Beruflich Dokumente
Kultur Dokumente
Ingenieurmathematik II
Vorlesungsskript
von
Henning Behnke
SS 2022
INHALTSVERZEICHNIS i
Inhaltsverzeichnis
Inhaltsverzeichnis i
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
6.1 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
Wind −
→ − →
F1 + F2
−
→
F1
−
→
F2 Strömung
Mathematische Bezeichnungsweise:
6 LINEARE GEOMETRIE IN R2 UND R3 2
x
x1 1
x = ∈ R2 bzw. x = x2 ∈ R3
x2
↑ x3
Vektor mit den Komponenten x1 , x2 ∈ R
x1 y1 x1 + y 1
x+y = + = ∈ R2
x2 y2 x2 + y 2
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)
6 LINEARE GEOMETRIE IN R2 UND R3 3
(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
a) V := Rn, n ∈N
a1 b1 a1 + b 1 a1 αa1
.. .. .. .. ..
a + b = . + . = . , αa = α . = .
an bn an + b n an αan
+ : V × V 3 (f, g) 7→ f + g ∈ V
· : R × V 3 (α, f ) 7→ αf ∈ V
6 LINEARE GEOMETRIE IN R2 UND R3 4
beachte:
Aus Gesetz (3) folgt die Existenz eines Nullvektors:
a+0=a
Bsp:
0
.
(a) 0 = .. ∈ Rn
0
Wir haben:
skalare Null 0 ∈ R beachte: unterschiedliche Bedeutung
(i) Die 2- bzw. 3-Tupel sind umkehrbar eindeutig den Punkten der Ebene
bzw. des Raumes zugeordnet.
6 LINEARE GEOMETRIE IN R2 UND R3 5
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.
a1 a a2
a1
beachte: Je nach Bedarf interpretieren wir die Tupel nach (i) oder nach (ii).
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
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
6 LINEARE GEOMETRIE IN R2 UND R3 7
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
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
6 LINEARE GEOMETRIE IN R2 UND R3 8
(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
(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
6 LINEARE GEOMETRIE IN R2 UND R3 9
Schraubenlinie
sx x
→
−
(b) Zerlegung einer Kraft F :
−→ −→
Normal- und Hangabtriebskraft FN , FH
−→H
F −→N
F
→
−
F
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
2 Beispiel hhhh
6 LINEARE GEOMETRIE IN R2 UND R3 11
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
Denn:
6 LINEARE GEOMETRIE IN R2 UND R3 12
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.
-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
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
Beweis:
(3) : Dies ist die MINKOWSIsche Ung. aus §1.7, Satz 4 mit n = 3
4 Definition jjjj
Es seienx, 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
6 LINEARE GEOMETRIE IN R2 UND R3 14
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
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
6 LINEARE GEOMETRIE IN R2 UND R3 15
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
· : R3 × R3 3 (x, y) 7→ x · y ∈ R.
6 LINEARE GEOMETRIE IN R2 UND R3 16
(1) x · y = y · x
(3) (x + y) · z = x · z + y · z
(4) x · x = |x|2
(5) x · y = x1 y1 + x2 y2 + x3 y3
Beweis:
p p
|x1 y1 + x2 y2 + x3 y3 | ≤ x21 + x22 + x23 y12 + y22 + y32
6 LINEARE GEOMETRIE IN R2 UND R3 17
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
C
γ
c+a=b
b a
hc a=b−c
α β
A c B
|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
y3
x · p = x · y1 = x · y2 = x · y3
y1
·
p x
y2
p⊥
·
Setze p⊥ := y − p ∈ R3
p x
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
1 Definition llll
Es seien a, b ∈ R3 . Das Vektorprodukt (Kreuzprodukt, äußeres Produkt)
p = a × b ∈ R3 ist ein Vektor, der bestimmt ist durch
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:
beachte:
6 LINEARE GEOMETRIE IN R2 UND R3 21
e3
e1 × e2 = e3
e2 × e3 = e1
e2
e3 × e1 = e2
e1
× : R3 × R3 3 (a, b) 7→ a × b ∈ R3
↑ ↑ Unterschiedliche Bedeutung der Kreuze!
