Sie sind auf Seite 1von 104

Bauhaus-Universitt Weimar a Institut fr Mathematik/Physik u

Material zur Vorlesung

Grundlagen der Analysis und Gewhnliche Dierentialgleichungen o Teil 1 - Analysis


fr die Studiengnge u a Bauingenieurwesen (B.Sc.) Management fr Bau, Immobilien, Infrastruktur (B.Sc.) u Lehramt Bautechnik (B. Sc.) Baustongenieurwissenschaft

von

Klaus Markwardt

Institut fr Mathematik/Bauphysik u Bauhaus-Universitt Weimar a Coudraystr. 13 B, Zi. 103 99421 Weimar Homepage: http://webuser.uni-weimar.de/~markward/

Inhaltsverzeichnis
Hinweise Notationen 1 Funktionen und Abbildungen 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 Uberblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Reelle Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 5 7 7 7 14 14 14 15 15 16 18 19 23 23 27 28 29 29 32 32 32 33 33 33 35 36 38 39

Reellwertige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Komplexwertige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funktionale und Operatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vektor- und matrixwertige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Uberblick zu stetigen Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Topologische Grundbegrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grenzwerte reeller Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.10 Stetigkeit reeller Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Dierentialrechnung einer reellen Vernderlichen a 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 Grundbegrie und ihre Interpretation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Elementare Dierentiationsregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dierentiation einiger elementarer Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . Dierentiation der Umkehrfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Berechnung von Grenzwerten mit der Regel von de lHospital . . . . . . . . . . . . . . . . . . Hhere Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o Dierentiation komplexwertiger Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dierentiation vektorwertiger Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funktions- und Kurvendiskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.9.1 2.9.2 2.9.3 2.9.4 Monotonieverhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Konvexitt und Konkavitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a a Extremwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Charakteristika zum Funktionsverlauf . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.10 Newtonsches Nherungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 2.11 Lokale Existenz einer stetig dierenzierbaren Umkehrfunktion . . . . . . . . . . . . . . . . . .

2.12 Mittelwertstze der Dierentialrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 2.13 Taylorformel mit Lagrangeschem Restglied . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.14 Taylorreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Funktionen mehrerer reeller Vernderlicher a 3.1 3.2 3.3 Uberblick und Grasche Darstellungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grundbegrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Charakterisierung von Denitionsbereichen . . . . . . . . . . . . . . . . . . . . . . . . . . . .

41 42 44 48 48 48 50 50 50 52 61 62 66 66 67 70 71 74 76 76 77 77 77 79 80 80 80 80 80 81

4 Dierentialrechnung mehrerer reeller Vernderlicher a 4.1 4.2 4.3 4.4 4.5 Partielle Ableitungen erster Ordnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Graken zu Stetigkeit und Dierenzierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . Partielle Ableitungen hherer Ordnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o Gradient, Richtungsableitung , totales Dierential . . . . . . . . . . . . . . . . . . . . . . . . Jacobi-Matrix und Verallgemeinerte Kettenregel . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.1 4.5.2 4.6 4.7 4.8 4.9 Allgemeines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiele fr die Jacobi-Matrix (Funktionalmatrix) u . . . . . . . . . . . . . . . . . . .

Taylor-Formel mehrere unabhngige Variable . . . . . . . . . . . . . . . . . . . . . . . . . . . a Lokale Existenz und Dierenzierbarkeit der impliziten Funktion . . . . . . . . . . . . . . . . . Freie Extremwertaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Extremwertaufgaben mit Nebenbedingungen . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.10 Anwendungen

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 Integralrechnung einer reellen Vernderlichen a 5.1 Unbestimmte Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 5.1.2 5.1.3 5.2 Einige Grundintegrale und Beispiele fr unbestimmte Integrale . . . . . . . . . . . . . u Partielle Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Substitutionsregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Bestimmtes Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 5.2.2 5.2.3 5.2.4 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Partielle Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Substitutionsregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anwendung - Orthogonalitt von Funktionensystemen . . . . . . . . . . . . . . . . . . a

5.3

Riemann-Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.1 5.3.2 5.3.3 Denition und Approximationseigenschaften . . . . . . . . . . . . . . . . . . . . . . . . Numerische Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Weitere Eigenschaften des Riemann-Integrals . . . . . . . . . . . . . . . . . . . . . . .

83 83 84 85 86 89 89 90 97 101

5.4

Uneigentliche Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6 Reelle und komplexe Fourier-Entwicklungen 6.1 6.2 Trigonometrische Polynome und Frequenzspektren . . . . . . . . . . . . . . . . . . . . . . . . Fourierreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

7 Integralrechnung mehrerer reeller Vernderlicher a 8 Parameterintegrale 8.1 8.2

Stetigkeit und Integrierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 Dierentiation von Parameterintegralen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

Hinweise
Abschlieende Pr fung schriftlich = Pr ngsklausur von 180 Minuten u u Verwendbare Hilfsmittel: Dieses Skript (Teil 1 - Analysis), die Fortsetzung Teil 2 : Dierentialgleichungen und ein Taschenrechner. Beide Skripte knnen auf den Rckseiten der ausgedruckten Seiten handschriftlich ergnzt werden, mehr nicht! o u a Unabhngig davon drfen gerechnete Ubungs- und Belegaufgaben nicht benutzt werden. Keine Benutzung a u von Bchern und Formelsammlungen. u Voraussetzung f r die Zulassung zur Pr fung: u u Erfolgreiche Bearbeitung des zur Vorlesung gehrigen Beleges o Aufgabenstellungen und Abgabetermine der Belegteile sowie die Regeln zur Anerkennung des Beleges werden auf der Homepage von Frau DM Schmidt (siehe unten) bekannt gegeben. Ubungen wchentlich einmal, durchgef hrt von o u Dipl.-Math. Gudrun Schmidt, Coudraystrae 13B, Zimmer 204 Homepage : http://webuser.uni-weimar.de/~schmidt3/ Dr. rer. nat. Klaus Markwardt, Coudraystrae 13B, Zimmer 204 Homepage: http://webuser.uni-weimar.de/~markward/ Homepage des Instituts fr Mathematik und Physik : u http://www.uni-weimar.de/Bauing/mathe/mathe.html Sekretariat der Professur Angewandte Mathematik Tina Liesigk, Coudraystrae 13B Zimmer 103 E-mail : tina.liesigk@uni-weimar.de Tel.: 0-3643-584277 Weitere Hinweise und Informationen zur Vorlesung auf meiner Homepage: http://www.uni-weimar.de/~markward/

Bei dem in das Netz gestellte Material handelt es sich in der Regel lediglich um ein grobes Gerst, das in u den Lehrveranstaltungen wesentlich ergnzt und verfeinert wird. Dies betrit insbesondere auch eine Reihe a grundlegender Formeln und Beispiele. An anderer Stelle wurden jedoch im Hinblick auf eine Abrundung des Stoes (Erleichterung weiterfhrender u Studien) sowie die bessere Einbindung in weiterfhrende Theorien und Anwendungen auch Fakten angedeuu tet, die nicht Gegenstand der schriftlichen Prfung sind. u Achten Sie hier bitte auf die entsprechenden Informationen in den Lehrveranstaltungen. Auswahl von an der Universittsbibliothek vorhandenen Lehrb chern und Formelsammlungen a u (Lehrbuchsammlung) Siehe Literaturverzeichnis: [5], [6], [11], [2], [3], [14], [9], [17], [8], [12], [13], [15], [7], [1] und [4]. Internetskripte: Mathematik-Online : Vergleiche [10] In http://mo.mathematik.uni-stuttgart.de/kurse/ nden Sie Broschre zur Analysis einer Vernderlicher, u a Broschre zur Analysis mehrerer Vernderlicher u a (bezglich der Integration gibt es dort einige irritierende Formulierungen, die Graken sind jedoch u recht anschaulich) und den Link Dierentialgleichungen Formelsammlung als Broschre u Link zur Fourier-Analysis Lineare Algebra als Broschre u Mathematische Grundlagen als Broschre u Numerik als Broschre (Abschnitt Dierentialgleichungen) u Vektorrechnung als Broschre u Vorkurs Mathematik (Analysis sowie Lineare Algebra und Geometrie) Quelle zur Schulmathematik: [16] Man beachte, dass fr die Vorlesung nur Teile der obigen Manuskripte und Internetquellen relevant sind. u Weitere Hinweise innerhalb des Manuskripts.

Notationen

C N R Z C k (R)

Menge der komplexen Zahlen Menge der natrlichen Zahlen, N = {1, 2, } u Menge der reellen Zahlen Menge der ganzen Zahlen Raum der in R k-mal stetig dierenzierbaren Funktionen Raum der auf einem Intervall I k-mal stetig dierenzierbaren Funktionen

C k (I)

Lp (R)

f Lp (R), wenn

|f (t)|p dt existiert

Mn (f )

tn f (t) dt, stetiges Moment n-ter Ordnung Trger der Funktion f a Delta-Distribution (Diracsto) Kroneckersymbol F(f )() = f () =

supp(f ) (t) lk F(f ) , f f (n) L(f ) A Re(f ) , Im(f ) f, g

f (t) eit dt, Fourier-Transformation

Kreisfrequenz : = 2 Frequenz n-te Ableitung einer reellen Funktion

L(f )(z) =
0

f (t) ezt dt,

z C, Laplace-Transformation

charakteristische Funktion der Menge A Real- bzw. Imaginrteil von f a

f, g =

f (t) g (t) dt

Skalarprodukt in L2 (R)

f = f

f =

f, f , Norm in L2 (R)

grtes Ganzes einer reellen Zahl c (engl. : oor), o grte ganze Zahl, die kleiner oder gleich c ist (Gauklammer) o ganzzahliges Aufrunden einer reellen Zahl c (engl. : ceil), kleinste ganze Zahl, die grer oder gleich c ist o

6 Vector Sets Rn Cn Zn u, v, w

set of n-dimensional vectors with real components set of n-dimensional vectors with complex components set of n-dimensional vectors with whole-numbered components vectors

Set of Matrices (n, m)-matrix R(n,m) C(n,m) Z(n,m) A, B, C aij det(A)

a matrix with n rows and m columns set of (n, m)-matrices with real entries set of (n, m)-matrices with complex entries set of (n, m)-matrices with whole-numbered entries matrices entry from row i and column j regarding matrix A determinant of the matrix A

other Notions u Cn A R(n,m)

for all n-dimensional vectors with complex entries A is a real (n, m)-matrix Lower case Greek alphabet

name alpha beta gamma delta epsilon zeta eta theta

character

name iota kappa lambda mu nu xi omicron pi

character o

name rho sigma tau upsilon phi chi psi omega

character

1
1.1

Funktionen und Abbildungen


Uberblick

Denition 1.1. Ausgehend von zwei gegebenen Mengen D und Y wird eine Vorschrift f , die jedem x D genau ein Element y Y zuordnet, eine Funktion (oder Abbildung) von D nach Y genannt. Schreibweise: y = f (x), f : D Y oder x f (x), f: D Y (1.1)

Formal kann eine Funktion f als Teilmenge der Produktmenge f D Y = {(x, y) | x D , y Y } charakterisiert werden, wobei jedes x D in genau einem Paar als erste Komponente vorkommt. Es muss also immer (x, y) f und (x, y ) f = y = y gelten. Nur dann ist die Schreibweise (1.1) gestattet. Insbesondere wird D stets ausgeschpft. o Die Menge Y in (1.1) muss nicht unbedingt ausgeschpft werden. Der Wertebereich o W = f (D) (die Menge aller Bilder von D) ist also eine echte oder eine unechte Teilmenge von Y . WY Grundlegende Eigenschaften von Funktionen (Abbildungen): injektiv, surjektiv, bijektiv Komposition (Verknpfung) von Funktionen, inverse Funktionen (Umkehrfunktionen) u Vergleiche:
http://mo.mathematik.uni-stuttgart.de/kurse/kurs9/kurs9_broschuere.pdf und http://de.wikipedia.org/wiki/Umkehrfunktion Beispiele: 1. f (x) = 2 x 1 Wegen y = 2x 1 folgt f 1 (x) = 2. f (x) = Wegen
x 1 , 2x
2

x=

y+1 2

x+1 2

f : (0, ) R x2 1 2x f 1 : R (0, ) . y= x=y+ y2 + 1

folgt f 1 (x) = x + x2 + 1 ,

1.2

Reelle Funktionen

Identische Abbildung : ID : D D Reelle Funktionen : f: D Y oder in krzerer Form ausgedrckt u u f: D R mit DR Oft sind die Denitionsbereiche reeller Funktionen Intervalle. In den Anwendungen sind sie meist zumindest als Vereinigungsmenge von endlich oder abzhlbar unendlich vielen Intervallen darstellbar. a Mit a < b wird [ a, b ] [ a, b ) ( a, b ] ( a, b ) = = = = {x R | a x b} {x R | a x < b} {x R | a < x b} {x R | a < x < b} ein abgeschlossenes, ein halboenes, ein halboenes und ein oenes mit DR und Y R bedeutet x x fr alle u xD

Intervall endlicher Lnge. Intervalle unendlicher Lnge kennzeichnet man analog wie folgt. a a [ a, ) ( a, ) ( , a ] ( , a ) Ublich sind auch die folgenden Schreibweisen [ a, b [ ] a, b ] ] a, b [ = = = {x R | a x < b} {x R | a < x b} {x R | a < x < b} = = = = {x R | a x} {x R | a < x} {x R | x a} {x R | x < a}, = = = = {x R | a x} {x R | a < x} {x R | x a} {x R | x < a}

[ a, [ ] a, [ ] , a ] ] , a [ die wir in der Regel nicht verwenden.

Inverse Funktionen (Umkehrfunktionen) Auch fr eine reelle Funktion f : D Y gilt : u f besitzt genau dann eine inverse Funktion f 1 , wenn die beiden folgenden Bedingungen erfllt sind. u 1. Y = W ist der Wertebereich von f (Surjektivitt geht aus der Nutzung des Symbols W hervor) a 2. Aus f (x1 ) = f (x2 ) folgt stets x1 = x2 (Injektivitt) . a Fr die inverse Funktion f 1 : D W gilt stets D = W und W = D . u Dies ist mfr beliebige inverse Abbildungen, also nicht nur fr reelle Funktionen gltig. u u u Monotonieeigenschaften Gegeben : Reelle Funktion f : D W und beliebige x1 , x2 D Dann heit f monoton wachsend, wenn x1 x2 = f (x1 ) f (x2 ) streng monoton wachsend, wenn x1 < x2 monoton fallend, wenn x1 x2 streng monoton fallend, wenn x1 < x2 = f (x1 ) > f (x2 ) = f (x1 ) f (x2 ) = f (x1 ) < f (x2 )

Eine reelle Funktion f : D W heit monoton, wenn sie auf ganz D entweder monoton wachsend oder monoton fallend ist. Eine reelle Funktion f : D W heit streng monoton, wenn sie auf ganz D entweder streng monoton wachsend oder streng monoton fallend ist. Satz 1.2. Eine reelle Funktion, die sowohl monoton wachsend als auch monoton fallend ist, nimmt auf ihrem ihrem Denitionsbereich uberall denselben konstanten Wert an. Nur die konstanten Funktionen erfllen also diese beiden Monotonieeigenschaften. u Satz 1.3. Jede streng monotone Funktion f : D W besitzt eine Umkehrfunktion f 1 . Ist f streng monoton wachsend, dann trit dies auch fr die Umkehrfunktion f 1 zu. u Ist f streng monoton fallend, dann auch die Umkehrfunktion f 1 . Satz 1.4. Fr reelle Funktionen f : D R , g : D R und reelle Zahlen gilt stets : u f und g monoton wachsend = f + g monoton wachsend 0 und f monoton wachsend 0 und f monoton wachsend = = f f monoton wachsend monoton fallend

f streng monoton wachsend und g monoton wachsend = f + g streng monoton wachsend

> 0 und f streng monoton wachsend < 0 und f streng monoton wachsend f (x) 0 f f (x) > 0 f und g g(x) 0

= =

f f

streng monoton wachsend streng monoton fallend

fr alle x D u

fg

monoton wachsend

und und

monoton wachsend

fr alle x D u streng monoton wachsend g monoton wachsend g(x) > 0 f (x) > 0 fr alle x D u

fg

streng monoton wachsend

f Im Gegensatz dazu : f

streng monoton wachsend

1 f

streng monoton fallend

streng monoton wachsend


1 f

f 1

streng monoton wachsend

f Symbol fr reelle Funktion : Interpretation von u

und f 1 !

Wie ndern sich die obigen Aussagen, wenn in den Prmissen (linken Seiten) jeweils wachsend durch fallend a a ersetzt wird. Komposition von Funktionen, auch Verkettung oder Hintereinanderausfhrung genannt u Komposition zweier Funktionen h und g : g h (g h)(x) = g(h(x)) h wird dabei als innere und g als uere Funktion bezeichnet. a Beachte : Wenn f = g h existiert, dann gilt fr die Wertebereiche i.a. nur Wf Wg . u Satz 1.5. Fr reelle Funktionen h : Dh Wh , g : Dg Wg mit Wh Dg und der Komposition g h : Dh Wg u gilt g und h monoton wachsend = g h monoton wachsend g und h streng monoton wachsend g und h monoton fallend g und h streng monoton fallend = = = g h streng monoton wachsend g h monoton wachsend g h streng monoton wachsend = g h monoton fallend

g monoton wachsend und h monoton fallend

g streng monoton wachsend und h streng monoton fallend = g h streng monoton fallend Man gewinne weitere Aussagen durch Vertauschen von wachsend und fallend in den obigen Prmissen. a Siehe Monotoniekriterien in Abschnitt 2.9 Denition 1.6. Eine reelle Funktion f heit konvex auf einem Intervall I, wenn fr alle u x1 , x2 I und alle t (0, 1) (1.2)

f (t x1 + (1 t) x2 ) t f (x1 ) + (1 t) f (x2 ) gilt. Sie heit streng konvex auf I, wenn an Stelle von (1.2) sogar f (t x1 + (1 t) x2 ) < t f (x1 ) + (1 t) f (x2 ) gilt.

10
file:///C:/Dokumente und Einstellungen/markward/Eigene Dateien/Convex_Function.svg

1 von 1

11.02.2011 09:58

Hinweis: In der Abbildung x durch x1 und y durch x2 ersetzen. Abbildung aus http://de.wikipedia.org/wiki/Konvexe_Funktion Satz 1.7. Eine reelle Funktion f wird genau dann konvex auf einem Intervall I, wenn aus x1 , x, x2 I und x1 < x < x2 stets x x1 x2 x f (x1 ) + f (x2 ) f (x) x2 x1 x2 x1 folgt. Strenge Konvexitt liegt genau dann vor, wenn stattdessen sogar a f (x) < gilt. Man interpretiere den auf den rechten Seite der Ungleichungen stehenden Ausdruck (Geradengleichung in Zweipunkteform). Ersetzt man in Denition 1.6 die Relation durch bzw. die Relation < durch > , dann erhlt die Denitionen a zur Konkavitt bzw. strengen Konkavitt. a a Entsprechend sind die beiden Ungleichungen in Satz 1.7 zu ndern, um Kriterien zur Konkavitt zu erhalten. a a Bemerkungen zur Notation: An Stelle von konvex nutzen einige den Begri konvex von unten. An Stelle von konkav nutzen einige den Begri konvex von oben. f (x) konvex f (x) konkav. f (x) streng konkav x2 x x x1 f (x1 ) + f (x2 ) x2 x1 x2 x1

f (x) streng konvex

Jede streng konvexe Funktion ist auch konvex, aber nicht jede konvexe Funktion ist streng konvex. Satz 1.8. Eine auf einem Intervall I denierte Funktion f : I R , die sowohl konvex als auch konkav ist, nimmt die Gestalt f (x) = a x + b an. Satz 1.9. Fr auf einem Intervall I denierte Funktionen f : I R , g : I R und reelle Zahlen , gilt : u f und g konvex = f + g konvex = = = = f f konvex f + g konvex konkav

0 und f konvex 0, 0 und f , g konvex 0 und f konvex f streng konvex und g konvex

f + g streng konvex

11

> 0 und f streng konvex

f = f

streng konvex f + g streng konvex streng konkav

> 0, 0 , f streng konvex und g konvex < 0 und f streng konvex f : If Ig , u = f (x) g(u) g(u) g : Ig R konvex konvex =

g(f (x))

konvex

monoton wachsend g : Ig R

f : If Ig , u = f (x) g(u) g(u)

streng konvex streng konvex

g(f (x))

streng konvex

streng monoton wachsend

Kriterien fr Konvexitt bzw. Konkavitt mit Hilfe der Dierentialrechnung im Abschnitt 2.9. u a a Spezielle Beispiele f r reelle Funktionen: u 1. Potenzfunktionen, vgl. Abb. 1 Vgl. Abbildung aus http://de.wikipedia.org/wiki/Potenzfunktion und www.stem.de/index.html?/html/schule/mathematik/potenzfunktionen.htm 2. Absolutbetrag f : R R, Er ist bekanntlich deniert durch |x| = und besitzt fr beliebige , x, y R mit u |x| |x| = 0 | y| |x + y| = 0 x=0 || |y| |x| + |y| (Dreiecksungleichung) x x fr u fr u x0 x<0 x |x|

die Eigenschaften einer Norm, vgl. http://de.wikipedia.org/wiki/Normierter_Raum Unmittelbare Folgerungen sind |x| |x y| 3. Charakteristische Funktion einer Menge A D A : D R 4. Heaviside-Funktion H: R R oder krzer u H(x) = 0 1 falls falls x0 x>0 mit x 0 1 falls falls x0 x>0 mit x 1 0 falls falls xA xA = | x| | |x| |y| |

12

Abbildung 1: Potenzfunktionen

13

1
x

0
5. Gauklammern: auch Ganzzahl-Funktion, Abrundungsfunktion (engl. f loor(x) ) x := max{k Z}
kx

fr reelles x u

-2

-1

Entsprechend: Aufrundungsfunktion (engl. ceiling function, ceil(x) x := min{k Z}


kx

6. Signumsfunktion 1 0 sgn(x) = 1 fr u fr u fr u x>0 x=0 , x<0 D=R

7. Polynome, gebrochen rationale Funktionen, trigonometrische Funktionen, Arcusfunktionen, Exponential- und Logarithmusfunktionen, Hyperbelfunktionen Vergleiche : http://mo.mathematik.uni-stuttgart.de/kurse/kurs9/kurs9_broschuere.pdf http://mo.mathematik.uni-stuttgart.de/kurse/kurs1/kurs1_broschuere.pdf http://de.wikipedia.org/wiki/Potenzfunktion http://de.wikipedia.org/wiki/Lagrange-Polynom http://de.wikipedia.org/wiki/Polynomdivision http://de.wikipedia.org/wiki/Rationale_Funktion http://de.wikipedia.org/wiki/Trigonometrische_Funktion http://de.wikipedia.org/wiki/Formelsammlung_Geometrie http://de.wikipedia.org/wiki/Exponentialfunktion http://de.wikipedia.org/wiki/Logarithmus http://de.wikipedia.org/wiki/Kreis-_und_Hyperbelfunktionen 8. f (x) = 9. f (x) = 10. f (x) = 1 , x2 D = D(f ) = R \ {0} D = D(f ) = R \ {1} D = D(f ) = R

1 , 1x 1 , 1 + x2

11. Stckweise konstante Funktionen (Treppenfunktionen) u 12. Lineare Funktionen und stckweise lineare Funktionen u Unterschied zu linearen Abbildungen 13. n-te Wurzelfunktion, n N f (x) = n x, D = D(f ) = [0, +)

14

1.3

Reellwertige Funktionen

Reellwertige Funktionen f: D Y oder in krzerer Form ausgedrckt u u f: D R Jede reellwertige Funktion ist eine (spezielle) komplexwertige f : D C. Wenn wir (im engeren Sinne) von reellwertigen Funktionen sprechen wird in der Regel D Rn oder D Cn vorausgesetzt. Bei andersartigen Denitionsbereichen wird von reellen Funktionalen gesprochen. Beispiele fr reellwertige Funktionen : u 1. Euklidische Norm im Rn
n

mit

Y R

Fr den ersten Teil kann auch u

: Rn R,

x = (x1 , , xn )
k=1

x2 k

geschrieben werden. 2. Maximumnorm im Rn 3. Summennorm Rn


1

: R n R+

mit

R+ = {y R | y 0}

: R n R+ ,

x = (x1 , , xn ) max (|x1 |, . . . , |xn |)


n

: R n R+ ,

x = (x1 , , xn )
i=1

|xi |.

