
Man nennt (∗) die Eigenwertgleichung zu A.
Geometrische Interpretation:
Eigenvektoren sind ”Vorzugsrichtungen” für ein ganz spezielles Verhalten von
A (bzw. f ): Die EV’en sind diejenigen Richtungen, die nicht verdreht, sondern
nur gestreckt oder gestaucht werden.
3 Beispiele hhh
 
3 0
(a) A =   ∈ R2×2 , R2 3 x 7→ f (x) := Ax ∈ R2
0 2
f
f (e2 )
e2
e1 f (e1 )
   
3 0
Ae1 =   = 3e1 , Ae2 =   = 2e2
0 2
↑ A Streckt in x1 -Richtung mit Faktor 3
e1 und e2 sind EV’en mit zugehörigen EW’en 3 und 2.
Es gibt keine weiteren Vorzugsrichtungen für dieses A.
 
cos ϕ - sin ϕ
(b) A =   ∈ R2×2 , ϕ ∈ R, 0 < ϕ < 2π fest
sin ϕ cos ϕ
f : R 3 x 7→ f (x) := Ax ∈ R2 ist eine Drehung
2
§
vgl 6.2 Beispiel 2(c)

Hier gilt es in R2 keine solchen Vorzugsrichtungen.

Aber es gilt
      
1 cos ϕ - sin ϕ 1 cos ϕ + i sin ϕ
A  =    =  
-i sin ϕ cos ϕ -i sin ϕ − i cos ϕ
 
1
= (cos ϕ + i sin ϕ)  
| {z } -i
=:λ∈C
| {z }
=:v∈C2
⇒ Av = λv
A hat komplexe EW’e und damit auch komplexe EV’en
Bei ”Schwingungsproblemen” ist die Lage der komplexen EW’e im
C entscheidend für die Dämpfung.
4 Bestimmung von EW’en und EV’en hhh

Es gilt: Ax = λx ⇔ Ax − λx = 0
⇔ (A − λE)x = 0 (1)
Für festes λ ist (1) ein LGS für x. Ist (A − λE) eine reguläre Matrix, so hat
(1) nur die Lösung x = 0.
Wir suchen aber Lösungen x 6= 0. Diese gibt es nur, wenn (A − λE) singulär
ist, d. h. wenn gilt
det (A − λE) = 0 (2)
Man nennt (2) die charakteristische Gleichung zu A.
λ ∈ C ist EW von A ⇔ λ erfüllt (2)


a11 − λ a12 ... a1n

..
a21 a22 − λ .
det (A − λE) = . ..

.. .

an1 an2 ann − λ
= (-1)n λn + . . . +lh < kgsdf bilukghbiakjf d

| {z }
Polynom im λ von Grad n
Man nennt p : C 3 λ 7→ p(λ) 7→ p(λ) := det (A − λE) ∈ C

das charakteristischen Polynom von A.
Folgerung: Die EW’e einer Matrix A sind die Nullstellen des charakteristischen
Polynom von A.
Es ist p(λ) = (λ − λ1 )k1 (λ − λ2 )k2 . . . (λ − λr )kr mit k1 + k2 + · · · + kr = n
Dann ist λi ∈ C eine ki -fache Nullstelle von p und damit
λi ein EW der algebraischen Vielfachheit ki , i = 1, . . . , r.
beachte: Jede (n, n)-Matrix besitzt daher n komplexe EW’e (die auch reell sein
können).
Vorgehensweise:
I) Löse die Gleichung p(λ) = det (A − λE) = 0
II) Zu jedem EW λi berechne man die zugehörigen EV’en vi aus dem sin-
gulären LGS:
(A − λi E)vi = 0
Sei (A − λE) v = (A − λE) w = 0 und α, β ∈ C ⇒

(A − λE)(αv + βw) = α(A − λE)v + β(A − λE)w = 0.
Folglich: Sind v und w EV’en zum gleichen EW λ, dann ist auch αv + βw EV
zum EW λ.
beachte: v, w ∈ Kern (A − λE) ⇒ αv + βw ∈ Kern (A − λE)
Beispiel:
 
5 8
A=  ∈ R2×2
1 3

5 − λ 8
p(λ) = det (A − λE) = = (5 − λ)(3 − λ) − 8 = λ2 − 8λ + 7

1 3 − λ
Eigenwerte von A: p(λ) = 0 ⇒ λ1 = 7, λ2 = 1

Eigenvektoren von A:
λ1 = 7:
      

-2v1 + 8v2 = 0 

5−7 8 v1 0
  = ⇒
1 3−7 v2 0 
v1 − 4v2 = 0 

 
4
Wähle (willkürlich!) v2 := 1 ⇒ v1 = 4 ⇒ v =   ∈ R2 ist EV
1
Probe: Av = 7v
λ2 = 1:
      

4v1 + 8v2 = 0 

5−1 8 v1 0
   =   =
1 3−1 v2 0 
v1 + 2v2 = 0 

Wähle v2 = 1 ⇒ v1 = -2
 
-2
⇒ v =   ∈ R2 ist EV. Probe: Av = 1 · v
1
Alle weiteren EV’en von A sind Vielfache der angegebenen.
7.5 Spezielle Matrizen:
1 Bemerkung hhh
   
x y
 1  1
 ..   .. 
Es seien x =  .  , y =  .  ∈ Rn Spaltenvektoren
   
xn yn
Skalarprodukt: x · y = x1 y1 + · · · + xn yn §
(vgl. 6.4 Satz 5)
↑
Interpretiere diesals  ein spezielles Matrixprodukt:
y
 1
 .. 
(x1 , . . . , xn ) . = x1 y 1 + · · · + xn y n
| {z }  
yn
| {z }
(1, n)-Matrix · (n, 1)-Matrix = (1, 1)-Matrix = Skalar
§
Wir schreiben xT := (x1 , . . . , xn ) ”transponiert” (vgl 6.3, Def 6)
⇒ x · y = xT y
beachte: Es seien A = (aik )inRn×n und x ∈ Rn ⇒

Xn Xn
T

(Ax) = a1k xk , . . . , ank xk
k=1  k=1 
a11 . . . an1
 
 
 a12 . . . an2 
= (x1 , . . . , xn )   T T
..  = x A
| {z }  .
..
. 
 
a1n . . . ann
| {z }
(1, n)-Matrix · (n, n)-Matrix = (1, n)-Matrix
allgemein: A ∈ Rn×p , B ∈ Rp×m ⇒ (AB)T = B T AT ∈ Rm×n (nachrechnen!)

Zur Erinnerung:
Es sei M = {y1 , . . . , yk } ⊂ Rn , k ≤ n,
M ist Orthogonalsystem :⇔ yiT yi = 0 für i 6= j, i, j = 1, . . . , n


yiT yj = 0 für i 6= j und
M ist Orthonormalsystem (ONS) :⇔

y T yi = |yi |2 = 1, i, j = 1, . . . , n
i
beachte: Ein ONS ist immer linear unabhängig, denn:

Xk
Sei αi yi = 0 ⇒ Für j ∈ {1, . . . , k} gilt:
i=1
n
X n
X

0= yjT αi y i = αi yjT yi = αj
i=1 i=1
2 Definition gggg
Die Matrix A ∈ Rn×n heißt symmetrisch, wenn AT = A, d. h. wenn aik = aki
für i, k = 1, . . . , n.
Bsp.:
 
2 0 8
 
 
A = 0 1 3 ∈ R3×3 spiegeln bez. der Hauptdiagonalen
 
8 3 5
3 Satz hhh
Es sei A ∈ Rn×n , A = AT . Dann gilt:
(1) Alle EW’e von A sind reell (und damit alle EV’en in Rn )
(2) EV’en vi , vj ∈ Rn , die zu verschiedenen EW’en λi 6= λj von A gehören,

sind ⊥ zueinander, also vi · vj = viT vj = 0.
(3) Es existiert eine Orthonormalbasis des Rn aus EV’en von A.
Beweis:
(1) : Es sei Ax = λx mit λ ∈ C, x ∈ Cn , x 6= 0.

 
x1
  X n Xn
.
⇒ xT x = (x1 , . . . , xn )  ..  = xk xk = |xk |2 > 0
  k=1 k=1
xn
⇒ λxT x = (Ax)T x = xT AT x = xT (Ax) = xT Ax
= xT (λx) = λxT x
⇒ λ = λ ⇒ λ ∈ R (bel. Klammern bei Produkten von Matrizen §7.2.10)
(2) : λi 6= λj ⇒ o.B.d.A. λi 6= 0
Avi 1
Avi = λi vi ⇒ vi = und viT = viT |{z}
A
λi λi T =A
1 1 λj
⇒ viT vj = viT Avj = viT (λj vj ) = viT vj
λi |{z} λj λi
=λj vj
λj
⇒ 1− vi · vj = 0 ⇒ vi ⊥vj
λ
| {z }i
6=0
(3) : Geschenk der Mathematik
4 Definition hhhh
Die Matrix A = (a1 , . . . , an ) ∈ Rn×n heißt orthogonal, wenn ihre Spaltenvek-
toren {a1 , . . . , an } ein ONS bilden, d. h. wenn gilt


1 für i = j
T
ai aj = ai · aj = δij = i, j = 1, . . . , n

0 für i 6= j
ddddddddddddd ↑
ddddddddddddd KRONECKER-Symbol
beachte: Eine orthogonale Matrix ist stets regulär (invertierbar). Die zugehörige
Abbildung f : Rn → Rn heißt dann auch  orthogonal. 
cos ϕ - sin ϕ
Bsp. : Siehe §7.4 Beispiel 3 (b): A =  
sin ϕ cos ϕ
beachte:
A orthogonal ⇔ AT A = E ⇔ A ist regulär und A-1 = AT ⇔
⇔ AAT = E ⇔ AT orthogonal
Im Matrixprodukt AT A steht an der Stelle (i, j) das Element ai · aj = aTi aj
5 Satz Eine reelle (n, n)-Matrix A ist genau dann orthogonal, wenn eine der
folgenden gleichwertigen Bedingungen erfüllt ist
(a) A ist regulär, und es gilt A-1 = AT .
(b) AT ist orthogonal, d. h. AAT = E.
(c) Die Spaltenvektoren von A bilden eine Orthonormalbasis des Rn .
(d) Die Zeilenvektoren bilden eine Orthonormalbasis des Rn .
(e) A führt jede Orthonormalbasis b1 , . . . , bn des Rn in eine Orthonormalba-

sis Ab1 , . . . , Abn über.
(f) (Ax) · (Ay) = x · y für alle x, y ∈ Rn .
(g) |Ax| = |x| für alle x ∈ Rn .
(h) |Ax − Ay| = |x − y| für alle x, y ∈ Rn .
Beweis:
(a), (b), (c), (d) gezeigt durch die Vorbemerkungen

(e) ohne Beweis
(f ) Es sei A orthogonal und x, y ∈ Rn ⇒
T
(Ax) · (Ay) = (Ax)T (Ay) = xT A T
| {zA} y = x y = x · y
=E
Es gelte umgekehrt (f ) ⇒
ai · aj = Aei · Aej = ei · ej = δij i, j = 1, . . . , n
⇒ A ist orthogonal
(f ) ⇒ (g) : |Ax|2 = (Ax) · (Ax) = x · x = |x|2

(g) ⇒ (h) : |Ax − Ay| = |A(x − y)| = |x − y|
(h) ⇒ (f ) : über die Formel
1
x · y = - |x − y|2 − |x|2 − |y|2
2
Eigenschaft (h) macht deutlich, daß die Abbildung x 7→ Ax mit orthogona-
lem A alle Abstände invariant läßt. Auch alle Winkel, wie überhaupt innere

Produkte, bleiben dabei unverändert nach (f) . Die Abbildung x 7→ Ax ver-
mittelt also Kongruenzabbildungen geometrischer Figuren.
Ein starrer Körper im R3 würde dadurch also einfach gedreht und evtl. noch
gespiegelt.
In gewissem Sinne gilt auch die Umkehrung. Wir definieren dazu
6 Definition Eine Abbildung F : Rn → Rn , die alle Abstände invariant

läßt, d. h.
|F (x) − F (y)| = |x − y| für alle x, y ∈ Rn , (1)
heißt eine Isometrie (oder abstandserhaltende Abbildung).
7 Satz F : Rn → Rn ist genau dann eine Isometrie, wenn F die Form
F (x) = Ax + a (x ∈ Rn ) (2)
hat, mit einem a ∈ Rn und einer orthogonalen Matrix A.
Folgerung: Jede Isometrie, die 0 festläßt, wird durch eine orthogonale Matrix
vermittelt und umgekehrt.
Beweis des Satzes 7: Gilt (2), so ist F nach Satz 5 (h) eine Isometrie.
Ist umgekehrt F als Isometrie vorausgesetzt, so definieren wir zuerst a := F (0).
Die ”verschobene” Abbildung f (x) := F (x) − a ist dann auch eine Isometrie,
wobei f (0) = 0 gilt. f erfüllt damit |f (x)| = |f (x) − f (0)| = |x − 0| = |x|. f

läßt das innere Produkt invariant, da 2x · y = - |x − y|2 − |x|2 − |y|2 gilt, und f
die Beträge auf der rechten Seit unverändert läßt. Damit bilden die Vektoren
a1 = f (e1 ), . . . , an = f (en )
ein Orthonormalsystem. Denn:

2 2 2
2ai · aj = f (ei ) · f (ej ) = -f (ei ) − f (ej ) + f (ei ) + f (ej )
2
= -ei − ej +|ei |2 + |ej |2 = 2δij
|

{z }

0 für i = j



=

-2 für i 6= j



n
X
Jedes x = xk ek ∈ Rn hat folglich ein Bild f (x) von der Form
k=1
n
X
f (x) = ξk ak mit ξk = f (x) · ak = f (x) · f (ek ) = x · ek = xk ,
k=1
n
X
also f (x) = xk ak . Mit der orthogonalen Matrix A = [a1 , . . . , an ] folgt
k=1
daraus f (x) = Ax, also F (x) = f (x) + a = Ax + a.
8 Folgerung Für alle orthogonalen Matrizen A gilt:
| det A| = 1
Beweis: 1 = det E = det AT A = (det AT ) (det A) = (det A)2 .

Quelle:
Burg/Haf/Wille: Höhere Mathematik für Ingenieure, Band II Lineare Algebra, B.G. Teub-
ner, Stuttgart 1987
9 Satz (Diagonalisierung symmetrischer Matrizen)

Es sei A ∈ Rn×n eine symmetrische Matrix. Dann gibt es eine orthogonale
Matrix C ∈ Rn×n mit
 

λ1 0 
 ... 
C T AC =   (Diagonalmatrix)
 
0 λn
Dabei sind λ1 , . . . , λn ∈ R die EW’e von A. (Die λj sind nicht notwendig

verschieden; jedes EW kommt so oft vor, wie seine algebraische Vielfachheit
angibt.)
Für die Spaltenvektoren von C = (x1 , . . . , xn ) gilt: xi ∈ Rn ist EV zu λi , d. h.
Axi = λi xi , i = 1, . . . , n.
Beweis:
Sei C := (x1 , . . . , xn ) ∈ Rn×n , wobei {x1 , . . . , xn } eine ONB aus EV’en von A

ist diese existiert nach Satz 3 (3) ⇒
 

λ1 0 
 ... 
AC = (Ax1 , . . . , Axn ) = (λ1 x1 , . . . , λn xn ) = C  ⇒
 
0 λn
| {z }
=:D
T
C T AC = C -1 T
| {zC} D = D, da C = C , C ist orthogonal.
=E
7.6 Basiswechsel und Koordinatentransformation
Problem: Eine Platine sei in einem größeren (ebenen) Bauteil integriert. Pla-
tine und Bauteil besitzen je ein Koosy (Orthonormalbasis), deren gegenseitige
Lage sich aus dem Bauplan ergibt:
Bauteil Ein Punkt der Platine (Bohrung)

besitzt nun Koordinaten bez. beides
t ine
Pla × Koosy. Bestimme die Beziehung
x2
ξ1
ξ2 zwischen diesen Koordinaten.
b2 b1 ϕ
p2
e2
e1 p1 x1
Lösung:
Vereinbarung: Wir beziehen alle Vektoren auf das Koosy {e1 , e2 } des Bauteils.
   
x1 p1
Es ist x = x1 e1 + x2 e2 =   , p := p1 e1 + p2 e2 ==  
x2 p2
 
cos ϕ - sin ϕ
bi =   ei , i = 1, 2 (Drehung um ϕ)
sin ϕ cos ϕ
| {z }
= :B =(b1 ,b2 ) orthogonale Matrix
       
x1 ξ1 p1 ξ1 cos ϕ − ξ2 sin ϕ
x =   = p + ξ1 b1 + ξ2 b2 = p + B   =   +  
x2 ξ2 p2 ξ1 sin ϕ + ξ2 cos ϕ
   
ξ (x − p1 ) cos ϕ + (x2 − p2 ) sin ϕ
 1  = B -1 (x − p) =  1 
ξ2 -(x1 − p1 ) sin ϕ + (x2 − p2 ) cos ϕ
-1 T
hhhhhhhh↑
  B =B
ξ
 1  := Koordinaten bez. des Koosy {b1 , b2 } der Platine
ξ1
x ∈ R2
x2 x = x1 e1 + x2 e2
x = ξ1 b1 + ξ2 b2
ξ2 ·
e2 ξ1
b2 b1
·
e1 x1  
ξ1
xB =   ∈ R2
ξ2
↑
Koordinaten von x bzgl.
der Basis (b1 , b2 ).
Gegeben sei eine Basis (b1 , . . . , bn ) des Rn und

x = x1 e1 + · · · + xn en
, x ∈ Rn .
= ξ1 b1 + · · · + ξn bn
 
x
 1
 .. 
Dann heißt x =  .  ∈ Rn der Koordinatenvektor von x ∈ Rn
 
xn
 
ξ
 1
.
zur Basis (e1 , . . . , en ) und xB =  ..  ∈ Rn der Koordinatenvektor von,
 
ξn
n
x ∈ R zur Basis (b1 , . . . , bn ).
Beachte: Die Darstellung von x durch die Standard-Einheitsbasis wird nicht
gesondert gekennzeichnet. Man sagt: x ist sein eigener Koordinatenvektor.
Frage: Wie erhält man den Koordinatenvektor von x ∈ Rn zu einer vorgege-
benen Basis (b1 , . . . , bn ), die nicht die Standard-Einheitsbasis ist?
Bilde die Basismatrix B := (b1 , . . . , bn ).
Dann ist
x = BxB = b1 ξ1 + · · · + bn ξn
und somit
xB = B -1 x (∗).
Man nennt (∗) eine Koordinatentransformation.

Beachte: Die Matrix B ist regulär, da b1 , . . . , bn linear unabhängig sind.
Ist speziell (b1 , . . . , bn ) eine Orthonormalbasis, d. h.


1 für i = k
bi · bk = δik = , i, k = 1, . . . , n,

0 für i 6= k
dann ist die Basismatrix B orthogonal, und die Koordinatentransformation ist

gegeben durch
xB = B T x bzw. x = BxB .
Beachte: In diesem Falle ist B -1 = B T .

0 0
Ist (b1 , . . . , bn ) eine weitere Orthonormalbasis mit der zugehörigen Basismatrix
0 0
B , dann gilt x = BxB = B xB 0 .
0 0
Mit A := B -1 B = B T B folgt
xB = AxB 0 bzw. xB 0 = A-1 xB
Denn:
-1 0 0 0 0
xB = B -1 BxB 0 = B
| {zB} xB 0 bzw. xB 0 = (B )-1 B xB 0 = (B )-1 B xB .
| {z }
=A =A-1
0
A und A-1 heißen dabei Übergangsmatrizen für den Basiswechsel B = BA.
0 0 0 0T
Wegen AAT = (B T B ) (B T B )T = B T B B B = E ist auch A orthogonal.
Beachte hierbei: Kann man die Matrizen C und D multiplizieren, so gilt:

(CD)T = DT C T .
Ist A = (aik )i,k=1,...,n die Übergangsmatrix, so gilt zusammenfassend (ohne
Matrixschreibweise):
Satz:
0 0
Werden zwei Basen (b1 , . . . , bn ) und (b1 , . . . , bn ) des Rn durch
n
X
0
bk = bi aik , k = 1, . . . , n (1)
i=1
ineinander überführt, so gilt für einen bel. Vektor

n
X n
X 0 0
x= ξi bi = ξk bk ∈ Rn
i=1 k=1
die Koordinatentranformation
n
X 0
ξi = aik ξk , i = 1, . . . , n. (2)
k=1
Beachte: In (1) und (2) stehen die gestrichenen Größen auf verschiedenen Seiten
der Gleichungen!
0
Zur Berechnung der Koordinaten ξk aus (2) kann man den GA anwenden.
8 QUADRATISCHE FORMEN 100
8 Quadratische Formen
8.1 Kegelschnitte
Gegeben: Kreiskegel im R3 durch
s ∈ R3 : Spitze
a
a ∈ R3 : Achsenrichtung
2α ∈ R: Öffnungswinkel α ∈ (0, π)
x
α x−s
gesucht: Bedingungen für x ∈ R3 so, dass x auf

gesucht: dem Kegelmantel K liegt.
x ∈ K\{s}
⇔ ^(x − s, a) = α oder ^(x − s, a) = α + π
2
⇔ cos ^(x − s, a) = cos2 α cos(α + π) = - cos α
| {z }
(x − s) · a
=
|x − s||a|
2
⇔ (x − s) · a = |x − s|2 |a|2 cos2 α
2
(∗) ⇔ (x1 − s1 )a1 + (x2 − s2 )a2 + (x3 − s3 )a3 =

|a|2 cos2 α (x1 − s1 )2 + (x2 − s2 )2 + (x3 − s3 )2
     
x s a
 1  1  1
     
für x = x2  , s = s2  , a = a2  ∈ R3
     
x3 s3 a3
Ziel: Beschreibung eines Schnittes von K mit einer Ebene.
Dies liefert einen Kegelschnitt (KS).
Wähle o.B.d.A die feste Ebene x3 = 0 und variiere die Lage des Kegels, d. h.
variiere a, s ∈ R3 .
mögliche Schnitte: Punkt, Gerade, Ellipse, Hyperbel, Parabel
Setze in (∗) x3 = 0 und betrachte das Ergebnis in R2 :
{x ∈ R2 : ax21 + 2bx1 x2 + cx22 + dx1 + ex2 + f = 0}, a, b, c, d, e, f ∈ R
Jeder Schnitt eines Kegels mit einer Ebene ist von dieser Form!
Definition:
 
a b
KS := {x ∈ R2 : xT x + dx1 + ex2 + f = 0}
b c
| {z }
=A∈R2 , symmetrisch
    
a b x ax + bx
mit xT Ax = (x1 , x2 )    1  = (x1 , x2 )  1 2

b c x2 bx1 + cx2
gggggggggggggggggggggggggggggggg= ax21 + 2bx1 x2 + cx22
Bemerkung:
Auch der Schnitt eines Zylinders mit einer Ebene liefert einen KS. ”Der Zy-
linder ist Grenzfall eines Kegels mit Spitze im Unendlichen”.
8.2 Quadratische Formen im Rn
1 Definition Sei A ∈ Rn×n eine symmetrische Matrix. Dann heißt die Abbil-
dung
φ : Rn 3 x 7→ φ(x) := xT Ax ∈ R
eine quadratische Form im Rn .
Beispiele:
 