(1) a × b = -(b × a)
(2) a × (b + c) = a × b + a × c
(a + b) × c = a × c + b × c
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.
a × (b + λa) = a × b = a × b + a × (λa)
| {z }
=0
a×(
der die Vektoren b und c
b+
c)
liegen. Der Vektor a steht c
a × (b + c) = a × b + a × c
1
a0 = a, b0 = b − µa, c0 = c − νa,
λ
|a0 | = 1, a · b0 = 0, a · c0 = 0
1. Fall ,→= a × b + a × c.
(4):
|a × b|2 = |a|2 |b|2 sin2 ϕ , ϕ = ^(a, b)
| {z }
=1−cos2 ϕ
a2 b 3 − a3 b 2
a × b = a3 b1 − a1 b3
a1 b 2 − a2 b 1
Beweis:
6 LINEARE GEOMETRIE IN R2 UND R3 24
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
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
(a) Flächennormale:
gegeben: ebenes Flächenstück im Raum
gesucht: Vektor n ∈ R3 mit
(i) n⊥ Flächenstück
1 1
⇒ n = (a × b) oder n = - (a × b)
2 2
(b) Flächeninhalt eines Dreiecks im Raum:
1√ 2
F = 50 + 392 + 312 ≈ 35, 3
2
[a, b, c] := (a × b) · c.
6 LINEARE GEOMETRIE IN R2 UND R3 27
(1) Ebenen:
gegeben: 3 Punkte durch die Ortsvektoren p, q, z ∈ R3
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
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
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}
x = p + σ(q − p) + τ (z − p)
6 LINEARE GEOMETRIE IN R2 UND R3 31
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
6 LINEARE GEOMETRIE IN R2 UND R3 32
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.
p · n0E = y · n0E = d
l
n0E l = Projektion von z auf
z
d(z,E) n0E = (z · n0E )n0E
·
d
Zusammenfassung:
d∗ (z, E)
= z · n0E − d
∗
> 0 ⇔ E trennt z und 0
d (z, E)
< 0 ⇔ E trennt z und 0 nicht
2. Schritt:
6 LINEARE GEOMETRIE IN R2 UND R3 35
1 -1
1 1 14
d∗ (z, E) = -2 · 9 · √ − √ = - √ < 0 ⇒
86 86 86
3 2
| {z } | {z }
z n0E −d
(2) Geraden:
gegeben: 2 Punkte durch die Ortsvektoren p, q ∈ R3
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.
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
6 LINEARE GEOMETRIE IN R2 UND R3 38
5 4
1 1 1√
x∗ = 7 ⇒ |z − x∗ | = -4 = 36 = 2
3 3 3
7 2
↑ Übung
g1 : x = a1 + σb1 , σ ∈ R, a1 , b1 ∈ R3
g2 : x = a2 + τ b2 , τ ∈ R, a2 , b2 ∈ R3
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
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
6 LINEARE GEOMETRIE IN R2 UND R3 39
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)
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
6 LINEARE GEOMETRIE IN R2 UND R3 40
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
6 LINEARE GEOMETRIE IN R2 UND R3 41
√ √
⇔ u − 2x1 c + u + 2x1 c = 2a
q
⇔ 2 u2 − 4x21 c2 = 4a2 − 2u
⇔ 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
⇔ 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
1 Beispiel hhhh
4 -8 2 -8
gegeben: a = -2 , b = 6 , c = -2 , d = -1 ∈ R3 .
3 6 - /2
1 4
2 Definition ggg
Ein Gleichungssystem der Form
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.
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN44
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).