1.4

Komplexwertige Funktionen

Komplexwertige Funktionen f: D C Wenn wir von komplexwertigen Funktionen sprechen, dann wird D Rn oder D Cn vorausgesetzt. (Den Begri komplexe Funktion verwenden wir nicht. Bei diesem werden D C und W C fr f : D W vorausgesetzt. u Siehe Dierenzierbarkeit im Komplexen)

Wichtige Beispiele fr uns sind von der Form f : R C wie etwa u f (t) = A ei ( t+) = A cos( t + ) + i A sin( t + ) , und g(t) = A exp( t + i ( t + )) = A e t ei ( t+) = A e t cos( t + ) + i A e t sin( t + ) mit A, , , R .

1.5

Funktionale und Operatoren

1. Beispiel fr einen linearen Operator : u Es sei C k (I) der Raum aller reellen Funktionen, die auf einem Intervall I R k-mal stetig dierenzierbar sind. Mit C 0 (I) oder auch C(I) wird dann die Menge aller auf dem Intervall I stetigen Funktionen bezeichnet. Dierentiationsoperator D D : C 1 (I) C(I) mit dg D : g(t) g (t), D : g g oder D : g dt 2. Beispiel fr ein lineares Funktional : u Eine bestimmte Integration I[0,1] : C([0, 1]) R mit
1

I[0,1] : g(t)
0

g(t)dt

15

oder knapper und mathematisch exakter


1

I[0,1] : g
0

g(t)dt

mit

g C([0, 1])

3. Beispiel fr einen linearen Operator : u Eine Integration mit variabler oberer Grenze x [0, 1] I : C([0, 1]) C 1 ([0, 1])
x

mit

I : g
0

g(t)dt

1.6

Vektor- und matrixwertige Funktionen

1. Vektorwertige Funktionen einer reellen Variablen - Schrger Wurf a - Parameterdarstellung von Kreis, Ellipse und Hyperbel, Vergleiche http://mo.mathematik.uni-stuttgart.de/kurse/kurs9/kurs9_broschuere.pdf Vergleiche auch Quadriken/Kegelschnitt in http://mo.mathematik.uni-stuttgart.de/kurse/kurs10/kurs10_broschuere.pdf - Schraubenlinie der Ganghhe h (Kurve im R3 ) o - Krper auf Bahnkurve im R3 o 2. Matrixwertige Funktionen einer reellen Variablen Beispiel: Wronski-Matrix und Wronski-Determinante Vgl. http://de.wikipedia.org/wiki/Wronski-Determinante und http://de.wikipedia.org/wiki/Fundamentalsystem_(Mathematik) Mit Hilfe der Wronski-Determinante kann man ein System reeller Funktionen auf lineare Unabhngigkeit testen, wenn diese hinreichend oft dierenziera bar sind. Dies spielt in der Theorie gewhnlicher Dierentialgleichungen eine Rolle. Fr n reelle Funktionen o u y1 , . . . , yn auf einem Intervall I ist die Wronski-Matrix deniert durch y1 (x) y1 (x) (x) := . . . (n1) y1 yn (x) yn (x) . . . (n1) (x) yn

3. Vektorwertige Funktionen mehrerer reeller Variabler Kraftfelder, Strmungsfelder in der Mechanik o http://de.wikipedia.org/wiki/Kraftfeld_%28Physik%29 4. Matrixwertige Funktionen mehrerer reeller Variabler Verzerrungs- und Spannungstensoren http://de.wikipedia.org/wiki/Kontinuumsmechanik http://de.wikipedia.org/wiki/Str%C3%B6mungsfeld

1.7

Uberblick zu stetigen Funktionen

Von einer stetigen Funktion oder Abbildung f: D Y ist grob gesprochen dann die Rede, wenn verschwindend kleine Anderungen des Argumentes x D nur zu verschwin dend kleinen Anderungen des Funktionswertes y Y fhren. Diese Anderungen werden in metrischen Rumen mit u a Hilfe von Abstnden gemessen. Ein derartiges Konzept ist erforderlich, denn Argumente und Funktionswerte mssen a u nicht unbedingt reelle Zahlen sein. Dies zeigen bereits die obigen Beispiele. Bei reellen Funktionen bedeutet Stetigkeit insbesondere, dass im Funktionsverlauf (im Graphen der Funktion) keine Sprnge auftreten drfen. Funktionen u u knnen natrlich nur dort stetig sein, wo sie deniert sind. Das Gegenteil von stetig ist unstetig. o u Beispiele fr stetige reelle Funktionen: u

16

6
exp (x)

6 1

ln (x)
1

-1

0,5 x 1 2

1.8

Topologische Grundbegrie

(In dieser allgemeinen Form nicht relevant f r die Pr fung) u u Um Denitionsbereiche und Grenzwerte reellwertiger Funktionen systematisch untersuchen zu knnen, werden ein o Umgebungsbegri sowie einige (topologische) Punkt- und Mengencharakterisierungen bentigt. Dabei interpretieren o wir Zahlenmengen als spezielle Punktmengen und setzen Punkte in Beziehung zu gegebenen Denitionsbereichen. Begonnen wird mit der Einfhrung der Begrie in R. Diese werden zur Charakterisierung reeller Funktionen benutzt. u Dann erfolgt die Verallgemeinerung der Begrie auf den Rn und ihre Nutzung zur Charakterisierung von Funktionen mehrerer reeller Vernderlicher a f :XR mit X Rn Denition 1.10. Oene Kugelumgebung eines Punktes p R : U (p, ) := {x R : |x p| < } wobei 0<

U (p, ) wird hug benutzt und als -Umgebung des Punktes (der Zahl) p bezeichnet. a Verallgemeinerung: U (P, ) als -Umgebung eines Punktes P Rn denieren, Oene Kugel mit dem Radius und dem Mittelpunkt P Denition 1.11. Eine nichtleere Menge X R heit oen, wenn zu jedem p X eine -Umgebung U (p, ) existiert, die in X enthalten ist. Denition 1.12. Es sei X R. Dann heit a R ein Hufungspunkt (Hufungswert) von X, wenn in jeder a a Umgebung von a unendlich viele Punkte von X liegen. Fgt man zur Menge X alle Hufungspunkte von X hinzu, dann erhlt man den Abschluss von X. Dieser wird durch u a a X gekennzeichnet. Im Falle X = X nennt man X eine abgeschlossene Menge (abgeschlossene Teilmenge von R) Ein Hufungspunkt der Menge X muss nicht unbedingt zu X gehren. a o X ist genau dann abgeschlossen, wenn alle Hufungspunkte von X zu X gehren. a o a R ist genau dann ein Hufungspunkt von X R, wenn es eine Folge a (xn )nN mit xn X \ {a} gibt, fr die u
n

lim xn = a

gilt.

Satz 1.13. Jeder Hufungspunkt von X ist bereits in X enthalten. Ausgehend von X knnen demzufolge keine neuen a o Hufungspunkte gebildet werden. X ist also stets eine abgeschlossene Menge, d.h. es gilt immer {X} = X a

17

Satz 1.14. In einer abgeschlossenen Menge X folgt aus xn X und xn q stets q X. Bemerkung 1.15. Reelle Funktionen der Analysis besitzen in der Regel Denitionsbereiche, die entweder oene Mengen sind oder die durch Hinzunahme von Hufungspunkten aus oenen Mengen konstruiert werden knnen. Daa o bei treten insbesondere Denitionsbereiche auf, die als Abschluss oener Mengen interpretierbar sind (alle Hufungsa punkte werden hinzugenommen). Letzteres sind spezielle abgeschlossene Mengen. All diese genannten Mengen enthalten keine isolierten Punkte. Denition 1.16. p X heit ein isolierter Punkt von X R, wenn es ein > 0 gibt,so dass U (p, ) X = {p} gilt. Denitionsbereiche mit isolierten Punkte spielen im folgenden Text keine Rolle. Sie werden oft bewusst ausgeschlossen, um Grenzwert- und Stetigkeitsaussagen fr Funktionen klarer formulieren zu knnen. Jeder Punkt p einer Menge X u o (d.h. p X ) ist entweder ein isolierter Punkt oder ein Hufungspunkt von X. Alle Punkte der in Bemerkung 1.15 a charakterisierten Mengen X sind deshalb Hufungspunkte dieser Mengen. a Denition 1.17. Ein Punkt a wird als Randpunkt der Menge X bezeichnet, wenn in jedem U (a, ) mit > 0 mindestens ein zu X gehriger und ein nicht zu X gehriger Punkt liegen. Die Menge aller Randpunkte von X wird o o der Rand von X genannt. Obige Denition sagt nichts darber aus, ob der Randpunkt a selbst zur Menge X gehrt oder nicht. Ein Hufungsu o a punkt a von X, der nicht zu X gehrt, ist immer ein Randpunkt von X. o Denition 1.18. Ein Punkt a X der kein Randpunkt von X ist, wird als innerer Punkt von X bezeichnet. Ist a innerer Punkt von X, dann gibt es eine -Umgebung U (a, ), die in X enthalten ist. Oene Mengen enthalten nur innere Punkte. Nach oben beschrnkte Mengen, nach unten beschrnkte Mengen, beschrnkte Mengen a a a Maximum, Supremum (obere Grenze), Minimum, Inmum (untere Grenze), Eine abgeschlossene beschrnkte Menge wird kompakt genannt. a Zusammenhngende Menge a Konvexe Menge Die Verallgemeinerung der obigen Begrie auf den Rn (speziell fr n = 2 und n = 3) erfolgt in der Vorlesung. u Insbesondere betrachten wir dort folgende Denitionen und Aussagen. Denition 1.19 ( Konvexe Menge). Eine Menge X Rn wird konvex genannt, wenn mit je zwei Punkten P, Q X immer auch deren Verbindungsstrecke ganz in X liegt. P Q := {P + (1 )Q | 0 1} X

Weitere Begrie Eine Teilmenge X des Rn heit zusammenhngend, wenn sich zwei beliebige Punkte P und Q aus X durch a eine Kurve verbinden lassen, die ganz in X liegt . (Korrekter wren die Bezeichnungen: wegzusammenhngend, pfadzusammenhngend oder kurvenweise zusama a a menhngend) a Weg von P nach Q im Rn ist als stetige Abbildung x : [0, 1] Rn denierbar. Nicht zusammenhngende Mengen a Eine zusammenhngende Menge kann mehrfach zusammenhngend sein. a a Einfach zusammenhngende Menge X : a X ist zusammenhngend und jeder geschlossene (doppelpunktsfreie) Weg in X lsst sich innerhalb von X stetig a a zu einem Punkt zusammenziehen. Beispiele, Denitionsbereiche reellwertiger Funktionen f : Rn R mit x(0) = P und x(1) = Q

18

1.9

Grenzwerte reeller Funktionen

Denition 1.20. (Grenzwert einer reellen Funktion) Es sei f : D R eine reelle Funktion, a ein Hufungspunkt des Denitionsbereiches D und a Wenn dann aus (xn )nN mit xn D \ {a} und lim xn = a
n

c R {+, }. (1.3)

stets

lim f (xn ) = c
xa

folgt , (1.4)

schreibt man kurz

lim f (x) = c

und nennt c im Falle c R den Grenzwert der Funktion f an der Stelle a. In den Fllen c = und c = wird von uneigentlichen Grenzwerten oder auch von bestimmter Divergenz a gesprochen. Lsst man in der Voraussetzung ( 1.3) auch die uneigentlichen Hufungspunkte a = + bzw. a = zu, dann a a kann man fr Funktionen mit nicht beschrnkten Denitionsbereichen analog zu (1.4) die Grenzwerte u a
x

lim f (x) = c

bzw.

lim f (x) = c

(1.5)

denieren. 1. Ob die Grenzwerte (1.4) oder (1.5) existieren, hngt natrlich nicht nur vom Denitionsbereich D sondern auch a u von der Funktion f ab. 2. Die mit den uneigentlichen Hufungspunkten a = + bzw. a = verbundenen Grenzwerte (1.5) sind a einseitige Grenzwerte. lim f (x) ist ein linksseitiger und
x x

lim f (x)

ein rechtsseitiger Grenzwert.

3. Auch bei reellem (eigentlichem) a in ( 1.3) muss a nicht unbedingt zum Denitionsbereich D gehren. o 4. Ist a in Denition 1.20 ein linker Randpunkt des Denitionsbereiches D, dann kann man (1.4) als rechtsseitigen Grenzwert interpretieren und schreibt lim f (x) = c .
xa+

Ist a ein rechter Randpunkt des Denitionsbereiches D , dann wird (1.4) ein linksseitiger Grenzwert und es kann lim f (x) = c
xa

geschrieben werden. Einseitige Grenzwerte sind jedoch auch von Interesse, wenn der Grenzpunkt a des Argumentes ein innerer Punkt des Denitionsbereiches ist. Denition 1.21. (Einseitige Grenzwerte reeller Funktionen) Es sei f : D R eine reelle Funktion, a ein Hufungspunkt von a D (a, ) und c R {+, }. Wenn dann aus xn D (a, ) stets
n

und

lim xn = a folgt,

(1.6)

lim f (xn ) = c
xa+

schreibt man kurz

lim f (x) = c

(1.7)

und nennt c den rechtsseitigen Grenzwert der Funktion f an der Stelle a. Ist a dagegen ein Hufungspunkt von D (, a) und folgt aus a xn D (, a) stets
n

und

lim xn = a

(1.8)

lim f (xn ) = c ,
xa

dann schreibt man kurz

lim f (x) = c

(1.9)

und nennt c den linksseitigen Grenzwert der Funktion f an der Stelle a. In den Fllen c = und c = wird von uneigentlichen Grenzwerten oder auch von bestimmter Divergenz bezglich a u dieser Grenzbergnge gesprochen. u a Satz 1.22. Falls a sowohl ein Hufungspunkt von D (a, ) als auch von D (, a) ist, dann gilt: a Der (zweiseitige) Grenzwert (1.4) existiert genau dann, wenn die beiden einseitigen (1.7), (1.9) existieren und uber einstimmen. In diesem Falle gilt lim f (x) = lim f (x) = lim f (x)
xa+ xa xa

19

Elementare Beispiele : Vergleiche Grenzwert(Funktion) in http://de.wikipedia.org/wiki/Grenzwert_(Funktion) Funktion sin(x) x x+1 x2 1 sgn(x) 1 x 1 |x| rechtsseitiger Grenzwert lim sin(x) =1 x x+1 1 = x2 1 2 linksseitiger Grenzwert lim sin(x) =1 x x+1 1 = x2 1 2 beidseitiger Grenzwert lim sin(x) =1 x x+1 1 = x2 1 2

x0+

x0

x0

x1+

lim

x1

lim

x1

lim

x0+

lim sgn(x) = +1 lim lim 1 = + x 1 = + |x|

x0

lim sgn(x) = 1 lim lim 1 = x 1 = + |x|

existiert nicht unbestimmt divergent lim 1 = + |x|

x0+

x0

x0+

x0

x0

Grenzwerte von dierenzierbaren reellen Funktionen knnen oft mit der Regel von lHospital berechnet werden. o Darauf gehen wir im Abschnitt 2.5 genauer ein. Man vergleiche auch http://de.wikipedia.org/wiki/Regel_von_L%E2%80%99Hospital Sehr grundlegend ist die Vertrglichkeit der Grenzwertbildung mit den arithmetischen Operationen. a Satz 1.23. Die reellen Funktionen f : D R und g : D R mgen die Grenzwerte o
xa

lim f (x) = p

und

xa

lim g(x) = q

besitzen. Dann gelten die Aussagen


xa

lim (f (x) g(x)) = lim f (x) lim g(x) = p q


xa xa xa xa

lim f (x) = p

fr beliebiges u
xa xa

lim (f (x) g(x)) = lim f (x) lim g(x) = p q lim f (x) p xa = = , g(x) lim g(x) q
xa

lim f (x)

xa

falls q = 0

Satz 1.24. Gilt |f (x)| |g(x)|


xa

in einer Umgebung von a, stets


xa

dann folgt aus

lim g(x) = 0

lim f (x) = 0.

Bemerkung 1.25. Fr linksseitige und rechtsseitige Grenzwerte reeller Funktionen gelten analog zu Satz 1.23 und u Satz 1.24 formulierte Grenzwertstze. a Bemerkung 1.26. Die Aussagen der Stze 1.23 und 1.24 bleiben fr reellwertige Funktionen f : D R und a u g : D R gltig (Zur Erinnerung : Jetzt wird D Rn vorausgesetzt). u

1.10

Stetigkeit reeller Funktionen

Bei den folgenden Betrachtungen wird vorausgesetzt, dass der Denitionsbereich D R keine isolierten Punkte enthlt. Praktisch kann man dies immer so einrichten. a Denition 1.27. Eine reelle Funktion f: D Y (D R und Y R)

heit stetig in a D, wenn fr jede Folge xn mit dem Grenzwert a die Funktionswerte f (xn ) gegen f (a) konvergieren. u Kurz: Andere Schreibweisen:
n

xn a =

f (xn ) f (a)

lim xn = a

n xa

lim f (xn ) = f (a)

oder krzer : u

lim f (x) = f (a)

20

Stetigkeit in a bedeutet also, dass dort Grenzbergang und Funktionswertbildung vertauscht werden knnen. u o Stetigkeit an der Stelle a liegt vor, wenn der Grenzwert (1.4) existiert und mit dem Funktionswert f (a) uber einstimmt. (-)-Denition der Stetigkeit einer Funktion f an einer festen Stelle a: Zu jedem (beliebig kleinen) > 0 existiert ein > 0 mit |x a| < = |f (x) f (a)| < (1.10)

Die Auswahl eines derartigen hngt im Regelfall von ab, d.h. = (). Je kleiner ist, um so kleiner muss i.a. a gewhlt werden. a Abschwchung dieses Stetigkeitsbegries: Einseitige Stetigkeit a Linksseitige Stetigkeit an der Stelle a:
xa

lim f (x) = f (a)

vergleiche linksseitigen Grenzwert (1.9)

(1.11)

Rechtsseitige Stetigkeit an der Stelle a:


xa+

lim f (x) = f (a)

vergleiche rechtsseitigen Grenzwert ( 1.7)

In einem inneren Punkt a von D ist f : D Y genau dann stetig, wenn f dort linksseitig und rechtsseitig stetig ist. Eine Funktion ist stetig auf ihrem Denitionsbereich D, wenn sie in jedem Punkt a von D stetig ist. f : D Y wird dann kurz eine stetige Funktion genannt. Schreibweise: f C(D) Jetzt gilt (1.10) fr alle a D, wobei bei der Auswahl von i.a. aber = (, a) bercksichtigt werden muss. u u Kann jedoch fr eine stetige Funktion f die Gre = () unabhngig fr alle a D gewhlt werden, dann u o a u a nennt man f gleichmig stetig auf D. a (Satz von Cantor) Jede stetige Funktion f : [, ] R ist gleichmig stetig. a Eine Funktion f ist stetig auf einem Intervall I D, wenn sie in jedem Punkt von I stetig ist. Der Graph von f ist dann uber diesem Intervall zusammenhngend. a Die Funktion f besitzt dann keine Sprung- oder Polstellen in I. Anschauliche Bilder: http://www.mathematik-online.org/ Genauer: Abschnitt Stetigkeit in http://mo.mathematik.uni-stuttgart.de/kurse/kurs1/kurs1_broschuere.pdf Bemerkungen zu einseitiger Stetigkeit, einseitigen Grenzwerten und stckweise (abschnittsweise) denierten Funku tionen Fr in einem Punkt x0 oder in einem Intervall I stetige Funktionen f undg gilt : u Addition, Subtraktion und Multiplikation, Division bei nicht verschwindendem Nenner sowie Komposition (Verkettung) f (g(x)) fhren auf in x0 oder I stetige Funktionen u Stetigkeit der sinc-Funktion : sinc (x) =
1 0.8 0.6 0.4 0.2 0 0.2 3 2 0 2 3

APITEL 2.