1 0
A=  : φ(x1 , x2 ) = x21 + 2x22
0 2
bbbbbbbbbggA diagonal ⇒ keine ”gemischten Terme”

 
0 3
A=  : φ(x1 , x2 ) = 6 x1 x2 − x22
3 -1
Sei ferner b ∈ Rn , c ∈ R, dann heißt
h : Rn 3 x 7→ h(x) := φ(x) + b · x + c ∈ R
ein Polynom 2. Gerades

Die Teilmenge
{x ∈ Rn : h(x) = 0} heißt eine Quadrik im Rn

| {z }
bbbbbbbbbbquadratische Gleichung mit n Unbekannten.
n = 2: Kurven 2. Ordnung im R2 . Jeder KS ist eine Kurve 2. Ordnung und

umgekehrt.
(Auch die leere Menge ist ein KS: x21 + x22 + 1 = 0).
n = 3: Fläche 2. Ordnung im R3
Ziel: Überführung der Polynome 2. Grades in einfache Normalformen, denen
man die geometrischen Eigenschaften leichter ansieht.
Methode: Wechsel zu einem neuen Koosy, dessen Achsen problemangepasst
sind.
Frage: Wie findet man solche Koordinaten?
Idee: Wähle gemäß §7.5, Satz 3 als neue Orthonormalbasis EV’en des symme-
trischen Matrix A.
Vorüberlegung:
Es seien A, B ∈ Rn×n und A = AT
φ : Rn 3 x 7→ φ(x) = xT Ax ∈ R quadratische Form.
Definiere φ∗ : Rn → Rn durch φ∗ (x) = φ(Bx)

Beh.: φ∗ : Rn → R ist ebenfalls eine quadratische Form
Bew:
T
φ∗ (x) = φ(Bx) = (Bx)T A(Bx) = xT B
| {zAB} x = xT A∗ x, wobei
=:A∗
A∗ T = (B T AB)T = (AB)T (B T )T = B T AT B = B T AB = A∗ .
| {z }
=B
Vorgehensweise: Nutze §7.5. Satz 9:

Wähle B als Basismatrix für eine Koordinatentransformation (vgl §7.6) so,
dass A∗ = B T AB Diagonalmatrix wird.
Dies führt auf die Hauptachsentransformation
2 Hauptachsentransformation im R2
 
x
Beispiel: (Bezeichnung hier   ∈ R2 also x1 =x,
ˆ x2 =y)
ˆ
y
√
K(x, y) = 3x2 + 2xy + 3y 2 − 16 2x + 44
 
x
Frage: Was ist das KS = {  ∈ R2 : K(x, y) = 0} für eine Kurve?
y
(1) Bestimme die Matrix A:

   
3 1 x √
A=  ⇒ K(x, y) = (x, y)A   −16 2x + 44
1 3 y
| {z }
=φ(x,y)
(2) Bestimme EV’en von A:

 
3−λ 1
det   = (3−λ)2 −1 =! 0 ⇒ (3−λ) = ±1 ⇒ λ1 = 2, λ2 = 4
1 3−λ
EW’e von A
    
1 1 v 1
λ1 = 2 :    1  = 0 ⇒ v1 + v2 = 0 ⇒ v = t   , t ∈ R
1 1 v2 -1
    
-1 1 w1 1
λ2 = 4 :     = 0 ⇒ -w1 + w2 = 0 ⇒ w = t   , t ∈ R
1 -1 w2 -1
(3) Transformation der Koordinaten:

   
1 1 1 1
neue Basis: b1 = √   , b2 = √  
2 -1 2 1
es ist |b1 | = |b2 | = 1 und b1 · b2 = 0, da λ1 6= λ2

 
1 1 1
Basismatrix B := √   orthogonal mit B -1 = B T
2 -1 1

1 1 1
beachte: det(b1 , b2 ) = =1>0
2 -1 1
Wähle b2 so, dass {b1 , b2 } positiv orientiert, sonst ersetze b2 durch -b2
        
∗
x x 1 -1 x x−y
  = B T   = √1     = √1  
y∗ y 2 1 1 y 2 x+y
        
∗ ∗ ∗ ∗
x x 1 1 x x +y
  = B   = √1     = √1  
y y∗ 2 -1 1 y∗ 2 -x∗ + y ∗
beachte: es gilt: xe1 + ye2 = x∗ b1 + y ∗ b2
Einsetzen im K(x, y):


K ∗ (x∗ , y ∗ ) =K √1 (x∗ + y ∗ ), √1 (-x∗ + y ∗ )
2 2
1
2
=3 √ (x∗ + y ∗ )
2
+ 2 √12 (x∗ + y ∗ ) √12 (-x∗ + y ∗ )
2 √
+3 √1 (-x∗ + y ∗ ) − 16 2 √12 (x∗ + y ∗ ) + 44
2
1 ∗2 ∗ ∗ ∗2
∗2 ∗2

=3 2
x + 2x y + y + y − x

+3 21 x∗ 2 − 2x∗ y ∗ + y ∗ 2 − 16(x∗ + y ∗ ) + 44
= 2x∗ 2 + 4y ∗ 2 − 16(x∗ + y ∗ ) + 44
 
2 0
A∗ = B T AB =  ,
0 4
§7.5, Satz 9: x∗ y ∗ Terme fallen weg!
K ∗ (x∗ , y ∗ ) = φ∗ (x∗ , y ∗ ) − 16x∗ − 16y ∗ + 44 = 0
 
∗ 
x∗
φ∗ (x∗ , y ∗ ) ∗ ∗
= (x , y )A = 2x∗ 2 + 4y ∗ 2
∗
y
    T   
x∗ x∗ x∗
= (x∗ , y ∗ )B T AB   = B   A B  
y∗ y∗ y∗
  
x∗
= φ B  
y∗
(4) Umformung durch quadratische Ergänzung:

K ∗ (x∗ , y ∗ ) = 2(x∗ 2 − 8x∗ + 16) + 4(y ∗ 2 − 4y ∗ + 4)
+44 − 32 − 16
= 2(x∗ − 4)2 + 4(y ∗ − 2)2 − 4
(x∗ − 4)2 (y ∗ − 2)2
K ∗ (x∗ , y ∗ ) = 0 ⇔ + =1
2 1
√ √
Ellipse mit Halbachsen a = 2, b = 1 = 1 im (x∗ , y ∗ )-Koosy
beachte:
   
x x∗
{  ∈ R2 : K(x, y) = 0} und {  ∈ R2 : K ∗ (x∗ , y ∗ ) = 0}
y y∗
beschreiben die gleiche Kurve in verschiedenen Koordinatensystemen
(5) Skizze:
y∗
2
b2
1
1 x
√ 2
b1
1
√ 2
1
4
x∗
Bemerkung:
Die Lage eines KS kann immer mit der obigen Methode bestimmt werden.
Eine Verschiebung des Mittelpunktes nach 0 liefert dann eine Klassifizierung
der Kurven 2. Ordnung in 9. Normalformen:
Die Normalformen der Quadriken im R2 (Konstante a, b, p alle 6= 0)
y
Rang A = 2 (Alle Eigenwerte 6= 0)
x
x2 y 2
+ 2 − 1 = 0 Ellipse (evtl. Kreis)
a2 b
2 y
x y2
+ + 1 = 0 leere Menge
a2 b2
x
x2 y 2
− 2 − 1 = 0 Hyperbel
a2 b
y
x 2 + a2 y 2 = 0 Punkt
x
x 2 − a2 y 2 = 0 Geradenpaar mit Schnittpunkt
y
Rang A = 1 (Ein Eigenwert = 0)
x
x2 − 2py = 0 Parabel
y
x 2 − a2 = 0 paralleles Geradenpaar
x
x 2 + a2 = 0 leere Menge
y
x2 = 0 Gerade x = 0
x
3 Hauptachsentransformation im R3
Siehe Meyberg/Vachenauer: Höhere Mathematik, Band 1, Springer-Lehrbuch,

Kapitel 6, §7.2
9 DIFFERENTIALRECHNUNG II 108
9 Differentialrechnung II
9.1 Funktionen mehrerer Variabler
Es sei D ⊂ Rn . Eine Funktion (Abbildung) von D in Rm ist eine Vorschrift,

die jedem Punkt x ∈ D genau einen Punkt y ∈ Rm zuordnet:
f : D 3 x 7→ y = f (x) ∈ Rm .
Dabei ist
   
x y
 1  1
 ..   . 
x =  .  ∈ Rn , y =  ..  ∈ Rm
   
xn ym
Ausführliche Schreibweise:
   
f (x , . . . , xn ) f
 1 1   1
 ..   .. 
f (x) =  .  oder f =  . 
   
fm (x1 , . . . , xn ) fm
fj : D 3 x 7→ fj (x) ∈ R, j = 1, . . . , m, sind die Komponentenfunktionen von f .





 y1 = f1 (x1 , . . . , xn )


y = f (x) ⇔ ...





ym = fm (x1 , . . . , xn )
Spezialfälle:
n > 1, m = 1:
 
x
 1
.
f : D 3 x =  ..  7→ f (x) = f (x1 , . . . , xn ) ∈ R heißt ein Skalarfeld.
 
xn
n = 1, m > 1:
 
f1 (x)
 
 . 
f : [a, b] 3 x 7→ f (x) =  ..  ∈ Rm heißt ein Weg (vgl. §5.5 (a))
 
fm (x)
x
FFFFFFF8 x wird hierbei oft durch t ersetzt.
m = n > 1:
   
x f (x)
 1  1 
 ..   .. 
f : D 3 x =  .  7→ f (x) =  .  ∈ Rn heißt ein Vektorfeld
   
xn fn (x)
m = n = 1: alles wie gehabt.

Beispiele:
(1) n = 2, m = 1, D ⊂ R2
f : D 3 x 7→ f (x) ∈ R
y
f (x1 , x2 )
x2
x
x1

Graph f = { x1 , x2 , f (x1 , x2 ) ∈ R3 : (x1 , x2 ) ∈ D}
ist eine Fläche (”Gebirge”) über den ebenen Bereich D.
(2) n = m = 3, D ⊂ R3
f : D 3 x 7→ f (x) ∈ R3 (Bsp.: elektromagnetisches Kraftfeld)
Bemerkungen zur Konvergenz und Stetigkeit:

 
x1
  p
.
Sei x =  ..  ∈ Rn , |x| = x21 + · · · + x2n ≥ 0 Betrag, Norm von x ∈ Rn
 
xn
es gilt |x| = 0 ⇔ x = 0 (Nullvektor!)
Eine Folge (ak )k∈N im Rn ist eine Abbildung
N 3 k 7−→ ak ∈ Rn
dddddddd↑ hier: k Folgenindex
 
(k)
a
 1 
 . 
Bezeichnung der Komponenten: ak =  ..  ∈ Rn , k ∈ N.
 
(k)
an
1 Definition aerhaeth
Eine Folge (ak ) in Rn ist konvergent gegen a ∈ Rn , wenn gilt:
lim |ak − a| = 0
§
k→∞
dd↑ Grenzwert in R, vgl 3.1, Satz 4(1).
k→∞
Schreibweise: lim ak = a, ak −→ a
k→∞v
u n
uX (k)
Es ist |ak − a| = t |ai − ai |2
i=1
Folglich:
(k)
lim ak = a ⇔ lim ai = ai für i = 1, . . . , n
k→∞ k→∞
Konvergenz in Rn bedeutet komponentenweise Konvergenz!
2 Definition aewftrh  
f
 1
 . 
Es seien D ⊂ Rn , a ∈ D und f =  ..  : D 3 x 7→ f (x) ∈ Rm
 
fm
m
lim
x→a
f (x) = c ∈ R bedeutet:
x∈D
Für jede Folge (ak ) in D mit lim ak = a ist lim f (ak ) = c

k→∞ k→∞
beachte:
 
c
 1
 .. 
lim f (x) = c =  .  ⇔ lim fi (x) = ci , i = 1, . . . , m
x→a   x→a
cm
Die Funktion f : D → Rm heißt stetig im Punkt a ∈ D, wenn
lim
x→a
f (x) = f (a).
x∈D
f heißt stetig (auf D), wenn f in jedem Punkt von D stetig ist.
beachte: dies gilt alles auch für m = n = 1, vgl. §4.1
Beispiel:

 xy 2
 , (x, y) 6= (0, 0)
2 4
(3) f : R2 → R mit f (x, y) := x + y

0 (x, y) = (0, 0)
k→∞ k→∞
f ist stetig
 in    (x0 , y0 ) 6= (0, 0), denn sei xk −→ x0 , yk −→ y0 ,
jedem Punkt
xk k→∞ x0
dann gilt   −→   sowie
yk y0
xk yk2 x0 y02
lim f (xk , yk ) = lim = = f (x0 , y0 )
k→∞ k→∞ x2 + y 4 x20 + y04
k k
Sei jetzt (x0 , y0 ) ∈ R2 bel., dann sind die partiellen Funktionen


R 3 x 7→ f (x, y0 ) ∈ R 
stetig
R 3 y 7→ f (x , y) ∈ R 
0
(x0 , y0 )
x
Speziell ist f (x, 0) = f (0, y) = 0 ∀x, y ∈ R

Betrachte die Wege:
 
t
γ1 : R 3 t 7→   ∈ R2 , α 6= 0
αt
 
t2
γ2 : R 3 t 7→   ∈ R2 ,
t
 
2
-t
γ3 : R 3 t 7→   ∈ R2 ,
t
 
0
δi (0) =   , i = 1, 2, 3
0
y γ1 , α > 0
γ3
x
γ2
α2 t3 α2 t→0
f γ1 (t) = = t −→ 0
t2 + α4 t4 1 + α4 t2
t2 t2 1
f γ2 (t) = 4 = ∀t 6= 0
t + t4 2
1
lim f γ2 (t) = =6 f δ2 (0) = f (0, 0) = 0
t→0 2
-t2 t2 1
f γ3 (t) = 4 = - ∀t 6= 0
t + t4 2
Damit: f ist im (0, 0) nicht stetig
3 Differentiation von Wegen hh

 
g
 1
 .. 
Es sei I ⊂ R ein Intervall und g =  .  : I → Rn ein Weg. g ist differenzierbar
 
gn
g(a + h) − g(a)
in a ∈ I, wenn lim in Rn existiert. (beachte: h ∈ R)
h→0 h
Dieses Grenzwert existiert genau dann, wenn jede Komponentenfunktion
gj : I → R in a diffbar ist.
In diesem Fall gilt:
 
g 0 (a)
 1 
g(a + h) − g(a)  .. 
g 0 (a) = lim =  .  ∈ Rn
h→0 h  
0
gn (a)
x

fffffffffffffffddddddddddddddkkkkkkkkkk
fffffffffffffffdddddddddddddd Komponentenweise Differentiation
Geometrische Bedeutung für n = 2, 3:

g : I 3 t 7→ g(t) ∈ Rn sei Weg-Zeit-Gesetz für einen Massepunkt ⇒
ġ(t) ∈ Rn ist die Geschwindigkeit im Zeitpunkt t.
4 Bequeme Sprechweisen hhhh

Es seien x0 ∈ Rn und δ > 0. Dann heißt
Uδ (x0 ) := {x ∈ Rn : |x − x0 | < δ}
eine δ-Umgebung von x0 (Kugel mit Radius δ um x0 ) (Anschauung in R3 )
Sei D ⊂ Rn . x0 ∈ D liegt im Inneren von D, wenn es ein δ > 0 gibt mit

Uδ (x0 ) ⊂ D.
x0 ∈ Rn ist ein Randpunkt von D, wenn ∀δ > 0 gilt:
Uδ (x0 ) ∩ D 6= ∅ und Uδ (x0 ) ∩ {x ∈ Rn : x ∈ 6 ∅

/ D} =
D ⊂ Rn heißt eine offene Menge, wenn alle Punkte von D im Inneren von D
liegen.
Beispiele:
n = 2: D = {(x, y) ∈ R2 : x2 + y 2 < r2 }, r > 0, ist offen,
q
1
Sei (x0 , y0 ) ∈ D, setze δ := r − x20 + y02 > 0 ⇒ Uδ (x0 , y0 ) ⊂ D
2
Sei (x0 , y0 ) ∈ D mit x20 + y02 = r2 ⇒ (x0 , y0 ) ist Randpunkt mit (x0 , y0 ) ∈
/ D.
n = 1: D = (a, b) = {x ∈ R : a < x < b} ist offen

( )
a x0 b
1
Sei x0 ∈ (a, b), setze δ = min{(x0 − a), (b − x0 )}
2
D = [a, b) = {x ∈ R : a ≤ x < b} ist nicht offen.
beachte: D ⊂ Rn ist offen, wenn ”sich an jedem Punkt von D (in bel. Richtung
mehr oder weniger stark) wackeln lässt, ohne D zu verlassen”. Begriffe aus der
Topologie.
9.2 Partielle Ableitungen
Es sei f : D → R, D ⊂ R2 offen, y = f (x1 , x2 )

Fragen:
(i) Wie ändert sich f (x1 , x2 ), wenn man x1 etwas ändert?
(ii) Wie ändert sich f (x1 , x2 ), wenn man x2 etwas ändert?
(iii) Wie ändert sich f (x1 , x2 ), wenn man x1 und x2 etwas ändert?
Zu (i):
Schneide die Fläche

{ x1 , x2 , f (x1 , x2 ) ∈ R3 : (x1 , x2 ) ∈ D}
(0)
mit der Ebene x2 = x2 = konst.
(0)
Auf dieser Ebene entsteht eine Kurve y = f (x1 , x2 ) im R3 . Die Steigung dieser
(0) (0) (0) (0)
Kurve im Punkt P0 = x1 , x2 , f (x1 , x2 ) ∈ R3 ist dann
(0) (0) (0) (0)

f x1 + h, x2 − f x1 , x2 ∂
lim =: f (x0 ) = D1 f (x0 ) = fx1 (x0 )
h→0 h ∂x1
Steigung in x1 -Richtung
Zu (ii): analog
(0) (0) (0) (0)

f x1 , x2 + k − f (x1 , x2 ∂
lim =: f (x0 ) = D2 f (x0 ) = fx2 (x0 )
k→0 k ∂x2
Steigung in x2 -Richtung
Zu (iii): Siehe §9.3
1 Definition hhhh
(0) (0)
Es seien f : D → R, D ⊂ Rn eine offene Menge und x0 = x1 , . . . , xn ∈D
ein fester Punkt.
Ist die partielle Funktion
(0) (0) (0)

xk 7→ f x1 , . . . , xk−1 , xk , xk+1 , . . . , x(0)
n
(0)
im Punkt xk = xk differenzierbar mit der Ableitung αk , dann heißt f im
Punkt x0 partiell nach xk differenzierbar, k = 1, . . . , n.
Bezeichnung:
∂f
αk = Dk f (x0 ) = (x0 ) = fxk (x0 ).
∂xk
∂f
Die Funktion f : D → R heißt partiell differenzierbar, wenn (x) ∀x ∈ D
∂xk
und ∀k = 1, . . . , n existiert.
f (x0 + hek ) − f (x0 )

Dk f (x0 ) = lim , k = 1, . . . , n
h→0 h
ek ∈ Rn ist der Einheitsvektor in Richtung der k-ten Koordinatenachse.

∂
Beachte: Die partielle Ableitung ist die gewöhnliche Ableitung bzgl. der
∂xk
k-ten Variablen, wobei alle übrigen n − 1 Variablen als Konstante angesehen
werden.
2 Definition jjjj
Es sei f : D → R, D ⊂ Rn , partiell differenzierbar. Dann heißt der Vektor
∂f ∂f ∂f T
grad f (x) := (x), (x), . . . , (x) ∈ Rn
∂x1 ∂x2 ∂xn
der Gradient von f im Punkt x ∈ D.
Die Abbildung
grad f : D 3 x 7→ grad f (x) ∈ Rn
ist ein Vektorfeld.