(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
(G6 ) 4x3 = 40
(G9 ) 4x1 = -8
∗ 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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN47
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
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
- keine Lösung.
P
n
aik xk = bi , i = 1, . . . , n. (1)
k=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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN50
(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.
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)
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.
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
a ... a1n b1
11
. ..
Aerw := .. . = (a1 , . . . , an , b) ∈ Rm×(n+1)
am1 . . . amn bn
erweiterte Komix
Beweis:
= b + 0 = b, d. h.
5.2 Bemerkung
Es gilt auch
Rang A = Maximalzahl der linear unabhängigen
Zeilenvektoren von A (ohne Beweis)
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN54
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
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
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
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}
1 Definition hhh
Es seien V und W zwei Vektorräume über R. Eine Abbildung f : V → W
heißt linear, wenn gilt:
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
Rn 3 x 7→ f (x) = Ax ∈ Rm
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN58
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
Ax + Ay = f (x) + f (y),
f (x + y) = A(x + y) = |{z} x, y ∈ Rn
| {z } m
|{z}
∈Rn ∈R ∈Rm
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
R=Bildraum
2
y = f (x) = 2x
1 R=Urbildraum
z1 cos(α + ϕ)
durch f : R2 → R2 in f (x) = z = = r ∈ R2
z2 sin(α + ϕ)
r x
r
ϕ
α
(d) Es sei
C[a, b] := Vektorraum aller stetigen Funktionen
3 Satz fff
Dann ist f linear. Das Bild Aei ∈ Rm des Einheitsvektors ei ∈ Rn ist die
i-te Spalte der Matrix A, i = 1, . . . , n.
Schreibweise: f ↔ A
Zur linearen Abbildung gehört die Matrix A und umgekehrt.
Beweis:
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:
5 Satz hhh
Es seien V, W Vektorräume und f : V → W eine lineare Abbildung.
Dann gilt:
Beweis:
6 Satz (Dimensionsformel)
Für jede lineare Abbildung f : Rn → Rm gilt:
Beweis:
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
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN65
-1
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
Satz
Es seien f, g : Rn → Rm lineare Abbildungen mit
f ↔ A, g ↔ B, dann gilt:
10 Matrizenmultiplikation kkk
p
X i = 1, . . . , m
cik = aij bjk ,
j=1
k = 1, . . . , n
Schema:
b11 · · · b1k · · · b1n
.. ..
. .
bp1 · · · bpk · · · bpn
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN68
1 1 2 0
CD = , DC = , CD 6= DC
1 1 0 0
= (AB)x ∈ R3
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN69
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
beachte:
xk1
.
xk = .. ∈ Rn , k = 1, . . . , n.
xkn
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
Beweis:
Es ist A-1 ↔ g : Rn → Rn bijektiv
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN73
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
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|.
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
SARRUSsche Regel:
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN75
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
− +
= 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
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN76
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
3 Definition +
Füe jedes n ∈ N wird eine n-reihige Determinante induktiv festgelegt durch:
det A = |A| := a.
n
X
det A = (-1)k+j akj det Akj .
j=1
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
Beachte: Dies ist eine Spiegelung des Schemas von A an der Diagonalen a11 , a22 , . . . , ann :
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
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?
(6) det (. . . , a, . . . , a, . . . ) = 0.
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN80
(7) det (. . . , 0, . . . ) = 0.
(1) und (2) ergeben sich durch Entwicklung nach der k-ten Spalte (Satz 4).
=
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)
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:
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN82
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
ohne Beweis
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
(∗) AX = E
CRAMERsche Regel:
(-1)i+k
Damit: xik = det Aki , i, k = 1, . . . , n
det A
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN85
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
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.
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN86
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)
a11 − λ a12 ... a1n
..
a21 a22 − λ .
det (A − λE) = . ..