KONVERGENZ UND GRENZWERTE

sin x x

x = 0

ist stetig fortsetzbar mit

sinc (0) := 0

r Beweis beruht auf Abschtzungen der trigonometrischen Funktionen. a


Q Satz 1.28 (Zwischenwertsatz von Bolzano). Eine auf einem abgeschlossenen Intervall [a, b] stetige reelle Funktion f nimmt jeden zwischen f (a) und f (b) liegenden Wert an.

21

Algorithmus 1.29 (Bisektionsverfahren, Intervallhalbierungsverfahren oder Halbierungsmethode). Es handelt sich um ein numerisches Verfahren zur Nullstellenbestimmung. Dabei wird eine Folge von Intervallschachtelungen, die sich auf eine Lsung von f (x) = 0 zusammenzieht, erzeugt. o Ausgangspunkt : Stetige Funktion f : [a, b] R mit f (a) f (b) 0 .
y

b c d =
b+c 2

Vgl. Grak in http://mo.mathematik.uni-stuttgart.de/kurse/kurs1/kurs1_broschuere.pdf Algorithmus 1.30 (Sekantenverfahren). Bei dem Sekantenverfahren handelt es sich um ein numerisches Verfahren zur nherungsweisen Lsung einer reellen Gleichung des Typs f (x) = 0. a o Das Verfahren verwendet folgende Iterationsvorschrift: xn+1 = xn xn xn1 f (xn ) f (xn ) f (xn1 )

Dabei wird mit zwei Nherungswerten x0 , x1 begonnen. a Vgl. http://de.wikipedia.org/wiki/Sekantenverfahren Satz 1.31 (Fixpunktsatz). Bildet eine stetige reelle Funktion f das Intervall [a, b] in [a, b] ab, so existiert ein x mit f (x ) = x Satz 1.32 (Extrema stetiger Funktionen). Eine auf einem abgeschlossenen Intervall [a, b] stetige Funktion hat dort mindestens ein Minimum und mindestens ein Maximum. Denition 1.33 (Lipschitz-Stetigkeit). Eine Funktion f : I R heit Lipschitz-stetig auf einem Intervall I, wenn |f (x1 ) f (x2 )| K |x1 x2 | x1 , x2 I mit einer Konstanten K gilt. Beispiele prfen : u 1 x Jede auf einem Intervall I Lipschitz-stetige Funktion ist dort gleichmig stetig. a I = (0, 1); f (x) : x2 , Satz 1.34 (Banachscher Fixpunktsatz). Bildet eine Funktion f |f (x1 ) f (x2 )| K |x1 x2 | mit einer Konstanten K < 1 Iterationsfolge das Intervall [a, b] in sich ab und gilt x1 , x2 [a, b] x,

(von x1 , x2 unabhngig), so existiert ein eindeutig bestimmter Fixpunkt x . Jede a xi+1 = f (xi ), i = 0, 1, 2, , x0 [a, b]

konvergiert dann gegen diesen Fixpunkt. Fehlerabschtzungen: a |xn x | |xn x | Kn |x1 x0 | apriori 1K 1 |xn+1 xn | aposteriori 1K

Denition 1.35 (Gleichmige Stetigkeit). Eine Funktion f heit gleichmig stetig auf einem Intervall I , a a wenn fr jedes u so dass fr alle u die Ungleichung >0 ein () > 0 mit existiert,

x, a I

|x a| () gilt.

|f (x) f (a)|

22

Bemerkung 1.36. Wenn f stetig, aber nicht gleichmig stetig auf I ist, dann gilt a = (, a) Satz 1.37. Wenn I ein abgeschlossenes Intervall ist, dann gilt : Gleichmige Stetigkeit Stetigkeit a Satz 1.38. Jede auf einem oenen Intervall I konvexe Funktion f : I ist dort stetig.

23

2
2.1

Dierentialrechnung einer reellen Vernderlichen a


Grundbegrie und ihre Interpretation
f : D R an der Stelle xo D :

Ableitung einer reellen Funktion y = f (x), Der Grenzwert des Dierenzenquotienten


y x

f (xo + x) f (xo ) (xo + x) xo

fr u

(2.1)

wird im Falle seiner Existenz die Ableitung von f an der Stelle xo genannt. Schreibweise : f (xo + x) f (xo ) df (xo ) = f (xo ) = lim x0 dx (xo + x) xo
x

(2.2)

in (2.1) heit Zuwachs der unabhngigen Vernderlichen x. a a

Abbildung aus http://de.wikipedia.org/wiki/Differentialrechnung Andere Darstellungsweise fr (2.2): u


y x

dy dx

bzw.

f x

df dx

fr u

(2.3)

dy y df f = lim bzw. = lim x0 x x0 x dx dx Die Ausdrcke df , dy und dx nennt man Dierentiale. Sie werden oft als innitesimal kleine Gren interu o pretiert. Die Ableitung an einer Stelle xo ist dann (nach Leibniz) der Proportionalittsfaktor zwischen innitesimalen a Anderungen dx des Eingabewertes und den daraus resultierenden innitesimalen Anderungen df des Funkti onswertes. df entspricht dabei der innitesimalen Anderung dy der abhngigen Variablen. a Einer verschwindend kleinen Anderung dx der unabhngigen Variablen x wird damit eine verschwindend kleine a Anderung df des Funktionswertes f zugeordnet. (2.4) Zwischen dem Dierential dx und dem Dierential dy besteht also eine lineare Beziehung. Ublich ist anstelle von (2.4) natrlich auch die Schreibweise df = f (xo ) dx. u Die lineare Beziehung (2.4) zwischen den Dierentialen ist abhngig von der Auswahl des Argumentes xo , in a dessen Umgebung die Funktion betrachtet wird. Veranschaulichen lsst sich der Grenzbergang zur Ableitung an einer Stelle xo als Nherung der Tangentena u a steigung durch eine Folge von Sekantensteigungen, siehe Formel (2.1) und die zugehrige Abbildung. Dort ist o eine positive Ableitung an einer Stelle xo veranschaulicht. Anwendungen : In mathematischen Anwendungen (z.B. Kettenregel, Integration von Dierentialgleichungen, unbestimmte und bestimmte Integration durch Substitution) rechnet man mit Dierentialen fast wie mit normalen Variablen. Bei dy = f (xo ) dx, dx dy bei festgehaltenem xo

oder

24

der Modellierung in Mechanik, Physik und anderen angewandten Gebieten geht man hnlich vor. Die Ableitung a von physikalischen Gren ist ihre momentanen Anderungsrate. In den Wirtschaftswissenschaften spricht man o auch hug von Grenzraten (z. B. Grenzkosten, Grenzproduktivitt eines Produktionsfaktors etc.). a a Wie z.B. in der Fehlerrechnung ist es oft sinnvoll, df bzw. dy und dx als kleine (nicht unbedingt innitesimal kleine) Gren zu interpretieren. o Bei der mathematischen Denition der Dierentiale geht man sogar davon aus. dass dy und dx beliebige Gren o sind, die lediglich durch die lineare Abbildung (2.4) aneinander gebunden sind. Jedem f (xo ) wird also eine lineare Abbildung zugeordnet. Fr den Neigungswinkel der in xo angelegten Tangente gilt: u tan = f (xo ). (2.5)

Wird er von der positiven x-Achse aus zur Tangente im entgegengesetzten Uhrzeigersinn (positive Orientierung) gemessen, dann ordnet man ein 0 zu. Bei negativer Messorientierung entsteht demzufolge ein 0. Hier reicht es sich auf < < 0 zu beschrnken. a 2 2 Die Ableitung der Funktion f an der Stelle xo beschreibt das Verhalten dieser Funktion in einer kleinen Umgebung von xo . f = f (xo + x) f (xo ) f f (xo ) x oder f (xo + x) f (xo ) + f (xo ) x Mit x = xo + x entsteht f (x) f (xo ) + f (xo ) (x xo ) (2.6) Die Approximation der Funktion f durch diese Tangentenfunktion liefert eine lokale Charakterisierung von f in einer hinreichend kleinen Umgebung U (xo , ). Genauer : Uber die Ableitung in einem Punkt xo wird eine lineare Funktion deniert: T (x) = f (xo ) + f (xo ) (x xo ) Unter allen mglichen linearen Funktionen g(x) = ax + b approximiert T (x) die Funktion f (x) lokal am o besten. Bezeichnet man eine Funktion als dierenzierbar, ohne sich auf eine bestimmte Stelle xo zu beziehen, dann bedeutet dies die Dierenzierbarkeit an jeder Stelle x des Denitionsbereiches D. In jedem Punkt des Graphen kann dann eine eindeutig bestimmte Tangente angelegt werden. Entsprechend ist die Formulierung dierenzierbar auf einer Menge A D zu interpretieren. In den Formeln (2.1) bis (2.5) wird dann oft x0 durch x ersetzt, um die Abhngigkeit der denierten Gren und a o Beziehungen von der unabhngigen Variablen x deutlich zu machen. (Schreiben Sie diese Formeln auf!) a Fr die Beziehung zwischen den Dierentialen einer dierenzierbaren Funktion f : D R gilt dann allgemein u dy = f (x) dx, dx dy fr jedes feste x D u

25

Abbildung aus http://de.wikipedia.org/wiki/Differential_(Mathematik) In der oberen Abbildung steht zwischen y und dy.
y

fr die Dierenz der Funktionswerte. Sie veranschaulicht den Zusammenhang u

Beispiel 2.1. (Elementare Berechnung einer Ableitungsfunktion) Vgl. http://de.wikipedia.org/wiki/Differentialrechnung Gesucht sei die Ableitung von f (x) = x2 3x + 2 . Dann berechnet man den Dierenzenquotienten als
y x

= = = = =

f (x0 + x) f (x0 ) x (x0 + x)2 3(x0 + x) + 2 (x2 3x0 + 2) 0 x x2 + 2x0 x + x2 3x0 3x + 2 x2 + 3x0 2 0 0 x 2x0 x + x2 3x x 2x0 + x 3.

und erhlt im Grenzbergang a u

0 die Ableitung f (x0 ) = lim (2x0 + x 3) = 2x0 3.


x0

Also gilt : f (x) = 2x 3. Elementare Funktionen sind in der Regel auf Intervallen I oder allgemeiner auf Mengen der Gestalt Ik
k

(alle

Ik

sind Intervalle)

dierenzierbar. Bemerkung 2.2. Eine dierenzierbare Funktion f : D R, D R ist immer stetig. Die Umkehrung gilt jedoch nicht, d.h. es gibt stetige Funktionen, die an einer oder an mehreren Stellen nicht dierenzierbar sind. Bemerkung 2.3. Es sei D ein Intervall I der Gestalt [a, b], (a, b] oder [a, b). Wenn man eine Funktion f : I R in diesen Fllen dierenzierbar nennt, dann muss die Ableitung in den zu I a gehrigen Randpunkten natrlich als einseitige Ableitung interpretiert werden. o u Im Falle I = (a, b] geht es somit um die linksseitige Ableitung von f im Randpunkt b f (x) f (b) df (b) = lim . xb dx xb Alle anderen Punkte sind hier innere Punkte, in denen Dierenzierbarkeit als zweiseitige Dierenzierbarkeit zu interpretieren ist. Im Falle I = [a, b) geht es entsprechend um die rechtsseitige Ableitung von f im Randpunkt a f (x) f (a) df (a) = lim . xa+ dx xa Im Falle I = [a, b] gibt es dagegen zwei Randpunkte, in denen die Ableitungen als einseitige Ableitungen zu ermitteln sind. Wenn Randpunkte zum Denitionsbereich gehren und in ihnen Dierenzierbarkeit vorliegt, dann knnen die ublichen o o Bezeichnungen f (a) bzw. f (b) fr die obigen einseitigen Ableitungen benutzt werden. u Im Falle eines inneren Punktes muss jedoch zwischen einseitiger Dierenzierbarkeit und Dierenzierbarkeit unterschieden werden, wie das folgende Beispiel zeigt. Beispiel 2.4. (Eine stetige aber nicht uberall dierenzierbare Funktion) f (x) = |x| ist an der Stelle 0 nicht dierenzierbar: Fr alle x > 0 gilt nmlich f (x) = x und damit u a f (x) f (0) df x0 (0) = lim = lim = 1. x0+ x0+ x 0 dx x0 Fr alle x < 0 gilt dagegen f (x) = x und folglich u f (x) f (0) df x 0 (0) = lim = lim = 1. x0 x0 x 0 dx x0
+ +

26

Rechts- und linksseitige Ableitung existieren. Sie stimmen aber nicht uberein. Die Funktion ist an der Stelle 0 also nicht dierenzierbar. Die Dierenzierbarkeit der Funktion an allen anderen Stellen liegt dagegen vor. Insbesondere gilt + df f (0+) = lim f (x) = lim 1 = 1 = (0) = f (0+) (2.7) x0+ x0+ dx Die rechtsseitige Ableitung an der Stelle 0 stimmt hier mit dem rechtsseitigen Grenzwert f (0+) der Ableitungen f (x) uberein. Damit wird Analog gilt
d f dx
+

an der Stelle 0 rechtsseitig stetig.

df (0) = f (0) . (2.8) x0 x0 dx Die linksseitige Ableitung an der Stelle 0 ist hier also gleich dem linksseitigen Grenzwert f (0) der Ableitungen f (0) = lim f (0) = lim {1} = 1 = f (x). Damit wird
d f dx

an der Stelle 0 linksseitig stetig.

Aus der Existenz einseitiger Ableitungen folgt jedoch nicht immer ihre einseitige Stetigkeit. Ebenso ergibt sich aus der Existenz der Ableitung f (x) nicht zwingend ihre Stetigkeit oder einseitige Stetigkeit in jedem Punkt xo ihres Denitionsbereiches. Bemerkung 2.5. Es gibt also insbesondere Funktionen, die dierenzierbar aber nicht stetig dierenzierbar sind. Es kann also die Ableitung f (x) in einem Intervall existieren, ohne dass sie in jedem Punkt stetig ist. Das folgende Beispiel mge dies etwas illustrieren. o Beispiel 2.6. Die Funktion f : R R f (x) = x2 cos 0
1 x

x=0 x=0

ist in jedem Punkt, den Nullpunkt x = 0 eingeschlossen, dierenzierbar. Deshalb ist f (x) auch uberall stetig. Die Ableitung ergibt sich zu 1 1 2x cos x + sin x x=0 f (x) = 0 x=0 Diese Ableitung ist an der Stelle x = 0 nicht stetig. Sie ist dort nicht einmal einseitig stetig (weder linksseitig noch rechtsseitig), denn
+

keine der beiden Gleichungen

df (0) = f (0+) dx

und

df (0) = f (0) dx

ist erfllt. Die einseitigen Grenzwerte der Ableitungen f (0+) und f (0) existieren nmlich beide nicht. Fr die u a u einseitigen Ableitungen gilt natrlich u + df df (0) = (0) = f (0) = 0 dx dx Trotz der angedeuteten Probleme wird manchmal davon abgesehen, Bezeichnungen wie in (2.7) und (2.8) zu nutzen, um einseitige Ableitungen mathematisch korrekt von den entsprechenden einseitigen Grenzwerten der Ableitungen zu unterscheiden. In theoretisch anspruchsvolleren Ingenieurmodellen wird dies unter Umstnden problematisch. a Fr uns wird bezglich der Anwendungen die folgende Denition grundlegende Bedeutung haben. u u Denition 2.7. (Stetige Dierenzierbarkeit) Eine reelle Funktion f : D R heit stetig dierenzierbar, wenn ihre Ableitung f uberall auf D existiert und stetig ist. Mit C 1 (D) als dem linearen Raum der in D (mindestens) einmal stetig dierenzierbaren Funktionen kennzeichnet man dies mit f C 1 (D). Ist I ein halboenes oder ein abgeschlossenes Intervall, dann folgt aus f C 1 (I) die einseitige stetige Dierenzierbarkeit in den zum Denitionsbereich gehrigen Randpunkten. o Das letzte Beispiel 2.6 zeigt : Selbst wenn eine Funktion uberall dierenzierbar ist (f also auf dem Denitionsbereich D existiert), muss die Ab leitung nicht stetig sein. Es gilt dort insbesondere f C 1 (D) f C 1 (D) wenn wenn D=R D = R \ {0}

Dierenzierbarkeit einer auf einem Intervall denierten reellen Funktion bedeutet anschaulich : Der Graph der Funktion ist zusammenhngend und verluft knickfrei. Auerdem gibt es keine vertikale Tangente. a a Bei der Betrachtung praktischer Beispiele liegen Stetigkeit und Dierenzierbarkeit von f (x) sowie die Stetigkeit von f (x) abgesehen von isolierten Punkten des Denitionsbereiches vor.

27

2.2

Elementare Dierentiationsregeln

Mit den folgenden Regeln kann man u.a. die Dierentiation zusammengesetzter Funktionen uber die Dierentiation einfacherer Funktionen realisieren. f , g und h seien in ihrem Denitionsbereich dierenzierbare Funktionen. Konstante Funktion f (x) a = const (a) = 0 Potenzregel (xn ) = nxn1 (x ) = x (x ) = x Faktorregel (konstanter Faktor) (a f ) = a f Summenregel (g h) = g h Produktregel (g h) = g h + g h Quotientenregel g h Kettenregel (g h) (x) = g(h(x)) = g (h(x)) h (x) oder dg dh dg = dx dh dx = g hgh h2 (2.16) (2.15) (2.14) (2.13)
1

(2.9) nZ und R 1 und reelle (2.10) (2.11) (2.12)

fr u x>0

fr u

fr u

x0

00 ist i.a. nicht deniert, soll hier jedoch ausnahmsweise als 1 interpretiert werden.

Logarithmische Ableitung Aus der Kettenregel folgt fr die Ableitung des natrlichen Logarithmus einer Funktion u u (ln(f )) = Ein Bruch der Form
f f

f f

wird logarithmische Ableitung genannt.

Ableitung einer verallgemeinerten Exponentialfunktion (Basis g(x) > 0 nicht konstant) Um f (x) = g(x)h(x) zu dierenzieren, nutzt man, dass Potenzen mit positiver Basis und reellen Exponenten uber die Exponentialfunktion eu = exp(u) dargestellt werden knnen o f (x) = exp ([ ln g(x) ] h(x)) wegen e = (e ) und = eln mit = ln .