Ist f : D → R, D ⊂ Rn , partiell differenzierbar, dann ist jede partielle Ablei-
tung fxi wieder eine Funktion auf D:
fxi : D 3 x 7→ fxi (x) ∈ R

↑ kann wieder partiell differenzierbar sein!
f heißt 2 mal (k mal) partiell differenzierbar, wenn alle zweiten (alle k-ten)
partiellen Ableitungen existieren.
Bezeichnungen: Für i, k ∈ {1, . . . , n}
∂ ∂f ∂ 2 f (x0 )
(x0 ) =: =: Dk Di f (x0 ) =: fxi xk (x0 )
∂xk ∂xi ∂xk ∂xi
beachte: erst nach xi dann nach xk differenziert
∂f ∂f ∂ 2 f (x0 )
(x0 ) =: , i = 1, . . . , n.
∂xi ∂xi ∂x2i
C k (D, R) := {f : D → R; f k-mal stetig partiell differenzierbar }

↑ Menge aller k-mal stetig partiell differenzierbarer Funktionen.
f ∈ C k (D, R) heißt eine C k -Funktion.
Beispiele:
p
(1) f : Rn → R mit f (x) = |x| = x21 + · · · + x2n
p
Die Funktion xk 7→ x21 + · · · + x2k + · · · + x2n ist diffbar.
Behandele x1 , . . . , xk−1 , xk+1 , . . . , xn wie Konstanten
∂ ∂ 1
f (x) = (x21 + · · · + x2k + · · · + x2n ) 2
∂xk ∂xk
1 2 1 xk
gggg= (x1 + · · · + x2k + · · · + x2n )- 2 2xk = , x 6= 0, k = 1, . . . , n
2 |x|
1 x
grad f (x) = (x1 , . . . , xn )T = ∈ Rn , x 6= 0
|x| |x|
(2) f : R3 → R mit f (x, y, z) = ex+2y + 2x sin z + z 2 xy
   
fx (x, y, z) ex+2y + 2 sin z + z 2 y
   
   
grad f (x, y, z) = fy (x, y, z) =  2e x+2y 2
+z x 
   
fz (x, y, z) 2x cos z + 2zxy
(3) f : R2 → R mit f (x, y) = x3 + exy

fx (x, y) = 3x2 + yexy , fy (x, y) = xexy
fxx (x, y) = 6x + y 2 exy , fyy (x, y) = x2 exy
fxy (x, y) = exy + xyexy = fyx (x, y) = exy + xyexy
kkkkkkkkkkkkkkkkkklk↑ beachte
3 Satz (Vertauchbarkeit der partiellen Ableitungen)

Für jede C 2 -Funktion f : D → R, D ⊆ Rn offen, gilt:
∂ ∂f ∂ ∂f
= , 1 ≤ i, j ≤ n, auf D
∂xj ∂xi ∂xi ∂xj
Durch mehrfache Anwendung:
R3 3 (x, y, z) 7→ f (x, y, z) ∈ R
fxzx = fxxz , fxyz = fyxz = fzxy ,
falls alle vorkommenden Ableitungen stetig sind!
9.3 Differentiation reellwertiger Funktionen
Es sei f : D → R eine C 1 -Funktion, D ⊂ R2 offen

   
a1 h1
a =   , h =   mit a, a + h ∈ D
a2 h2
D
h1
a+h
h2
a
1 Untersuchung des Inkrementes hhhh
∆f := f (a + h) − f (a)
∆f = [f (a1 + h1 , a2 + h2 ) − f (a1 , a2 + h2 )] + [f (a1 , a2 + h2 ) − f (a1 , a2 )]

| {z } | {z }
=:∆1 =:∆2
∂
∆1 = f (a1 + δ1 h1 , a2 + h2 )h1 mit 0 < δ1 < 1
∂x1
↑ § 4.4 Bem 5: MWS für die diffbare Fkt. x1 7→ f (x1 , a2 + h2 )
∂ ∂ ∂
∆1 = f (a1 , a2 )h1 + [ f (a1 + δ1 h1 , a2 + h2 ) − f (a1 , a2 )]h1
∂x1 ∂x1 ∂x1
| {z }
=:ρ1 (h1 ,h2 )
∂
∆2 = f (a1 , a2 + δ2 h2 )h2 , 0 < δ2 < 1
∂x2
↑ MWS für x2 7→ f (a1 , x2 )

∂ ∂ ∂
∆2 = f (a1 , a2 )h2 + [ f (a1 , a2 + δ2 h2 ) − f (a1 , a2 )]h2
∂x2 ∂x ∂x2
| 2 {z }
=:ρ2 (h2 )
Setze r(h) := ρ1 (h1 , h2 )h1 + ρ2 (h2 )h2
∂ ∂
⇒ ∆f = f (a)h1 + f (a)h2 + r(h)
∂x1 ∂x2
∆f = h · grad f (a) + r(h)
betrachte Grenzübergang
 h → 0: Es gilt
h→0
ρ1 (h1 , h2 ) −→ 0 
, da f eine C 1 Funktion!
h→0
ρ2 (h2 ) −→ 0 
|r(h)| h→0
⇒ ≤ |ρ1 (h1 , h2 )| + |ρ2 (h2 )| −→ 0
|h|
|h1 | |h2 |
hhhhhhhh↑ da ≤ 1, ≤1
h |h|
h→0
beachte: Es gilt nicht nur r(h) −→ 0
r(h) h→0
sondern sogar −→ 0
|h|
2 Geometrische Interpretation hhhhh

∂f (a) ∂f (a)
f (a + h) = f (a) + h1 + h2 + r(h)
∂x1 ∂x2    
x1 h1
Setze x := a + h ⇒ h = x − a, x =   , h =  
x2 h2
∂f (a) ∂f (a)
f (x) = f (a) + (x1 − a1 ) + (x2 − a2 ) + r(a − x)
|{z} ∂x1 ∂x2
=:a3 | {z } | {z }
=:α1 =:α2
dies ist die Gleichung einer Ebene durch den Punkt

(a1 , a2 , a3 ) = (a1 , a2 , f (a1 , a2 ) ∈ R3
x3 − a3 = α1 (x1 − a1 ) + α2 (x2 − a2 )
f (x) = Ta (x) + r(a − x)
Ta : Tangentialebene: α1 x1 + α2 x2 − x3 + d = 0
mit d = a3 − α1 a1 − α2 a2
Normalenvektor der Tangentialebene: n = (α1 , α2 , -1)

Es sei f : R2 → R, f ∈ C 1 (R)2 . Der Graph von f definiert eine ”Fläche” F

F : { x1 , x2 , f (x1 , x2 ) ∈ R3 : (x1 , x2 ) ∈ R2 }.
Sei a = (a1 , a2 ) ∈ R2 , h = (h1 , h2 ) ∈ R2 \{0}. Dann ist
∂f (a) ∂f (a)
f (a + h) = f (a) + h1 + h2 + r(h).
∂x1 ∂x2
Wir setzen x = (x1 , x2 ) := a + h, dann ist
∂f (a) ∂f (a)
f (x) = f (a) + (x1 − a1 ) + (x2 − a2 ) +r(x − a)
∂x1 ∂x2
| {z }

Gleichung einer Ebene durch den Punkt a1 , a2 , f (a) ∈ F.
Der Graph der Funktion
∂f (a) ∂f (a)
Ta : R2 3 (x1 , x2 ) 7−→ f (a) + (x1 − a1 ) + (x2 − a2 ) ∈ R
∂x1 ∂x2

heißt die Tangentialebene an den Graph von f im Punkt a1 , a2 , f (a) .
r(h)
lim = 0 bedeutet: Die Tangentialebene approximiert den Graph von f
h→0 |h|
mit einem Fehler r(x − a), der klein ist im Vergleich zum Abstand |x − a|.
∂f (a)
Es sei α1 :=
∂x1
∂f (a)
α2 :=
∂x2
a3 := f (a)
Gleichung der Tangentialebene Ta :

α1 (x1 − a1 ) + α2 (x2 − a2 ) − (x3 − a3 ) = 0
(α1 , α2 , -1)
zugehöriger Normalenvektor n := p 2 mit |n| = 1.
α1 + α22 + 1
∂f ∂f r(h)
f (a + h) − f (a) = (a)h1 + (a)h2 + r(h), lim = 0.
∂x1 ∂x2 h→0 |h|
∂f ∂f
Dabei ist A : R2 3 h 7→ Ah := (a)h1 + (a)h2 = h· grad f (a) ∈ R
∂x1 ∂x2
eine lineare Abbildung.
§
Beachte die Analogie: 4.3 Bem. 3(b)
f : R → R diffbar im Punkt x0 ∈ R
r(x − x0 )
f (x) = f (x0 ) + (x − x0 )f 0 (x0 ) + r(x − x0 ), lim =0
| {z } | {z } x→x0 x − x0
=t(x) Tangente im x0 Fehler
f (x)
r(h)
x = x0 + h
t(x)
f (x0 )
x0 x0 + h
3 Definition kkk
Es seien f : D → R, D ⊂ Rn offen, a ∈ D.
f heißt im Punkt a ∈ D differenzierbar (total differenzierbar, linear approximierbar),
wenn es einen Vektor d ∈ Rn gibt, so dass gilt:
r(h)
(∗) f (a + h) − f (a) = d · h + r(h) mit lim =0
h→0 |h|
hhhhh↑ so klein, dass auch a + h ∈ D.
f : D → R heißt differenzierbar auf D, wenn f in jedem Punkt a ∈ D
differenzierbar ist.
4 Satz hhh
Es sei f in a ∈ D differenzierbar, d. h., es gelte (∗). Dann gilt:
(1) f ist im a stetig

1
(2) lim [f (a + tv) − f (a)] = d · v ∀v ∈ Rn , v 6= 0
t→0 t
(3) f ist partiell differenzierbar und d ist eindeutig bestimmt

als d = grad f (a) =: f 0 (a) (Ableitung von f in a)
beachte: Dies gilt auch für n = 1
Beweis:
h→0
Zu (1): |f (a + h) − f (a)| ≤ |d · h| +|r(h)| −→ 0
| {z }
≤|d||h|
(vgl. § 1.7, Satz 3, CSU) ↑
1 r(tv)
Zu (2): [f (a + tv) − f (a)] = d · v + ,
t t
(tv) |r(tv)| t→0

|r |= |v| −→ 0, da f diffbar
t |tv|
Zu (3): Wähle in (2) v = ek (Basiseinheitsvektor)

∂
⇒ (§ 9.2, Def 1) f (a) = d · ek = dk , k = 1, . . . , n hhhhhhhhhhhhhhhhhh-
∂xk
hhhhhhhhhhhbbbbbbbbbbbbbbbbbbb↑ k-te Komponente von d ∈ Rn
beachte: Differenzierbarkeit ist eine stärkere Forderung als partielle Differen-
zierbarkeit. Es gibt Funktionen, die partiell diffbar sind aber nicht diffbar. (hier
natürlich n > 1.)
Bsp: § 9.1(3) im Punkt (0, 0)
5 Satz ikouyhs
Jede C 1 -Funktion f : D → R, D ⊂ Rn offen, ist differenzierbar
Beweis: für n = 2: siehe oben
6 Anwendung Einfache Fehlerrechnung

f (x) ≈ f (x0 ) + (x − x0 )· grad f (x0 ), |x − x0 | klein
fffffhh↑ unter Vernachlässigung des Fehlers
(0) (0)
x0 = (x1 , . . . , xn ) Meßwerk, belastet mit Fehlern
x = (x1 , . . . , xn ) exakter Wert
(0)
∆xi = xi − xi Fehler des i-ten Meßwertes
Frage: Wie groß ist der Funktionswert f (x) durch die

Meßfehler belastet?
Xn
∂
|∆f (x)| = |f (x) − f (x0 )| ≈ f (x0 )|∆xk |
k=1
∂xk
7 Bemerkung hhh
Es sei f : D → R, D ⊂ Rn , eine C 1 -Funktion.
x, x0 ∈ D mit |x − x0 | ”sehr  klein”

dx1
 
 .. 
Man setzt dx := x − x0 =  .  ∈ Rn und definiert die lineare Abbildung
 
dxn
Xn
n ∂f (x0 )
df : R 3 dx 7→ df (dx1 , . . . , dxn ) := dxi ∈ R
i=1
∂x i
Bezeichnung: vollständiges oder totales Differential von f im Punkt x0 .
df (dx1 , . . . , dxn ) = grad f (x0 ) · dx
anschaulich: f (x0 ) ∈ R.
Wackelt man an x0 um dx, dann wackelt f (x0 ) umgefähr um df .
9.4 Richtungsableitung und Kettenregel
1 Definition bbb
Es seien f : D → R, D ⊂ Rn , eine C 1 -Funktion und v ∈ Rn ein Einheitsvektor
(|v| = 1). Dann heißt
∂ f (x + tv) − f (x)
f (x) := Dv f (x) := lim
∂v t→0 t
Xn
∂f
= v· grad f (x) = vi (x)
∂xi
§
i=1
↑ wegen 9.3, Satz 4(2)
die Richtungsableitung von f an der Stelle x in Richtung von v.
∂
beachte: Spezialfall v = ei ⇒ Dei f (x) = f (x)
|{z} ∂xi
=Di
2 Bemerkung ggg
Betrachte die Abbildung
(-, ) 3 t 7→ h(t) := f (x + tv) ∈ R (|v| = 1)

> 0 so groß, dass x + tv ∈ D für t ∈ (-, ), x, v fest
⇒ ḣ(0) = Dv f (x)
Folglich: Dv f (x) > 0 ⇒ f (x) wächst in Richtung von v
Dv f (x) < 0 ⇒ f (x) fällt in Richtung von v
3 Richtung des stärksten Anstiegs hhh

Es ist
|Dv f (x)| = |v· grad f (x)| ≤ |v| | grad f (x)| = | grad f (x)|
qqqqqqqggggggggghhhhff↑qqqqqqqgggggggg↑
qqqqqqqggggggggghhhhffCSUqqqqqqqggg|v| = 1
Falls grad f (x) 6= 0 folgt

grad f (x)
v0 := ∈ Rn ist ein Richtungsvektor und es gilt:
| grad f (x)|
grad f (x)
Dv0 f (x) = · grad f (x) = |grad f (x)|
|grad f (x)|
Folglich:
Richtung von grad f (x) = Richtung des größten Anstiegs von f im Punkt x
Richtung von -grad f (x) = Richtung des größten Abfalls von f im Punkt x
Frage:
Wie ist das Änderungsverhalten von f : D → R, wenn man in D einen Weg
durchläuft?
4 Kettenregel (wichtiger Spezialfall)

Es seien f : D 3 x 7→ f (x) ∈ R, D ⊂ Rn , eine C 1 -Funktion und
 
g
 1
.
g =  ..  : [a, b] 3 t 7→ g(t) ∈ D ein diffbarer Weg. Dann ist
 
gn

f ◦ g : [a, b] 3 t 7→ f g(t) ∈ R diffbar, und es gilt:
d
f g(t) = D1 f g(t) ġ1 (t) + · · · + Dn f g(t) ġn (t)
dt
= grad f g(t) · ġ(t)
Xn
∂f d
= g(t) gi (t)
i=1
∂x i dt
beachte: Für n = 1 ist dies § 4.3, Satz 5

Beweis:
Sei x, x0 ∈ D. Dann ist
f (x) − f (x0 ) = grad f (x0 ) · (x − x0 ) + r(x − x0 )
r(x − x0 )
bbbbbbbbbff↑ § 9.3 Def. 3+ Satz 4 mit lim =0
x→x0 |x − x0 |
Setze x = g(x), x0 = g(t0 ) für t, t0 ∈ [a, b] ⇒

f g(t) − f g(t0 ) g(t) − g(t0 ) r g(t) − g(t0 )
= grad f g(t0 ) · +
t − t0 t − t0 t − t0
  
t → t0 : y gggggggggddddddqqqqy gggggy (das wäre zu zeigen!)
d
f g(t0 ) = grad f g(t0 ) · ġ(t0 ) dddd+0
dt
5 Anwendungen der Kettenregel liugduWKFE
(a) Mittelwert Satz für reellwertige Funktionen (MWS)

Es seien f : D → R, D ⊂ Rn , ein C 1 -Funktion und x0 ∈ D, h ∈ Rn so,
dass x0 + th ∈ D ∀t ∈ [0, 1]
(Verbindungsgerade liegt ganz in D)
x0 x0 + h
Dann gibt es ein δ ∈ R, 0 < δ < 1, mit
k f (x0 + h) − f (x0 ) = gradf (x0 + δ · h) ·h k

| {z }
=f (x0 +δh)
§
beachte: Für n = 1 ist dies 4.4 Satz 4+Bem 5
Beweis:
Setze g : [0, 1] 3 t 7→ g(t) = x0 + th ∈ D ⊂ Rn . Dies ist ein Weg mit
§
g 0 (t) = h, t ∈ [0, 1] (vgl. 9.1.3)

F = f ◦ g : [0, 1] 3 t 7→ F (t) := f g(t) ∈ R ⇒

F 0 (t) = grad f g(t) · g 0 (t) = grad f (x0 + th) · h
⇒ f (x0 + h) − f (x0 ) = F (1) − F (0)

= F 0 (δ) = grad f (x0 + δh) · h
↑
§
MWS 4.3: ∃ δ ∈ R, 0 < δ < 1
(b) Implizite Funktionen

Es sei g : I → R, I ⊂ R ein Intervall
y = g(x), x ∈ I, ist eine explizit gegebene Funktion
Der Zusammenhang von x 7→ y kann aber auch implizit gegeben sein:

f (x, y) = 0
beachte: Durch f (x, y) = 0 ist i.a. ”y als Funktion von x” nicht notwendig
eindeutig festgelegt:
y f (x, y) = 0
x x
I
Der im Rechteck {(x, y) ∈ R2 : x ∈ I, y ∈ K} verlaufende Teil der Kurve

f (x, y) = 0 ist als Graph y = g(x) darstellbar.
Definition:
Es sei f : D → R, D ⊂ R2 . Man sagt, durch f (x, y) = 0 ist auf dem Intervall
I ⊂ R eine implizite Funktion g : I → R mit Werten in k ⊂ R erklärt, wenn
es zu jedem x ∈ I genau ein y ∈ K gibt mit (x, y) ∈ D und f (x, y) = 0. Dieses
y wird mit g(x) bezeichnet.
Beispiele:
(1) f (x, y) = 3x + 2y − 1 = 0 (D := R2 )
1
implizite Funktion g : R → R mit g(x) = (1 − 3x)
2
sehr einfacher Fall: f (x, y) = 0 ist für jedes x ∈ R eindeutig nach y
auflösbar.
(2) f (x, y) = ey + y 3 + x3 + x2 − 1 = 0 (D := R2 )
Zu jedem x ∈ R hat die Gleichung
e y + y 3 = 1 − x3 − x2
genau eine Lösung y = g(x), denn:

h : R 3 y 7→ h(y) := ey + y 3 ∈ R ist bijektiv streng monoton und

h(R) = R
Dadurch ist die Existenz einer eindeutig bestimmten Funktion g : R → R
mit
3
eg(x) + g(x) + x3 + x2 − 1 = 0 ∀x ∈ R
gesichert, ohne eine explizite Darstellung von g zu kennen.
(3) f (x, y) = x2 + y 2 − 1 (D := R2 )
√
g1 : [-1, 1] 3 x 7→ 1 − x2 ∈ R und
√
g2 : [-1, 1] 3 x 7→ - 1 − x2 ∈ R
sind 2 implizite Funktionen von f (x, y) = 0
Hauptsatz über implizite Funktionen: (Spezialfall n = 2)

Es seien f : D → R, D ⊂ R2 , eine C 1 -Funktion und (x0 , y0 ) ∈ D mit
f (x0 , y0 ) = 0 und D2 f (x0 , y0 ) 6= 0.
Dann gibt es ein offenes Intervall I ⊂ R, x0 ∈ I, und k ⊂ R, y0 ∈ K, mit
D2 f (x, y) 6= 0 ∀(x, y) ∈ I × K und durch f (x, y) = 0 ist eindeutig eine
diffbare implizite Funktion g : I → K erklärt mit

0 D1 f x, g(x)
g (x) = - ∀x ∈ I
D2 f x, g(x)

beachte: Es gilt f x, g(x) = 0 ∀x ∈ I und y0 = g(x0 )
Man sagt: f (x, y) = 0 ist um (x0 , y0 ) lokal eindeutig nach y = g(x) auflösbar.
I und K sind nicht näher beschrieben,
Insbesondere gilt
D1 f (x0 , y0 )
g 0 (x0 ) = -
D2 f (x0 , y0 )
Zur Berechnung von g 0 (x) und g 00 (x):

Es gilt: f x, g(x) = 0 ∀x ∈ I ⇒ (Kettenregel)
d
0= f x, g(x) = D1 f x, g(x) · 1 + D2 f x, g(x) g 0 (x)
dx
0 fx (x, y)
⇒ g (x) = - , y = g(x)
fy (x, y)
d2 d d
0 = 2 f x, g(x) = D1 f x, g(x) + D2 f (x, g(x) g 0 (x)
dx |dx {z } |dx {z }
=I1 d
= D2 f x, g(x) g0 (x)+D2 f x,g(x) g00 (x)
| dx {z }
=I2

I1 = D1 D1 f x, g(x) · 1 + D2 D1 f x, g(x) · g 0 (x)

I2 = D1 D2 f x, g(x) · 1 + D2 D2 f x, g(x) g 0 (x) ⇒
2
0 = D12 f x, g(x) + 2D1 D2 f x, g(x) g 0 (x) + D22 f x, g(x) · g 0 (x)

+D2 f x, g(x) · g 00 (x)
1 2
g 00 (x) = - [fxx (x, y)+2fxy (x, y)g 0 (x)+fyy (x, y) g 0 (x) ], x ∈ I, y = g(x)
fy (x, y)
beachte: Lerne nicht die Formeln für g 0 (x), g 00 (x) auswendig, sondern besser die
Herleitung über die Kettenregel!
Es ist eine Kurvendiskussion von g : I → R möglich, ohne g explizit zu kennen!
Beispiel: Wie Bsp. (2)
(4) f (x, y) = ey + y 3 + x3 + x2 − 1 = 0
fx (x, y) 3x2 + 2x
g 0 (x) = - =- y , y = g(x) ist bestimmt durch f (x, y) = 0
fy (x, y) e + 3y 2
2
g 0 (x) = 0 ⇒ x = 0 oder x = -
3
fxx (x, y)
g 00 (x) = - +0
fy (x, y)
dddddddddddffdddd↑ falls g 0 (x) = 0

fxx (x, y) = 6x + 2 ⇒ fxx 0, g(0) = 2
2 2
fxx - , g(- ) = -2
3 3
-2
g 00 (0) = < 2, da eg(0) + 3g 2 (0) > 0
eg(0) + 3g 2 (0)
2 2
g 00 - = g(- 2 ) >0
3 e 3 + 3g 2 (- 23 )
Somit: x = 0 Stelle eines lokalen Maximums von g

2
x = - Stelle eines lokalen Minimums von g
3
9.5 Differentiation vektorwertiger Funktionen

 
f1
 
 . 
Es sei f =  ..  : D 3 x 7→ f (x) ∈ Rm , D ⊂ Rn offen.
 
fm
f heißt eine C k -Funktion, f ∈ C k (D, Rm ), wenn fj ∈ C k (D, R) ∀j = 1, . . . , m,

k∈N ↑ vgl. § 9.2
beachte:
   
lim f
 x→x0 1 (x) D f (x)
   i 1 
lim f (x) = 
..
.  , Di f (x) = 

..
.

 , i = 1, . . . , n
x→x0    
 
lim fm (x) Di fm (x)
x→x0
1 Definition gggg
Es seien f : D → Rm , D ⊂ Rn , und a ∈ D. f heißt im Punkt a ∈ D
differenzierbar (total differenzierbar oder linear approximierbar), wenn es eine

m×n
(m,n)-Matrix A A = (αji ) j=1,...,m ∈ R so gibt, dass
i=1,...n
r(h)
(∗) f (a + h) − f (a) = A · h + r(h) mit lim = 0.
h→0 |h|
Sei f eine C 1 -Funktion. Betrachte die j-te Komponente von (∗):
rj (h)
fj (a + h) − fj (a) = αj1 h1 + · · · + αjn hn + rj (h) mit lim =0
h→0 |h|
Damit: Die Komponentenfunktion fj : D → R ist diffbar

§ §
(vgl. 9.3, Def. 3)⇒( 9.3 Satz 4)
(αj1 , . . . , αjn ) = grad fj (a)T , j = 1, . . . , m
2 Satz und Definition hhhh

Ist f : D → Rm , D ⊂ Rn , differenzierbar in a ∈ D, dann ist die Matrix
A ∈ Rm×n aus Def 1 eindeutig bestimmt und heißt die Funktional- oder
JACOBI-Matrix von f im Punkt a:
   
∂f1 ∂f1
grad f1 (a)T (a) . . . (a)
   ∂x1 ∂xn 
 ..   .. 
Jf (a) =  . = . 
   