.. .
an1 an2 ann − λ
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:
II) Zu jedem EW λi berechne man die zugehörigen EV’en vi aus dem sin-
gulären LGS:
(A − λi E)vi = 0
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
-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 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN89
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 diesals ein spezielles Matrixprodukt:
y
1
..
(x1 , . . . , xn ) . = x1 y 1 + · · · + xn y n
| {z }
yn
| {z }
§
Wir schreiben xT := (x1 , . . . , xn ) ”transponiert” (vgl 6.3, Def 6)
⇒ x · y = xT y
yiT yj = 0 für i 6= j und
M ist Orthonormalsystem (ONS) :⇔
y T yi = |yi |2 = 1, i, j = 1, . . . , n
i
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 )
Beweis:
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
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN92
5 Satz Eine reelle (n, n)-Matrix A ist genau dann orthogonal, wenn eine der
folgenden gleichwertigen Bedingungen erfüllt ist
Beweis:
Es gelte umgekehrt (f ) ⇒
ai · aj = Aei · Aej = ei · ej = δij i, j = 1, . . . , n
⇒ A ist orthogonal
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
F (x) = Ax + a (x ∈ Rn ) (2)
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 )
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.
| det A| = 1
Burg/Haf/Wille: Höhere Mathematik für Ingenieure, Band II Lineare Algebra, B.G. Teub-
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 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN96
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:
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
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN97
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 ).
x = BxB = b1 ξ1 + · · · + bn ξn
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN98
und somit
xB = B -1 x (∗).
xB = B T x bzw. x = BxB .
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):
7 LINEARE GLEICHUNGSSYSTEME, MATRIZEN UND DETERMINANTEN99
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
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
s ∈ R3 : Spitze
a
a ∈ R3 : Achsenrichtung
2α ∈ R: Öffnungswinkel α ∈ (0, π)
x
α x−s
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.
8 QUADRATISCHE FORMEN 101
variiere a, s ∈ R3 .
mögliche Schnitte: Punkt, Gerade, Ellipse, Hyperbel, Parabel
Setze in (∗) x3 = 0 und betrachte das Ergebnis in R2 :
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
Bemerkung:
Auch der Schnitt eines Zylinders mit einer Ebene liefert einen KS. ”Der Zy-
linder ist Grenzfall eines Kegels mit Spitze im Unendlichen”.
1 Definition Sei A ∈ Rn×n eine symmetrische Matrix. Dann heißt die Abbil-
dung
φ : Rn 3 x 7→ φ(x) := xT Ax ∈ R
Beispiele:
1 0
A= : φ(x1 , x2 ) = x21 + 2x22
0 2
8 QUADRATISCHE FORMEN 102
h : Rn 3 x 7→ h(x) := φ(x) + b · x + c ∈ R
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
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
EW’e von A
1 1 v 1
λ1 = 2 : 1 = 0 ⇒ v1 + v2 = 0 ⇒ v = t , t ∈ R
1 1 v2 -1
8 QUADRATISCHE FORMEN 104
-1 1 w1 1
λ2 = 4 : = 0 ⇒ -w1 + w2 = 0 ⇒ w = t , t ∈ R
1 -1 w2 -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 ∗
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∗
(5) Skizze:
8 QUADRATISCHE FORMEN 106
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:
8 QUADRATISCHE FORMEN 107
6 QUADRATISCHE FORMEN 9
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
9 Differentialrechnung II
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
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:
9 DIFFERENTIALRECHNUNG II 109
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)
(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)
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→∞
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
9 DIFFERENTIALRECHNUNG II 111
beachte:
c
1
..
lim f (x) = c = . ⇔ lim fi (x) = ci , i = 1, . . . , m
x→a x→a
cm
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
(x0 , y0 )
x
9 DIFFERENTIALRECHNUNG II 112
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
9 DIFFERENTIALRECHNUNG II 113
Uδ (x0 ) := {x ∈ Rn : |x − x0 | < δ}
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
9 DIFFERENTIALRECHNUNG II 115
1
Sei x0 ∈ (a, b), setze δ = min{(x0 − a), (b − x0 )}
2
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.