Die Anwendung der Kettenregel und der Produktregel ergibt f (x) = h (x) ln(g(x)) + h(x) g (x) g(x) g(x)h(x)

28
Hhere Mathematik II o Prof. Dr. Peter Benner Sommersemester 2005 1

2.3

Dierentiation einiger elementarer Funktionen Ableitungen einiger elementarer Funktionen


Funktion f (x) = c f (x) = ax + b f (x) = xn f (x) = x Ableitung f (x) = 0 f (x) = a f (x) = nxn1 1 f (x) = 2 x f (x) = ex f (x) = ax ln a f (x) = (a > 0, a = 1)

f (x) = ex f (x) = ax f (x) = ln x f (x) = loga x f (x) = sin x f (x) = cos x f (x) = tan x f (x) = cot x
Hhere Mathematik II o

1 (x > 0) x 1 1 f (x) = loga e = x x ln a

(a > 0, a = 1, x > 0)

f (x) = cos x f (x) = sin x 1 = 1 + tan2 x (x = (2k + 1) ) 2 cos2 x 1 f (x) = 2 = (1 + cot2 x) (x = k) sin x f (x) =
Prof. Dr. Peter Benner Sommersemester 2005 2

Funktion f (x) = sinh x f (x) = cosh x f (x) = tanh x f (x) = coth x f (x) = arcsin x f (x) = arccos x f (x) = arctan x f (x) = arccot x f (x) = arsinh x f (x) = arcosh x f (x) = artanh x f (x) = arcoth x

Ableitung f (x) = cosh x f (x) = sinh x f (x) = f f f f f f f f f 1 = 1 tanh2 x cosh2 x 1 = 1 coth2 x (x = 0) (x) = sinh2 x 1 (x) = (|x| < 1) 1 x2 1 (x) = (|x| < 1) 1 x2 1 (x) = 1 + x2 1 (x) = 1 + x2 1 (x) = x2 + 1 1 (x > 1) (x) = 21 x 1 (x) = (|x| < 1) 1 x2 1 (x) = (|x| > 1) 1 x2

29

2.4

Dierentiation der Umkehrfunktion

Existiert zu f : Dx Wx die Umkehrfunktion f 1 : Dy Wy , so ist diese bekanntlich durch y = f (x) charakterisiert. Satz 2.8. (Dierentiation der inversen Funktion) Zur reellen Funktion f : Dx Wx existiere die Umkehrfunktion f 1 : Dy Wy , Dann gilt fr jeden inneren Punkt xo von Dx : u Ist f in xo dierenzierbar mit f (xo ) = 0, dann wird auch die Umkehrfunktion f 1 an der Stelle yo = f (xo ) dierenzierbar mit 1 (f 1 ) (yo )) = (2.17) f (xo ) Eine andere Schreibweise fr (2.17) wre u a dx (yo ) = dy 1
dy (xo ) dx

x = f 1 (y)

und

f 1 : Wx Dx

mit

yo = f (xo )
dy dx

Betrachtet man in Satz 2.8 alle Dierenzierbarkeitspunkte x mit dx 1 = dy , dy dx dy 1 = dx dx dy

= f (x) = 0 , so gilt fr diese stets u dy dx =1 dx dy

beziehungsweise

Bemerkung 2.9. Werden die Voraussetzungen in Satz 2.8 dahingehend abgeschwcht, das nur die rechtsseitige a Ableitung f (xo +) mit f (xo +) = 0 existiert, dann gilt an Stelle von (2.17) noch (f 1 ) (yo +) = (f 1 ) (yo ) = 1 f (xo +) falls f (xo +) > 0

1 falls f (xo +) < 0 f (xo +) fr die fallweise existierende einseitige Ableitung der Umkehrfunktion. u Existiert die linksseitige Ableitung f (xo ) mit f (xo ) = 0 , dann gilt entsprechend (f 1 ) (yo ) = (f 1 ) (yo +) = 1 f (xo ) 1 f (xo ) falls falls f (xo ) > 0 f (xo ) < 0

Damit kann die Formel (2.17) insbesondere auf Randpunkte der Denitionsbereiche von f und f 1 ubertragen werden.

2.5

Berechnung von Grenzwerten mit der Regel von de lHospital

Mit der Regel von de lHospital knnen unbestimmte Ausdrcke der Form o u 0 , 0 [0 ()] , + , + [ ] , + , [ + ] , , + 00 , , 0 , [1 ] (2.18)

berechnet werden (nicht in allen Spezialfllen mglich, nicht immer vorteilhaft). Diese unbestimmten Ausdrcke a o u charakterisieren das asymptotische Verhalten von Teilausdrcken bei Grenzbergngen in zusammengesetzten Funku u a tionen. Beispiele: 3 3 (x ) 2 ( x) 2 0 sin x lim , lim , lim sind von der Form , x0 x + x x sin x tan x 0
x0+

lim

ln x , x1

x0

lim

ln(|x|) , x1

x +

lim

(x )1 , cot(x)

lim

(x )1 , cot x

lim

(x )1 cot x

30

x

sind von der Form


x0+

lim x ln x,

x0

lim x ln |x|,

x +

lim (x ) cot x,

lim (x ) cot x,

lim (x ) cot x

sind von der Form


x0+

[0 ()]
x

lim

1 + ln x , x

x0

lim

1 + ln(|x|) , x2

x +

lim

(x )1 cot x , bzw.

lim

(x )1 cot x

sind von der Form

[ ]

[ + ]

Die eckigen Klammern in (2.18) wurden benutzt, um zu unterstreichen, dass diese Ausdrcke an sich nicht existieren. u Sie reprsentieren lediglich bestimmte Formen von Grenzbergngen. a u a Verhalten von Zhler und Nenner und der entsprechenden Tangenten beim Grenzbergang fr a u u lim (x ) + 2 104 sin(x)
x 5 6

x2

sind in der unteren Abbildung veranschaulicht.

Abbildung aus http://de.wikipedia.org/wiki/Regel_von_L%E2%80%99Hospital Der folgende Satz kann in seiner allgemeinen Form mit dem Satz 2.37 (kommt spter, verallgemeinerter Mittelwertsatz a der Dierentialrechnung) bewiesen werden. Setzt man zustzlich die Dierenzierbarkeit in den Randpunkten voraus, a dann ergibt sich die dortige Behauptung unmittelbar aus der Denition des Dierentialquotienten 2.2. Satz 2.10. (Regeln von de lHospital) Die Funktionen f und g seien dierenzierbar auf einem oenen Intervall I = (a, b), wobei g (x) = 0 fr alle u x I erfllt sei. u Dann gelten die folgenden Aussagen: 1. In den Fllen a
xb

lim f (x) = lim g(x) = 0


xb

oder
xb

lim f (x) = ,
f (x) g(x)

xb

lim g(x) = ,

folgt fr den linksseitigen Grenzwert von u

an der Stelle b f (x) f (x) = lim , xb g (x) g(x) (2.19)

xb

lim

falls der entsprechende Grenzwert von

f (x) g (x)

existiert.

31

2. In den Fllen a
xa+

lim f (x) = lim g(x) = 0


xa+

oder
xa+

lim f (x) = ,
f (x) g(x)

xa+

lim g(x) =

folgt fr den rechtsseitigen Grenzwert von u

an der Stelle a f (x) f (x) = lim , xa+ g (x) g(x) (2.20)

xa+

lim

falls der entsprechende Grenzwert von

f (x) g (x)

existiert.

Bemerkung 2.11. (Folgerungen aus der Regel von de lHospital) Die Aussagen von (2.19) bleiben gltig, wenn im Falle 1 b durch + ersetzt wird: u lim f (x) f (x) = lim , x+ g (x) g(x) (2.21)

x+

Die Aussagen von (2.20) bleiben gltig, wenn im Falle 2 a durch ersetzt wird: u lim f (x) f (x) = lim , x g (x) g(x) (2.22)

Folgerung 2.12. Die Funktionen f und g seien dierenzierbar auf (a, c) (c, b) mit a < c < b , wobei dort g (x) = 0 erfllt sei. u Dann folgt aus lim f (x) = lim g(x) = 0
xc xc

oder aus
xc

lim f (x) = ,

xc

lim g(x) =

fr den Grenzwert von u

f (x) g(x)

an der Stelle c lim f (x) f (x) = lim , xc g (x) g(x) (2.23)

xc

falls der entsprechende Grenzwert von

f (x) g (x)

existiert.

Bemerkung 2.13. Die Regeln knnen unter Umstnden mehrfach angewendet werden. Es ist jedoch stets (natrlich o a u auch schon bei der erstmaligen Anwendung) darauf zu achten, dass ein unbestimmter Ausdruck der Form (2.18) vorliegt. Bemerkung 2.14. Unbestimmte Ausdrcke deren Grenzwerte formal die Gestalt u [0 ] , [ ] , 00 , 0 , [1 ]

haben, knnen eventuell nach Uberfhrung in Quotientenform auf obige Weise berechnet werden. Bei den letzten drei o u Formen erfolgt dies so: 1. Anwendung der Logarithmusfunktion 2. Grenzwertbestimmung des entstandenen Ausdrucks 3.Grenzwertbestimmung des ursprnglich gegebenen Ausdrucks u = lim {f (x)}g(x)
xc

= ln() = lim {g(x) ln f (x)}


xc

berechnen, dann folgt = e Beispiele 2.15.


1 G1 = lim x( 2 ln x )

x0+

ist von der Form ln x = 1 2 =

00 G1 = e 2 =
1

ln G1 = lim

x0+

1 2 ln x

Warum existiert Auch G2 = lim x2


x0
1 ln |x|

x0

1 lim x( 2 ln x )

nicht? 00 = G2 = e2

ist von der Form 1 2 ln |x| ln |x|

1 ln x2 = lim x0 ln |x| Entsprechend zeigt man ohne Nutzung des letzten Resultates = ln G2 = lim
x0 x0

lim x2

1 ln |x|

= e2 .

32

2.6

Hohere Ableitungen

Ist die Ableitung einer Funktion f : D R wiederum dierenzierbar, so lsst sich die zweite Ableitung von f als a Ableitung von f : D R denieren. Auf dieselbe Weise knnen dann auch dritte, vierte und hhere Ableitungen o o deniert werden. Eine Funktion kann dementsprechend einfach dierenzierbar, zweifach dierenzierbar, sein. Ist die n-te Ableitung f (n) : D R stetig, so schreiben wir f C n (D). Die zweite Ableitung hngt z. B. mit der Krmmung des Graphen von f : D R zusammen. Sie besitzt auch a u weitreichende physikalische Anwendungen. Zum Beispiel ist die erste Ableitung des Weges x(t) nach der Zeit t die Momentangeschwindigkeit v(t) = x(t) und die zweite Ableitung die (momentane) Beschleunigung a(t) = x(t). Die Schreibweise x(t) fr Ableitungen einer beliebigen Funktion nach der Zeit ist in der Physik ublich. u Hhere Ableitungen knnen auf verschiedene Weisen geschrieben werden: o o f = f (2) = f Im Falle der Beschleunigung : d2 x dt2 Bemerkung 2.16. Produktregel und Hhere Ableitungen - Leibnizregel o Die Ableitung n-ter Ordnung fr ein Produkt aus zwei n-fach dierenzierbaren Funktionen f und g ergibt sich aus u x(t) =
n

d2 f , dx2 usw.

= f (3) =

d3 f , dx3

(f g)(n) =
k=0

n (k) (nk) f g k

Die hier auftretenden Ausdrcke der Form u

n k

sind wie ublich die Binomialkoezienten.

2.7

Dierentiation komplexwertiger Funktionen

Mit konstanten Parametern A, , , R werden folgende Beispiele dierenziert. f (t) = A ei ( t+) = A cos( t + ) + i A sin( t + ) f (t) = i A ei ( t+) = i A cos( t + ) + i i A sin( t + ) f (t) = i A ei ( t+) = i A cos( t + ) A sin( t + ) und g(t) = A exp( t + i ( t + )) = A e t ei ( t+) = A e t cos( t + ) + i A e t sin( t + ) g (t) = ( + i ) A exp( t + i ( t + )) = ( + i ) A e t ei ( t+)

2.8
Mit

Dierentiation vektorwertiger Funktionen

x(t) = (x1 (t), x2 (t))T bzw. x(t) = (x1 (t), x2 (t), x3 (t))T werden zusammenhngende ebene bzw. rumliche Kurven beschrieben, wenn alle Komponenten xk (t) stetige reelle a a Funktionen sind. In technischer Mechanik und Physik werden diese Kurven meist in Abhngigkeit von der Zeit t a durchlaufen. Existieren die Zeitableitungen x(t) = ( x1 (t), x2 (t) )T bzw. x(t) = ( x1 (t), x2 (t), x3 (t) )T

x(t) = ( x1 (t), x2 (t) )T bzw. x(t) = ( x1 (t), x2 (t), x3 (t) )T dann sind v(t) = x(t) bzw. a(t) = x(t) als (momentaner) Geschwindigkeits- bzw. Beschleunigungsvektor zu interpre tieren. Es muss zwischen Geschwindigkeitsvektor = Geschwindigkeit und Bahngeschwindigkeit Beschleunigungsvektor = Beschleunigung und Bahnbeschleunigung unterschieden werden. Bahngeschwindigkeit im R3 : |v(t)| = [x1 (t)]2 + [x2 (t)]2 + [x3 (t)]2 3 Bahnbeschleunigung im R : d |v(t)| aT = dt Die Bahnbeschleunigung ist die Komponente des Beschleunigungsvektors, die in Richtung der Tangenten zeigt. Das ist die Projektion des Beschleunigungsvektors auf die Tangentenrichtung, die mit der Durchlaufrichtung des Massenpunktes ubereinstimmt.

33

2.9
2.9.1

Funktions- und Kurvendiskussion


Monotonieverhalten

Das oene Intervall I im folgenden Satz kann auch nicht beschrnkt sein. a Beschrnktes oenes Intervall : a I = (a, b) mit < a < b < Nicht beschrnkte oene Intervalle : a I = (, ) , I = (, b) , I = (a, ) Satz 2.17. Fr jede auf einem oenen Intervall I dierenzierbare Funktion f gilt : u 1. f wird genau dann monoton wachsend auf I , wenn f (x) 0 auf (a, b) ist. 2. f wird genau dann monoton fallend auf I , wenn f (x) 0 auf (a, b) ist. Satz 2.18. Fr jede auf einem Intervall [a, b] stetige und auf (a, b) dierenzierbare Funktion f gilt : u 1. f wird genau dann monoton wachsend auf [a, b] , wenn f (x) 0 auf (a, b) ist. 2. f wird genau dann monoton fallend auf [a, b] , wenn f (x) 0 auf (a, b) ist. Die Folgerungen fr Intervalle vom Typ I = [a, ) und I = (, b] liegen auf der Hand. u Oensichtlich gilt : Ist f auf (a, b) monoton wachsend und auf [a, b] stetig, dann wird f auch auf [a, b] monoton wachsend. Ist f auf (a, b) streng monoton wachsend und auf [a, b] stetig, dann wird f auch auf [a, b] streng monoton wachsend. Analoge Aussagen hierzu erhlt man bei durchgehendem Ersetzen von wachsend durch fallend. a Satz 2.19. Fr jede auf einem Intervall I dierenzierbare Funktion f gilt : u 1. f wird genau dann streng monoton wachsend auf I , wenn die beiden folgenden Bedingungen erfllt sind. u f (x) 0 fr alle x I u und auf keinem Teilintervall (, ) I gilt f (x) = 0 fr alle x (, ). u 2. f wird genau dann streng monoton fallend auf I , wenn die beiden folgenden Bedingungen erfllt sind. u f (x) 0 fr alle x I u und auf keinem Teilintervall (, ) I gilt f (x) = 0 fr alle x (, ). u Strenge Monotonie liegt also genau dann vor, wenn die strengen Ungleichungen f (x) > 0 oder f (x) < 0 hchstens o in isolierten Punkten verletzt werden. Folgerungen : f (x) > 0 fr alle x I = u f streng monoton wachsend auf I f (x) < 0 fr alle x I = u f streng monoton fallend auf I

2.9.2

Konvexitt und Konkavitt a a

Satz 2.20. Fr jede auf einem Intervall I dierenzierbare Funktion f gilt : u 1. f wird genau dann konvex auf I , wenn die Ableitung f 3. f wird genau dann konkav auf I , wenn die Ableitung f dort monoton wachsend ist. dort streng monoton wachsend ist.

2. f wird genau dann streng konvex auf I , wenn die Ableitung f 4. f wird genau dann streng konkav auf I , wenn die Ableitung f

dort monoton fallend ist. dort streng monoton fallend ist.

Satz 2.21. Fr eine auf einem Intervall I dierenzierbare Funktion f gilt : u 1. f wird genau dann konvex auf I , wenn fr jede in einem beliebigen Punkt xo I angelegte u Tangente To (x) = f (xo ) + f (xo )(x xo ) fr alle u xI die Ungleichung

To (x) f (x)

erfllt ist. u

2. f wird genau dann streng konvex auf I , wenn fr jede dieser Tangenten u To (x) < f (x) fr alle u x I \ {xo } erfllt ist. u

Die Umkehrung der obigen Ungleichungen liefert entsprechende Aussagen fr die Konkavitt bzw. strenge Konkavitt. u a a

34

Satz 2.22. Die reelle Funktion f sei zweimal dierenzierbar auf dem Intervall I. Dann gilt 1. f ist genau dann konvex auf I, wenn f (x) 0 x I gilt.

2. f ist genau dann streng konvex auf I, wenn wenn die beiden folgenden Bedingungen erfllt sind. u f (x) 0 fr alle x I und u auf keinem Teilintervall (, ) I gilt f (x) = 0 fr alle x (, ) u Interpretation der Bedingung zur 2. Aussage : Die Ungleichung f (x) > 0 darf nur in isolierten Punkten verletzt werden. Auch hier gilt: Die Umkehrung der Ungleichungen liefert entsprechende Kriterien fr Konvexitt bzw. strenge Konu a vexitt. a Strenge Konvexitt (strenge Konkavitt) auf I liegt also genau dann vor, wenn dort die strengen Ungleichungen a a f (x) > 0 ( f (x) < 0 ) hchstens in isolierten Punkten verletzt werden. o Folgerungen : f (x) > 0 fr alle x I = f streng monoton wachsend auf I u f (x) < 0 fr alle x mathcalI = f streng monoton fallend auf I u Nachweis von Konvexitt und Konkavitt unter abgeschwchten Voraussetzungen : a a a (von Ingenieurstudenten selten benutzt ) Eine uberall links- und rechtsseitig dierenzierbare Funktion f : I R ist genau dann konvex, wenn ihre Ablei tung monoton wachsend ist. Diese Monotonieeigenschaft ist folgendermaen zu interpretieren : df df df df (x1 ) (x1 ) (x2 ) (x2 ) dx dx dx dx Bei rechtsseitigem Fortschreiten eines Kurvenpunktes dreht sich die (einseitige) Tangente nur nach links (Anstieg kann sich hchstens vergrern). Sie kann natrlich stckweise ihre Richtung beibehalten (nur Konvexitt). o o u u a Die Konkavittsbedingung ergibt sich wie ublich. a Aus x1 x2 folgt stets Bemerkung 2.23. (Krmmung fr ebene Kurven) u u 1. Ebene Kurve sei in der Gestalt y = f (x), f : D R gegeben f (x) existiere auf D: (x) = f (x) [ 1 + [f (x)]2 ] 2 2. Kurve sei in Parameterdarstellung r(t) = (x(t), y(t))T (t) = t I gegeben, x (t) existiere auf I
3 3 + +

(2.24)

x(t) y (t) x(t) y(t) ( [x(t)]2 + [y(t)]2 ) 2

(2.25)

Der Parameter t muss hier nicht unbedingt die Zeit sein. Oft wird als Parameter die Bogenlnge s verwendet. a Dann ist in (2.25) der Parameter t durch s zu ersetzen. Elastostatik des schlanken Balkens : Durchbiegung w mit y = w(x), w : [0, L] R |w (x)| << 1 auf [0, L] = Approximation (x) f (x)

Bemerkungen zu (2.24) : |f (x)| > 0 positive Krmmung, Kurve links gekrmmt, strenge Konvexitt u u a |f (x)| < 0 negative Krmmung, Kurve rechts gekrmmt, strenge Konkavitt u u a

35

2.9.3

Extremwerte

Abbildung aus http://en.wikipedia.org/wiki/Maxima_and_minima Extrema von f (x) = cos(3x) , x f : [ 0, 1 ; 1, 1 ] R

Begrie klren: a Extremum : Minimum oder Maximum, inneres Extremum, Randextremum, inneres Minimum, Randminimum, inneres Maximum, Randmaximum, lokales Extremum und globales Extremum, lokales Minimum und globales Minimum=Minimum, lokales Maximum und globales Maximum=Maximum.

Echte Extremwerte (auch eigentliche genannt) : echtes lokales Minimum und echtes (globales) Minimum, echtes lokales Maximum und echtes (globales) Maximum

Abbildung aus http://en.wikipedia.org/wiki/Maxima_and_minima y = f (x) = x x mit maximalem Denitionsbereich An der inneren Stelle xo = e wird ein echtes globales Maximum angenommen. Existenz globaler Extremwerte: Satz 2.24. Jede stetige Funktion f : [ a, b ] R ist beschrnkt. Sie nimmt fr mindestens ein Argument x1 ihr a u Minimum und fr mindestens ein Argument x2 ihr Maximum an. u Unter den Voraussetzungen des obigen Satzes existieren also Punkte x1 , x2 [ a, b ] mit f (x1 ) f (x) f (x2 ) = = f (x1 ) f (x2 ) fr alle u x [ a, b ].

Minimum der Funktion Maximum der Funktion

36

Dabei gibt es Funktionen, fr die das Minimum an mehreren Stellen angenommen wird oder u fr die das Maximum an mehreren Stellen angenommen wird. u Ob der jeweilige Extremwert in einem Randpunkt oder in einem inneren Punkt angenommen wird, hngt ebenfalls a vom ausgewhlten Beispiel ab. a Satz 2.25. (Extrema von konvexen und konkaven Funktionen) 1. Ein lokales Minimum einer konvexen Funktion ist auch ein globales Minimum. 2. Besitzt eine streng konvexe Funktion ein Minimum, so wird dieses an nur einer Stelle angenommen. 3. Eine streng konvexe Funktion f : [ a, b ] R besitzt ein Minimum, das an genau einer Stelle angenommen wird. 4. Ein lokales Maximum einer konvexen Funktion ist auch ein globales Maximum. 5. Besitzt eine streng konvexe Funktion ein Maximum, so wird dieses an nur einer Stelle angenommen. 6. Eine streng konvexe Funktion f : [ a, b ] R besitzt ein Maximum, das an genau einer Stelle angenommen wird. Anwendung der Dierentialrechnung zur Berechnung von Extremwerten : (Vgl. http://de.wikipedia.org/wiki/Extremwert und Literatur) Satz 2.26. Fr eine dierenzierbare Funktion f : D R erhlt man die folgenden Aussagen, falls x0 ein innerer u a Punkt von D ist. 1. Nimmt f einen lokalen Extremwert an, dann folgt f (x0 ) = 0 . (Notwendiges Kriterium) 2. Es sei f zweimal dierenzierbar. Dann gilt f (x0 ) = 0, f (x0 ) = 0, f (x0 ) > 0 f (x0 ) < 0 = = in x0 wird ein echtes lokales Minimum angenommen, in x0 wird ein echtes lokales Maximum angenommen.