∂fm ∂fm
grad fm (a)T ∂x1
(a) . . . ∂xn
(a)

= D1 f (a), . . . , Dn f (a) =: f 0 (a) (Ableitung von f in a)
Nach § 9.3 Satz 5 ist jede C 1 -Funktion f diffbar:
f (x) ≈ f (a) + Jf (a)(x − a), x, a ∈ D
r(x − a)
mit einem Fehler, für den gilt lim =0
x→a |x − a|
Beachte:
(a) Die Matrix Jf (a) vermittelt eine lineare Abbildung Rn → Rm , vgl. § 7.2.
Diese Abbildung heißt das totale Differential von f in a.
(vgl. § 9.3, Bem. 7)
(b) Spezialfall m = 1: f : D → R, D ⊂ Rn
 
h1

.

f (a + h) − f (a) = D1 f (a), . . . , Dn f (a)  ..  + r(h) (1, n)-Matrix
 
aufgewandt auf h
hn
= grad f (a) · h + r(h)
Xn
r(h) h→0
= Di f (a)hi + r(h) mit −→ 0
i=1
|h|
Damit: Def. 1 steht in Übereinstimmung mit § 9.3, Def. 3.
In diesem Sinne: Jf (a)=
ˆ grad f (a)
(c) Spezialfall n = 1: f : D → Rm , D ⊂ R
 
f
 1
 . 
f =  ..  : D 3 x 7→ f (x) ∈ Rm ist ein Weg, D ⊂ R
 
fm
 
0
f (a)
 1 
 .. 
Jf (a) =  .  = f 0 (a) (m, 1)-Matrix = ˆ Vektor im Rm (für n = 1)
 
0
fm (a)
Beispiele:

(1) Es seien A ∈ Rm×n (m, n)-Matrix und
A ↔ f : Rn 3 x 7→ f (x) = Ax ∈ Rn die durch A bestimmte lineare
Abbildung, vgl. § 7.2 ⇒
f (a + h) − f (a) = A(a + h) −Aa = Ah + 0
| {z }
Aa+Ah
fffffffffffffffffffffffffffffffhhhhhhhhhhhhhhh ↑ r(h) = 0
⇒ (Satz 2) Jf (a) = A = f 0 (a) ∀a ∈ Rn
Spezialfall: m = n = 1 ⇒ A ∈ R, f (x) = Ax, f 0 (x) = A
(2) Polarkoordinaten: (siehe auch § 9.6)

Betrachte die kartesische (r, ϕ)-Ebene und
D := {(r, ϕ) ∈ R2 : 0 < r < ∞, 0 ≤ ϕ < 2π} ⊂ R2
sowie die Abbildung

     
r x r cos ϕ
g : D 3   7→   =   ∈ R2 x=x(r,ϕ)
y=y(r,ϕ)
ϕ y r sin ϕ
in die kartesische (x, y)-Ebene

ϕ y
2π
(r,ϕ)∈D⊂R2 g
−→
D ϕ
r x
(x,y)∈R2
Zu jedem (x, y) 6= (0, 0) gehört genau ein (r, ϕ) ∈ D mit

x = r cos ϕ, y = r sin ϕ; (r, ϕ) sind die Polarkoordinaten von (x, y)
 
∂x ∂x  
 ∂r ∂ϕ  cos ϕ −r sin ϕ
Jg (r, ϕ) = 
 ∂y ∂y  =
   , det Jg (r, ϕ) = r
sin ϕ r cos ϕ
∂r ∂ϕ
g : D → R2 heißt Transformation auf Polarkoordinaten.
(3) Kettenregel: (allgemeiner Fall)

Es seien g : D → Rq , D ⊂ Rn
f : T → Rm mit T ⊂ g(D) ⊂ Rq
jeweils differenzierbar, m, n, q ∈ N, dann ist auch
g f
F := f ◦ g : D → Rm , |{z}
D → g(D) → Rm
⊂Rn
differenzierbar, und es gilt:

Jf ◦g (a) = Jf g(a) Jg (a)

F 0 (a) = f 0 g(a) g 0 (a)
↑ggggggggg↑ggggggg-
(m, n)-Matrix= (m, q)-Matrix ·(q, n)-Matrix
Spezialfall: m = n = 1, q ≥ 1

F : I 3 t 7→ g(t) 7→ f g(t) ∈ R
|{z}
  ∈Rq
g
 1
 .. 
g =  .  : I → Rq , I ⊂ R Intervall mit T ⊂ g(I) ⊂ Rq
 
gq
f : T → R und F = f ◦ g : I → R

Ḟ (t) = Jf g(t) Jg (t)
 
g˙1 (t)

 .. 

= D1 f g(t) , . . . , Dq f g(t)  .  =
 
g˙q (t)
Pq
= Di f g(t) ġi (t) = grad f g(t) · ġ(t), t ∈ I
i=1
(im Übereinstimmung mit § 9.3, Satz 5)
9.6 Zur Transformation auf Polarkoordinaten

     
r x r cos ϕ
Es sei g : D 3   7→   =   ∈ R2 \{(0, 0)}
ϕ y r sin ϕ
die Transformation auf Polarkoordinaten aus § 9.5 (2)
Gegeben: f : R2 \{(0, 0)} → R
betrachte
 
r
F := f ◦ g : D 3   7→ F (r, ϕ) := f g(r, ϕ) ∈ R
ϕ
x(r,ϕ)=r cos ϕ
F (r, ϕ) = f (r cos ϕ, r sin ϕ) = f x(r, ϕ), y(r, ϕ) , y(r,ϕ)=r sin ϕ
Abkürzende (und nicht ganz korrekte) Schreibweise:
F (r, ϕ) = f (x, y)
Interpretation: Der Wert von F an der Stelle (r, ϕ) ∈ D ist gleich dem
Wert von f an der Stelle (x, y), wenn x = r cos ϕ, y = r sin ϕ, bzw.
p y
r= x2 + y 2 , ϕ = arctan .
x
Beachte: Es ist unbedingt notwendig, zwischen den Funktionen F und f
zu unterscheiden!
Beispiel:
p
f (x, y) = ln x2 + y 2 ⇒ F (r, ϕ) = ln r (f ist rotationssymme-
trisch)
Ziel: Drücke die partiellen Ableitungen von F : D → R im (r, ϕ)-System

durch diejenigen von f : R2 \{(0, 0)} → R im (x, y)-System aus und
umgekehrt.
Es gilt die Kettenregel § 9.5, Satz 3:

JF (r, ϕ) = Jf r cos ϕ, r sin ϕ Jg (r, ϕ) ⇒
∂F ∂F
(r, ϕ), (r, ϕ) =
∂r ∂ϕ  
∂f ∂f cos ϕ -r sin ϕ
(r cos ϕ, r sin ϕ), (r cos ϕ, r sin ϕ)  
∂x ∂y sin ϕ r cos ϕ
∂F ∂f ∂f
⇒ (r, ϕ) = (r cos ϕ, r sin ϕ) cos ϕ + (. . . ) sin ϕ
∂r ∂x ∂y
∂F ∂f ∂f
(r, ϕ) = -r (. . . ) sin ϕ + r (. . . ) cos ϕ
∂ϕ ∂x ∂y
Kurz:
Fr = fx cos ϕ + fy sin ϕ
(∗)
Fϕ = -fx r sin ϕ+fy r cos ϕ

Löse das LGS (∗) nach fx und fy auf. Es ist det Jg (r, ϕ) = r, CRAMERsche
Regel ⇒
1
fx = Fr cos ϕ − Fϕ sin ϕ
r
1
fy = Fr sin ϕ + Fϕ cos ϕ
r
Beispiel:
f : R2 → R, f (x, y) := x2 − y 2
F (r, ϕ) = f (r cos ϕ, r sin ϕ) = r2 cos2 ϕ − r2 sin2 ϕ =
= r2 (cos2 ϕ − sin2 ϕ) = r2 cos 2ϕ
direkte Berechnung: (möglich, da (r, ϕ) 7→ F (r, ϕ) bekannt)
Fr (r, ϕ) = 2r cos 2ϕ, Fϕ (r, ϕ) = -2r2 sin 2ϕ
indirekte Berechnung nach (∗):
Fr (r, ϕ) = 2x cos ϕ − 2y sin ϕ = 2r cos2 ϕ − 2r sin2 ϕ = 2r cos 2ϕ

Fϕ (r, ϕ) = -2xr sin ϕ − 2yr cos ϕ = -2r2 cos ϕ sin ϕ − 2r2 sin ϕ cos ϕ
= -2r2 sin 2ϕ
9.7 Die Differentialoperatoren der Vektoranalysis im R3
(1) Zu einem C 1 -Skalarfeld f : D → R, D ⊂ R3 , definiert man das Vek-

torfeld ”Gradient”: (vgl. § 9.2 Def. 2)
 
D f (x)
 1 
 
grad f : D → R3 mit grad f (x) := D2 f (x) ∈ R3 .
 
D3 f (x)
(2) Zu einem C 2 -Skalarfeld f : D → R, D ⊂ R3 , definiert man mit dem

LAPLACE Operator ∆ das Skalarfeld ∆f :
∂ 2f ∂ 2f ∂ 2f
∆f : D → R mit ∆f (x) := (x) + (x) + (x)
∂x21 ∂x22 ∂x23
= D12 f (x) + D22 f (x) + D32 f (x)
Beispiel: f (x, y, z) = z 3 (x2 + y 2 ) − 1

∆f (x, y, z) = z 3 · 2 + z 3 · 2 + 6z(x2 + y 2 ) = 4z 3 + 6z(x2 + y 2 ).
Es sei D ⊂ R3 ein Körper und u : D × [0, ∞) 7→ u(x, t) ∈ R die
zeitabhängige Temperatur im Punkt (x1 , x2 , x3 ) ∈ D. Dann gilt die
Wärmeleitungsgleichung:
∂
u = r∆u, r = Temperaturleitfähigkeit
∂t
fffffffffff↑ LAPLACE-Operator wirkt auf die Raumkoordinaten.
 
f
 1
 
(3) Zu einem C 1 -Vektorfeld f = f2  : D → R3 , D ⊂ R3 , definiert man
 
f3
das Skalarfeld ”Divergenz”:
div f : D → R mit div f (x) := D1 f1 (x) + D2 f2 (x) + D3 f3 (x).
2
Beispiel: f (x, y, z) = (x2 y 3 z, x + y, zexy )T
2
div f (x, y, z) = 2xy 3 z + 1 + exy .
 
f
 1
 
(4) Zu einem C 1 -Vektorfeld f = f2  : D → R3 , D ⊂ R3 , definiert man
 
f3
das Vektorfeld ”Rotation”:
 
D f (x) − D3 f2 (x)
 2 3 
3  
rot f : D → R mit rot f (x) :=  D3 f1 (x) − D1 f3 (x) 
 
D1 f2 (x) − D2 f1 (x).
Beispiel: f wie bei (3)

 
xy 2
z2xye − 0
 
 2 3 2
rot f (x, y, z) =  x y − zy 2 exy .
 
2 2
1 − 3x y z
Beachte: Diese Operatoren sind von Bedeutung etwa in der Strömungsmechanik.

Eine geometrische Interpretation erfolgt später.
Andere Schreibweise:    
∂
D1
 ∂x1 
 
 ∂   
Betrachte den symbolischen Vektor ∇ :=  ∂x  = D2  ,
 2  
∂
∂x3
D3
genannt ”Nabla-Operator”. Dann ist
a) f :D→R (1) grad f = ∇f

(2) ∆f = ∇ · (∇f ) = div (grad f )
b) f : D → R3 (3) div f = ∇ · f
(4) rot f = ∇ × f

e1 D1 f1

rot f = e2 D2 f2 = e1 (D2 f3 − D3 f2 ) + e2 (D3 f1 − D1 f3 ) + e3 (D1 f2 − D2 f1 ).

e3 D3 f3
9.8 Lokale Extrema
§
1 Definition (vgl. 4.4 Def. 1)
Es seien f : D → R, D ⊂ Rn , x0 ∈ D
f hat in x0 ein lokales Maximum [Minimum], wenn es ein > 0 gibt mit
f (x) ≤ f (x0 ) ∀x ∈ D mit |x − x0 | <

[f (x) ≥ f (x0 ) ∀x ∈ D mit |x − x0 | < ].
beachte: Gilt f (x) ≤ f (x0 ) ∀x ∈ D, so ist x0 ein globales Maximum.

Es gilt: (x ∈ D mit |x − x0 | < ) ⇔ x ∈ D ∩ U (x0 )
Im folgenden untersuchen wir nur Extremstellen, die im Inneren von D liegen
und nicht solche auf dem Rand von D:
x0 ∈ D liegt im Inneren von D, wenn es δ > 0 gibt mit Uδ (x0 ) ⊂ D.
2 Satz (Notwendiges Kriterium für Extremalstellen)

Es seien f : D → R, D ⊂ Rn offen, eine C 1 -Funktion und x0 ∈ D.
Dann gilt:
x0 ist eine lokale Extremalstelle von f ⇒ grad f (x0 ) = 0
Beweis:
betrachte t 7→ h(t) := f (x0 + tei ) ∈ R. h hat lokale Extremalstelle für t = 0 ⇒
(§ 4.4, Satz 2)
∂f
0 = h0 (0) = (x0 ), i = 1, . . . , n
∂xi
Beachte: Man sagt, x0 ∈ D ist ein stationärer (kritischer) Punkt von f , wenn
grad f (x0 ) = 0. Ein stationärer Punkt, der keine Extremalstelle ist, ist ein
Sattelpunkt (etwa beim hyperbolischen Paraboloid).
Ziel: Hinreichendes Kriterium für Extremalstellen
3 Definition jzfvkjv
Es sei f : D → R, D ⊂ Rn , eine C 2 -Funktion. Dann heißt
 
D D f (x) . . . D1 Dn f (x)
n  1 1 
 .. 
Hf (x) := fxi xj (x) = .  ∈ Rn×n
i,j=1  
Dn D1 f (x) . . . Dn Dn f (x)
die HESSE-Matrix von f im Punkt x.
beachte: Wegen § 9.2 Satz 2 ist Hf (x) symmetrisch!
4 Test auf Extremalstellen fff

Es seien f : D → R, D ⊂ Rn , eine C 2 -Funktion und x0 ∈ D ein stationärer
Punkt von f . Ferner bezeichne q(x) = xT Hp (x0 )x, x ∈ Rn , die quadratische
Form der HESSE-Matrix von f im Punkt x0 . Dann gilt:
(1) q(x) positiv definit ⇒ x0 ist lokale Minimalstelle

ffffffffff↑ q(x) > 0 ∀x 6= 0, dies ist der Fall, wenn alle EW von
ffffffffffHf (x0 ) positiv sind.
(2) q(x) negativ definit ⇒ x0 ist lokale Maximalstelle

ffffffffff↑ q(x) < 0 ∀x 6= 0, dies ist der Fall, wenn alle EW von
ffffffffffHf (x0 ) negativ sind.
(3) q(x) indefinit ⇒ x0 ist Sattelpunkt

ffffffffff↑ dies ist der Fall, wenn Hf (x0 ) pos. und neg. EW hat
Spezialfall n = 2: f : D 3 (x, y) 7→ f (x, y) ∈ R, D ⊂ R2

 
fxx (x, y) fxy (x, y)
Hf (x, y) =   symmetrische Matrix
fyx (x, y) fyy (x, y)
(x0 , y0 ) ∈ D sei stationärer Punkt: fx (x0 , y0 ) = 0, fy (x0 , y0 ) = 0

(1) det Hf (x0 , y0 ) > 0, fxx (x0 , y0 ) > 0 ⇒

gggggg (x0 , y0 ) ∈ D ist lokale Minimalstelle
(2) det Hf (x0 , y0 ) > 0, fxx (x0 , y0 ) < 0 ⇒

gggggg (x0 , y0 ) ∈ D ist lokale Maximalstelle
(3) det Hf (x0 , y0 ) < 0 ⇒ (x0 , y0 ) ∈ D ist Sattelpunkt
(4) det Hf (x0 , y0 ) = 0 : keine Entscheidung möglich

(untersuche dann direkt die Funktion, Verlauf auf verschiedenen Schnit-
ten)
beachte: fxx = 0 ⇒ det Hf (x0 , y0 ) ≤ 0

Beweis für
n =  2:
a b
Sei A :=   symmetrische (2, 2)-Matrix, (x, y) ∈ R2
b c
 
x
q(x, y) = (x, y)A   = ax2 + 2bxy + cy 2 ⇒
y
aq(x, y) = (ax + by)2 + y 2 det A, det A = ac − b2 ⇒
aq(x, y)l↑
 nachrechnen

> 0, falls a > 0 und det A > 0
q(x, y)

< 0, falls a < 0 und det A > 0
q(x, y) indefinit, wenn det A < 0
Beispiele:
(1) f : R2 → R mit f (x, y) := 2 + (x − 4)2 + (y − 2)2
!
1. Schritt: fx = 2(x − 4) = 0 ⇒ x0 = 4
!
1. Schritt: fy = 2(y − 2) = 0 ⇒ y0 = 2
einziger krit. Punkt
2. Schritt: fxx = 2, fxy = 0, fyy = 2

2 0

det Hf (x0 , y0 ) = = 4 und fxx (4, 2) = 2 ⇒

0 2
lokales Minimum bei (4, 2) ∈ R2
(2) f : R2 → R mit f (x, y) := (x − 2)2 + 2y
!
1. Schritt: fx = 2(x − 2) = 0 ⇒ x0 = 2
!
1. Schritt: fy = 2 = 0 geht nicht
⇒ es existieren keine lokale Extrema.
(3) f : R2 → R mit f (x, y) := 2x4 + y 4 − 2x2 − 2y 2
!
1. Schritt: fx = 8x3 − 4x = 4x(2x2 − 1) = 0
1
1. Schritt: ⇔ x = 0 oder x = ± √
2
3 2 !
1. Schritt: fy = 4y − 4y = 4y(y − 1) = 0
1. Schritt: ⇔ y = 0 oder y = ±1
Stationäre Punkte: (9 Kandidaten für lokale Extrema)

(0, 0), (0, -1), (0, 1)
1 1 1
( √ , 0), ( √ , -1), ( √ , 1)
2 2 2
1 1 1
(- √ , 0), (- √ , -1), (- √ , 1)
2 2 2
2. Schritt: fxx = 24x2 − 4, fyy = 12y 2 − 4, fxy = 0
∆ := det Hf (x, y) = (24x2 − 4)(12y 2 − 4) = 16(6x2 − 1)(3y 2 − 1)
(0, 0) : ∆ = 16 > 0, fxx = -4 < 0 ⇒ lok. Maximum
(0, ±1) : ∆ = -16 · 2 = -32 < 0 ⇒ 2 Sattelpunkte
(± √12 , 0) : ∆ = -32 < 0 ⇒ 2 Sattelpunkte
(± √12 , ±1) : ∆ = 16 · 2 · 2 > 0, fxx = 8 > 0 ⇒ 4 lok. Minima
9.9 Extrema mit Nebenbedingungen:
1 Problemstellung kkk
Gegeben: f : D → R, D ⊂ Rn offen, C 1 - Funktion
h : D → Rp , p < n, C 1 - Funktion
Gesucht: Extremalstellen von f auf der Menge
M := {x ∈ D : h(x) = 0} ⊂ D,
d. h. Extremalstellen von f unter der NB h(x) = 0
Wir betrachten zunächst den Fall p = 1, also h : D → R.