(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
Zu (ii): analog
9 DIFFERENTIALRECHNUNG II 116
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)
im Punkt xk = xk differenzierbar mit der Ableitung αk , dann heißt f im
Punkt x0 partiell nach xk differenzierbar, k = 1, . . . , n.
Bezeichnung:
9 DIFFERENTIALRECHNUNG II 117
∂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.
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
Die Abbildung
f heißt 2 mal (k mal) partiell differenzierbar, wenn alle zweiten (alle k-ten)
partiellen Ableitungen existieren.
Bezeichnungen: Für i, k ∈ {1, . . . , n}
9 DIFFERENTIALRECHNUNG II 118
∂ ∂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
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
∂ ∂f ∂ ∂f
= , 1 ≤ i, j ≤ n, auf D
∂xj ∂xi ∂xi ∂xj
9 DIFFERENTIALRECHNUNG II 119
R3 3 (x, y, z) 7→ f (x, y, z) ∈ R
fxzx = fxxz , fxyz = fyxz = fzxy ,
D
h1
a+h
h2
a
∆f := f (a + h) − f (a)
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|
∂f (a) ∂f (a)
f (x) = f (a) + (x1 − a1 ) + (x2 − a2 ) + r(a − x)
|{z} ∂x1 ∂x2
=:a3 | {z } | {z }
=:α1 =:α2
Ta : Tangentialebene: α1 x1 + α2 x2 − x3 + d = 0
mit d = a3 − α1 a1 − α2 a2
9 DIFFERENTIALRECHNUNG II 121
F : { x1 , x2 , f (x1 , x2 ) ∈ R3 : (x1 , x2 ) ∈ R2 }.
∂f (a) ∂f (a)
f (a + h) = f (a) + h1 + h2 + r(h).
∂x1 ∂x2
∂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|.
9 DIFFERENTIALRECHNUNG II 122
∂f (a)
Es sei α1 :=
∂x1
∂f (a)
α2 :=
∂x2
a3 := f (a)
∂f ∂f
Dabei ist A : R2 3 h 7→ Ah := (a)h1 + (a)h2 = h· grad f (a) ∈ R
∂x1 ∂x2
eine lineare Abbildung.
9 DIFFERENTIALRECHNUNG II 123
§
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),
9 DIFFERENTIALRECHNUNG II 124
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:
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
5 Satz ikouyhs
Jede C 1 -Funktion f : D → R, D ⊂ Rn offen, ist differenzierbar
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 .
anschaulich: f (x0 ) ∈ R.
Wackelt man an x0 um dx, dann wackelt f (x0 ) umgefähr um df .
9 DIFFERENTIALRECHNUNG II 126
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
∂
beachte: Spezialfall v = ei ⇒ Dei f (x) = f (x)
|{z} ∂xi
=Di
2 Bemerkung ggg
Betrachte die Abbildung
⇒ 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
|Dv f (x)| = |v· grad f (x)| ≤ |v| | grad f (x)| = | grad f (x)|
qqqqqqqggggggggghhhhff↑qqqqqqqgggggggg↑
qqqqqqqggggggggghhhhffCSUqqqqqqqggg|v| = 1
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?
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
x0 x0 + h
§
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
beachte: Durch f (x, y) = 0 ist i.a. ”y als Funktion von x” nicht notwendig
eindeutig festgelegt:
9 DIFFERENTIALRECHNUNG II 130
y f (x, y) = 0
x x
I
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
3
eg(x) + g(x) + x3 + x2 − 1 = 0 ∀x ∈ R
(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
D1 f (x0 , y0 )
g 0 (x0 ) = -
D2 f (x0 , y0 )
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 )
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|
rj (h)
fj (a + h) − fj (a) = αj1 h1 + · · · + αjn hn + rj (h) mit lim =0
h→0 |h|
r(x − a)
mit einem Fehler, für den gilt lim =0
x→a |x − a|
Beachte:
9 DIFFERENTIALRECHNUNG II 135
(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
2π
(r,ϕ)∈D⊂R2 g
−→
D ϕ
r x
(x,y)∈R2
g f
F := f ◦ g : D → Rm , |{z}
D → g(D) → Rm
⊂Rn
Jf ◦g (a) = Jf g(a) Jg (a)
F 0 (a) = f 0 g(a) g 0 (a)
9 DIFFERENTIALRECHNUNG II 137
↑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
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.