3. Andert f (x) beim Durchgang durch x0 sein Vorzeichen, so wird in x0 ein echter lokaler Extremwert angenommen. f besitzt dort im Falle x , xr U (x0 , ), ein echtes lokales Minimum und im Falle x , xr U (x0 , ), x < x0 < xr = f (x ) < 0 < f (xr ) (2.26)

x < x0 < xr

f (x ) > 0 > f (xr )

(2.27)

ein echtes lokales Maximum. Die -Umgebung U (C, ) kann dabei entsprechend klein gewhlt werden. a 4. Ist der Denitionsbereich der Funktion f ein Intervall ( D = I ) und gelten die Vorzeichenbedingungen (2.26) bzw. 2.27 ohne die Einschrnkungen x , xr U (x0 , ) , dann besitzt f an der Stelle x0 das einzige echte a Minimum bzw. das einzige echte Maximum. Im ersten Fall ist die Funktion streng konvex , im zweiten Fall streng konkav.

2.9.4

Charakteristika zum Funktionsverlauf

(Vgl. http://de.wikipedia.org/wiki/Kurvendiskussion und Literatur) Maximaler Denitionsbereich, Schnittpunkte mit den Koordinatenachsen, Symmetrieeigenschaften, gerade und ungerade Funktionen, Periodizitt, a Flachpunkt, Wendepunkt, Sattelpunkte (Wendepunkt mit horizontaler Tangente), Nullstelle, Polstelle, Lcke(hebbare u Unstetigkeit),

Abbildung aus http://de.wikipedia.org/wiki/Wendepunkt

37

Beispiel 2.27. Verhalten im Unendlichen (asymptotisches Verhalten): f (x) = x3 x2 + 5 x3 x2 1 1 1 = + = x2 + 5x 5 5x 5 x1 5 x1

hat eine Polstelle bei x0 = 1. Die Parabel p(x) = 1 x2 charakterisiert als Asymptote das Verhalten von f im Unend5 lichen (hier sowohl fr x + als auch fr x ). u u
x

lim [ f (x) p(x) ] = 0

und

lim [ f (x) p(x) ] = 0,

Abbildung aus http://de.wikipedia.org/wiki/Asymptote

Abbildung aus http://de.wikipedia.org/wiki/Differentialrechnung

38

f (x) = 3 x3 5 x2 + 8

Abbildung aus http://de.wikipedia.org/wiki/Kurvendiskussion

Abbildung aus http://de.wikipedia.org/wiki/Kurvendiskussion

Hochpunkt echtes lokales Maximum Tiefpunkt echtes lokales Minimum Die Begrie Hochpunkt und Tiefpunkt benutzen wir nicht.

2.10

Newtonsches Nherungsverfahren a

Vergleiche Animation in http://de.wikipedia.org/wiki/Newton-Verfahren xn+1 = xn Newtonsches Verfahren - ziellos und endlos: f (xn ) f (xn ) mit Startwert xo

39

Aber die folgende Anwendung des Newtonverfahrens wird sinnvoll: Gesucht ist fr a > 0 die Nullstelle von u f (x) = 1 Newton-Iteration: xn+1 = xn Mit dem Startwert xo := 1
a x2 n 2a 3 xn

a x2

f (x) =

2a x3 x2 n a

= xn

xn xn x3 n + = 2a 2 2

1+a 2

konvergiert das Verfahren gegen die Nullstelle.

Satz 2.28. Es existiere eine Nullstelle x von f (x) und in einem Intervall [ a, b ] mit a < x < b seien die folgenden Bedingungen erfllt : u f C 2 ([a, b]) , f (x) = 0 auf [ a, b ]. Liegt dann der no -te Nherungswert xno hinreichend nahe bei der Nullstelle x, dann gilt mit einer Konstanten C > 0 a | xn+1 | C | xn |2 x x fr alle u n no

Anschauliche Interpretation ab no -tem Schritt : Bei jedem weiteren Schritt der Newton-Iteration verdoppelt sich etwa die Anzahl der gltigen Dezimalstellen. u Das Newton-Verfahren ist unter obigen Voraussetzungen ein lokal konvergentes Verfahren. Konvergenz der in der Newton-Iteration erzeugten Folge zu einer Nullstelle ist also nur garantiert, wenn der Startwert xo schon ausreichend nahe an der Nullstelle liegt. Ist der Startwert zu weit weg, kann alles mgliche passieren. o

2.11

Lokale Existenz einer stetig dierenzierbaren Umkehrfunktion

Jetzt geht es um eine Modikation von Satz 2.8 mit grerer Bedeutung fr die Anwendungen. Im Kapitel 3 werden o u die folgenden Aussagen dann auf Abbildungen f : D Rn mit D Rn verallgemeinert (Satz zur Existenz der stetig dierenzierbaren Umkehrabbildung). Vorerst jedoch der Fall n = 1. Die Existenz der Umkehrfunktion f 1 wird im Gegensatz zu Satz 2.8 nicht mehr vorausgesetzt. Es werden stattdessen Bedingungen formuliert, unter denen eine auf einem oenen Intervall I denierte Funktion f : I R in einer oenen Umgebung U0 I eines Punktes x0 invertierbar und stetig dierenzierbar ist. Beispiel 2.29. y = f (x) = sin x, also x=f
1

x0 = 0,

f : U0 W0 , oder f

, , W0 = f (U0 ) = ( 1, 1 ) , 2 2 1 f C (U0 ) wobei f (x0 ) = 1 = 0 gilt. U0 = (x) = arcsin x, f 1 : W0 U0 , f 1 C 1 (W0 )

(y) = arcsin y

Mit dem zugehrigen abgeschlossenen Intervall U 0 = , bleibt die Fortsetzung o 2 2 f : U 0 W 0 invertierbar mit f 1 (x) = arcsin x. Diese auf dem abgeschlossenen Intervall W 0 denierte Funktion ist aber in den Randpunkten von W 0 nicht mehr dierenzierbar.

40

Nachzuweisende Aussage oberhalb des Beispiels also folgendermaen konkretisieren: Zu einer geeigneten Einschrnkung f : U0 f (U0 ) existiert die inverse Funktion a f 1 : f (U0 ) U0 . Der Wertebereich W0 = f (U0 ) der Einschrnkung von f , also der Denitionsbereich von f 1 , ist dabei ebenfalls ein a oenes Intervall. Die Voraussetzungen des folgenden Satzes werden so gewhlt, dass f 1 stetig dierenzierbar wird, a vgl. Beispiel 2.29. Satz 2.30. (Existenz einer stetig dierenzierbaren Umkehrfunktion) Es sei x0 ein festgehaltener innerer Punkt eines oenen Intervalls I R . Dann gilt : Ist eine Funktion f : I R stetig dierenzierbar mit yo = f (xo ) und yo = f (xo ) = 0 , (2.28)

so existiert ein oenes Intervall U0 I mit x0 U0 . Die Einschrnkung a f : U0 W0 mit W0 = f (U0 ) (2.29)

wird dabei streng monoton und invertierbar mit einem oenen Intervall W0 als Wertebereich. Fr die zu (2.29) u gehrige Umkehrfunktion gilt o f 1 : W0 U0 ist stetig dierenzierbar. (2.30) Mit beliebigen x U0 und mit y = f (x) folgt x = f 1 (y), Aus den speziellen Vorgaben (2.28) erhlt man a xo = f 1 (yo ) und dx 1 (yo ) = (f 1 ) (yo ) = = dy f (xo ) 1
dy (xo ) dx

dx 1 1 = (f 1 ) (y) = = dy . dy f (x) dx

(2.31)

1 . yo

(2.32)

Ist f (xo ) > 0 in (2.28), dann werden die in (2.29) und (2.30) denierten Funktionen streng monoton wachsend. Ist f (xo ) < 0 in (2.28), dann werden diese beiden Funktionen streng monoton fallend. Folgerung 2.31. Unter den Bedingungen des letzten Satzes folgen aus (2.28) und (2.32) die linearen Approximationen f (x) T (x) = f (xo ) + f (xo )(x xo ) = yo + yo (x xo ) in der Nhe von xo a und f 1 (y) T 1 (y) = f 1 (yo ) + (f 1 ) (yo )(y yo ) = xo + 1 (y yo ), yo (2.33)

Letztere kann in einer hinreichend kleinen Umgebung von yo genutzt werden. Auch fr diese linearen Approximationen gilt : u T 1 ist die zu T inverse Funktion (nicht der Kehrwert). Die Gleichung y = yo + yo (x xo ) ist nmlich eindeutig nach x ausbar mit x = xo + y1 (y yo ) . a o
o

Hier wurde bisher davon abgesehen beim Ubergang zur Umkehrfunktion die Variablen x und y zu vertauschen. In spteren Verallgemeinerungen wird dies auch nicht geschehen (z. B. Koordinatentransformationen im R2 und R3 ). a Damit kann man dort direkt an diese Betrachtungen anknpfen. u Die grasche Darstellung reeller Funktionen wird jedoch anschaulicher, wenn man x als unabhngige Variable und y a als abhngige Variable betrachtet. a Bemerkung 2.32. Das Festhalten von x als unabhngiger Variabler und y als abhngiger Variabler, also die Nutzung a a von y = f 1 (x) kann in Satz 2.30 durch gewisse Modikationen ab Formel (2.31) plausibel gemacht werden. Die vor (2.31) stehenden Formulierungen bleiben gltig. u Ausgehend von y = f (x) entsteht nach Vertauschen von x und y in (2.31) y U0 und x = f (y) = y = f 1 (x), dy 1 1 = (f 1 ) (x) = = dx dx f (y) dy

Aus den speziellen Werten in (2.28) folgt mit xo = yo , yo = f 1 (o ) x und yo = xo 1


dx (o ) y dy

dy 1 (o ) = (f 1 ) (o ) = x x = dx f (xo )

1 . yo

Die Approximation (2.33) bekommt fr f 1 (x) die Form u f 1 (x) T 1 (x) = f 1 (o ) + (f 1 ) (o )(x xo ) = yo + x x 1 (x xo ) yo

41
Bei der in Beispiel 2.29 realisierten lokalen Invertierung von f (x) = sin x konnte die Umkehrfunktion f 1 durch den einfachen analytischen Ausdruck f 1 (x) = arcsin x angegeben werden. Oft ist man jedoch nicht in der Lage f 1 in analytisch geschlossener Form darzustellen. Wenn es eine derartige Darstellung gibt, die zu kompliziert ist, hilft dies in der Regel auch wenig. In solchen Fllen ist der obige Satz 2.30 hilfreich : a Nach Berechnung von f und f an einer einzigen Stelle xo kann die Existenz einer lokalen Inversen f 1 von f schnell gezeigt werden, kann die Art der strengen Monotonie dabei veriziert werden, knnen lineare Approximationen von f und f 1 aufgestellt werden. o Das obige Prinzip der lokalen Invertierbarkeit verbunden mit der Berechnung der Ableitung (f 1 ) (yo ) wird in Kapitel 3 verallgemeinert. Angewandt wird es z.B. in der technischen Mechanik (nichtlineare Materialgesetze, Koordinatentransformationen) und Physik. Die lokalen linearen Approximationen von f und f 1 sind dabei vielseitig nutzbar.

2.12

Mittelwertstze der Dierentialrechnung a

Die folgenden Mittelwertstze knnen benutzt werden, um viele der obigen Stze exakt zu beweisen. Sie besitzen a o a jedoch auch vielfltige praktische Anwendungen (z. B. Fehlerabschtzung von Approximationspolynomen). a a Satz 2.33. (Satz von Rolle) Ist eine reelle Funktion f im oenen Intervall (a, b) dierenzierbar, im abgeschlossenen Intervall [a, b] stetig und gilt f (a) = f (b), dann muss die Ableitung im Intervall (a, b) mindestens eine Nullstelle haben.

Abbildung 2: Satz von Rolle


Abb. aus http://de.wikipedia.org/wiki/Satz_von_Rolle

Anschaulich bedeutet dies: Auf dem Graphen der Funktion f gibt es zwischen zwei Kurvenpunkten mit ubereinstim menden Funktionswerten mindestens einen Kurvenpunkt mit waagrechter Tangente. Folgerung 2.34. Zwischen zwei Nullstellen einer dierenzierbaren Funktion liegt eine Nullstelle der Ableitung. Der Satz von Rolle ist ein Spezialfall des folgenden Mittelwertsatzes. Satz 2.35. (Mittelwertsatz der Dierentialrechnung) Ist eine reelle Funktion f im oenen Intervall (a, b) dierenzierbar und im abgeschlossenen Intervall [a, b] stetig, dann gibt es mindestens ein f (b) f (a) xo (a, b) mit f (xo ) = (2.34) ba Folgerung 2.36. Stetig dierenzierbare Funktionen sind lokal Lipschitz-stetig. Satz 2.37. (Verallgemeinerter Mittelwertsatz der Dierentialrechnung) Die reellen Funktionen f und g seien im oenen Intervall (a, b) dierenzierbar und im abgeschlossenen Intervall [a, b] stetig. Auerdem gelte fr x (a, b) stets g (x) = 0. u Dann existiert mindestens ein xo (a, b) mit f (xo ) f (b) f (a) = g (xo ) g(b) g(a) (2.35)

42

Abbildung 3: Mittelwertsatz der Dierentialrechnung


Vgl. http://de.wikipedia.org/wiki/Mittelwertsatz_der_Differentialrechnung

Bemerkung 2.38. Wegen g (x) = 0 folgt strenge Monotonie und damit g(b) g(a) = 0. Der Beweis des verallgemeinerten Mittelwertsatzes ergibt sich unter Anwendung des Satzes von Rolle auf die Funktion F (x) = f (x) f (a) f (b) f (a) ( g(x) g(a) ) . g(b) g(a)

2.13

Taylorformel mit Lagrangeschem Restglied

Vorerst folgende Voraussetzungen : 1. Es sei I R ein Intervall mit a I . 2. f : I R sei eine stetig dierenzierbare Funktion. 3. In allen inneren Punkten von I sei f zweimal dierenzierbar. Falls I ein oenes Intervall ist, folgt die 2. Voraussetzung aus der Existenz von f (x) auf I. Nur in dem Fall, das der obige Punkt a ein Randpunkt ist, muss in den Anwendungen von einem halboenen Intervall ausgegangen werden. Dann ist die stetige Dierenzierbarkeit von f im Randpunkte a zustzlich zu fordern. a Satz 2.39. Unter den obigen Voraussetzungen gilt fr die Taylor-Entwicklung 1. Ordnung von f an der Stelle a u T1 (x) := f (a) + f (a)(x a) . mit f (x) = T1 (x) + R1 (x) := f (a) + f (a)(x a) + R1 (x) die die Restgliedabschtzung a R1 (x) = f (2) () (x a)2 (2)! (Lagrangesche Form des Restgliedes), (2.36)

wobei = (a, x) im Falle x = a eine echte Zwischenstelle von a und x ist. a < x = a < < x oder x < a = x < < a Das Taylorpolynom 1. Ordnung von f liefert eine Linearisierung von f , die in einer Umgebung von a genutzt werden kann. Dabei ist eine Abschtzung des Fehlers R1 (x) hilfreich. a Jetzt zu Taylorpolynomen beliebiger Ordnung Satz 2.40. (mit Denition) 1. Es sei I R ein Intervall mit a I . 2. f : I R sei eine n mal stetig dierenzierbare Funktion. 3. In allen inneren Punkten von I sei f eine (n + 1) mal dierenzierbare Funktion.

43

Abbildung 4: Taylorpolynome der Sinusfunktion


Abb. aus http://de.wikipedia.org/wiki/Taylor-Formel

Dann gilt fr die Taylor-Entwicklung n-ter Ordnung von f an der Stelle a u


n

Tn (x)

=
k=0

f (k) (a) (x a)k k! f (a) f (a) f (n) (a) (x a) + (x a)2 + . . . + (x a)n . 1! 2! n! f (x) = Tn (x) + Rn (x)

(2.37)

= mit

f (a) +

(2.38)

die Restgliedabschtzung a Rn (x) = f (n+1) () (x a)n+1 (n + 1)! (Lagrangesche Form des Restgliedes), (2.39)

wobei = (a, x) im Falle x = a eine echte Zwischenstelle von a und x ist. Der Fehler, der beim Ersetzen von f (x) durch Tn (x) in einer Umgebung von a entsteht, kann uber (2.39) durch Ungleichungen der Gestalt |Rn (x)| abgeschtzt werden. a Beispiel 2.41. Einige Taylorpolynome der Sinusfunktion an der Entwicklungsstelle a = 0 sind in Abb. 4 dargestellt. Folgerung 2.42. Gilt mit einem s > 0 |f (n+1) (x)| M dann kann das Restglied durch |Rn (x)| M sn+1 (n + 1)! fr alle u x [ a s, a + s ] I (2.40) fr alle u x mit |x a| s

abgeschtzt werden. Dies ist eine Abschtzung durch eine Konstante. Whlt man speziell s = |xa| fr alle mglichen a a a u o s, so folgt M |Rn (x)| |x a|n+1 fr alle x I u (2.41) (n + 1)! Dies ist eine Abschtzung mit einer variablen rechten Seite. Sie liefert im Regelfall kleinere relative Fehler in gewissen a Umgebungen von a. Hinweis zur allgemeinen Bestimmung von M : Obige Schranke M mglichst klein whlen. Der kleinste mgliche Wert fr M in (2.40) und (2.41) ist o a o u M = max |f (n+1) (x)|
x

mit

x [ a s, a + s ] I

Korrekter wre die Verwendung von sup statt die von max. a Beispiel 2.43. Das Taylorpolynom 3. Ordnung T3 (x) der Sinusfunktion an der Entwicklungsstelle a = 0 hat die Gestalt x3 sin(x) T3 (x) = x 6

44
4

Liegt x = 0 zwischen

und

, 4

dann gilt fr die relative Abweichung der Approximation u T3 (x) sin(x) 5 103 sin(x)

Weitere Taylorpolynome von y = sin x an der Entwicklungsstelle a = 0 sind T4 (x) = x x3 , 6 T5 (x) = x x3 x5 + , 3! 5! T6 (x) = x x3 x5 + , 3! 5! T7 (x) = x x3 x5 x7 + 3! 5! 7!

Da hier fr alle Ableitungen |f (n+1) (x)| 1 gilt, folgt u |R5 (x)| = |sin(x) T5 (x)| T5 (x) und T6 (x) stimmen hier uberein, so dass auch |R5 (x)| = |sin(x) T5 (x)| gilt. Diese Abschtzung ist fr |x| a u
2

1 |x|6 6!

1 |x|7 7!

deutlich besser. Vgl. Abb. 4.

Folgende Nherungsformeln werden hug verwendet: a a 1+x 1 1x 1 1+x ln(1 + x)

1+

x 2

f ur x << 1 f ur x << 1 f ur x << 1 f ur x << 1

1+x 1x x

2.14

Taylorreihen

Denition 2.44. Es seien I ein reelles Intervall und f : I R eine beliebig oft dierenzierbare Funktion. Mit a I heit die formal gebildete Potenzreihe

n=0

f (n) (a) (x a)n = n! f (a) + f (a) f (a) f (n) (a) (x a) + (x a)2 + + (x a)n + 1! 2! n!

(2.42)

die Taylor-Reihe von f im Entwicklungspunkt a. Im Spezialfall a = 0 wird die Taylor-Reihe auch MacLaurinsche Reihe genannt. Vgl. http://de.wikipedia.org/wiki/MacLaurinsche_Reihe Bemerkung 2.45. Die Taylor-Reihe (2.42) konvergiert fr ein x I gegen die Funktion f (x), wenn das in (2.39) u denierte Restglied Rn (x) fr dieses x konvergiert. Mit einer geeigneten Restgliedabschtzung fr allgemeines n kann u a u also versucht werden, die Konvergenz nachzuweisen. Bemerkung 2.46. Die Taylor-Reihe konvergiert gleichmig auf einem Intervall a Is = [a s, a + s] I, s>0

gegen die Funktion f (x), wenn das Restglied Rn (x) dort gleichmig gegen 0 konvergiert. Mit einer geeigneten Resta gliedabschtzung die fr allgemeines n und alle x Isp gilt, kann also versucht werden,diese gleichmige Konvergenz a u a nachzuweisen. Bemerkung 2.47. Die Taylor-Reihe konvergiert demzufolge gleichmig auf dem Intervall a Isp = [a s, a + s] I gegen die Funktion f (x), wenn die durch an = max |f (n+1) (x)|
x

sn+1 (n + 1)!

x [a s, a + s]

denierte Folge an gegen 0 konvergiert. Das Restglied kann dann gem a |Rn (x)| an abgeschtzt werden. a

45

Satz 2.48. Wenn zur Funktion f eine Abschtzung der Gestalt a |f (n) (x)| C M n fr alle u n > n0 und alle x [a s, a + s] (2.43)

gefunden werden kann, wobei die Konstanten C und M von n und x unabhngig sind, dann konvergiert die Taylorreihe a auf diesem Intervall absolut und gleichmig gegen die Funktion f (x). a

f (x) =
n=0

f (n) (a) (x a)n n!

fr alle u

x [a s, a + s]

(2.44)

Proof. Ersetzt man in Formel (2.40) M durch C M n+1 so folgt |Rn (x)| C (M s)n+1 (n + 1)! fr alle u x [a s, a + s].