Beispiele:
(1) Welches Rechteck hat unter allen Rechtecken gleichen Umfangs U den
größten Flächeninhalt?
D := {(x1 , x2 ) ∈ R2 : x1 > 0, x2 > 0}

f : D → R, f (x1 , x2 ) = x1 x2
h : D → R, h(x1 , x2 ) = U − 2(x1 + x2 )
Explizite Lösungsmethode:
U
h(x) = 0 ⇒ x2 = − x1
2
u U
F (x1 ) := f x1 , − x1 = x1 − x21
|2 {z } 2
=x2
U U
F 0 (x1 ) = − 2x1 , F 0 (x1 ) = 0 ⇒ x1 =
2 4
F 00 (x1 ) = -2 ⇒ Maximum. Antwort: Quadrat
(2) D = R2 , f : D → R mit f (x, y) = xy

h : D → R mit h(x, y) = x2 + y 2 − 1
Parametrisierung der NB:
   
x cos t
M = {  ∈ R2 : h(x, y) = 0} = {  ∈ R2 : 0 ≤ t ≤ 2π}
y sin t
1
F (t) := f (cos t, sin t) = cos t sin t =
sin 2t
2
! π 3π 5π 7π
F 0 (t) = cos 2t = 0 ⇒ 2t = , , ,
2 2 2 2
(2k + 1)π
⇒t= , k = 0, 1, 2, 3
4
y
Min Max
x
Max Min
Graph f ist ein Sattel

Die Methoden unter (1) und (2) sind aber nur in seltenen Spezialfällen
durchführbar.
2 Satz (Multiplikatorenregel von LAGRANGE)
Es sei x0 ∈ D eine Lösung des Extremalproblems:
!
f (x) = Extremum unter der NB h(x) = 0. (p = 1)
Es sei ferner grad h(x0 ) 6= 0.
Dann gibt es ein λ ∈ R so, dass gilt:
grad f (x0 ) + λ grad h(x0 ) = 0
λ heißt dann LAGRANGE- Multiplikator

Für den Fall p > 1 siehe Beispiel (4) .
Extrema mit Nebenbedingungen
Veranschaulichung. In obiger Abbildung ist der Graph von f über

seinem Definitionsbereich D skizziert. In D ist die durch h(x) = 0 be-
stimmte Kurve zu sehen. Zum besseren Verständnis sind Höhenlinien und
Fallinien in D eingezeichnet, wie auch ihre Entsprechung auf dem Gra-
phen von f . Wir erkennen: Das Maximum f (x0 ) von f über der Kurve
h(x0 ) = 0 hat die Eigenschaft, dass die Kurve h(x) = 0 in der Maxi-
malstelle x0 rechtwinklig eine Fallinie schneidet. Skizziert man grad f (x)
und grad h(x) als Pfeile in schwarzer bzw. magenta Farbe, so liegen sie
im Maximalpunkt x0 parallel (denn der Vektor grad h(x) steht in jedem
Kurvenpunkt x senkrecht auf der Kurve h(x) = 0, und grad f (x) liegt
stets in Richtung der Fallinien.) Parallelität von grad f (x0 ) und grad
h(x0 ) bedeutet aber
grad f (x0 ) + λ grad h(x0 ) = 0 für ein λ ∈ R.
Beispiele
(3) Bestimme die lokalen Extrema von
f (x, y) = x2 + y 2 unter der NB h(x, y) = (x − 1)2 + y 2 − 1 = 0
1. Schritt: Untersuche die LAGRANGEsche Hilfsfunktion
F (x, y, λ) := f (x, y) + λh(x, y)

= x2 + y 2 + λ[(x − 1)2 + y 2 − 1], λ : Hilfsvariable
gemäß Satz 2
!
Fx = fx + λhx = 0 ⇔ 2x + λ2(x − 1) = 0 (I)
!
Fy = fy + λhy = 0 ⇔ 2y + λ2y = 0 (II)
!
Fλ = h(x, y) = 0 ⇔ (x − 1)2 + y 2 − 1 = 0 (III)
aaaaaaaaaaaa ↑ dies ist die NB
2. Schritt: Löse das System (I),(II),(III): Achtung, dies ist i.a. kein
LGS, d. h. Intuition und Geschick erforderlich!
(II) : 2y(1 + λ) = 0 ⇔ y = 0 oder λ = -1

λ = -1 : in (I): 2x − 2x + 1 = 0 , also y = 0
(III) :⇒ (x − 1)2 − 1 = 0 ⇔ (x − 1)2 = 1 ⇔ x = 0 oder x = 2

⇒ x = 0 liefert λ = 0  unnötig, da der Wert von λ
(I) :
x = 2 liefert λ = -2  nicht interessiert
Folglich: Nach Satz 2 sind
P1 = (0, 0) und P2 = (2, 0)
Kandidaten für lokale Extrema

beachte: dies sind die Komponenten (x, y) der kritischen Punkte
von
(x, y, λ) 7→ F (x, y, λ)
3. Schritt: Prüfe, ob und wo Maxima bzw. Minima vorliegen:

P1 : f (0, 0) = 0 ⇒ Minimum
P2 : f (2, 0) = 4 ⇒ Maximum
Hier hat f ”aus mathematischen Gründen” ein Minimum und ein Maxi-
mum:
f ist auf M := {(x, y) ∈ R2 : h(x, y) = 0} stetig und M ist beschränkt
und abgeschlossen (kompakt),
beachte: Meist ist die Existenz von Extremalstellen durch die Aufga-
benstellung aus physikalischen, technischen oder geometrischen Gründen
evident.
(4) Bestimme die lokalen Extrema von

p
f (x, y, z) = x2 + y 2
unter den zwei NB: h1 (x, y, z) = x + y + z = 0

h2 (x, y, z) = x2 + y 2 + z 2 − 1 = 0
geometrische Interpretation:
h1 = 0 beschreibt eine Ebene E ⊂ R3

3
  eine Kugelfläche K ⊂ R
h2 = 0 beschreibt
h1
Setze h =   : R3 → R2 ⇒ h(x, y, z) = 0 beschreibt den Schnitt
h2
E ∩ K ⊂ R3 (Kreis in der Ebene E).
Gesucht ist der extremale Abstand von E ∩ K zur z-Achse.
1. Schritt: LAGRANGEsche Hilfsfunktion

F (x, y, z, λ, µ) = f (x, y, z) + λh1 (x, y, z) + µh2 (x, y, z)
Bestimme die kritischen Punkte von F : R5 → R, die Komponenten
(x, y, z) sind dann die Kandidaten.
λ und µ heißen LAGRANGEsche-Multiplikatoren.
p
r := x2 + y 2
x
Fx = + λ + µ2x = 0 (I)
r
y
Fy = + λ + µ2y = 0 (II)
r
y
Fz = λ + µ2z = 0 (III)
r

Fλ = x + y + z = 0 (IV ) 
⇔ h(x, y, z) = 0
Fµ = x2 + y 2 + z 2 − 1 = 0 (V ) 
2.Schritt: Löse das Gleichungssystem (I)-(V):

Einstieg: ”y · (I) − x · (II)” liefert λy − λx = 0, also λ = 0 oder x = y
Fallunterscheidung:
(a) kjsdrhf
λ = 0 : (III) ⇒ z = 0 oder µ = 0
(i) kjsdrhf
z=0: (IV ) ⇒ x = -y
1 1√
(V ) ⇒ x = ± √ = ± 2
2 2
1√ 1√ 
P1 : 2, - 2, 0 
 sind Kandidaten und erfüllen
2 2 
1√ 1√ 1
P2 : - 2, 2, 0 
 auch (I) und (II) für µ = -
2 2  2
(ii) kjsdrhf
µ=0: (I), (II) ⇒ x = y = 0
(IV ) ⇒ z = 0 zu (V),
(b) kjsdrhf
x=y: (IV ) ⇒ z = -2x
1√ 1√
(V ) ⇒ 6x2 = 1 ⇒ x = ± 6, z = ± 6
6 3

1√ 1√ 1√ 
P3 = 6, 6, - 6 

6 6 3 
1√ 1√ 1√ 
sind Kandidaten
P4 = - 6, - 6, 6 

6 6 3 
Die Werte von λ und µ sind nicht von Interesse

f (P1 ) = f (P2 ) = 1 Maximum 
1√
f (P3 ) = f (P4 ) = 3 Minimum 
3
diese existieren aus geometrischen Gründen!
10 INTEGRALRECHNUNG II 156
10 Integralrechnung II
10.1 Parameterintegrale:
Es sei D := [a, b] × [c, d] = {(x, y) ∈ R2 : a ≤ x ≤ b, c ≤ y ≤ d} ein Rechteck.
f : D 3 (x, y) 7→ f (x, y) ∈ R sei stetig
Wir betrachten das Parameterintegral

Z d
F : [a, b] 3 x 7→ F (x) := f (x, y)dy ∈ R
c
1 Satz hhhh
(1) F ist stetig
(2) Es gilt (Satz von FUBINI, vgl 10.3) §

Z b Z b Z d Z d Z b

F (x)dx = f (x, y)dy dx = f (x, y)dx dy
a a c c a
(3) Ist zusätzlich f stetig partiell diffbar nach x ∈ [a, b] etwa f eine C 1 -

Fkt , dann ist F diffbar, und es gilt
Z d Z d Z d
0 d ∂f
F (x) = f (x, y)dy = (x, y)dy = D1 f (x, y)dy
dx c c ∂x c
Beispiel:
Z π
sin(tx)
(1) F (x) = dt,
1 t
Z π Z π
0 00
F (x) = cos(tx)dt, F (x) = - t sin(tx)dt
1 1
2 Folgerung hhhh
Es seien h, g : [a, b] → R stetig diffbar. Dann ist
Z h(x) Z h(x)
d ∂
f (x, y)dy = f (x, y)dy + f x, h(x) h0 (x) − f x, g(x) g 0 (x)
dx g(x) g(x) ∂x
Beweis: Betrachte Z v
(x, u, v) 7→ F (x, u, v) := f (x, y)dy und setze u = g(x), v = h(x)
u
Kettenregel §9.4, Satz 4 ⇒

d
F x, g(x), h(x) = D1 F x, g(x), h(x) · 1 + D2 F (. . . )g 0 (x) + D3 F (. . . )h0 (x)
dx Z v
∂
D1 F (x, u, v) = f (x, y)dy
h ∂x

D2 F (x, u, v) = -f (x, u) 
§5.3, Hauptsatz 3
D F (x, u, v) = f (x, v) 
3
Beispiel:
(2) Es sei f : R → R stetig. Betrachte

Z
1 t
x(t) := f (s) sin k(t − s)ds, k > 0
Zk t 0
ẋ(t) = f (s) cos k(t − s)ds + 0
0Z
t
ẍ(t) = -k f (s) sin k(t − s)ds + f (t) · 1
0
⇒ ẍ(t) + k 2 x(t) = f (t) mit x(0) = 0, ẋ(0) = 0
Damit: t 7→ x(t) löst das AWP
ẍ(t) + k 2 x(t) = f (t), x(0) = 0, ẋ(0) = 0
10.2 Kurvenintegrale:
 
x(t)
 
 
Gegeben: C -Weg w : [a, b] 3 t 7→ w(t) = y(t) ∈ R3 (z. B. gebogener
1
 
t(t)
Draht)

Die Kurve besitzt im Punkt w(t) die skalare Belegung f w(t) (Masse oder
Ladung)

[a, b] 3 t 7→ f w(t) ∈ R sei stetig.
Gesucht: Gesamtmasse, Gesamtladung

Zerlegung Z: a = t0 < t1 < · · · < tn = b
w(ti−1 )
∆ti = ti − ti−1
∆Si
w(a)
w(τi )
w(b)
w(ti )
Länge des Kurvenstückes ∆si :

Z ti Z ti p
∆si = |ẇ(t)|dt = ẋ2 (t) + ẏ 2 (t) + ż 2 (t) dt
ti−1 ti−1
∆si = |ẇ(τi )|∆ti nach MWS §5.2, Satz 2

⇒ f w(τi ) ∆si = f w(τi ) |ẇ(τi )|∆ti
gggggg ↑ Näherung für die Belegung des i-ten Kurvenstückes
n
X
Gesamtbelegung G ≈ f w(τi ) |ẇ(τi )|∆i (RIEMANNsche Summe)
i=1
Grenzübergang |z| → 0 :⇒
Z b
G= f w(t) |ẇ(t)|dt (∗)
a
1 Definition (Kurvenintegral 1. Art)

Man nennt (∗) das Kurvenintegral von f längs w.
Z
Bezeichnung: f ds
w
Beachte:
p
Das Bogenelement ds = |ẇ(t)|dt = ẋ2 (t) + ẏ 2 (t) + ż 2 (t) dt im Kurvenpunkt
w(t) trägt die Belegung

dm = f w(t) ds = f w(t) |ẇ(t)|dt.
Die ”kontinuierliche Summation = Integration” ergibt die Gesamtbelegung

Z Z Z b
M= dm = f ds = f w(t) |ẇ(t)|dt
w w a
2 Bemerkung hhh
(a) Die zwei Wege w1 : [a, b] → R3 und w2 : [c, d] → R3 mögen dieselbe

Kurve beschreiben, d. h. es sei
{w1 (t) ∈ R3 : t ∈ [a, b]} = {w2 (t) ∈ R3 : t ∈ [c, d]}
Bsp:
 
t 
[0, 1] 3 t 7→ w1 (t) =   ∈ R2 
 Durchlauf derselben Kurve mit


t2
 
sin t 

π 
 unterschiedlicher Geschwindigkeit
[0, ] 3 t 7→ w2 (t) =  ∈R
2 2
sin t
Dann ist
Z b Z d

f w1 (t) |ẇ1 (t)|dt = f w2 (t) |ẇ2 (t)|dt
a c
Z
Die Bezeichnung f ds symbolisiert die Unabhängigkeit von der
w
speziellen Parametrisierung der Kurve.
(b) Es sei w : [a, b] → R3 ein Weg, betrachte den neuen Weg
w− : [a, b] 3 t 7→ w− (t) := w(a + b − t) ∈ R3 (Umkehrung der

Durchlaufrichtung)
Z Z
(a)
⇒ f ds = f ds (Unabhängigkeit von der Durchlaufrichtung!)
w w−
denn:
Z Z b

f ds = f w(a + b − t) |ẇ(a + b − t) · (-1)|dt
w− aZ a Z

=− f w(τ ) |ẇ(τ )|dτ = f ds
b w
↑ τ = a + b − t, dτ = −dt
3 Anwendungen hhhh
(a) Länge eines Weges (eines Kurvenstückes)
setze f =
Z1 Z b Z bp
L(w) = ds = |ẇ(t)|dt = ẋ2 (t) + ẏ 2 (t) + ż 2 (t) dt
w a a
§
vgl. 5.5(b)

(b) Masse:
ρ(x, y, z) sei Massendichte einer Kurve,
dm =Zρ(x, y, z)ds
Z heißt jetzt Massenelement
Z b

M= dm = ρ(x, y, z)ds = ρ w(t) |ẇ(t)|dt
w w a
(c) Momente und Schwerpunkt:

In (x, y, z) ∈ R3 befinde sich ein Massenpunkt der Masse dm ⇒
Die k-ten Momente bez. der Koordinatenebenen sind
xk dm, y k dm, z k dm
k = 1: statische Momente
k = 2: Trägheitsmomente
⇒ die k-ten Momente der von w erzeugten Kurve mit der Massendichte
ρ(x, y, z) sind
Z Z
k
Mx,k = x dm = xk ρ(x, y, z)ds
w w
Z Z
k
My,k = y dm = y k ρ(x, y, z)ds
w w
Z Z
Mz,k = z k dm = z k ρ(x, y, z)ds
w w
Z
Sei M = ρ(x, y, z)ds (Gesamtmasse)
w
Der Punkt S = (xs , ys , zs ) ∈ R3 , in dem eine Punktmasse der Größe M
das selbe statische Moment wie die Kurve besitzt, heißt Schwerpunkt oder
Massenmittelpunkt:
Z
1
xs = xρ(x, y, z)ds
M w
Z
1
ys = yρ(x, y, z)ds
M w
Z
1
zs = zρ(x, y, z)ds
M w
beachte: Der Schwerpunkt ist i.a. kein Punkt der Kurve.
Beispiel:
(1) Schraubenlinie:
 
r cos t
 
 
[0, 2πn] 3 t 7→ w(t) =  r sin t  ∈ R3 , r > 0, h > 0 (h: Ganghöhe)
 
ht
fffffffff↑ n Windungen, n ∈ N
(a) Weglänge: ρ(x, y, z) ≡ 1

Z
1
L= ds; ds = (r2 sin2 t + r2 cos2 t + h2 ) 2 dt
w
√
ds = | r2{z+ h}2 dt = Rdt
Z 2πn
=:R
L= Rdt = 2πnR
0
(b) geometrischer Schwerpunkt: ρ ≡ 1

Z Z 
1 Rr 2πn
xs = xds = cos tdt = 0 
 klar aus geometrischen
L w L 0 
Z Z
1 Rr 2πn
ys = yds = sin tdt = 0 
 Gründen.

L w L 0
Z Z 2πn
1 Rh Rh2π 2 n2
zs = zds = tdt = =π·n·h
L w L 0 2πnR
| {z }
1 2 2πn
= t |0 = 2π 2 n2
2
H
H := 2πnh = Höhe der Schraubenlinie ⇒ zs =
2
(c) Schwerpunkt für ρ(x, y, z) := z
Z 2πn
M= htRdt = 2π 2 n2 hR
0
xs = y s = 0
Z 2πn
1 4 2
zs = hthtRdt = hπn = H
M 0 3 3
4 Definition (Kurvenintegrale 2. Art)

Es sei D ⊂ R3 offen, g : D → R3 ein stetiges Vektorfeld und w : [a, b] → D ein
C 1 -Weg.
Man nennt
Z Z b
g · dx := g w(t) · ẇ(t)dt
w a
das Kurvenintegral von g längs w.

Schreibweise in Komponenten: dx = (dx1 , dx2 , dx3 )T ⇒
Z Z
g · dx = g1 dx1 + g2 dx2 + g3 dx3
w w
5 Bemerkung hhhhhhh
(a) Es sei w : [a, b] → R3 ein C 1 - Weg mit ẇ(t) 6= 0 ∀t ∈ [a, b]

1
T : [a, b] 3 t 7→ T (t) := ẇ(t) ∈ R3 (Tangentialeinheitsvektor im
|ẇ(t)|
Punkt t ∈ [a, b])
w(t)
g(w(t))
·
T (t)
w(a)
w(b)

[a, b] 3 t 7→ g w(t) · T (t) ∈ R
↑
Tangentialkomponente des Vektorfeldes ρ längs w
§
(vgl 6.4 Anw. 7(b))
Z Z b Z

⇒ g · dx = {g w(t) · T (t)} |ẇ(t)|dt = (g · T )ds
w a | {z } w
=ds
ggg↑ 2. Art fffffffffffffffffffffffffgggffffffffhhhhhhhhh↑ 1. Art

(b) Änderung der Durchlaufrichtung: vgl. Bem. 2(b)
ẇ− (t) = −ẇ(t) ⇒ der Tangentenvektor T geht in −T über ⇒

Z Z
g · dx = − g · dx
w− w
Beispiele: (hier x1 := x, x2 := y, x3 := z)
Z
(2) A = x2 ydx + (x − z)dy + (xyz)dz
w
längs der Kurve, die bestimmt ist durch den Graphen y = x3 , 0 ≤ x ≤ 2
in der Ebene z = 2.
beachte: hier ist der Integrationsweg geometrisch beschreiben

(i) Parametrisiere die Kurve: 

t
 
 
w : [0, 2] 3 t 7→ w(t) = t3  ∈ R3 (damit ist die Laufrichtung festge-
 
2
legt!)
(ii) Berechne ẇ(t)dt = (dx, dy, dz)T

ẇ(t)dt = (dt, 3t2 dt, 0)T
(ii) Berechne das Kurvenintegral als bestimmtes Integral:

ρ(x, y, z) = (x2 y, x − z, xyz)T

ρ w(t) = (t2 t3 , t − 2, t · t3 · 2)T
Z 2
A= (t5 + (t − 2) · 3t2 + 2t4 · 0)dt
0
1 3 64 48 32 − 12 20
= [ t6 + t4 − 2t3 ]20 = + − 16 = = .
6 4 6 |4 {z } 3 3
=−4
 
1 −y
(3) ρ : R2 \{0} 3 (x, y) 7→ ρ(x, y) =   ∈ R2
+y 2 x2
x
w : einmal positiv durchlaufener Einheitskreis
(i) x = cos t, y = sin t, 0 ≤ t ≤ 2π
(ii) dx = - sin tdt, dy = cos tdt

 
- sin t
(iii) ρ(cos t, sin t) =  
cos t
Z Z 2π
2
A= ρ1 dx + ρ2 dy = (sin + cos2 }t)dt = 2π
| t {z
w 0
=1
y

ρ w(t) ist Tangentialvektor von w
1 x
6 Physikalische Bedeutung hhh

Es sei K : R3 → R3 ein Kraftfeld.
Die im Kurvenpunkt w(t) längs des Weges dx = ẇ(t)dt geleistete Arbeit be-

trägt dA = K · dx = (K · T )ds vgl. Bem 5(a)
K
Die von
Z K längs w geleistete Arbeit ist
w(t)
A= K · dx
dx w
7 Definition k.gjb
Es sei G ⊂ R3 ein Gebiet, d. h. G ist offen und zusammenhängend. (je zwei
Punkte aus G sind durch einen Polygonzug verbindbar).
Ein Vektorfeld f ∈ C(G, R3 ) heißt konservativ oder ein Potentialfeld oder ein
Gradientenfeld, wenn es eine Funktion ϕ ∈ C 1 (G, R) gibt mit
f (x) = grad ϕ(x), x ∈ G
In diesem Falle heißt ϕ : G → R eine Stammfunktion und U := -ϕ eine

Potentialfunktion (oder ein Potential) von f .
beachte: Das Vorzeichen ist so gewählt, dass f = -grad U in die Richtung

zeigt, in der die Potentialfunktion U den stärksten Abfall hat. (vgl §9.4.3)
8 Erster Hauptsatz für Kurvenintegrale izlugkjb

Es seien G ⊂ R3 ein Gebiet und f ∈ C(G, R3 ) ein Gradientenfeld mit Stamm-
funktion ϕ ∈ C 1 (G, R), also f = grad ϕ auf G. Dann gilt für jeden C 1 -Weg
w : [a, b] 3 t 7→ w(t) ∈ G
Z

f · dx = ϕ w(b) − ϕ w(a)
w
§
beachte: Analogie zu 5.3 Hauptsatz 3(b).
beachte: Das Integral ist nur abhängig von Anfangs- und Endpunkt des Weges
w und unabhängig von Verlauf des Weges. Man sagt: das Integral ist
wegunabhängig.
Beweis:
Z Z Z b
f · dx = ( grad ϕ) · dx = ( grad ϕ w(t) · ẇ(t)dt
w w a
Z b
d
[ϕ w(t) ]dt = ϕ w(b) − ϕ w(a)
a dt
beachte: Es sei ψ : G → R ebenfalls eine Stammfunktion von f ,

also f = grad ψ auf G ⇒
Für jeden C 1 -Weg w, der x0 ∈ G mit x ∈ G verbindet, ist
Z
f · dx = ϕ(x) − ϕ(x0 ) = ψ(x) − ψ(x0 )
w

⇒ ψ(x) = ϕ(x) + ψ(x0 ) − ϕ(x0 ) ∀∈G
| {z }
=:c ∈R
Zwei Stammfunktionen von f unterscheiden sich nur durch eine additive

Konstante.
(vgl. §5.3, Satz 2)
Beispiel:
(4) Zentrales Kraftfeld:

a
K : R3 \{0} 3 x 7→ K(x) := 3
x ∈ R3 , a < 0
|x|
a
U : R3 \{0} 3 x 7→ U (x) := ∈R⇒
|x|
1 1
K = - grad U, denn =p 2 ,
|x| x1 + x22 + x23
∂ 1 1 1 -xi
=- 2 · · 2xi = 3
∂xi |x| |x| 2|x| |x|
3
Z längs eines ZWeges w : [a, b] → R mit w(t) 6= 0 ∀t :
Arbeit

A= K · dx = - ( grad U ) · dx = U w(a) − U w(b)
w w
9 Bemerkung ffff
Es seien w ein geschlossener stückweiser C 1 -Weg und f ein Gradientenfeld.
Dann ist
w2−
2 C 1 -Weg
I ↓ w1 →
f · dx = 0
←w
2
Frage: Wann ist ein Vektorfeld ein Gradientenfeld?