9 DIFFERENTIALRECHNUNG II 138
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)
∂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
9 DIFFERENTIALRECHNUNG II 139
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)
∂
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”:
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).
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
§
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
Beweis:
betrachte t 7→ h(t) := f (x0 + tei ) ∈ R. h hat lokale Extremalstelle für t = 0 ⇒
(§ 4.4, Satz 2)
9 DIFFERENTIALRECHNUNG II 142
∂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).
9 DIFFERENTIALRECHNUNG II 143
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.
!
1. Schritt: fx = 2(x − 4) = 0 ⇒ x0 = 4
!
1. Schritt: fy = 2(y − 2) = 0 ⇒ y0 = 2
einziger krit. Punkt
!
1. Schritt: fx = 2(x − 2) = 0 ⇒ x0 = 2
!
1. Schritt: fy = 2 = 0 geht nicht
⇒ es existieren keine lokale Extrema.
!
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
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
(1) Welches Rechteck hat unter allen Rechtecken gleichen Umfangs U den
größten Flächeninhalt?
9 DIFFERENTIALRECHNUNG II 147
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
Min Max
x
Max Min
Die Methoden unter (1) und (2) sind aber nur in seltenen Spezialfällen
durchführbar.
!
f (x) = Extremum unter der NB h(x) = 0. (p = 1)
Beispiele
2. Schritt: Löse das System (I),(II),(III): Achtung, dies ist i.a. kein
LGS, d. h. Intuition und Geschick erforderlich!
(x, y, λ) 7→ F (x, y, λ)
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.
geometrische Interpretation:
Fallunterscheidung:
(a) kjsdrhf
λ = 0 : (III) ⇒ z = 0 oder µ = 0
(i) kjsdrhf
9 DIFFERENTIALRECHNUNG II 153
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
10 Integralrechnung II
10.1 Parameterintegrale:
1 Satz hhhh
(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
10 INTEGRALRECHNUNG II 157
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
Beispiel:
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.
10 INTEGRALRECHNUNG II 158
Z b
G= f w(t) |ẇ(t)|dt (∗)
a
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.
Z Z Z b
M= dm = f ds = f w(t) |ẇ(t)|dt
w w a
2 Bemerkung hhh
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.
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
10 INTEGRALRECHNUNG II 160
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
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
10 INTEGRALRECHNUNG II 161
Z
1
ys = yρ(x, y, z)ds
M w
Z
1
zs = zρ(x, y, z)ds
M w
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
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
Z Z
g · dx = g1 dx1 + g2 dx2 + g3 dx3
w w
5 Bemerkung hhhhhhh
[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)
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.
y
ρ w(t) ist Tangentialvektor von w
1 x
10 INTEGRALRECHNUNG II 165
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
§
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
10 INTEGRALRECHNUNG II 166
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
Beispiel:
9 Bemerkung ffff
Es seien w ein geschlossener stückweiser C 1 -Weg und f ein Gradientenfeld.
10 INTEGRALRECHNUNG II 167
Dann ist
w2−
2 C 1 -Weg
I ↓ w1 →
f · dx = 0
←w
2
erfüllt ist.
beachte:
Beweis:
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!