Aus der Taylorreihe der Funktion ex an der Stelle x = M s folgen die gleichmige Konvergenz des Restgliedes a gegen 0 und die Konvergenzaussagen bezglich der Reihe. u Satz 2.49. Der Konvergenzradius einer Taylorreihe als spezieller Potenzreihe

n=0

f (n) (a) (x a)n = cn (x a)n n! n=0 n! f (n) (a) f (n) (a) n!

wird durch = beziehungsweise durch = lim cn cn+1


n

1
n

lim

|cn |

= lim

mit

cn =

(2.45)

= lim (n + 1)
n

f (n) (a) , f (n+1) (a)

(2.46)

wenn die Grenzwerte auf den rechten Seiten existieren. Die Taylorreihe konvergiert absolut fr u Sie ist divergent fr u Fr jedes feste r mit r < u |x a| < . |x a| > .

konvergiert sie absolut und gleichmig auf dem durch a |x a| r <

denierten Intervall. Im uneigentlichen Fall = + gilt : Die Taylorreihe konvergiert absolut fr alle x R. Sie konvergiert gleichmig auf jedem abgeschlossenen Intervall u a [r, r]. Bemerkung 2.50. Bei endlichem Konvergenzradius kann die Taylorreihe in den Randpunkten des Konvergenzintervalls a und in a + entweder konvergent oder divergent sein. Dies ist allgemein nicht entscheidbar, d.h. hier mssen gesondert Untersuchungen des jeweiligen Spezialfalls durchgefhrt werden. u u Bemerkung 2.51. Erwhnt werden soll hier auch, dass es im letzten Satz nur um die Konvergenz der Taylorreihe a geht. Es sind jedoch Funktionen f (x) konstruierbar, deren Taylorreihen zwar einen Konvergenzradius > 0 besitzen, die aber innerhalb des Konvergenzradius nicht gegen die gegebene Funktion f (x) sondern gegen eine andere Funktion konvergieren. Derartige Taylorentwicklungen sind jedoch nicht mit Standardanwendungen des Ingenieurs verbunden, so dass dieses Problem hier nicht nher untersucht werden muss. Wenn die Funktion f (x) als analytische Funktion a fortsetzbar ist (vgl. Komplexe Funktionentheorie, nicht Gegenstand der Vorlesungen), dann kann dieser pathologische Fall ohnehin nicht eintreten. Dann konvergiert die Taylorreihe zu f (x) innerhalb ihres Konvergenzradius absolut und gleichmig gegen f (x). Dies soll hier stets vorausgesetzt werden. Durch eine geeignete Restgliedabschtzung ist dies a a gegebenenfalls nachweisbar. Bei den von uns untersuchten Beispielen ist diese Voraussetzung stets erfllt. u Unter obiger Voraussetzung gilt folgende Aussage. Bemerkung 2.52. Taylorreihen knnen innerhalb ihres Konvergenzradius gliedweise dierenziert und integriert o werden. Man vollziehe dies an den folgenden Beispielen.

46

Beispiel 2.53. Hug verwendete Taylorreihen sind a

ex sin(x) cos(x) ln(1 + x) ln 1+x 1x

=
n=0

xn n! (1)n

fr alle u x2n+1 (2n + 1)! x2n (2n)! xn n

xR fr alle u fr alle u fr alle u xR

=
n=0

=
n=0

(1)n

xR x (1, 1)

= = 2

(1)n+1
n=1

k=0

x2k+1 2k + 1

fr alle u

x (1, 1)

Whlt man x := y1 fr ein y > 0, dann erhlt man mit der letzten Formel ln(y). Die letzte Reihe konvergiert a u a y+1 schneller als die darber stehende und ist somit fr praktische Rechnungen besser geeignet. Man beachte : u u logb (x) = ln(x) ln(b) fr u b>0

Weitere Taylorreihen siehe http://de.wikipedia.org/wiki/Taylorreihe und [10], vgl. auch http://de.wikipedia.org/wiki/Potenzreihe Bemerkung 2.54. Taylorreihen sind spezielle Potenzreihen

cn (x x0 )n .
n=0

(2.47)

Hinsichtlich der Konvergenz sind drei Flle zu unterscheiden: a Die Reihe konvergiert 1. nur fr x = x0 , Konvergenzradius u = 0, praktisch uninteressant 2. auf einem endlichen Intervall (x0 , x0 + ) mit dem Mittelpunkt x0 , d. h. endlicher Konvergenzradius 3. auf ganz R, also unendlicher Konvergenzradius Der Konvergenzradius lsst sich allgemein mit mit der Formel von Cauchy-Hadamard berechnen (Oben sind nur a Spezialflle fr die Ermittlung von angegeben.) a u = 1 lim sup( n |cn |)
n

Limes superior ist dabei der grte Hufungspunkt einer Folge, hier der Folge n |cn |. Derart allgemeine Berechnungen o a werden wir nicht durchfhren. Die Konvergenzradien der oberen Beispiele sind angegeben. Bei konkreten Anwendungen u entnehme man sie der Literatur. Grundstzlich gilt a |x x0 | < |x x0 | > |x x0 | = = = = (2.47) ist absolut konvergent (2.47) ist divergent Konvergenz von (2.47) allgemein nicht entscheidbar

Auf jedem abgeschlossenen Teilintervall von (x0 , x0 + ) liegt gleichmige Konvergenz vor. Bei unendlichem a Konvergenzradius ist dies als gleichmige Konvergenz auf jedem abgeschlossenen Intervall zu interpretieren. a Satz 2.55. Sind die Potenzreihen

ak (x x0 )k
k=0

und
k=0

bk (x x0 )k

absolut konvergent in (x0 , x0 + ) (kleineres


von beiden Konvergenzradien whlen), dann gilt a

aj (x x0 )j
j=0 k=0

bk (x x0 )k

=
n=0

cn (x x0 )n

mit cn =

ai bni
i=0

(2.48)

47

Die Reihe

cn (x x0 )n
n=0

ist dabei ebenfalls absolut konvergent in (x0 , x0 + ) . Die Berechnung der Koezienten cn gem (2.48), d. h. unter Anwendung der diskreten Faltung (auch Cauchya Faltung genannt), ist verbunden mit einer speziellen Anordnung der zu summierenden Produkte a0 b0 a0 b1 a0 b2 a0 b3 a1 b0 a1 b1 a1 b2 a1 b3 a2 b0 a2 b1 a2 b2 a2 b3

Mit Hilfe des letzten Satzes knnen Quotienten von Potenzreihen zumindest nherungsweise berechnet werden. o a Beispiel 2.56. Vgl. http://en.wikipedia.org/wiki/Taylor_series Man berechne an der Stelle xo = 0 das Taylorpolynom 4. Ordnung von g(x) = Wegen

ex cos x

ex =
n=0

xn x2 x3 x4 =1+x+ + + + O(x5 ) n! 2! 3! 4! x2 x4 + + O(x6 ) 2! 4!

und cos x = 1 folgt mit dem Ansatz

ex = a0 + a1 x + a2 x2 + a3 x3 + cos x

nach Multiplikation mit dem Nenner ex = (a0 + a1 x + a2 x2 + a3 x3 + ) cos x = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 + = a0 + a1 x + a2 a0 a1 x2 + a3 2 2 x4 x2 + 2! 4! a0 a2 x3 + a4 + x4 + O(x5 ). 4! 2 1

Der Koezientenvergleich bis zur 4. Ordnung liefert schlielich ex 2x3 x4 = 1 + x + x2 + + + O(x5 ). cos x 3 2

48

3
3.1

Funktionen mehrerer reeller Vernderlicher a


Uberblick und Grasche Darstellungen

Vergleiche http://mo.mathematik.uni-stuttgart.de/kurse/kurs15/kurs15_broschuere.pdf http://statmath.wu.ac.at/~leydold/MOK/HTML/, andere Quellen (siehe Einleitung) und Abschnitt 4.2

3.2

Grundbegrie

Norm : In einem Vektorraum V uber dem Krper der reellen Zahlen R hat eine Norm o und beliebige R die folgenden Eigenschaften x x x x+y = = 0 0 x=0 (Denitheit) || x x + y

: V R fr beliebige x, y V u (3.1) (3.2) (3.3) (3.4)

(Dreiecksungleichung)

Wir werden vorerst nur den Vektorraum V = Rn also den n-dimensionalen Vektorraum betrachten. Ein Vektorraum mit einer Norm heit normierter Vektorraum oder normierter Raum. Der Rn mit der Euklidischen Norm ist also ein (spezieller) normierter Vektorraum.
n

Euklidische Norm :

|x| = x

x2 + + x2 = n 1
i=1

x2 i

Abstand : Im zwei- und dreidimensionalen Raum stimmt der Euklidische Abstand mit dem anschaulichen Abstand uberein. Im allgemeineren Fall des n-dimensionalen Euklidischen Raumes ist er fr zwei Punkte oder zwei Vektoren deniert u durch die Euklidische Norm des Dierenzvektors zwischen den beiden Punkten. Sind die Punkte x und y gegeben durch die kartesischen Koordinaten x = (x1 , , xn ) dann gilt
n

und

y = (y1 , , yn ),

d(x, y) = |x y| = x y

(x1 y1 )2 + + (xn yn )2 =
i=1

(xi yi )2

Da der Euklidische Abstand uber eine Norm deniert wird, ist er translationsinvariant. Neben dem Euklidischen Abstand gibt es eine Reihe weiterer Abstandsmae, die fr uns hier jedoch nicht von Interesse u sind. Ein Abstand besitzt folgende Eigenschaften : d (x, y) d (x, y) d (x, y) d (x, y) = = 0 0 x, y Rn x=y (Denitheit) (Dreiecksungleichung) (Symmetrie) (3.5) (3.6) (3.7) (3.8) (3.9) Als -Umgebung eines Punktes x Rn , kurz U (x, ) , wird jede oene Kugelumgebung von x bezeichnet (x ist Mittelpunkt, siehe Skizze). Im R2 ist dies speziell eine oene Kreisumgebung. Nimmt man die Randpunkte hinzu, so entsteht eine abgeschlossene Kugelumgebung (abgeschlossene Kreisumgebung) von x, die mit U (x, ) gekennzeichnet wird. . Konvergenz von Vektorfolgen (Punktfolgen) bzw. Grenzwerte im Rn uber den Euklidischen Abstand denieren xn y beziehungsweise fr Punkte u Pn Q genau dann, wenn d(Pn , Q) 0 genau dann, wenn d(xn , y) 0

d (y, x)

d(x, z) + d(z, y)

49

Abbildung 5: -Umgebung

Diese Konvergenz liegt genau dann vor, wenn jede Komponente der Vektorfolge (Punktfolge) konvergiert. Im R2 bedeutet dies mit Pn = (xn , yn ) und Q = (x, y) Pn Q genau dann, wenn xn x, yn y

Im R3 gilt mit Pn = (xn , yn , zn ) und Q = (x, y, z) entsprechend Pn Q genau dann, wenn xn x, yn y, zn z

Denitionsbereiche fr Funktionen mehrerer reeller Vernderlicher : u a f : D R, D Rn

Der Denitionsbereich ist hier also eine echte oder unechte Teilmenge des Rn . Man geht wiederum davon aus, dass D keine isolierten Punkte enthlt. a Ein Hufungspunkt des Denitionsbereiches D ist ein innerer Punkt von D oder ein Randpunkt von D. Ein a innerer Punkt gehrt stets zu D. o Ein Randpunkt von D kann zu D gehren oder auch nicht. Dies hngt vom gegebenen Denitionsbereich ab. o a Enthlt D alle seine Randpunkte, dann heit D abgeschlossen. a Ist jeder Punkt von D ein innerer Punkt, dann nennt man D eine oene Menge. Denition 3.1. (Grenzwert einer reellen Funktion) Es seien f : D R,

D Rn

eine reellwertige Funktion und Q ein Hufungspunkt des Denitionsbereiches D. Wenn dann aus a Pn mit Pn D \ {Q} stets
n

und

lim Pn = Q

(3.10)

lim f (Pn ) = g
P Q

folgt , (3.11)

schreibt man kurz

lim f (P ) = g

und nennt g den Grenzwert der Funktion f an der Stelle Q. In den Fllen g = und g = wird von uneigentlichen Grenzwerten oder auch von bestimmter Divergenz a gesprochen. Denition 3.2. Eine reellwertige Funktion f: D R (D Rn )

heit stetig in Q D, wenn fr jede Folge Pn mit dem Grenzwert Q die Funktionswerte f (Pn ) gegen f (Q) konveru gieren. Kurz: Pn Q = f (Pn ) f (Q) Andere Schreibweisen:
n

lim Pn = P oder krzer : u

n P Q

lim f (Pn ) = f (P )

lim f (P ) = f (Q)

Stetigkeit in Q bedeutet also, dass dort Grenzbergang und Funktionswertbildung vertauscht werden knnen. u o Stetigkeit im Punkte Q D liegt vor, wenn der Grenzwert (3.11) existiert und mit dem Funktionswert f (Q) ubereinstimmt.

50

3.3

Charakterisierung von Denitionsbereichen

Charakterisierung von Mengen D Rn und von Punkten P bezglich ihrer Lage zu D u (Topologische Begrie): Oene Kugelumgebung von P abgeschlossene Kugelumgebung von P Oene Menge Abgeschlossene Menge Innerer Punkt einer Menge D Randpunkt einer Menge D Rand D einer Menge D Abschluss D einer Menge D Beschrnkte Mengen a Kompakte Mengen Zusammenhang: Eine Menge D heit zusammenhngend, wenn sich zwei beliebige Punkte P und Q aus D durch a eine Kurve verbinden lassen, die ganz in D liegt. Beispiele fr nicht zusammenhngende Mengen u a Eine zusammenhngende Menge kann mehrfach zusammenhngend sein. a a Einfach zusammenhngende Menge D : a Jeder geschlossene Weg in D lsst sich innerhalb von D stetig zu einem Punkt zusammenziehen. a Gebiete und Bereiche im Rn : Gebiet : Bereich : Oene und zusammenhngende Menge a Abschluss eines Gebietes

Denition 3.3 ( Konvexe Menge). Eine Menge D Rn wird konvex genannt, wenn mit je zwei Punkten P, Q D immer auch deren Verbindungsstrecke ganz in D liegt. P Q := {P + (1 )Q | 0 1} D

Funktionen und Abbildungen : Reellwertige und vektorwertige Funktionen Parameterdarstellung Flchen im R3 a

4
4.1

Dierentialrechnung mehrerer reeller Vernderlicher a


Partielle Ableitungen erster Ordnung

Denition 4.1. Gegeben seien D Rn und f : D R. U D sei eine oene Umgebung eines festen Punktes x D, ( x ist damit innerer Punkt des Denitionsbereiches) z = f (x), x = (x1 , , xn ), xD

Falls fr die natrliche Zahl k mit k = 1, , n der Grenzwert u u f (x1 , . . . , xk + h, . . . , xn ) f (x1 , . . . , xk , . . . , xn ) f (x) := lim h0 xk h existiert, dann nennt man ihn die partielle Ableitung von f nach der k-ten Variablen im Punkte x. Die Funktion f heit im Punkt x partiell dierenzierbar, wenn alle n partiellen Ableitungen existieren. Existiert eine partielle Ableitung fr alle x D (oder auf einer Teilmenge von D) , so ist sie dort eine reellwertige u Funktion.

51

Schreibweise : f , xk f (x) , xk fxk , xk f oder k f k f (x)

fxk (x),

xk f (x)

oder

f (x1 , , xn ) , xk

fxk (x1 , , xn ),

xk f (x1 , , xn )

Falls die unabhngigen Variablen nicht mit x1 , x2 , , , xn sondern mit x, y, z, t, usw. bezeichnet werden , a nutzt man die in den folgenden Beispielen dargelegte Notation fr die partiellen Ableitungen nach x , y, . u Im Falle u = f (x, y) , x = (x, y) erhlt man eine der 3 Varianten: a f , x f , y oder fx , fy , x f y f x R2

bei Angabe des variablen Aufpunktes f (x) , x f (x) , y

fx (x), fy (x),

x f (x) y f (x)

bzw.

bei Angabe der unabhngigen Variablen a x, y R f (x, y) , x f (x, y) , y der Funktion f

fx (x, y), fy (x, y),

x f (x, y) y f (x, y)

Im Falle von drei und mehr Vernderlichen gilt beispielsweise a u = f (x, y, z, t) , x = (x, y, z, t) f , x fx , x f, bzw. f (x, y, z, t) , x f (x, y, z, t) , y f (x, y, z, t) , z f (x, y, z, t) . t f , y fy , y f, f , z fz , ft t f f t

z f,

52

4.2

Graken zu Stetigkeit und Dierenzierbarkeit

2 1.8 1.6 2 1.4 1.2 1 0.8 0.6 0.4 0.2 0 0 1 0.8 0.6 0.4 0.2

0.2

0.4

0.6

0.8

1.2

1.4

1.6

1.8

53

Bereichsweise stetige Funktion


2

Hhenlinien

2 1.5 1 0.5 0 2

f(x,y)=2
1.5 2

f(x,y)=1 f(x,y)=y

1 0.8 0.6 0.4 0.2

0.5 2 1.5 1 yAchse 1 0.5 0 0 xAchse 0 0

0.5

1.5

Partielle Ableitung fx(x,y)

Partielle Ableitung fy(x,y)

2 1.5 1 0.5 0 2 2 1.5 1 yAchse 1 0.5 0 0 xAchse

2 1.5 1 0.5 0 2 2 1.5 1 yAchse 1 0.5 0 0 xAchse

54

y
1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.8 0.2 0.2 0 0 0.2 0.4 0.6 0.8 0.6 0.4 1 1 1.2 2 1.4 1.6 1.8 2

55

56

Eine unstetige Funktion z


2

1.5

f(x,y) = x+y
1

f(x,y) = 2 0.5 x

0.5

y
0 0 0.5 1 1.5 1 1.5 2

0.5

2
1.4

1.8 1.6
1.6

1.8

1.4
1.4

1.6 1.2 1.8

1.2
yAchse

1 0.8 0.6
0.8 1.2 1 1.8 1.6 1.4

0.4 0.2
0.2 0.4

0.6

0 0

0.2

0.4

0.6

0.8

1 xAchse

1.2

1.4

1.6

1.8

57

58

59

Hhenlinien der Pyramidenfunktion 2 1.8 1.6


0.1

1.4 1.2
0.001 0.8

yAchse

1 0.8 0.6 0.4 0.2 0 0

0.7 0.6 0.5 0.4 0.9

0.001 0.3 0.2

0.5

1 xAchse

1.5

60

Pyramidenfunktion Zerlegung des Definitionsbereiches 2 1.8

0
1.6 1.4 1.2

f(x,y) = xy+1

f(x,y) = 3xy

yAchse

1 0.8 0.6 0.4

f(x,y) = x+y1

f(x,y) = x+y+1

0
0.2 0 0

0.5

1 xAchse

1.5

Pyramidenfunktion Partielle Ableitung f (x,y)


x

2 1.8

0
1.6 1.4 1.2

f (x,y) = 1
x

yAchse

fx(x,y) = 1

1 0.8 0.6 0.4

f (x,y) = 1 x

fx(x,y) = 1

0
0.2 0 0

0.5

1 xAchse

1.5

61

Pyramidenfunktion Partielle Ableitung f (x,y)


y

2 1.8

0
1.6 1.4 1.2

yAchse

fy(x,y) = 1

fy(x,y) = 1

1 0.8 0.6 0.4

f (x,y) = 1 y

fy(x,y) = 1

0
0.2 0 0

0.5

1 xAchse

1.5

4.3

Partielle Ableitungen hherer Ordnung o


D R2 f :DR

Ausgehend von einer oene Menge und sollen zu z = f (x, y) stetige partielle Ableitungen erster Ordnung auf D existieren: fx : D R, fy : D R

Wenn diese Funktionen wiederum partiell dierenzierbar sind, gilt fxx := fyy := fxy := fyx := x y y x f x f y f x f y , , , 2f := x2 x 2f := y 2 y 2f := yx y 2f := xy x f x f y f x f y

fr die zweiten Ableitungen von f . u Im Falle z = f (x1 , x2 ) werden die Bezeichnungen fxi ,xk := xk f xi , 2f := xk xi xk f xi i, k {1, 2}

benutzt. Eine entsprechende Notation gilt fr die Kennzeichnung hherer Ableitungen, also fr Ableitungen dritter, u o u vierter und allgemein fr Ableitungen n-ter Ordnung. Der Fall n > 4 ist jedoch praktisch nicht von Interesse. u Hinsichtlich der Reihenfolge der partiellen Dierentiation gilt der Satz von Schwarz : Fr zweimal stetig dierenzierbare Funktionen ist die Reihenfolge der partiellen Dierentiation nicht entscheidend u fr das Ergebnis. u Satz 4.2 (Satz von Schwarz). Sei D R2 eine oene Menge und f : U R . Die Funktion z = f (x, y) besitze stetige partielle Ableitungen fx (x, y) und fy (x, y). Wenn die eine zweite partielle Ableitung x f y

62

existiert und stetig ist, dann existiert auch die andere zweite partielle Ableitung y Diese ist dann ebenfalls stetig und es gilt y f x = x f y . f x .