(Es ist von Intresse zu wissen, ob ein Kurvenintegral wegunabhängig ist. Mit
Kenntnis des Stammfunktion ist dann das Kurvenintegral wegen Satz 8 ”leicht”
zu berechnen!)
10 Zweiter Hauptsatz für Kurvenintegrale hhhh

Es sei G ⊂ R3 offen und konvex (die Verbindungsgerade von je zwei Punkten
aus G liegt ganz im G). Ein C 1 -Vektorfeld f : G → R3 ist ein Gradientenfeld
genau dann, wenn die Integrabilitätsbedingung
(∗) Jf (x) = Jf (x)T ∀x ∈ G
erfüllt ist.
beachte:
(∗) ⇔ die JACOBI- Matrix Jf (x) ist symmetrisch ∀x ∈ G

∂fi ∂fj
⇔ = , i, j = 1, 2, 3 auf G
∂xj ∂xi
⇔ rot f (x) = 0 ∀x ∈ G ”f ist wirbelfrei”
Beweis:
(i) Sei f (x) = grad ϕ(x) ∀x ∈ G ⇒

∂fi ∂ ∂ ∂ ∂ ∂fj
= ϕ = ϕ = auf G
∂xj ∂xj ∂xi ∂xi ∂xj ∂xi
gggggggggggggggggg↑ §9.2 Satz 3, da ϕ eine C 2 -Fkt.
(ii) Sei (∗) erfüllt und x0 ∈ G fest gewählt.

Für jedes x ∈ G ist w : [0, 1] 3 t 7→ w(t) = x0 + t(x − x0 ) ∈ G
ein Weg von x0 nach x (Verbindungsstrecke, G konvex!)

Setze
Z
ϕ(∗) := f · dx
w
(∗∗) Z 1
= f x0 + t(x − x0 ) · (x − x0 )dt, x ∈ G
0
⇒ grad ϕ(x) = f (x) ∀x ∈ G
11 Bemerkung ggg
(a) Gilt (∗), d.h. rot f (x) = 0 ∀x ∈ G, so ist mit Formel (∗∗) eine Stamm-
funktion ϕ : G → R von f konstruierbar!
(b) Es können auch andere Wege von x0 nach x gewählt werden:

Vorzugsweise ein Streckenzug, der stückweise parallel zu den Koordina-
tenachsen verläuft:
(0) (0) (0) w1 (0) (0) w (0) w

x0 = x1 , x2 , x3 → (x1 , x2 , x3 ) →2 (x1 , x2 , x3 ) →3 (x1 , x2 , x3 ) = x,
falls G dies zuläßt!
Z Z Z
⇒ ϕ(x1 , x2 , x3 ) = f · dx + f · dx + f · dx
w1 w2 w3
 
(0) (0)
x + t(x1 − x1 )
 1 
 
w1 : [0, 1] 3 t 7→  x2
(0)
 ∈ R3
 
(0)
x3
   
(0) (0)
x1 − x 1 x1 − x1
   
   
ẇ1 (t) =  0  , dx =  0  dt
   
0 0
Z Z 1
(0) (0) (0) (0) (0)
f · dx = f1 (x1 + t(x1 − x1 ), x2 , x3 )(x1 − x1 ) dt
w1 0
Z x1
(0) (0)
= f1 (τ, x2 , x3 ) dτ
(0)
x1
(0) (0) (0)
↑ Substitution τ = x1 + t(x1 − x1 ), dτ = x1 − x1
Z Z x2
(0)
f · dx = f2 (x1 , τ, x3 ) dτ
(0)
w2 x2
Z Z x3
f · dx = f3 (x1 , x2 , τ ) dτ
(0)
w3 x3
↑ analog
(c) Siehe große Übung für eine weitere Methode zur Bestimmung von Stamm-
funktionen
Beispiel:
(5) Einbettung von Bsp. (3) aus dem R2 in dem R3  

-y
1  
3  
f : R \{z-Achse } 3 (x, y, z) 7→ f (x, y, z) = 2 2
 x  ∈ R3
x +y  
0
 

0 e D1 f1
  1
 
rot f =  0  = e2 D2 f2
 
∂f2 ∂f1
∂x
− ∂y
e 3 D3 f 3

(x2 + y 2 ) − 2x2 y 2 − x2 
D1 f2 (x, y) = = 

(x2 + y 2 )2 (x2 + y 2 )2 
(x2 + y 2 ) − 2y 2 y 2 − x2 =
D2 f1 (x, y) = - = 

(x2 + y 2 )2 (x2 + y 2 ) 

⇒
I rot f = 0 aber
f · dx = 2π 6= 0 nach Bsp (3)
↑ w: pos. orientierter Einheitskreis in (x, y)-Ebene
beachte: f erfüllt (∗) auf G, aber G = R3 \{z-Achse} ist nicht konvex!
10.3 Integration über ebene Bereiche
Ziel: Berechnung der Volumina von krummflächig begrenzten Körpern im R3 .

Sei B ⊂ R2 . B habe einen wohlbestimmten Flächeninhalt.
f : B 3 (x, y) 7→ f (x, y) ∈ R sei beschränkt, f ≥ 0
Betrachte die Menge
M := {(x, y, z) ∈ R3 : (x, y) ∈ B, 0 ≤ z ≤ f (x, y)}
Gesucht: Volumen V der Menge M .

Die Vorgehensweise ist völlig analog zu §5.1.
Es sei zunächst
Q := {(x, y) ∈ R2 : a ≤ x ≤ b, c ≤ y ≤ d}
ein achsenparalleles Rechteck und f : Q → R, f beschränkt und f ≥ 0.

Man beschreibt dies auch kürzer durch
Q = [a, b] × [c, d].
Sein Flächeninhalt ist
FQ = (b − a)(d − c).
Das Rechteck Q zerlegen wir in Teilrechtecke, wie es die folgende Abbildung

zeigt.
Q
d = yq
Q1 Q2 Q3 ··· ···
..
.
y2
y1
··· Qm
c = y0
a = x0 x1 x2 ··· xp = b
D. h. Wir wählen eine
Zerlegung Zx = {[x0 , x1 ], . . . , [xp−1 , xp ]} von [a, b]
und eine
Zerlegung Zy = {[y0 , y1 ], . . . , [yq−1 , yq ]} von [c, d],
und bilden daraus die Teilrechtecke

[xi−1 , xi ] × [yk−1 , yk ]
für alle i = 1, . . . , p und k = 1, . . . , q. Diese Teilrechtecke nummerieren wir

(zeilenweise) von 1 bis m = pq durch und nennen sie Q1 , Q2 , . . . , Qm . Die
Menge Z = {Q1 , Q2 , . . . , Qm } der Teilrechtecke nennt man eine Zerlegung von
Q. Der maximale Durchmesser der Qi heißt die Feinheit der Zerlegung Z. Je
kleiner die Feinheit, desto feiner die Zerlegung.
1 Definition jkhwevb
Es sei f eine reelle beschränkte Funktion auf einem Rechteck Q.
(I) Z = {Q1 , Q2 , . . . , Qm }
sei eine beliebige Zerlegung von Q in Teilrechtecke Qi . Die Flächeninhalte der

Rechtecke werden mit FQ bez. FQi bezeichnet.
(II) Mit
Mi := sup f (x), mi := inf f (x)

x∈Qi x∈Qi
bildet man
m
X
Sf (Z) := Mi FQi , genannt Obersumme von f bzw. Z,
i=1
m
X
sf (Z) := mi FQi , genannt Untersumme von f bzw. Z
i=1
und
I f := inf Sf (Z), genannt Oberintegral von f auf Q,

Z
I f := sup sf (Z), genannt Unterintegral von f auf Q.
Z
Infimum und Supremum werden dabei bez. sämtlicher denkbarer Zerlegung Z

von Q gebildet.
(III) Stimmen Ober- und Unterintegral von Q überein, so heißt f integrierbar
auf Q. In diesem Falle heißt der gemeinsame Wert I f = I f das Integral von f
auf Q, beschrieben durch
Z Z
f (x, y) dxdy
Q
Schreibweise für das Integral:

Z Z Z Z Z

f (x, y) d(x, y) = f (x, y) dF = f dF = f (x, y) d(x, y)
Q Q Q Q
Z
1. Frage: Wie kann man Bereichsintegrale f (x, y) d(x, y) für integrierbares
Q
f : Q → R ausrechnen?
Betrachte eine bel. Zerlegung Zy von [c, d]. Lege Ebenen parallel zur (x, z)-
Ebene durch die Zerlegungspunkte yi von Zy .
Die Menge M wird in ”Scheiben” zerschnitten, für deren Volumen ∆Vi gilt:
Z b
∆Vi ≈ ∆yi f (x, yi ) dx
a
Xq Z b

V ≈ f (x, yi ) dx ∆yi
i=1 a
Rb
hhhhh↑ RIEMANNsche Summe von y 7→ a
f (x, y) dx bez. Zy
Grenzübergang |zy | → 0 :
Z d Z b Z d Z b

V = f (x, y) dx dy =: f (x, y) dx dy
c a c a
ggggggggg↑ erst das innere Integral berechnen!
Die ”Scheiben” können auch in der anderen Achsenrichtung genommen wer-

den, d. h. x und y können ihre Rolle tauschen ⇒
Z d Z b Z bZ d
f (x, y) dx dy = f (x, y) dy dx
c a a c
Satz von FUBINI, vgl §10.1.1
2 RIEMANNsche Summen hhhh

Es sei Z = {Q1 , . . . , Qm } eine Zerlegung von Q.
Wähle (ζi , ηi ) ∈ Qi , i = 1, . . . , m bel. ”Zwischenpunkt”.
RIEMANNsche Summe:
m
X Z
|z|→0
f (ζi , ηi )FQi −→ f (x, y) d(x, y)
i=1 Q
3 Bemerkungen kkkhvkh,
(a) Es sei f (x, y) = h = konst ∀(x, y) ∈ Q, d. h. M ist ein Quader:

Z Z dZ b Z d
V = h d(x, y) = h dx dy = [hx]ba dy =
Z Qd c a c
h= h(b−a) dy = h(b−a)y|dc = h(b−a)(d−c) (wie zu erwarten!)

c
(b) Wenn f (x, y) < 0 ist, dann werden die entsprechenden Volumenanteile
durch das Integral automatisch negativ gezählt!
Beispiele:
(1) Q = [0, 1] × [0, 2] = {(x, y) ∈ R2 : 0 ≤ x ≤ 1, 0 ≤ y ≤ 2}

f : QZ3 (x, y) 7→ f (x, y) :=Z 2 − xy ∈ R
2Z 1 Z 2
1
V = (2 − xy) d(x, y) = (2 − xy) dx dy = [2x − yx2 ]x=1
x=0 dy
Q 0 0 0 2
hhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhh↑ erst das innere Inte-
gral
Z berechnen
2
1 1
= (2 − y) dy = (2y − y 2 )|20 = 3
Z0 1 Z 2 2 4
= (2 − xy) dy dx (nachrechnen!)
0 0
2
(2) Q = Z[0, 1] × [0, 2π], f : Q 3 (x, y) 7→ f (x, y) := e-x cos y ∈ R
Z 2π 1
2
e-x cos y dx dy
0
|0 {z }
R 1 -x2
= cos y 0 e dx ist nicht elementar lösbar
Z 1 Z 2π Z 1
-x2 2
= e cos y dy dx = e-x [sin y]y=2π
y=0 dx
Z0 1 0 0
2
= [0 − 0]e-x dx = 0
0
4 Integration über Normalbereiche kkk

Gegeben: f : B 3 (x, y) 7→ f (x, y) ∈ R stetig
ggggggggggg↑ B ⊂ R2 keine achsenparalleles Rechteck
Z
Frage: Wie ist f (x, y) d(x, y) zu erklären?
B
Wie dann zu berechnen?
Es sei B ⊂ R2 beschränkt und B ⊂ Q = [a, b] × [c, d]

Setze f : Q → R mit


f (x, y) für (x, y) ∈ B
f (x, y) := triviale Fortsetzung von f auf Q

0 für (x, y) ∈ Q\B
Für spezielle Bereiche B ⊂ R2 existiere dann

Z
f d(x, y) unabhängig von der Wahl von Q, B ⊂ Q
Q
Dann setzt man

Z Z
f (x, y) d(x, y) := f (x, y)d(x, y)
B Q
Man nennt B ⊂ R2 einen Normalbereich von Type I, wenn es C 1 -Funktionen

g, h : [a, b] → R mit g ≤ h und
B = {(x, y) ∈ R2 : a ≤ x ≤ b, g(x) ≤ y ≤ h(x)}.
y f (x, y) = 0
d Q
y = h(x)
y = g(x)
c
a x b x
f (x, y) = f (x, y)
Z Z Z b Z d
f (x, y) d(x, y) = f (x, y) d(x, y) = f (x, y) dy dx
B Q a c
| {z }
R h(x)
= g(x) f (x,y) dy
Folglich:
Für jedes stetige f : B → R auf einem Normalbereich B ⊂ R2 vom Type I
gilt:
Z Z b Z h(x)
f (x, y) d(x, y) = f (x, y) dy dx
B a g(x)
Mann nennt B ⊂ R2 einen Normalbereich vom Type II, wenn es C 1 -Funktionen

l, r : [c, d] → R gibt mit l ≤ r und
B = {(x, y) ∈ R2 : c ≤ y ≤ d, l(y) ≤ x ≤ r(y)}

y x = l(y) x = r(y)
d
y f (x, y) = 0
Q
c
a b x
Für jedes stetige f : B → R auf einen Normalbereich B ⊂ R2 vom Type II

gilt:
Z Z d Z r(y)
f (x, y) d(x, y) = f (x, y) dx dy
B c l(y)
5 Bemerkungen hhh
(a) Wenn nötig zerlege einen Integrationsbereich B ⊂ R2 durch achsenpar-

allele Schnitte in Normalbereiche B1 , B2 , . . . , Bn vom Typ I oder II:
Z n Z
X
f (x, y) d(x, y) = f (x, y) d(x, y)
B i=1 Bi
Wähle die Aufteilung B = B1 ∪ B2 ∪ · · · ∪ Bn günstig für die zu berech-

nenden Integrale.
(b) Spezialfall: Flächeninhalt des Normalbereiches B vom Type I:

Z Z b Z h(x) Z b

F = d(x, y) = dy dx = h(x) − g(x) dx
B a g(x) a
Beispiele:
(3) B ⊂ R2 sei berandet durch y = x, xy = 1 und y = 2

y y=x
2 y=2
B
1
1
y=
x
x
1 2
Berechne:
(a) Flächeninhalt
Z
F = d(x, y)
B
y2
(b) Volumen des auf B stehendem Zylinder mit der Deckfläche z =
x2
Z
y2
V = d(x, y)
B x2
B ⊂ R2 ist Normalbereich vom Type II:
1
B = {(x, y) ∈ R2 : 1 ≤ y ≤ 2, ≤ x ≤ y}
y
Z 2 Z y Z 2
1 1
(a) F = dx dy = y − ) dy = [ y 2 − ln y]21
1 1
y
1 y 2
4 1 3
= − − ln 2 = − ln 2
2 2 2
Z 2 Z y 2 Z 2 2 Z 2
y y x=y
(b) V = dx dy = [- ]x= 1 dy = [−y + y 3 ] dy
1 x2 x y
1 y
1 1
1 1 4 16 1 1 9
V= [- y 2 + y 4 ]21 = - + + − =
2 4 2 4 2 4 4
Weitere Möglichkeit:
Zerlege B längs des Schnittes x = 1 in zwei Normalbereiche vom Type I:
Z 1 Z 2 Z 2 Z 2 2
y2 y 9
V = 2
dy dx + 2
dy dx =
1 x
1
2 x
1 x x 4
ddddddddddddddddddddddddddddhhhhddd ↑ nachrechnen!
(4) Bestimme den geometrischen Schwerpunkt (x, y) eines Normalbereiches

vom Type I:
y
f (x)
(x, y)
Z b
B
g(x) F = f (x) − g(x) dx
a
Vgl Bem 5(b)
x
Z Z bZ f (x)
1 1
x= = xd(x, y) = x dy dx
F B F a g(x)
Z
1 b
= x f (x) − g(x) dx
F a
Z Z Z Z
1 1 b f (x) 1 b 1 2 y=f (x)
y= yd(x, y) = y dy dx = [ y ] dx
F B F a g(x) F a 2 y=g(x)
Z b
1
= f 2 (x) − g 2 (x) dx
2F a
Volumen eines Rotationskörper bei Rotation von B um die x-Achse,

g(x) ≥ 0 ∀x ∈ [a, b]
Z b
V =π f 2 (x) − g 2 (x) dx = F · 2πy
a
Damit gezeigt:
6 Satz (1. GULDINsche Regel) Volumen eines Rotationskörpers=

(Flächeninhalt der erzeugenden Fläche)·(Länge des Schwerpunktweges dieser
Fläche bei einer vollen Umdrehung)
10.4 Integration über Flächen im Raum
Zur Erinnerung: Weg im Raum

 
x(t)
 
 
γ : [t0 , t1 ] 3 t 7→ γ(t) = y(t) ∈ R3
|{z}  
=:I
z(t)
Die Kurve γ(I) ⊂ R3 ist das Bild des Intervalls I ⊂ R, ”Deformation einer
Geraden”.
1 Definition hhh
Es bezeichne D ⊂ R2 einen ”regulären” Bereich in der (u, v)-Ebene (etwa:
Rechteck D = [a, b] × [c, d]). Es seien G ⊂ R2 offen mit D ⊂ G und Φ ∈
C 1 (G, R3 ). Dann heißt die (eingeschränkte) Abbildung
 
  x(u, v)
u  
   
Φ:D3 7→ Φ(u, v) := y(u, v) ∈ R3
v  
z(u, v)
mit den Eigenschaften
(i) Φ(u, v) 6= Φ(u0 , v 0 ), wenn (u, v) 6= (u0 , v 0 ) (Φ ist injektiv)

∂ ∂
(ii) Φ(u, v) × Φ(u, v) 6= 0 ∀(u, v) ∈ D
∂u ∂v
eine Fläche mit dem Parameterbereich D.
Die Punktmenge S := {Φ(u, v) ∈ R3 : (u, v) ∈ D} = Φ(D) heißt das durch die

Parameterdarstellung Φ erzeugte Flächenstück.
S = Φ(D) ist das Bild eines ebenen Parameterbereichs, ”Deformation einer

Ebene”.
Hierdurch ist es möglich, Oberflächen darzustellen, die keine Graphen sind.
(i) bedeutet: zu jedem (x0 , y0 , z0 ) ∈ S gibt es genau ein (u0 , v0 ) ∈ D mit
x0 = x(u0 , v0 ), y0 = y(u0 , v0 ), z0 = z(u0 , v0 ).
Wähle nun (u0 , v0 ) ∈ D fest. Betrachte die Abbildungen


u 7→ Φ(u, v0 ) ∈ S 
Die Kurven auf S von diesen Wegen
und v 7→ Φ(u0 , v) ∈ S 
heißen die Parameterlinien v0 = konst und u0 = konst.

v
∂
Φ(u0 , v0 )
D ∂v
(u0 , v0 ) Φ
u0 =konst.
n
u
Φ(u0 ,v0 )
v0 =konst.
z
∂
Φ(u0 , v0 )
∂u
Jede der Parameterlinien besitzt einen Tangentialvektor:

   
∂ ∂
x(u0 , v0 ) x(u0 , v0 )
∂  ∂u  ∂  ∂v 
∂  ∂ 
Φ(u0 , v0 ) =  ∂u y(u0 , v0 ) , Φ(u0 , v0 ) =  ∂v y(u0 , v0 )
|∂u {z } ∂  ∂v 
∂

=D1 Φ(u0 ,v0 ) ∂u
z(u ,
0 0 v ) ∂v
z(u ,
0 0v )
Es ist D1 Φ(u0 , v0 ) der Tangentialvektor an die Parameterlinie v0 = konst.

u 7→ Φ(u, v0 ) im Punkt u = u0
∂ ∂
(ii) bedeutet: Die Tangentialvektoren Φ(u0 , v0 ) und Φ(u0 , v0 ) sind li-
∂u ∂v
near unabhängig ⇒
Es existiert im Punkt Φ(u0 , v0 ) ∈ S die Tangentialebene T an S in der
Parameterdarstellung
 
x
 
 
y  = Φ(u0 , v0 ) + λD1 Φ(u0 , v0 ) + µD2 Φ(u0 , v0 ), λ, µ ∈ R
 
z
kk↑ Punkt auf der Tangentialebene.
D1 Φ(u0 , v0 ) × D2 Φ(u0 , v0 ) ist ⊥ zu T .