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
10 INTEGRALRECHNUNG II 169
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:
(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
10 INTEGRALRECHNUNG II 170
Q := {(x, y) ∈ R2 : a ≤ x ≤ b, c ≤ y ≤ d}
FQ = (b − a)(d − c).
Q
d = yq
Q1 Q2 Q3 ··· ···
..
.
y2
y1
··· Qm
c = y0
a = x0 x1 x2 ··· xp = b
und eine
[xi−1 , xi ] × [yk−1 , yk ]
1 Definition jkhwevb
Es sei f eine reelle beschränkte Funktion auf einem Rechteck Q.
(I) Z = {Q1 , Q2 , . . . , Qm }
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
Z Z
f (x, y) dxdy
Q
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!
10 INTEGRALRECHNUNG II 174
RIEMANNsche Summe:
m
X Z
|z|→0
f (ζi , ηi )FQi −→ f (x, y) d(x, y)
i=1 Q
3 Bemerkungen kkkhvkh,
(b) Wenn f (x, y) < 0 ist, dann werden die entsprechenden Volumenanteile
durch das Integral automatisch negativ gezählt!
Beispiele:
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
10 INTEGRALRECHNUNG II 176
Z Z
f (x, y) d(x, y) := f (x, y)d(x, y)
B Q
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)
y x = l(y) x = r(y)
d
y f (x, y) = 0
Q
c
a b x
Z Z d Z r(y)
f (x, y) d(x, y) = f (x, y) dx dy
B c l(y)
5 Bemerkungen hhh
Beispiele:
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
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:
10 INTEGRALRECHNUNG II 180
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!
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
Damit gezeigt:
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)
u 7→ Φ(u, v0 ) ∈ S
Die Kurven auf S von diesen Wegen
und v 7→ Φ(u0 , v) ∈ S
v0 =konst.
z
∂
Φ(u0 , v0 )
∂u
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)|
Beispiele:
D1 Φ(u, v) = a, D2 Φ(u, v) = b
(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:
r sin ψ cos ϕ
Φ : D 3 (ψ, ϕ) 7→ Φ(ψ, ϕ) = r sin ψ sin ϕ ∈ R3
r cos ψ
10 INTEGRALRECHNUNG II 187
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
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.
10 INTEGRALRECHNUNG II 189
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
beachte: JΦ (u0 , v0 ) = D1 Φ(u0 , v0 ), D2 Φ(u0 , v0 ) ∈ R3×2
Damit ist der Inhalt von P
Z
Flächeninhalt von S : O = dO
S
Spezialfälle:
x(t)
Betrachte den Weg γ : [a, b] 3 t 7→ 0 ∈ R3
z(t)
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:
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
∆O = |D1 Φ × D2 Φ|∆u∆v
f Φ(u, v) ∆O = f Φ(u, v) |D1 Φ × D2 Φ|∆u∆v
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
Z Z
f dV = f (x, y, z) d(x, y, z); dV : Volumenelement
B B
2 Anwendungen ggg
10 INTEGRALRECHNUNG II 196
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:
(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:
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
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
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
10 INTEGRALRECHNUNG II 201
∆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
∂(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)
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.) g ∈ C 1 (D, R3 )
Die Parameterflächen
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 )|
z ·
Koordinatenflächen:
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:
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
10 INTEGRALRECHNUNG II 206
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
10 INTEGRALRECHNUNG II 207
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
10 INTEGRALRECHNUNG II 208
10.7 Integralsätze
y
Γ3
Rand ∂B von B
ϕ2
∂B = Γ1 ∪ Γ2 ∪ Γ3 ∪ Γ4
B
Γ4 Γ2
ϕ1
x
Γ1
b
γ2 : [0, 1] 3 t 7→ γ2 (t) = ∈ R
2
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
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
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
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)
10 INTEGRALRECHNUNG II 212
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
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
10 INTEGRALRECHNUNG II 213
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
a
0
g h dt = - gh0 dt + [gh]ba
a
§
vgl. 5.4(c)