4.4

Gradient, Richtungsableitung , totales Dierential


f f ,..., x1 xn
T

Denition 4.3. Den Vektor f := bezeichnet man als Gradienten der Funktion u = f (x1 , , xn ),

(4.1)

wenn die aufgefhrten partiellen Ableitungen existieren. Bei Anwendung von (4.1) werden kartesische Koordinaten u x1 , , xn vorausgesetzt. Alternative Schreibweise : grad f Der Gradient einer Funktion f (eines Skalarfeldes f ) ist deniert als ein Vektor von partiellen Ableitungen. Er existiert daher nur an den Stellen, an denen f bezglich aller unabhngigen Variablen (Koordinaten) partiell dierenzierbar u a ist. Der Gradient ist also ein mathematischer Operator, der auf (reellwertige) Funktionen (Skalarfelder) angewandt werden kann. Dabei erhlt man ein Vektorfeld, welches die Richtung a

3 Hhenlinien zu z = 2 x + 1 y + x y + 11 o 2

63

Graph der Funktion z = sin(x y)

Hhenlinien zu z = sin(x y) o des grten Zuwachses der Funktion angibt. Der Betrag des Gradienten liefert die maximale Zuwachsrate selbst. Im o Falle zweier unabhngiger Vernderlicher ist dieser der Anstieg der in Gradientenrichtung angelegten Tangenten. a a Liegt ein lokales Maximum oder ein lokales Minimum der Funktion f in einem Punkte P0 = (x01 , , x0n ) vor, so gilt grad f (P0 ) = 0 Fr den Fall einer reellwertigen Funktion in zwei unabhngigen Vernderlichen (eines ebenen Skalarfeldes) u a a z = f (x) = f (x, y) ist der Gradient in kartesischen Koordinaten deniert als f x f f f= ex + ey = x y f y Hhenlinien (Niveaulinien) werden in Karten benutzt, um in einer ebenen Abbildung des Gelndes die Hheninforo a o mationen darzustellen. Hierzu werden Punkte gleicher Hhe durch eine Kurve verbunden, die dann in die xy-Ebene o projiziert wird. Interpretiert man die Hhenkarte einer Landschaft als eine Funktion z = f (x, y), die jedem Ort die Hhe z an dieser o o Stelle zuordnet, dann ist der Gradient von f an jeder Stelle (x, y) (wo er deniert ist) ein Vektor der xy-Ebene in Richtung des steilsten Anstieges. Seine Lnge ist ein Ma fr die Steilheit dieses Anstieges. a u Der Gradient zeigt immer in die Richtung einer Normalen der jeweiligen Hhenlinie. Dabei ist der Gradient so o orientiert, dass er in die Richtung wachsender Funktionswerte des Skalarfeldes weist. (Es geht momentan auf dem steilsten Weg bergauf, wenn man in die durch den Gradienten vorgegebene Richtung marschiert). Diese Richtung kann sich von Punkt zu Punkt ndern. a In der Abbildung Gradientenfelder stellen die Grauschattierungen zwei Skalarfelder z = f (x, y) dar, wobei schwarz dem hchsten Funktionswert entspricht. Die Pfeile reprsentieren die zugehrigen Gradientenfelder. o a o Fr den Fall einer reellwertigen Funktion in drei unabhngigen Vernderlichen (eines rumlichen Skalarfeldes, z. B. u a a a eines rumlichen Temperaturfeldes) a u = f (x) = f (x, y, z) ist der Gradient in kartesischen Koordinaten deniert durch f x f f f f f= ex + ey + ez = . y x y z f z

grad f =

(4.2)

grad f =

(4.3)

64

Abbildung 6: Gradientenfelder
aus http://de.wikipedia.org/wiki/Gradient_%28Mathematik%29

Niveauchen zur Funktion u = f (x, y, z) sind die durch a f (x, y, z) = C = const entstehenden Flchen im R3 . Der Gradient von f an der Stelle (x, y, z) ist jetzt ein Vektor des R3 in Richtung des a grten (dierentiellen) Zuwachses (z. B. der Temperatur). Seine Lnge ist ein Ma fr die Gre dieses maximalen o a u o Zuwachses. Der Gradient zeigt immer in die Richtung einer Normalen der Niveauche, die den betrachteten Aufpunkt (x, y, z) a enthlt. Dabei ist der Gradient, wie gesagt, so orientiert, dass er in die Richtung wachsender Funktionswerte des a Skalarfeldes weist. Er gibt die Richtung maximalen Wachstums an. Denition 4.4 (Richtungsableitung). Unter einer Richtungsableitung versteht man die Ableitung, also den Anstieg eines Skalarfeldes u = f (x) = f (x1 , , xn ) in Richtung eines Einheitsvektors e
n

also Das bedeutet

e = (e1 , , en )T

mit
k=1

e2 = 1. k

f (x + t e) f (x) f = lim . t0 e t

Wenn die Richtung durch einen beliebigen Vektor v = 0 vorgegeben ist, so ist oben e= zu setzen. Der Betrag des Gradienten stimmt mit der Richtungsableitung der Funktion in Gradientenrichtung uberein. Allge meiner gilt : Ist f in einer Umgebung von x dierenzierbar und existieren stetige partielle Ableitungen in einer Umgebung von x , dann kann man die Richtungsableitung als Skalarprodukt berechnen f = grad f , e , e was ausmultipliziert grad f , e = e grad f = bedeutet. f f f e1 + e2 + + en x1 x2 xn v v

Fr die folgenden Betrachtungen soll vorausgesetzt werden das die Funktion u = f (x) in einer Umgebung eines u Punktes stetige partielle Ableitungen erster Ordnung besitzt. Dann ist die Funktion in diesem Punkte total dierenzierbar (oder kurz dierenzierbar, vgl. [5], S. 479 f.f.). Diese Eigenschaft soll hier nicht nher erlutert werden. In a a

65

diesem Falle existieren die oben erklrten Richtungsableitungen. Sie knnen wie angegeben mit Hilfe des Gradienten a o berechnet werden. Weiterhin sind die Begrie totales oder vollstndiges Dierential und Tangentialebene dann sinnvoll bzw. erklrbar. a a

Fr eine Funktion z = f (x, y) von zwei unabhngigen Variablen versteht man unter dem totalen Dierential den u a linearen Dierentialausdruck f f dz = df = dx + dy. x y Fr eine Funktion u = f (x, y, z) von drei unabhngigen Variablen ist das totale Dierential entsprechend durch u a du = df = erklrt. Allgemein gilt fr u = f (x1 , , xn ) a u du = df = f f dx1 + + dxn x1 xn f f f dx + dy + dz x y z

Das totale Dierential df (hier auch dz und du) beschreibt nherungsweise a die Anderung der gegebenen Funktion f und damit die Anderung der abhngigen Variablen a bei kleinen Anderungen dx, dy bzw. dx, dy, dz oder dx1 , , dxn der unabhngigen Vernderlichen a a x, y bzw. x, y, z oder x1 , , xn . Dierenzen von Funktionswerten knnen bei vielen Problemen praktisch durch die Dierentiale dz bzw. du der o abhngigen Vernderlichen (siehe oben) bzw. durch das Dierential df der Funktion f ersetzt werden. a a Wenn alle partiellen Ableitungen erster Ordnung von z = f (x, y) in einer Umgebung von (x0 , y0 ) stetig sind, dann gilt: Die zugehrige Tangentialebene T1 (x, y) in einem Punkte (x0 , y0 , z0 ) mit z0 = f (x0 , y0 ) existiert und kann durch o T1 (x, y) = f (x0 , y0 ) + fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 ) bzw. T1 (x, y) = z0 + fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 ) beschrieben werden. T1 in (4.4) ist das zu f gehrige Taylorpolynom erster Ordnung (hier zwei unabhngige Variable) o a im Punkte (x0 , y0 ). In einer hinreichend kleinen Umgebung dieses Punktes gilt f (x, y) T1 (x, y) Das Taylorpolynom zweiter Ordnung zu f im Punkte (x0 , y0 ) hat die Form T2 (x, y) = f (x0 , y0 ) + fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 ) + 1 fxx (x0 , y0 )(x x0 )2 + 2fxy (x0 , y0 )(x x0 )(y y0 ) + fyy (x0 , y0 )(y y0 )2 , 2 (4.4)

vorausgesetzt alle partiellen Ableitungen existieren und sind stetig in einer Umgebung von (x0 , y0 ) . Das zu u = f (x, y, z) gehrige Taylorpolynom erster Ordnung (drei unabhngige Variable) im Punkte (x0 , y0 , z0 ) o a lautet T1 (x, y, z) = f (x0 , y0 , z0 ) + fx (x0 , y0 , z0 )(x x0 ) + fy (x0 , y0 , z0 )(y y0 ) + fz (x0 , y0 , z0 )(z z0 ) vorausgesetzt alle partiellen Ableitungen existieren und sind stetig in einer Umgebung von (x0 , y0 , z0 )

66

4.5
4.5.1

Jacobi-Matrix und Verallgemeinerte Kettenregel


Allgemeines

Vergleiche http://de.wikipedia.org/wiki/Jacobi-Matrix und http://de.wikipedia.org/wiki/Verallgemeinerte_Kettenregel Ausgehend von einem Gebiet D Rn , x D mit x = (x1 , . . . , xn ) und f1 (x) f2 (x) f (x) = . . . . fm (x) soll f eine stetig dierenzierbare Abbildung f : D Rm sein. Das bedeutet : Jede Komponente fk (x) besitzt stetige partielle Ableitungen nach allen Variablen (Koordinaten) xj , Die Jacobi-Matrix oder Funktionalmatrix Jf der Abbildung f ist dann wie folgt deniert : Jf = Anschaulicher Jf = In einer kleinen Umgebung eines Punktes p = (p1 , . . . , pn ), pD fi xj ,
i=1,...,m; j=1,...,n

j = 1, , n.

i Zeilenindex, j Spaltenindex

f f = . . . x

x1

f1 x2

. . .

fm x1

fm x2

... .. . ...

f1 xn

. (4.5)

. . .

fm xn

kann die Jacobi-Matrix zur Approximation der Abbildung (hier vektorwertige Funktion) verwendet werden x1 p1 . . f (x1 , . . . , xn ) f (p1 , . . . , pn ) + Jf (p1 , . . . , pn ) . xn pn Krzer : u f (x) f (p) + Jf (p) (x p) An Stelle von Jf (p) wird oft auch f (p) geschrieben. f (p) = Jf (p)

(4.6)

(4.7)

Mit dieser Bezeichnung wird unterstrichen, dass es sich bei der Jacobi-Matrix um eine Ableitungsmatrix handelt. Damit geht (4.7) uber in f (x) f (p) + f (p) (x p). Um die rechte Seite fr festes p zu berechnen muss vorab durch Dierentiation die Jacobi-Matrix f (x) ermittelt u werden. Dann ist in f der gegebene Vektor x = p als Argument einzusetzen. Die durch die rechte Seite von (4.6) bzw. 4.7 erklrte ane Abbildung a x f (p) + Jf (p) (x p) bzw. x f (p) + f (p) (x p) entspricht der Taylor-Approximation erster Ordnung fr eine vektorwertige Funktion. u Die formale Analogie zu der frher betrachteten Taylorentwicklung fr reelle Funktionen ist oensichtlich u u (Fall m = 1, n = 1). Fr m = 1 und allgemeines n N entspricht die Jacobi-Matrix dem transponierten Gradienten einer reellwertigen u Funktion f . Das totale Dierential df einer vektorwertigen Funktion f an der Stelle p ist deniert durch df1 dx1 . . df = . = f (p) dx = Jf (p1 , . . . , pn ) . mit dx = x p . . dfm dxn

67

Wegen (4.7) gilt df f (x) f (p) = f. f ist dabei der Dierenzvektor der Funktonswerte (vektorwertige Funktion!). Ersetzt man in (4.7) x durch x + x und p durch x, so geht diese Formel in die hug benutzte Gestalt a f (x + x) f (x) + f (x) x = f (x) + f (x) dx

uber. Fr die Dierentiale gilt entsprechend u dx1 df1 . . df = . = f (x) dx = f (x1 , . . . , xn ) . . . dxn dfm Totales Dierential fr Vektorfunktionen : u Taylor-Approximation erster Ordnung fr eine vektorwertige Funktion u Fr m = 1 wird die Jacobi-Matrix der transponierte Gradient von f . u

mit

dx =

4.5.2

Beispiele f r die Jacobi-Matrix (Funktionalmatrix) u

Beispiel 4.5. Vektorwertige Funktion mit 2 unabhngigen Variablen und 2 Komponenten a f : D R2 , sei dierenzierbar in einem Gebiet D f (x, y) = Jacobi-Matrix : (u, v) J(f ) = = (x, y) u (x, y) v (x, y)
u (x, y) x v x u (x, y) y v y

(x, y) D R2

(x, y)

(x, y)

Beispiel 4.6. Jacobi-Matrix (Funktionalmatrix) fr eine vektorwertige Funktion mit 3 unabhngigen Variablen und u a 3 Komponenten f : D R3 , (x, y, z) D R3 sei dierenzierbar in einem Gebiet D u (x, y, z) f (x, y, z) = v (x, y, z) w (x, y, z) Jacobi-Matrix J(f ) : (u, v, w) = (x, y, z) Beispiel 4.7. f : D R3 , u (x, y, z) v (x, y, z) = w (x, y, z) Jacobi-Matrix : J(f ) = 2 xy (u, v, w) = y2 (x, y, z) y D R3 x2 y + z 2 xy + z xy + z 2 x2 2 xy x 1
u (x, y, z) x v x u (x, y, z) y v y u (x, y, z) z v z

(x, y, z)

(x, y, z)

w (x, y, z) x

w (x, y, z) y

(x, y, z) w (x, y, z) z

1 2z

Jacobi-Determinante: det(J) = 6 x2 y 2 z x2 y xy 2 Beispiel 4.8. Vektorfunktion und totales Dierential : 2 unabhngige Variable und 2 Komponenten a D R2 , f : D R2 (u, v) (x0 , y0 ) (x, y)

J(f )(P0 ) = J(f )(x0 , y0 ) =

68

Approximation von f in kleiner Umgebung von P0 : f (x, y) f (x0 , y0 ) + J(f )(x0 , y0 ) f (x, y) f (x0 , y0 ) + df mit dem Dierential df = J(f )(x0 , y0 ) Beispiel 4.9. Vektorfunktion und totales Dierential : 2 unabhngige Variable und 3 Komponenten a J(f )(P0 ) = J(f )(x0 , y0 ) = Approximation von f in kleiner Umgebung von P0 : f (x, y) f (x0 , y0 ) + df df = J(f )(x0 , y0 ) dx dy = J(f )(P0 ) dr (u, v, w) (x0 , y0 ) (x, y) dx dy = J(f )(P0 ) dr x x0 y y0

(u, v, w) = (x, y)

u (x, y) x v x

u (x, y) y v y

(x, y)

w (x, y) x

(x, y) w (x, y) y

Beispiel 4.10. Polarkoordinaten in kartesische Koordinaten : x y = = x(r, ) = r cos () y(r, ) = r sin () (4.8)

mit 0 r und < (oft auch 0 < 2 ) Die Jacobi-Matrix dieser Koordinaten-Transformation J(r) = (x, y) = (r, ) mit Interpretation der Spalten von J ! Kartesische Koordinaten in Polarkoordinaten, also Umkehrtransformation von (4.8) r = r(x, y) = x2 + y 2 , arccos arccos Abstand vom Nullpunkt im R2 x x2 + y 2 x x2 + y 2
1

cos () sin ()

r sin () r cos ()

det(J) = r 0.

fr u

y0 der Fall <

(x, y) =

fr u

y<0

(r, ) (x, y)

(x, y) (r, )

cos () = sin ()

r sin () r cos ()

cos () sin () r

x = r cos () y r r2 sin ()

y r x r2

Analog fr Zylinderkoordinaten : Jacobi-Matrix mit Interpretation der Spalten, Jacobi-Determinante u

69

Beispiel 4.11. Kugelkoordinaten in kartesische Koordinaten (Standard 1a) :


Vergleiche Abbildung in http://mo.mathematik.uni-stuttgart.de/kurse/kurs8/seite3.html

x y z Jacobi-Matrix :

= = =

r sin () cos () r sin () sin () r cos () sin () cos ()

mit und

< 0 = 0, Sdpol : u =

(4.9)

Nordpol :

r sin () sin () r sin () cos () 0

r cos () cos ()

J= Jacobi-Determinante :

(x, y, z) = sin () sin () (r, , ) cos ()

r cos () sin () r sin ()

det(J) = sin() r2 0 Interpretation der Spalten von J. Kartesische Koordinaten in Kugelkoordinaten (Standard 1a): Umkehrtransformation von (4.9) r = x2 + y 2 + z 2 arccos arccos ist jetzt Abstand vom Nullpunkt im R3

x x2 + y 2 x x2 + y 2

fr u

y0 mit <

fr u

y<0

arccot

z x2 + y 2

arctan 2

z x2 + y 2

mit

0<<

Jacobi-Matrix dieser Umkehrtransformation : (r, , ) = (x, y, z) (x, y, z) (r, , )


1

cos () sin () sin () r sin () cos () cos () r

sin () sin () cos () r sin () cos () sin () r

cos () 0 sin () r

x2 +

x x2 + y 2 + z 2 y 2 x + y2 y2 zx (x2 + y 2 + z 2 ) x2 +

y x2 + y 2 + z 2 x x2 + y 2 y2 zy (x2 + y 2 + z 2 )

z x2 + y 2 + z 2 0 x2 + y 2 x2 + y 2 + z 2

Jacobi-Determinante dieser Umkehrtransformation : det (r, , ) 1 1 = 2 = <0 2 z2 (x, y, z) r sin () r r

Beispiel 4.12. Jacobi-Matrix fr Kugelkoordinaten (Standard 1b) : u Nur die Reihenfolge der Koordinaten r, , beim Aufbau von J wird gegenber dem vorigen Beispiel gendert. Diese u a Koordinatenwahl ist ublich in der Physik. x = r sin () cos () , Jacobi-Matrix : J= Jacobi-Determinante : det(J) = sin () r2 0 Fahren Sie analog zu Beispiel 4.11 fort. cos () sin () r cos () cos () r sin () cos () r sin () r sin () sin () (x, y, z) = sin () sin () (r, , ) cos () r cos () sin () 0 y = r sin () sin () , z = r cos () 0.

70

Beispiel 4.13. Geographische Koordinaten : 2. Variante der Kugelkoordinaten (Erde als Kugel approximiert) r : Abstand vom Erdmittelpunkt : geographischen Breite (nach Umrechnung in Grad) = const : Breitenkreis (nach Umrechnung in Grad) > 0 : Nrdlicher Breitengrad (Breitenkreis), o < 0 : Sdlicher Breitengrad u : geographischen Lnge (nach Umrechnung in Grad) a = const : Lngenkreis (Verluft von Pol zu Pol) a a > 0 : Ostlicher Lngengrad (Lngenkreis), a a < 0 : Westlicher Lngengrad a Beispiel Lngenkreis 13,5 Ost. Dort liegen z. B. Greifswald, Berlin, Passau. a
Vergleiche Abb. in http://de.wikipedia.org/wiki/Geographische_Koordinaten

Man beachte: Dort Verwendung anderer Parameter und . x y z = = = r cos () cos () r cos () sin () r sin () Nordpol : = Jacobi-Matrizen : Jg1 = cos () cos () r cos () sin () r sin () sin () r cos () r sin () cos () (x, y, z) = sin () cos () (r, , ) sin () , 2 r ist Abstand vom Nullpunkt im R3 mit < und 2 2 Sdpol : = u 2

Aquator : = 0,

r cos () cos () 0

mit det(Jg1 ) = cos () r2 0. Anderung der Reihenfolge der krummlinigen Koordinaten : cos () cos () r sin () cos () (x, y, z) r cos () cos () Jg2 = = sin () cos () (r, , ) sin () 0 mit det(Jg2 ) = cos () r2 0. Fahren Sie analog zu Beispiel 4.11 fort.

r cos () sin ()

r sin () sin () r cos ()

4.6

Taylor-Formel mehrere unabhngige Variable a

Vergleiche http://de.wikipedia.org/wiki/Taylor-Formel#Taylor-Formel_im_Mehrdimensionalen http://de.wikipedia.org/wiki/Multiindex Die Thematik wird in dieser allgemeinen Form in der Vorlesung nicht behandelt. Lediglich spezielle Varianten der unten stehenden Formel (4.14) werden im nchsten Abschnitt diskutiert und dort a in einfacherer Form eingefhrt. u Multiindizes Aus notationstechnischen Grnden (knappe und ubersichtliche Darstellungsweise von mathematischen Formeln und u Zusammenhngen) fasst man hug mehrere Indizes zu einem Multiindex zusammen. a a Ein Multiindex wird hier als ein n-Tupel nichtnegativer ganzer Zahlen deniert, n N. a ist also ein Multiindex, wenn gilt a = (a1 , a2 , . . . , an ), ak N {0} 1 k n Mit x = (x1 , x2 , . . . , xn ), sollen hier n-Tupel von reellen Variablen xk bezeichnet werden. ak R

71

Es gelten die folgenden Vereinbarungen


n

|a| a! xa

=
i=1 n

ai = a1 + a2 + + an ai ! = a1 ! a2 ! an !
i=1 n

(4.10) (4.11) (4.12)

= =
i=1

xai = xa1 xa2 xan n 2 1 i

Dabei wird (4.10)als Lnge (nicht mit der Lnge eines Vektors verwechseln) und (4.11) als Fakultt des Multiindexes a a a bezeichnet. Durch (4.12) wird ein Monom deniert. Mit diesen Vereinbarungen lsst sich der verallgemeinerte binomische Satz in der Form : a (x1 + + xn )k =
|a|=k

k! a x ,k N a!

schreiben. Die Summe luft dabei uber alle Multiindizes a der Lnge k. a a Ordnet man den Multiindizes der Form j = (j1 , j2 , . . . , jm ) die Dierentialoperatoren Dj f := xj1 1 |j| f ... xjm m (4.13)

der Ordnung |j| zu und verwendet man die von (4.12) abgeleiteten Formeln
j 1 0 j2 x1 . 0 . x2 .

x1 (x x0 )j = x2 . . . fr u

. . .