Flächennormale von S:
D1 Φ(u, v) × D2 Φ(u, v)
n : D 3 (u, v) 7→ n(u, v) := ∈ R3
|D1 Φ(u, v) × D2 Φ(u, v)|
Rand des Flächenstücks S:
∂S := {Φ(u, v) ∈ S : (u, v) ∈ ∂D}
Beispiele:
(1) Ebene: a, b, p ∈ R3 mit a × b 6= 0

Ebene:D = R2
Φ : D 3 (u, v) 7→ Φ(u, v) := p + ua + vb ∈ R3
x(u, v) = p1 + ua1 + vb1
y(u, v) = p2 + ua2 + vb2
z(u, v) = p3 + ua3 + vb3
D1 Φ(u, v) = a, D2 Φ(u, v) = b
(2) Graphen: Es sei z = h(x, y) mit h ∈ C 1 (G, R), G offen, D ⊂ G

 
x
 
 
Φ : D 3 (x, y) 7→ Φ(x, y) =  y  ∈ R3
 
h(x, y)
Parameterlinien sind die Schnitte mit den Ebenen x = konst, bzw y =

konst
   
1 0
   
   
D1 Φ(x, y) =  0  , D2 Φ(x, y) =  1 
   
hx (x, y) hy (x, y)

-hx (x, y), -hy (x, y), 1
n(x, y) = q
1 + h2x (x, y) + h2y (x, y)
(3) Rotationsflächen:  
x(t)
 
 
Sei γ : [a, b] 3 t 7→ γ(t) =  0  ∈ R3 ein C 1 -Weg ohne Doppelpunkte
 
z(t)
mit x(t) ≥ 0
z
γ(t)
x(t)
2π] ⊂ R2 
Setze D := [a, b] × [0,
x(t) cos ϕ
 
 
D 3 (t, ϕ) 7→ Φ(t) =  x(t) sin ϕ  ∈ R3
 
z(t)
Parameterlinien: t = konst. sind Breitenkreise
ϕ = konst sind Meridiane
Spezialfälle:
(i) Sphäre (Kugeloberfläche)

 
r sin ψ
 
z  
γ : [0, π] 3 ψ 7→  0  ∈ R3
 
γ(ψ) r cos ψ
ψ
Setze D := [0, π] × [0, 2π]
r x
 
r sin ψ cos ϕ
 
 
Φ : D 3 (ψ, ϕ) 7→ Φ(ψ, ϕ) =  r sin ψ sin ϕ  ∈ R3
 
r cos ψ
Kugelkoordinaten: (r, ψ, ϕ) (vgl § 10.6.4)

z
z ·
   
x r sin ψ cos ϕ 0≤r≤∞
   
   
y  =  r sin ψ sin ϕ  0≤ψ≤π
   
r
z r cos ψ 0 ≤ ϕ ≤ 2π
ψ
y
ϕ y
x ·
r · sin ψ
(ii) Torus:
 
z R + r cos t
 
 
γ : [0, 2π] 3 t 7→  0  ∈ R3
 
r γ(t) r sin t
t
D := [0, 2π] × [0, 2π]
R x
-r
 
(R + r cos t) cos ϕ
 
 
Φ : D 3 (t, ϕ) 7→ Φ(t, ϕ) =  (R + r cos t) sin ϕ  ∈ R3
 
r sin t
2 Kurven auf Flächenstücken gggg

Es sei Φ : D 3 (u, v) 7→ Φ(u, ∈ R3 eine Fläche
 v)
u(t)
Es sei ferner [a, b] 3 t 7→  ∈ D ein C 1 -Weg
v(t)
im Parameterbereich D von Φ.
Betrachte:

γ : [a, b] 3 t 7→ γ(t) := Φ u(t), v(t) ∈ S ⊂ R3
↑ Weg, dessen Kurve auf dem Flächenstück S liegt
(Die Parameterlinien sind spezielle solche Kurven!)
Tangentialvektor:
 
u̇(t)
γ̇(t) = JΦ u(t), v(t)  
v̇(t)
 
D1 x(u, v) D2 x(u, v)
 


JΦ u(t), v(t) = D1 y(u, v) D2 y(u, v) = D1 Φ(u, v), D2 Φ(u, v) ∈ R3×2
 
D1 z(u, v) D2 z(u, v)

⇒ γ̇(t) = D1 Φ u(t), v(t) u̇(t) + D2 Φ u(t), v(t) v̇(t)

γ̇(t) liegt in der Tangentialebene durch den Punkt Φ u(t), v(t) ∈ S.
Länge des Weges γ:
Z b
S(t) = |γ̇(t)| dt, dabei ist
a
2
|γ̇(t)| = γ̇(t) · γ̇(t)
= (D1 Φ · D1 Φ)u̇2 + 2(D1 Φ · D2 Φ)u̇v̇ + (D2 Φ · D2 Φ)v̇ 2

Setze E(u, v) := D1 Φ(u, v) · D1 Φ(u, v) 



F (u, v) := D1 Φ(u, v) · D2 Φ(u, v) (u, v) ∈ D




G(u, v) := D2 Φ(u, v) · D2 Φ(u, v)
metrische Fundamentalgrößen
Z bq

⇒ S(t) = E u(t), v(t) u̇2 (t) + 2F u(t), v(t) u̇(t)v̇(t) + G u(t), v(t) v̇ 2 (t) dt
a
Mit Kenntnis von E, F, G ist es möglich, auf S Längen und Winkel zu messen
und Flächeninhalte zu bestimmen.
beachte: Es ist |D1 Φ × D2 Φ|2 = EG − F 2
Wegen: |a × b|2 = |a|2 |b|2 − (a · b)2 , a, b ∈ R3 §
( 6.5 Satz 2)
Beachte:
Auf Rotationsflächen schneiden sich die Parameterlinien stets senkrecht.
Dann ist F (u, v) = 0 ∀(u, v) ∈ D.
Bew.: Sei Φ : D → R3 wie unter (3)

 
ẋ(t) cos ϕ
∂   
 
⇒ D1 Φ = Φ =  ẋ(t) sin ϕ   
∂t   


ż(t) 
  D1 Φ · D2 Φ = 0.
-x(t) sin ϕ 

  

∂   

⇒D2 Φ = Φ =  x(t) cos ϕ  
∂ϕ  
0
3 Flächeninhalte ggg
Das Flächenstück S sei gegeben durch die Parameterdarstellung
 
  x(u, v)
u  
   
Φ:D3 7→ Φ(u, v) = y(u, v) ∈ R3 , D ⊂ R2
v  
z(u, v)
v
D D2 Φ(u0 ,v0 )∆v
v0 +∆v Φ u=u0
R u=u0 +∆u
v0
Φ(u0 ,v0 ) P
S
u
v=v0 +∆v
u0 u0 +∆u
v=v0
z
D1 Φ(u0 ,v0 )∆u

y
x
Betrachte das Parallelogramm P , das aufgespannt wird von den Vektoren

 
∆u
Φ(u0 + ∆u, v0 ) − Φ(u0 , v0 ) ≈ JΦ (u0 , v0 )   = D1 Φ(u0 , v0 )∆u
0
 
0
Φ(u0 , v0 + ∆v) − Φ(u0 , v0 ) ≈ JΦ (u0 , v0 )   = D2 Φ(u0 , v0 )∆v
∆v
gggggggggggggggggggggggg↑
bei Vernachlässigung des Fehlers, vgl 9.5, Satz 2§

beachte: JΦ (u0 , v0 ) = D1 Φ(u0 , v0 ), D2 Φ(u0 , v0 ) ∈ R3×2
Damit ist der Inhalt von P
∗ ∆O = |D1 Φ(u0 , v0 ) × D2 Φ(u0 , v0 )| |∆u∆v

{z }
Inhalt von R
Lege ein Netz aus Parameterlinien über S.

Summiere über alle Parallelogramme
Verfeinere das Netz ⇒
Z
O= |D1 Φ(u, v) × D2 Φ(u, v)| d(u, v)
D
Z
Flächeninhalt von S : O = dO
S
dO := |D1 Φ(u, v) × D2 Φ(u, v)| d(u, v)

√
= EG − F 2 d(u, v)
heißt Oberflächenelement der Fläche Φ
Spezialfälle:
(a) S ist ein Graph: Z = h(x, y) 

x
 
 
Φ : D 3 (x, y) 7→ Φ(x, y) =  y  ∈ R3
 
h(x, y)
     

1 0 -hx
      q
     
dO =  0  ×  1  d(x, y) = -hy  d(x, y) = 1 + h2x + h2y d(x, y)
     

hx hy 1
E(x, y) = 1 + h2x , F (x, y) = hx hy , G(x, y) = 1 + h2y

(b) S ist eine Rotationsfläche: eie Bsp. (3)  
x(t) cos ϕ
 
 
Φ : [a, b] × [0, 2π] 3 (t, ϕ) 7→ Φ(t, ϕ) =  x(t) sin ϕ  ∈ R3
 
z(t)
E(t, ϕ) = |D1 Φ(t, ϕ)|2 = ẋ2 (t) + ż 2 (t) , F = 0

G(t, ϕ) = |D2 Φ(t, ϕ)|2 = x2 (t)
p p
dO = x(t) ẋ2 (t) + ż 2 (t) d(t, ϕ) = E(t, ϕ) G(t, ϕ) d(t, ϕ)
Z 2π Z b p
O= x(t) ẋ2 (t) + ż 2 (t) dt dϕ
0 a
Z b p
O = 2π x(t) ẋ2 (t) + ż 2 (t) dt
a

(c) S ist eine Sphäre: wie Bsp. (3) (i)
x(ψ) = r sin ψ, z(ψ) = r cos ψ (hier: ψ statt t)
E(ψ, ϕ) = r2 , F = 0, G(ψ, ϕ) = r2 sin2 ψ
dO =Zr2 sin ψ d(ψ, ϕ),
2π Z π
O= r2 sin ψ dψ dϕ = 4r2 π
0 0
 
x(t)
 
 
Betrachte den Weg γ : [a, b] 3 t 7→  0  ∈ R3
 
z(t)
(xs , zs ) Medianschnitt der

Drehfläche
Z bp
Länge von γ: L = ẋ2 (t) + ż 2 (t) dt vgl § 10.2.3
a
Schwerpunkt von γ: (xs , zs ) vgl. § 10.2.3
Z Z p
1 1 b
mit xs = xds = x(t) ẋ2 (t) + ż 2 (t) dt
L γ L a
Folglich: O = 2πxs L, damit gezeigt:
4 Satz (2. GULDINsche Regel)

Flächeninhalt einer Rotationsfläche=

Länge eines Medianschnittes ×
Länge Länge des Schwerpunktweges dieses Schnittes
Länge bei einer vollen Umdrehung.
Betrachte f : [a, b] 3 x 7→ f (x) ∈ R, C 1 -Funktion Erzeuge die Rotationsfläche

y
Drehung um die x-Achse,
f (x) f (x) ≥ 0.
a b x
 
x
 
 
Φ : [a, b] × [0, 2π] 3 (x, ϕ) 7→ Φ(x, ϕ) = f (x) cos ϕ ∈ R3
 
f (x) sin ϕ

E(x, ϕ) = |D1 Φ|2 = 1 + f 0 (x)
2 


√ q 2
F (x, ϕ) = 0 EG − F = f (x) 1 + f 0 (x)
2


2 2 

G(x, ϕ) = |D2 Φ| = f (x)
Z bZ 2π q Z b q
2 2
O= 0
f (x) 1 + f (x) dϕ dx = 2π f (x) 1 + f 0 (x) dx
a 0 a
(vgl § 5.5 (d))
5 Oberflächenintegrale über skalare Funktionen hhh

Gegeben: Flächenstück S in der Parameterdarstellung
Φ : D 3 (u, v) 7→ Φ(u, v) ∈ R3
f : S → R sei eine stetige Belegungsfunktion von S (etwa Masse, Ladung)
Ein von Parameterlinie eingeschlossenes Flächenelement
∆O = |D1 Φ × D2 Φ|∆u∆v
”trägt” dann die Belegung


f Φ(u, v) ∆O = f Φ(u, v) |D1 Φ × D2 Φ|∆u∆v
Integration über D lifert die Gesamtbelegung.

Z Z

f (x, y, z) dO := f Φ(u, v) |D1 Φ(u, v) × D2 Φ(u, v)| d(u, v)
S D
Bezeichnung: Oberflächenintegral von f über S.

Beispiele:
Z
(a) Flächeninhalt: O = dO
S
(b) Masse, Ladung, Momente, Schwerpunkt:

ρ : S → R sei Flächendichte der Masse
:S→
Z R sei Flächendichte der Ladung
M= ρ(x, y, z) dO Gesamtmasse von S
S
Z
Q= (x, y, z) dO Gesamtladung von S
S
k-te Momente von S:

Z Z
Mx,k = xk ρ(x, y, z) dO, My,k = y k ρ(x, y, z) dO
S S
Z
Mz,k = z k ρ(x, y, z) dO
S
Der Massenmittelpunkt (xs , ys , zs ) von S:

Mx,1 My,1 Mz,1
xs = , ys = , zs =
M M M
geometrischer Schwerpunkt (x, y, z) von S
mit ρ = konst:
Z Z Z
1 1 1
x= xdO, y = ydO, z = zdO
O S O S O S
6 Oberflächenintegrale über Vektorfelder hhh

Gegeben:
Flächenstück S in der Parameterdarstellung
Φ : D 3 (u, v) 7→ Φ(u, v) ∈ R3
D1 Φ × D2 Φ
Normalenrichtung n = ∈ R3
|D1 Φ × D2 Φ|
in jedem Flächenpunkt (x, y, z) ∈ S
f : S → R3 sei ein stetiges Vektorfeld
Das Oberflächenintegral über die skalare Normalkomponente
f ·n:S →R
Z Z

(f · n) dO = f Φ(u, v) · (D1 Φ(u, v) × D2 Φ(u, v) d(u, v)
S D
heißt der Fluß von f durch S

beachte: f · (D1 Φ × D2 Φ) = [D1 Φ, D2 Φ, f ] = [f, D1 Φ, D2 Φ]
beachte: = det (f, D1 Φ, D2 Φ), Spatprodukt 6.5.5 §
Physikalische Deutung:
Es sei f : R3 → R3 das Geschwindigkeitsfeld einer stationären Flüssigkeitsströmung.
Durch das Flächenstück ∆O strömt pro Zeiteinheit die Flüssigkeitsmenge
(f · n)∆O = f · (D1 Φ × D2 Φ)∆u ∆v

(f · n) ↑
(f · n)∆O = |D1 Φ × D2 Φ|∆u ∆v
in die Richtung, die durch n ausgezeichnet ist.
10.5 Integration über dreidimensionale Bereiche
Es sei B ⊂ R3 . B habe ein wohlbestimmtes Volumen (etwa B Normalbereich

bez. einer der Koordinatenebenen, siehe unten.)
f : B 3 (x, y, z) 7→ f (x, y, z) ∈ R sei stetig (Belegungsfunktion)
Zerlege B in Teilbereiche B1 , . . . , Bn mit den Volumina ∆V1 , . . . , ∆Vn

X n
Gesamtbelegung ≈ f (xi , yi , zi )∆Vi , (xi , yi , zi ) ∈ Bi bel.
i=1
Gesamtbelegunghhh↑ RIEMANNsche Summe

n
Grenzübergang: n → ∞ mit max ∆Vi → 0 liefert
i=1
Z Z
f dV = f (x, y, z) d(x, y, z); dV : Volumenelement
B B
1 Berechnung für Normalbereiche hhhhh

Es sei D ⊂ R2 ein Bereich der (x, y)-Ebene
g, h : D → R seien stetig mit g(x, y) ≤ h(x, y)
betrachte:
B := {(x, y, z) ∈ R3 : (x, y) ∈ D, g(x, y) ≤ z ≤ h(x, y)}
B ⊂ R3 heißt ein Normalbereich bez. der (x,y)-Ebene.

Z Z Z h(x,y)

⇒ f d(x, y, z) = f (x, y, z) dz d(x, y)
B D g(x,y)
Sei D ⊂ R2 ebenfalls Normalbereich, etwa vom Type I:
D = {(x, y) ∈ R2 : a ≤ x ≤ b, u(x) ≤ y ≤ v(x)} ⇒
B = {(x, y, z) ∈ R3 : a ≤ x ≤ b, u(x) ≤ y ≤ v(x), g(x, y) ≤ z ≤ h(x, y)} ⇒

Z Z b Z v(x) Z h(x,y)

hh f d(x, y, z) = f (x, y, z) dz dy dx
B a u(x) g(x,y)
beachte: Es gibt Normalbereiche bez. aller möglichen Koordinatenebenen und

Koordinatenachsen
Spezialfall Quader:
B = {(x, y, z) ∈ R3 : x0 ≤ x ≤ x1 , y0 ≤ y ≤ y1 , z0 ≤ z ≤ z1 }
Z Z x1 Z y1 Z z 1
f dV = f (x, y, z) dz dy dx
B x0 y0 z0
Z z1 Z x1 Z y1
= f (x, y, z) dy dx dz
z0 x0 y0
↑ Satz von FUBINI: bel. Integrationsreihenfolge
2 Anwendungen ggg
Z
3
(1) Volumen: Sei B ⊂ R ⇒ V (B) = dV
B
Für B = {(x, y, z) ∈ R3 : (x, y) ∈ D ⊂ R2 , g(x, y) ≤ z ≤ h(x, y)} ist
Z
V (B) =

h(x, y) − g(x, y) d(x, y) (vgl 10.3)
D
§
(2) Masse, Momente, Schwerpunkt:
ρ(x, y, z) = Massendichte im Punkt (x, y, z) ∈ B

Z
(a) Masse: M = ρ(x, y, z) dV
B
(b) k-te Momente:
Z Z
k
Myz,k := x ρ(x, y, z) dV, Mzx,k := y k ρ(x, y, z) dV,
B B
Z
Mxy,k := z k ρ(x, y, z) dV
B
(c) axiales Trägheitsmoment:
Z
T = r2 (x, y, z)ρ(x, y, z) dV
B
mit dem Abstand r(x, y, z) des Punktes (x, y, z) ∈ B zur Achse
(d) Schwerpunkt:
1 1 1
xs = Myz,1 , ys = Mxz,1 , zs = Mxy,1
M M M
ρ variabel: Massenmittelpunkt
ρ= konst =1: geometrischer Schwerpunkt
Beispiele:
(3) Es sei B ⊂ R3 der Würfel -1 ≤ x, y, z ≤ 1

I := axiales Trägheitsmoment bez. der z-Achse (für den Fall ρ(x, y, z) = 1)
Z Z 1Z 1Z 1
2 2
I = (x + y ) dV = (x2 + y 2 ) dx dy dz
B -1 -1 -1
Z 1Z 1
1 3
= [ x + xy 2 ]x=1
x=-1 dy dz =
-1 -1 |3 {z }
= 23 +2y 2
Z 1
2 2 8 1 16
= [ y + y 3 ]y=1
y=-1 dz = z|-1 =
3 {z 3 }
-1 | 3 3
= 43 + 34
(4) Man berechne das Volumen der Menge

√
B = {(x, y, z) ∈ R3 : x, y, z ≥ 0, x2 + y 2 ≤ 1, x + y + z ≤ 2}
B ist Normalbereich bez. der (x, y)-Ebene

D := {(x, y) ∈ R2 : x, y ≥ 0, x2 + y 2 ≤ 1}
D ist Normalbereich vom Type I
√
B = {(x, y, z) ∈ R3 : (x, y) ∈ D, 0 ≤ z ≤ 2 − x − y}
√ √
B= {(x, y, z) ∈ R3 : 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 − x2 , 0 ≤ z ≤ 2 − x − y}
Z Z Z √2−x−y Z √

V = dV = dz d(x, y) = ( 2 − x − y) d(x, y)
B D 0 D
Z Z √
1 1−x2 √
V= ( 2 − x − y) dy dx
0 0
Z 1 √ √
1 1−x2
V= [( 2 − x)y − y 2 ]y=
y=0 dx
0 2
Z √ 1 √ 1
V= [( 2 − x) 1 − x2 − (1 − x2 )] dx
0 2
√ Z 1√ Z 1 √ Z
1 1
V= 2 2
1 − x dx − 2
x 1 − x dx − (1 − x2 ) dx
0 0 2 0
√ π 1 12 π 2
V= 2 · − − = √ −
4 3 23 2 2 3
V↑ §5.4 (7)
Z √
1
2
1√ 2
3 1 1
x 1 − x dx = - 1−x =
0 3 0 3
Z 1
1 1 1 2
(1 − x2 ) dx = (x − x3 ) = 1 − =
0 3 0 3 3
3 Satz von CAVALIERI hhhh

Es sei B ⊂ R3 . Für (x, y, z) ∈ B gelte a ≤ x ≤ b. Für jedes t ∈ [a, b] besitze
der Schnitt
S(t) = {(x, y, z) ∈ B : x = t} den Flächeninhalt |S(t)|.

Z b
Dann ist V (B) = |S(t)| dt
a
10.6 Die Substitutionsregel (Transformationsformel)
Gegeben: B ⊂ R2 mit wohlbestimmtem Flächeninhalt

Gegeben fZ : B 3 (x, y) 7→ f (x, y) ∈ R stetig
Gesucht: f (x, y) d(x, y)
B
1 Substitution für Gebietsintegrale gggg

Es seien D ⊂ R2 und g : D → R2 eine Abbildung mit
 
x(u, v)
g : D 3 (u, v) 7→ g(u, v) =   ∈ R2
y(u, v)
gg:↑hhhhhhhhhhhhhhhhhhhhhhhhhhhh ↑
g:(u, v)-Ebene hhhhhhhhhhhhhhhhhh(x, y)-Ebene
1.) g ∈ C 1 (D, R2 )
2.) g(u, v) 6= g(u0 , v 0 ), wenn (u, v) 6= (u0 , v 0 ) (das bedeutet g ist injektiv),
und damit g : D → B := g(D) ist bijektiv

D1 x(u, v) D2 x(u, v)
3.) det Jg (u, v) = 6= 0 ∀(u, v) ∈ D,

D1 y(u, v) D2 y(u, v)
d. h. det Jg (u, v) ist > 0 auf D oder < 0 auf D
Die Parameterlinien in B
u 7→ g(u, v0 ), v0 = konst
v 7→ g(u0 , v), u0 = konst
heißen Koordinatenlinien
Das Netz der Koordinatenlinien ist ein krummliniges Koordinatensystem auf
B.
g(uj ,vk +∆vk )
v y
∆uj ∆vk = Inhalt
u=uj ∆jk =Inhalt
D
vk +∆vk
g B = g(D)
vk
v=vk
uj uj +∆uj u x
g(uj ,vk ) g(uj +∆uj ,vk )
Eine rechteckige Zerlegung Z der (u, v)-Ebene liefert eine krummlinige Zer-
legung der (x, y)-Ebene: Ist |Z| klein, so haben wir eine Zerlegung von B
ungefähr in Parallelogramme der (x, y)-Ebene

∆jk ≈ | det g(uj + ∆uj , vk ) − g(uj , vk ), g(uj , vk + ∆vk ) − g(uj , vk ) |
∆uj und ∆vk klein ⇒  
∆uj
g(uj + ∆uj , vk ) − g(uj , vk ) ≈ Jg (uj , vk )  =
0
 
D x(uj , vk )
 1  ∆uj = D1 g(uj , vk )∆uj
D1 y(uj , vk )
 
0
g(uj , vk + ∆vk ) − g(uj , vk ) ≈ Jg (uj , vk )  =
∆vk
 
D x(uj , vk )
 2  ∆vk = D2 g(uj , vk )∆vk
D2 y(uj , vk )
Damit
 

D1 x(uj , vk ) D2 x(uj , vk )
∆jk
≈ det   ∆uj ∆vk

D1 y(uj , vk ) D2 y(uj , vk )
| {z }
=| det Jg (uj ,vk )|
∂(x, y)
det Jg (u, v) =: (u, v) heißt JACOBI- Determinante
∂(u, v)
oder Funktional- Determinante
Folglich:
Z X ∂(x, y)
f (x, y) d(x, y) ≈ f g(uj , vk ) (uj , vk )∆uj ∆vk
B j,k
∂(u, v)
ggggggggggggggggghh↑ RIEMANNsche Summe
Grenzübergang: ∆uj , ∆vk → 0

Z Z
∂(x, y)
f (x, y) d(x, y) = f g(u, v) (u, v) d(u, v)
B D ∂(u, v)
↑ B = g(D)
Integration durch Substitution:

Z
In f (x, y) d(x, y) ersetze man
B
- die Variablen x, y durch die Funktionen x(u, v), y(u, v)

∂(x, y)
- das Flächenelement d(x, y) durch d(u, v)
∂(u, v)
- den Integrationsbereich B durch den Parameterbereich D.
∂(x, y)
d(u, v) heißt das Flächenelement in B bez der (u, v)-Koordinaten
∂(u, v)
2 Anwendung auf Polarkoordinaten vgl. 9.6 §

D := {(r, ϕ) ∈ R2 : 0 ≤ r1 ≤ r2 , 0 ≤ ϕ1 ≤ ϕ2 ≤ 2π}
ϕ y
ϕ2
D g B B = g(D)
ϕ1 ϕ1
ϕ2
r1 r2 r r1 r2 x
   
x(r, ϕ) r cos ϕ
g(r, ϕ) =  = 
y(r, ϕ) r sin ϕ
det Jρ (r, ϕ) =
∂(x, y)
∂(r, ϕ)
= r vgl. 9.5 (2) §
Z Z r2 Z ϕ 2
f (x, y) d(x, y) = f (r cos ϕ, r sin ϕ)r dϕ dr
B r1 ϕ1
rrrrrrrrrrrrrrrrrrrrr↑
rrrrrrrrrrrrrrrrrrrrrFUBINI: unabhängig von der Reihenfolge
Bemerkung:
Falls r1 = 0, sind hier Bedingungen 2) + 3) verletzt;
die Formel gilt trotzdem!
Beispiel:
(1) Trägheitsmoment der homogenen Kreisscheibe
B = {(x, y) ∈ R2 : x2 + y 2 ≤ 1} bez. der y-Achse

Z
B=M2 = ρ0 x2 d(x, y)
B
Setze D := {(r, ϕ) ∈ R2 : 0 ≤ r ≤ 1, 0 ≤ ϕ < 2π}

Setze ⇒ ZB = g(D) Z Z
2π 1
M2 = ρ0 r2 cos2 ϕ rd(r, ϕ) = ρ0 cos2 ϕ r3 dr dϕ
D
| {z } | {z } 0 0
=x2 ∂(x,y)
=| ∂(r,ϕ) | d(r,ϕ)
Z 2π Z 1
1
M2 = ρ0 cos2 ϕ dϕ r3 dr = ρ0 π ·
0 0 4
| {z }
2π
1
= (ϕ+sin ϕ cos ϕ) =π
2 0
ggggggg↑ §5.4 (6)
3 Substituition für Volumintegrale jjj

Es sei D ⊂ R3 ein Quader.
g : D → R3 sei eine Abbildung mit


x(u, v, w)
 
 
g : D 3 (u, v, w) 7→ g(u, v, w) = y(u, v, w) ∈ R3
 
↑ ↑
z(u, v, w)
(u, v, w)- Raum (x, y, z)-Raum
1.) g ∈ C 1 (D, R3 )
2.) g(u, v, w) 6= g(u0 , v 0 , w0 ), wenn (u, v, w) 6= (u0 , v 0 , w0 ), d. h.
g : D → B := g(D) ist bijektiv

D1 x(u, v) D2 x(u, v) D3 x(u, v)

3.) det Jg (u, v, w) = D1 y(u, v) D2 y(u, v) D3 y(u, v) 6= 0 ∀(u, v, w) ∈ D

D1 z(u, v) D2 z(u, v) D3 z(u, v)
Die Parameterflächen
(v, w) 7→ g(u0 , v, w), u0 = konst
(u, w) 7→ g(u, v0 , w), v0 = konst
(u, v) 7→ g(u, v, w0 ), w0 = konst

heißen Koordinatenflächen
Betrachte das Bild unter g eines Quaders ∆Q =
{(u, v, w) ∈ R3 : u0 ≤ u ≤ u0 +∆u, v0 ≤ v ≤ v0 +∆v, w0 ≤ w ≤ w0 +∆w} ⊂ D
lineare Approximation (wie für R2 )
g(∆Q) ≈ Spat, der aufgespannt wird von den drei im Punkt g(u0 , v0 , w0 ) an-
getragenen Vektoren
D1 g(u0 , v0 , w0 )∆u, D2 g(u0 , v0 , w0 )∆v, D3 g(u0 , v0 , w0 ) ∆w ∈ R3
Das Volumen dieses Spates beträgt

∆V = [D1 g, D2 g, D3 g] ∆u ∆v ∆w
| {z }
∂(x,y,z)
=| det Jg (u0 ,v0 ,w0 )|=:| ∂(u,v,w) (u0 ,v0 ,w0 )|
Sei f : B 3 (x, y, z) 7→ f (x, y, z) ∈ R stetig ⇒

Z X
f d(x, y, z) ≈ f g(ui , vj , wk ) | det Jg (ui , vj , wk )|∆ui ∆vj ∆wk
B i,j,k
hhhhhhhhhhhhhh↑ über die Zerlegung von D
Grenzübergang: ∆ui , ∆vj , ∆wk → 0
Z Z
∂(x, y, z)
f (x, y, z) d(x, y, z) = f g(u, v, w) d(u, v, w)
B D ∂(u, v, w)
↑ B = g(D) ⊂ R3
∂(x, y, z)
d(u, v, w) heißt das Volumenelement in B bez der
∂(u, v, w)
(u, v, w)-Koordinaten
4 Anwendung auf Kugelkoordinaten (vgl 10.4  (3)) §

0 ≤ r1 ≤ r ≤ r2 < ∞ 



3
D := {(r, ϕ, ψ) ∈ R : 0 ≤ ψ1 ≤ ψ ≤ ψ2 ≤ π



0 ≤ ϕ ≤ ϕ ≤ ϕ ≤ 2π 1 2
     
r r sin ψ cos ϕ x
     
     
g : D 3 ψ  7→ g(r, ψ, ϕ) =  r sin ψ sin ϕ  = y  ∈ R3
     
ϕ r cos ψ z
z ·
Koordinatenflächen:
(ψ, ϕ) 7→ g(r0 , ψ, ϕ) : Kugeloberfläche

r (r, ϕ) 7→ g(r, ψ0 , ϕ) : Kegelmantel
ψ (r, ψ) 7→ g(r, ψ, ϕ0 ) : Halbebene
y
ϕ y
x ·
r · sin ψ
∂(x, y, z)
| det Jg (r, ψ, ϕ) = | det g 0 (r, ψ, ϕ)| = = r2 sin ψ
∂(r, ψ, ϕ)
Volumenelement: r2 sin ψ d(r, ψ, ϕ)
Z Z r2 Z ψ2 Z ϕ2
f (x, y, z) d(x, y, z) = f (r sin ψ cos ϕ, r sin ψ sin ϕ, r cos ϕ)r2 sin ψ dϕ dψ dr
g(D) r1 ψ1 ϕ1
Vollkugel: 0 ≤ r ≤ r2 , 0 ≤ ψ ≤ π, 0 ≤ ϕ ≤ 2π
Hohlkugel: 0 < r1 ≤ r ≤ r2 , 0 ≤ ψ ≤ π, 0 ≤ ϕ ≤ 2π
Kugelausschnitt 0 ≤ r ≤ r2 , 0 ≤ ψ ≤ ψ2 < π, 0 ≤ ϕ ≤ 2π
π π
Kugeloktant: 0 ≤ r ≤ r2 , 0 ≤ ψ ≤ , 0 ≤ ϕ ≤
2 2
Beispiel:
(2) Geometrischer Schwerpunkt des Kugeloktanten: ρ0 (x, y, z) = 1

z
B = {(x, y, z) ∈ R3 : x, y, z ≥ 0, x2 + y 2 + z 2 ≤ 1}
x
Z Z
M= d(x, y, z) = r2 sin ψ d(r, ψ, ϕ) mit
B D
π π
D = {(r, ψ, ϕ) ∈ R3 : 0 ≤ r ≤ 1, 0 ≤ ψ ≤ ,0≤ϕ≤ }
2 2
Z 1 Z π Z π Z 1
2 2
2 π π
M= r sin ψ dϕ dψ dr = r2 [− cos ψ]02 dr
0 0 0 2 0 | {z }
=1
Z 1
π π
MN= r2 dr =
2 0Z 6
Z 1 Z π Z π
2 2
Mx,1 = x d(x, y, z) = r sin ψ cos ϕ r2 sin ψ dϕ dψ dr
B 0 0 0
| {z }
Z Z π
=x
1 2 π
= r3 sin2 ψ [sin ϕ]0 dψ dr2
0 0 | {z }
Z 1
=1 Z 1
3 ψ 1 π π π
= r [ − sin ψ cos ψ]02 dr = r3 dr =
0 2 2 4 0 16
↑
§5.4 (6)
1 3
⇒x= Mx,1 = = y = z
M 8
hhhhhhhhhhhhhhhhh↑ analog
x = r sin ϑ cos ϕ
Kugelkoordinaten
y = r sin ϑ sin ϕ
z = r cos ϑ
Koordinatenflächen:
Volumenelement:
z r sin ψdϕ
dϕ dr
r sin ψ ?
rdψ
r
ψ dψ
ϕ
y
x
ohne Substitution: (erkenne Normalbereiche)

Z 1 Z √1−x2 Z √1−x2 −y2
M = dz dy dx
0 0 0
Z Z √
1 1−x2 p
= 1 − x2 − y 2 dy dx
0 0
Z 1 p √
1 y y= 1−x2
= [y 1 − x2 − y 2 + (1 − x2 ) arcsin √ ]y=0 dx
2 0 1 − x2
| {z }
= π2 (1−x2 )
π 1 1 π 1 π
= (x − x3 )0 = (1 − ) =
4 3 4 3 6
Z 1 Z √1−x2 Z √1−x2 −y2
Mx,1 = x dz dy dx
0 0 0
Z
π 1 π 1 1 1 π 1 1 π
= x(1 − x2 ) dx = ( x2 − x4 )0 = ( − ) =
4 0 4 2 4 4 2 4 16
10.7 Integralsätze
Es seien B ⊂ R2 ein Normalbereich von Type I mit
B = {(x, y) ∈ R2 : a ≤ x ≤ b, ϕ1 (x) ≤ y ≤ ϕ2 (x)}

ϕ1 , ϕ2 : [a, b] → R, ϕ1 ≤ ϕ2 , C 1 -Funktionen
y
Γ3
Rand ∂B von B
ϕ2
∂B = Γ1 ∪ Γ2 ∪ Γ3 ∪ Γ4
B
Γ4 Γ2
ϕ1
x
Γ1
Die Wege werden in Pfeilrichtung durchlaufen:

 
t
γ1 : [a, b] 3 t 7→ γ1 (t) =   ∈ R2
ϕ1 (t)
 
b
γ2 : [0, 1] 3 t 7→ γ2 (t) =   ∈ R
2
ϕ1 (b) + t ϕ2 (b) − ϕ1 (t)

 
t
γ3− : [a, b] 3 t 7→ γ3− (t) =   ∈ R2
ϕ2 (t)
 
a
γ4− : [0, 1] 3 t 7→ γ4− (t) =   ∈ R
2
ϕ1 (a) + t ϕ2 (a) − ϕ1 (a)

γ − : umgekehrte Durchlaufrichtung: vgl. §10.2 Bem 2(b) + 5(b)
beachte: Der Rand ∂B wird erzeugt von dem geschlossenen Weg
γ := γ1 ⊕ γ2 ⊕ γ3 ⊕ γ4
Durchläuft man nacheinander die Wege γ1 bis γ4 , so wird B positiv umlaufen.
(B liegt stets links)
Es seien ferner D ⊂ R2 offen, B ⊂ D, und P : D → R eine C 1 -Funktion.
betrachte:
Z Z b Z ϕ2 (x)

D2 P (x, y) d(x, y) = D2 P (x, y) dy dx
B a ϕ1 (x)
Z b

= P x, ϕ2 (x) − P x, ϕ1 (x) dx
a
↑ §5.3 Hauptsatz 3
Z b Z b

Es ist P x, ϕ1 (x) dx = P γ1 (t) 1 dt
a a
 
Z b Z
P γ1 (t)
=   · γ˙1 (t) dt = P dx + 0 dy
a 0 γ1
Z b Z b Z

P x, ϕ2 (x) dx = P γ3− (t) dt = − P dx + 0 dy
a a γ3
ggggggggggggggggggggggggggggggggg↑ 10.2 Bem. 5(b)

 
Z Z 1 P γ2 (t)
Ferner ist P dx =   = γ˙2 (t) dt = 0
γ2 0 0 | {z }
 
 0 
=
 

ϕ2 (b) − ϕ1 (b)
 
 
Z Z 1
P γ4 (t)
P dx = −   · γ4˙(t) dt = 0
γ4 0 0
Folglich:
Z Z Z 4 Z
X I
D2 P (x, y) d(x, y) = − P dx − P dx = − P dx = − P dx
B γ3 γ1 j=1 γi ∂B
Gebietsintegral über partielle Ableitung

 D2 P =
−P
Kurvenintegral (2. Art) von   um B herum
0
Analog gilt:
Es sei B ⊂ R2 ein Normalbereich von Type II mit
B = {(x, y) ∈ R2 : c ≤ y ≤ d, ψ1 (y) ≤ x ≤ ψ2 (y)}
ψ1 , ψ2 : [c, d] → R, ψ1 ≤ ψ2 , C 1 -Funktionen.
Es seien ferner D ⊆ R2 offen, B ⊂ D, und Q : D → R eine C 1 -Funktion. Dann
ist
Z I
D1 Q(x, y) = + Q dy
B ∂B
Gebietsintegral über die partielle

  Ableitung D1 Q =
0
Kurvenintegral von   um B herum (positiv umlaufen)
Q
Damit gezeigt:
1 Integralsatz von GAUSS im R2 (1. Fassung) ggg

Es sei B ⊂ R2 ein Normalbereich vom Type I und vom Type II, ∂B sei der
positiv orientierte Rand von B.
Es seien D ⊂ R2 offen, B ⊂ D, und P, Q : D → R
C 1 -Funktionen. Dann gilt:
Z I
(D1 Q − D2 P ) d(x, y) = P dx + Q dy
B ∂B
Bedeutung:
Berechnung von Kurvenintegralen durch Gebietsintegrale und umgekehrt.
2 Folgerung hhhh
Es sei B wie in Satz 1. Dann gilt für den Flächeninhalt von B
I
1
|B| = x dy − y dx
2 ∂B
Beweis:
Setze P (x, y) := −y und Q(x, y) := x für (x, y) ∈ B
Z I
1
⇒ |B| = d(x, y) = x dy − y dx
B 2 ∂B
allgemein: Sei γ := γ1 ⊕ · · · ⊕ γk
 
xj (t)
γj : [aj , bj ] 3 t 7→ γj (t) =   ∈ R2 , j = 1, . . . , k
yj (t)
γ ist stückweise C 1 -Weg (bis auf endlich viele Stellen, die Übergänge), γ erzeugt
∂B.
I k Z
1 1 X bj
|B| = x dy − y dx = x(t)ẏ(t) − y(t)ẋ(t) dt
2 ∂B 2 j=1 aj
Z
1
= x dy − y dx
2 γ
Umformulierung des GAUSSschen Satzes:
Es sei B ⊂ R2 wie in Satz 1. Der Weg γ erzeuge ∂B,
 
x(t)
γ(t) =   mit γ̇(t) 6= 0,
y(t)
 
1  ẏ(t) 
n = u(t) := ∈ R2
|γ̇(t)| −ẋ(t)
bezeichne den äußeren Normaleneinheitsvektor längs γ.

y  
ẋ(t)
γ̇(t) =  
ẏ(t)
n(t) ← -
n(t) ← existiert bis auf höchstens
B
n(t) ← endlich viele Stellen.
x
 
f1
Es sei f =   : D → R2 ein C 1 -Vektorfeld.
f2
3 Integralsatz von GAUSS im R2 (2. Fassung) hhhh

Z Z
div f d(x, y) = f · n ds
B γ
Das Gebietsintegral über Divergenz von Vektorfeld f

= Kurvenintegral (1. Art) über die Normalkomponente von Vektorfeld f
Beweis:
Setze im Satz 1 P := −f2 und Q := f1 ⇒
Z f = D1 f1 + D2Zf2 = D1 Q − D2 P ⇒ Z
div
div f d(x, y) = (−f2 dx + f1 dy) = f · n ds
B γ γ
fffffffgggggggggg↑ x
fffffffgggggggg Satz 1 


−f2 dx + f1 dy = [−f2 γ(t) ẋ(t) + f1 γ(t) ẏ(t)] dt

= f γ(t) · n(t)|γ̇(t)| dt
4 Anwendungen ggg
Es seien
  B, D ⊂ R2 wie in Satz 1 und
n1
n =   : ∂B → R2 der Normaleneinheitsvektor (wie oben).
n2
(a) Es sei U : D → R eine Stammfunktion von f : D → R2 , also

f = grad U ⇒ div f = div (grad U)= ∆U (LAPLACE-Operator)
∂u
ferner f · u = n· grad U = (Richtungsableitung)
∂n
Z Z
∂u
⇒ ∆U d(x, y) = ds
B γ ∂n
(b) Es seien g, h : D → R C 1 -Funktionen und

 
gh
f =   : D → R2 ⇒ div f = D1 (gh) = (D1 g)h + g(D1 h)
0
Z Z I
⇒ (D1 g)h d(x, y) = - g(D1 h) d(x, y) + ghn1 ds
B B ∂B
Partielle Integration
 
0
Setze f =   : D → R2 ⇒ div f = D2 (gh) = (D2 g)h + g(D2 h)
gh
Z Z I
⇒ (D2 g)h d(x, y) = - g(D2 h) d(x, y) + ghn2 ds
B B ∂B
Partielle Integration
zum Vergleich: g, h ∈ C 1 [a, b]

Z b Z b
a
0
g h dt = - gh0 dt + [gh]ba
a
§
vgl. 5.4(c)

5 Integralsatz von GAUSS im R3 gggg

Es sei B ⊂ R3 eine ”geeignete” Menge mit wohlbestimmten Inhalt. Es bezeich-
ne S den Rand ∂B von B und n : S → R3 den äußeren Normaleneinheitsvektor
von S (vgl. 10.4).§
Das C 1 -Vektorfeld f sei definiert auf einer offenen B umfassenden Menge.
Dann gilt:
Z Z
div f d(x, y, z) = f · n dO
B S

IngMathe II PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

IngMathe II PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Technische Universität Clausthal

Institut für Mathematik

6 Lineare Geometrie in R2 und R3 1

7 Lineare Gleichungssysteme, Matrizen und Determinanten 42

8 Quadratische Formen 100

6 Lineare Geometrie in R2 und R3

(b) gegeben: 2 Kräfte

Geschwindigkeit, Beschleunigung, Impuls, Feldstärke, . . . sind Vektoren.

In der Vektorrechnung ist es praktischer, die Tupel in senkrechter Anordnung

Multiplikation mit einem Skalar α ∈ R:

Die Verknüpfungen + und · werden komponentenweise ausgeführt.

 (hier ein 2-Tupel) und seine Komponenten sind a1 , a2 ∈ R :

(3) Es gibt stets ein x ∈ R2 mit a + x = b, nämlich x = b − a (Lösen von

(4) (αβ)a = α(βa)

3 Beispiele für Vektorräume: ydfhilzgrkf

geometrische Interpretationen für n = 1, 2, 3 sind möglich.

b) Es sei I ⊂ R ein Intervall

In diesem Sinne sind Funktionen f : I → R ”Vektoren” bzw. ”Punkte”

(b) Nullfunktion f (x) = 0 für alle x ∈ I

vektorielle Null 0 ∈ Rn  bei gleicher Schreibweise!

4 Anschauliche geometrische Interpretation von R2 bzw. R3 jzdjzjf

(ii) Die 2- bzw. 3-Tupel bezeichnen die Komponenten eines Pfeils.

”Ursprung des Koosy

Pfeile, die durch Parallelverschiebung auseinander hervorgehen, stellen

6.2 Rechnen in R2 bzw. R3

(a) Mittelpunkt einer Strecke:

(b) Schwerpunkt eines Dreiecks:

(c) Gerade im Raum:

(d) Ebene im Raum:

Neue Frage: Gibt es σ, τ ∈ R so, dass gilt

Das sind 3 Gleichungen für 2 Unbekannte σ, τ ∈ R :

6.3 Lineare Unabhängigkeit, Basis, Dimension

Beispiele für eine Zerlegung von Vektoren:

(a) Zerlegung einer Verschiebung s : s, sx , sy ∈ R2

Teilverschiebungen im x- und y-Richtung

beachte: x1 , x2 , x3 ∈ R3 , allgemein xj ∈ R3 , bedeutet:

(a) Es seien x1 , x2 , . . . , xn ∈ R3 (bzw. R2 ) und α1 , α2 , . . . , αn ∈ R, dann heißt

ein Linearkombination (LK) von {x1 , . . . , xn }.

(b) Die n Vektoren x1 , . . . , xn ∈ R3 heißen linear abhängig (l.a.) wenn es

(iii) 3 Vektoren a, b, c ∈ R2 sind stets l.a., denn:

3 Definition dbg  bvd    

(a) {e1 , e2 , e3 } ⊂ R3 ist l.u.

(b) Jedes x ∈ R3 ist LK von {e1 , e2 , e3 }

Beispiel: R2 , dim R2 = 2, denn

{a, b} ist ebenfalls eine Basis des R2

Bemerkung: Eine Basis kann je nach Problemstellung geeignet gewählt wer-

6.4 Betrag und Skalarprodukt

(2) |αx| = |α||x|

(3) |x + y| ≤ |x| + |y| Dreiecksungleichung

(1) : klar nach Definition

das Skalarprodukt (innere Produkt) der Vektoren x und y.

x⊥y ⇒ x · y = 0, da cos ^(x, y) = 0

Vereinbarung: der Nullvektor 0 ist ⊥ zu aller x ∈ R3

⇒ x = (x · e1 )e1 + (x · e2 )e2 + (x · e3 )e3

5 Satz (Regeln für das Skalarprodukt)hhhh

(2) (αx) · y = α(x · y) = x · (αy)

(1) : klar, da ^(x, y) = ^(y, x)

(2) : klar aus der Definition 4 und Satz 3(2)

(3) : Es sei o.B.d.A. z 6= 0 und z = αe1 mit α > 0.

(4) : klar, da cos ^(x, x) = 1, für x 6= 0

(5) : x · y = (x1 e1 + x2 e2 + x3 e3 ) · (y1 e1 + y2 e2 + y3 e3 )

beachte: Es ist stets |x · y| ≤ |x||y|, in Koordinatenschreibweise:

dies ist die CAUCHY-SCHWARZsche Ungl. für n = 3 (vgl §1.7. Satz 3)