= (x1 x0 )j1 (x2 x0 )j2 xm x0 )jm 1 2 m

x0 = (x0 , x0 , . . . , x0 )T 1 2 m

(0 ist Index, keine Potenz)

dann kann eine Taylor-Formel in Multiindex-Darstellung formuliert werden. Satz 4.14 (Taylor-Formel mit Restglied). Es sei D Rm eine oene und konvexe Menge, k N0 = N {0} und x0 D. Die Funktion f : D R besitze mindestens bis zur Ordnung (k + 1) stetige partielle Ableitungen in D. Dann gibt es fr jedes x D ein z D mit u f (x) =
|j|k

Dj f (x0 ) (x x0 )j + j!

|j|=k+1

Dj f (z) (x x0 )j j!

(4.14)

Fr z gilt insbesondere u z = x0 + (x0 , x) (x x0 ) mit 0<<1 Bemerkung 4.15. Das stets zwischen 0 und 1 liegende im vorigen Satz hngt dabei wie formuliert vom Entwicka lungspunkt x0 D und vom Aufpunkt x D (in dem f (x) durch die Taylorformel approximiert werden soll) ab. Der Punkt z liegt also immer auf der Verbindungslinie zwischen x0 und x. Das Restglied Rk (x) =
|j|=k+1

Dj f (z) (x x0 )j j!

kann oft wie im Falle einer Vernderlichen betragsmig abgeschtzt werden (Maximum des Betrages) a a a

4.7

Lokale Existenz und Dierenzierbarkeit der impliziten Funktion


x2 + 3 y 2 = 7 F (x, y) = x2 + 3 y 2 7 = 0

Einfhrendes Beispiel : u = An der Stelle (xo , yo ) = (2, 1) gilt F (xo , yo ) = 0. Der Punkt Po = (xo , yo ) liegt also auf der durch F (x, y) = 0 denierten Kurve des R2 . Es handelt sich hier um eine Ellipse.

72

In diesem Beispiel gibt es eine Umgebung U (Po ) R2 , in der F (x, y) = 0 eindeutig nach y ausbar ist (eindeutige o lokale Ausbarkeit). Es existiert hier also genau eine auf einem Intervall I denierte Funktion o y = g(x), g : I R mit F (x, g(x)) = 0 und (x, g(x)) U (Po ) fr alle u xI

Fr diese Funktion gilt natrlich g(xo ) = yo , wobei xo ein innerer Punkt des Intervalls I ist. u u Sind obige Voraussetzungen erfllt, so sagt man, dass die Funktion y = g(x) implizit durch die Gleichung F (x, y) = 0 u gegeben ist. In unserem speziellen Beispiel ist die Gleichung F (x, y) = 0 geschlossen ausbar, d.h. man kann g(x) o durch eine bekannte elementare Funktion darstellen g(x) = 1 3 21 3 x2 .

Dies ist jedoch nicht immer so. Oft ist eine existierende implizite Funktion nur nherungsweise in einer Umgebung a von xo darstellbar. Besitzt F (x, y) stetige partielle Ableitungen erster Ordnung, dann kann die Gleichung F (x, y(x)) = 0 unter Nutzung der verallgemeinerten Kettenregel dierenziert werden Fx (x, y) + Fy (x, y) y = 0 Fr y = g(x) gilt also u y (x) = Fx (x, y) Fx (x, g(x)) = Fy (x, y) Fy (x, g(x)) falls Fy (x, g(x)) = 0 . (4.15)

Ist y = g(x) nicht geschlossen darstellbar, dann kann wegen yo = g(xo ) mit y (xo ) = Fx (xo , yo ) Fy (xo , yo )

zumindest die Ableitung an der Stelle xo berechnet werden. Bezogen auf unser Beispiel folgt Fx (x, y) = 2 x, Fy (x, y) = 6 y, y (2) = Fx (2, 1) 4 2 = = Fy (2, 1) 6 3

Damit haben wir den Anstieg der in der unteren Abb. skizzierten Tangente berechnet, ohne die Ausung y = g(x) o zu benutzen.

Besitzt F (x, y) stetige partielle Ableitungen zweiter Ordnung, dann liefert eine weitere Dierentiation von (4.15) unter Nutzung der verallgemeinerten Kettenregel Fxx (x, y) + 2 Fxy (x, y) y + Fyy (x, y) y
2

+ Fy (x, y) y = 0 .

(4.16)

Kennt man y = g(x) und y = g (x), dann kann im Falle Fy (x, y) = 0 die zweite Ableitung y = g (x) berechnet werden. Speziell fr yo = g(xo ) wird nach Bestimmung von yo = g (xo ) die Ermittlung von yo = g (xo ) mglich, u o wenn Fy (xo , yo ) = 0 ist : Fxx (xo , yo ) + 2 Fxy (xo , yo ) yo + Fyy (xo , yo ) yo
2

+ Fy (xo , yo ) yo = 0

73

Besitzt F (x, y) fr n > 2 stetige partielle Ableitungen bis zur Ordnung n, dann erhlt man aus (4.16) durch sukzessive u a (n) Dierentiation Formeln zur Berechnung von y (n) = g (n) (x) beziehungsweise yo = g (n) (xo ). Dabei ist die verallge(n) meinerte Kettenregel anzuwenden. Fr die eindeutige Berechnung von yo ist stets Fy (xo , yo ) = 0 erforderlich. u (n) Die sukzessive Berechnung von yo , yo , , yo ermglicht die Approximation der durch yo = g(xo ) gegebenen o impliziten Funktion. Beispielsweise g(x) T1 (x) = yo + yo (x xo ) , g(x) T2 (x) = yo + yo (x xo ) + yo (x xo )2 2

Satz 4.16. (Lokale Existenz und Dierenzierbarkeit der impliziten Funktion, zweidim. Fall) Es sei F (x, y), F : D R, Denitionsbereich D oene Menge eine stetig dierenzierbare Funktion zweier reeller Variabler. Fr einen Punkt (xo , yo ) D gelte u F (xo , yo ) = 0 Dann folgen die Aussagen: 1. Es gibt ein oenes Intervall I mit xo I und ein oenes Intervall J mit yo J , so dass zu jedem x I genau ein y J existiert, so dass F (x, y) = 0 erfllt ist. Die dadurch denierte Funktion g : I J gengt also der Gleichung u u F (x, g(x)) = 0 Insbesondere gilt yo = g(xo ). 2. Die Funktion g : I J ist stetig dierenzierbar. Fr jedes x I gilt u g (x) = Fx (x, g(x)) Fy (x, g(x)) fr alle u x I. und Fy (xo , yo ) = 0. (4.17)

Dieser Satz sichert also die lokale Existenz der impliziten Funktion und die stetige Dierenzierbarkeit. Verallgemeinerung auf mehr als zwei Variable siehe [5], S.516, Satz 6.15. Aus dieser Verallgemeinerung folgt der hug benutzte Satz uber die lokale Existenz einer stetig dierenzierbaren Umkehrabbildung. Dieser Satz ist eine a Verallgemeinerung von Satz 2.30, der fr reelle Funktionen formuliert wurde. u Satz 4.17. Der Denitionsbereich D Rn einer stetig dierenzierbaren Abbildung f : D Rn sei eine oene Menge. Fr alle x D mit x = (x1 , . . . , xn )T existiert zur Abbildung u f1 (x) f2 (x) y = f (x) = . . . . fm (x) also die Jacobi-Matrix f
1

1 f = . Jf = . . x

f1 x2

. . .

fn x1

fn x2

... .. . ...

f1 xn

. . .

fn xn

mit stetigen Elementen. Ist diese Jacobi-Matrix in einem Punkte p = (p1 , . . . , pn )T aus D regulr, dann gilt : a 1. Es gibt eine oene Umgebung U von p, die durch f umkehrbar eindeutig auf eine oene Umgebung V von q = f (p) abgebildet wird. Zu y = f (x), f : U V existiert also x = f 1 (y), f 1 : V U . Mit der Vereinbarung g = f 1 kann dies durch f1 (x) x1 g1 (y) y1 x2 g2 (y) y2 f2 (x) y = . = f (x) = . x = . = f 1 (y) = g(y) = . . . . . . . . . yn fn (x) xn gn (y) oder y1 f1 (g1 (y), g2 (y), , gn (y)) y2 f2 (g1 (y), g2 (y), , gn (y)) . = , . . . . . yn fn (g1 (y), g2 (y), , gn (y)) kurz y = f (g(y))

74

und g1 (f1 (x), f2 (x), , fn (x)) x1 x2 g2 (f1 (x), f2 (x), , fn (x)) , . = . . . . . gn (f1 (x), f2 (x), , fn (x)) xn ausgedrckt werden. u 2. Diese Umkehrabbildung f 1 : V U ist stetig dierenzierbar. Fr die zu g = f 1 und f gehrigen Jacobiu o Matrizen gilt 1 f 1 f (y) = (x) fr alle y = f (x) mit x U u y x oder ausfhrlicher u g . . .
1

kurz

x = g(f (x))

y1

g1 y2

. . .

gn y1

gn y2

... .. . ...

g1 yn

. . .

gn yn

. = . .

x1

f1 x2

. . .

fn x1

fn x2

... .. . ...

f1 xn

1 ,

. . .

fn xn

wobei unter Bercksichtigung von y = f (x) die linke Matrix an der Stelle y und die rechte Matrix an der Stelle u x zu berechnen ist. Die linke Funktionalmatrix bleibt also in der Umgebung V von q regulr. Fr die rechte a u trit dies in der Umgebung U von p zu. Hinweis: Regularitt einer Jacobi-Matrix in einem Punkte bedeutet, dass dort die zugehrige Determinante (Jacobia o Determinante) verschwindet.

4.8

Freie Extremwertaufgaben

Satz 4.18. (mit Denition) Ausgehend von D Rn sei eine Funktion z = f (x1 , x2 , , xn ), f: D R

gegeben, die stetige partielle Ableitungen erster Ordnung in allen inneren Punkten von D besitzt (d. h. f ist in allen inneren Punkten von D total dierenzierbar). Fr einen inneren Punkt P0 = (x01 , x02 , , x0n ) von D gilt dann die folgende Aussage: u Besitzt f in P0 ein lokales Extremum, so folgt f (P0 ) = grad f (P0 ) = 0 Ein Punkt P0 , in dem (4.18) gilt, wird ein kritischer Punkt genannt. Bemerkung 4.19. Mit Hilfe von (4.18), kann man in der Regel nur die lokalen Extrema nden, die zu inneren Punkten des Denitionsbereiches D gehren. Ob in den durch Lsung des Gleichungssystems (4.18) gefundenen ino o neren Punkten, dann wirklich lokale (oder gar globale) Extrema angenommen werden, muss gesondert untersucht werden (siehe Satz 4.21). Bei Randpunkten von D ist das Kriterium (4.18) jedoch nicht anwendbar. Letzteres bedeutet : Mit (4.18) werden Randextrema in der Regel nicht entdeckt. Falls man Randextrema nden will, so mssen detailliertere Untersuchungen angestellt werden. Diese enthalten Beu trachtung zu Ableitungen in tangentialen Richtungen des Randes und Vorzeichenuntersuchungen von Richtungsableitungen. Im Rahmen dieser Vorlesung knnen wir auf die dizile Frage der Randextrema in allgemeiner Form nicht o eingehen. In speziellen Fllen, d. h. bei entsprechend einfach strukturierten Zielfunktionen, kann man jedoch Randa extrema durch elementare Betrachtungen ermitteln. Bemerkung 4.20. In vielen Anwendungen spielt die Frage der Randextrema eine grundlegende Rolle. Vgl. http://de.wikipedia.org/wiki/Optimierung und http://de.wikipedia.org/wiki/Operations_Research Insbesondere in den Wirtschafts- und Ingenieurwissenschaften ist dies im Zusammenhang mit Optimierungsverfahren und Operations Research der Fall. (Optimierung von Prozessen oder Verfahren, lineare Optimierung, Entscheidungsprobleme, optimale Lsungen im Rahmen zulssiger Entscheidungsalternativen) o a Zurck zu lokalen Extrema in inneren Punkten des Denitionsbereiches : u Satz 4.21. Es seien die Bedingungen des Satzes 4.18 erfllt. P0 ist damit ein kritischer Punkt von u z = f (x1 , x2 , , xn ), f: D R (4.18)

Besitzt f stetige partielle Ableitungen bis zur zweiten Ordnung in einer Umgebung eines kritischen Punktes P0 , dann gilt:

75

Hinreichend fr ein lokales Extremum in einem kritischen Punkt P0 ist die Denitheit der Hesse-Matrix H(P0 ) = u H(f, P0 ) . 2f 2f 2f x1 xn x1 x1 x1 x2 2 2f 2f f x2 xn x2 x1 x2 x2 (4.19) H= . . . .. . . . . . . . 2 2f 2f f x xn xn x1 xn x2 n Insbesondere gilt Ist H(P0 ) positiv denit, d. h. sind alle Eigenwerte von H(P0 ) positiv (k > 0), dann liegt ein Minimum vor. Ist H(P0 ) negativ denit, d. h. sind alle Eigenwerte von H(P0 ) negativ, dann liegt ein Maximum vor. Ist H(P0 ) indenit, d. h. es gibt mindestens einen positiven und mindestens einen negativen Eigenwert von H(P0 ), dann spricht man von einem Sattelpunkt der Funktion (der Flche). In diesem Fall liegt kein Extrema punkt vor. (Die Zahl 0 ist weder positiv noch negativ!) Wenn H(P0 ) semidenit und nicht denit ist, dann kann ohne zustzliche Betrachtungen keine Entscheidung a getroen werden. Dieser Fall liegt vor, wenn mindestens ein Eigenwert 0 ist und die von 0 verschiedenen Eigenwerte das gleiche Vorzeichen besitzen. Zur Erinnerung : Eine reelle symmetrische Matrix A und die zugehrige quadratische Form v T A v ist o positiv denit, wenn fr all ihre Eigenwerte k die Relation k > 0 erfllt ist, u u negativ denit, wenn fr all ihre Eigenwerte k die Relation k < 0 erfllt ist, u u denit, wenn sie positiv oder negativ denit ist, positiv semidenit, wenn fr all ihre Eigenwerte k die Relation k 0 erfllt ist, u u negativ semidenit, wenn fr all ihre Eigenwerte k die Relation k 0 erfllt ist, u u semidenit, wenn sie positiv semidenit oder negativ semidenit ist. Eine Matrix, die sowohl positiv semidenit als auch negativ semidenit ist, muss die Nullmatrix sein. Die Aussagen von Satz 4.21 gewinnt man prinzipiell, indem die Aufgabe der Extremwertbestimmung fr eine gegebene u Funktion z = f (x1 , x2 , , xn ) auf die entsprechende Aufgabe bezglich eines zugehrigen Taylorpolynoms u o T2 (P ) = T2 (x1 , x2 , xn ) von zweiter Ordnung zurckgefhrt wird. Dieses Taylorpolynom entsteht durch Entwicklung der Funktion f in einem u u Punkt P0 . Mit P = (x1 , x2 , xn )T , P0 = (x01 , x02 , , x0n )T und dem Dierenzenvektor

h = P P0 = (x1 x01 , x2 x02 , , xn x0n )T (hier alles Spaltenvektoren) gilt fr das im Punkte P0 entwickelte Taylorpolynom zweiter Ordnung die Formel u T2 (P ) = f (P0 ) + f (P0 ) h + wobei die Kurzbezeichnungen f (P0 ) = (grad f (P0 ))T , f (P0 ) = H(P0 ), (4.21) benutzt wurden, vgl. (4.19). P0 ist genau dann ein kritischer Punkt von f , wenn er kritischer Punkt von T2 (P ) ist, vgl. (4.18) und (4.20). In diesem Fall geht (4.20) uber in T2 (P ) = f (P0 ) + 1 T h f (P0 ) h, 2 P0 kritischer Punkt (4.22) 1 T h f (P0 ) h, 2 (4.20)

Besitzt dieses Taylorpolynom im kritischen Punkt P0 einen eigentlichen Extremwert oder einen Sattelpunkt, so trit dies auch auf die Funktion f zu (Umkehrung gilt nicht). Eigenwertbetrachtungen der Matrix f (P0 ) = H(P0 ) fhren u schlielich auf Satz 4.21.

76

Werden in (4.20) die Linearform und die quadratische Form ausmultipliziert, so erhalten wir die Summendarstellung fr ein Taylorpolynom 2. Ordnung u
n

T2 (P )

= +

f (P0 ) +
i=1

f (P0 ) (xi x0i ) xi

(4.23)

1 2

i=1 j=1

2 f (P0 ) (xi x0i )(xj x0j ) xi xj

Andern wir im Falle zweier unabhngiger Vernderlicher a a n = 2, P = (x1 , x2 )T , P0 = (x01 , x02 )T , h = P P0 = (x1 x01 , x2 x02 )T

die Bezeichnungen fr die Variablen u (x1 , x2 ) (x, y), so entsteht die bekannte Formel T2 (x, y) = + f (x0 , y0 ) + fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 ) 1 fxx (x0 , y0 )(x x0 )2 + 2fxy (x0 , y0 )(x x0 )(y y0 ) + fyy (x0 , y0 )(y y0 )2 2 (4.24) (x01 , x02 ) (x0 , y0 )

Geben Sie analog fr n = 3, also fr den Fall dreier unabhngiger Vernderlicher x, y, z, die Taylorformel zweiter u u a a Ordnung in einer derartigen Gestalt an. T2 (x, y, z) = f (x0 , y0 , z0 ) +

4.9

Extremwertaufgaben mit Nebenbedingungen

Gem Vorlesungen ergnzen. a a

4.10

Anwendungen

Newtonverfahren zur Lsung nichtlinearer Gleichungssysteme o Die Methode der kleinsten Quadrate

77

5
5.1

Integralrechnung einer reellen Vernderlichen a


Unbestimmte Integration

Vergleiche http://de.wikipedia.org/wiki/Integralrechnung http://de.wikipedia.org/wiki/Integralrechnung#Eigenschaften_von_Stammfunktionen http://de.wikipedia.org/wiki/Tabelle_von_Ableitungs-_und_Stammfunktionen

Als Stammfunktion einer reellen Funktion f auf einem Intervall I bezeichnet man eine zumindest auf diesem Intervall dierenzierbare Funktion F, deren Ableitung F auf I mit f ubereinstimmt. Man kann zu einer Stammfunktion eine Konstante addieren und erhlt wieder eine Stammfunktion a Jede auf einem Intervall I denierte stetige Funktion f hat unendlich viele Stammfunktionen. Ist F eine Stammfunktion von f, so ist fr jede beliebige reelle Konstante C auch die durch u G(x) = F (x) + C denierte Funktion G eine Stammfunktion von f. Bei Existenz unterscheiden sich zwei verschiedene Stammfunktionen zu gegebenem f nur um eine Konstante. Als unbestimmtes Integral bezeichnet man die Menge aller dieser Stammfunktionen. f (x) dx = F (x) + C (5.1)

Analytische Auswertung des unbestimmten Integrals bedeutet, unter Anwendung von Regeln die Gesamtheit dieser Stammfunktionen zu nden. Die unbestimmte Integration ist die Umkehrung der Dierentiation. d dx f (x) dx f (x) dx = = f (x) f (x) + C

5.1.1

Einige Grundintegrale und Beispiele f r unbestimmte Integrale u

Vergleiche http://de.wikipedia.org/wiki/Tabelle_von_Ableitungs-_und_Stammfunktionen Aus der Kenntnis von Ableitungen kann sofort auf Formeln fr unbestimmte Integrale geschlossen werden. Die unten u aufgefhrten Beispiele gewinnt man so durch Dierentiation der angegebenen Stammfunktionen (rechte Seiten). u Einige Integrale sind so genannte Grundintegrale, andere gewinnt man aus diesen durch direkte Interpretation. Bei Anwendung der in den nchsten Unterabschnitten aufgefhrten Integrationsregeln knnen einige Beispiel auf a u o Grundintegrale zurckgefhrt und damit berechnet werden (zur Ubung der unbestimmten Integration empfohlen). u u Potenzfunktionen: Funktion f (x) 0 k (Konstante F unktion) xn = = = Zugehrige Stammfunktionen o C (Konstante F unktionen) F (x)

k x+C xn+1 +C n+1

= falls dabei falls dabei falls dabei

wenn

n = 1 xR x=0 x>0

n = 0, 1, 2, :

n = 2, 3, 4 : n nicht ganzzahlig : ln |x| + C, x=0

x1

78

Beispiele: nxn1 1 2 x 2 x3 1 x2 u (x) u(x) = = = = = xn + C x + C, 1 + C, x2 1 + C, x 1 (u(x))2 2 siehe oben x>0 x=0 x=0

Exponential- und Logarithmusfunktionen: Funktion f (x) ex ekx a ln a a


x x

= = = = = = = Stammfunktion Stammfunktion keine Stammf. keine Stammf.

Zugehrige Stammfunktionen o ex + C 1 kx e +C k x a + C, ax + C, ln a

F (x)

a > 0, a = 1 a > 0, a = 1 fr u fr u x>0 x<0 oder fr u x>0

ln(x) ln |x| Letzteres F(x) ist

x ln(x) x + C x ln |x| x + C auf auf auf auf (0, +), (), 0), (, ), (1, 2)

1 1 x ln a loga |x| Beispiele: |x|x (ln |x| + 1) u (x) u(x) u (x) ln |u(x)| 1 (ln |x|)n , (n = 1) x 1 ln(|xn |), (n = 0) x 1 x ln |x|

= =

loga |x| + C,

x=0 x=0

1 (x ln |x| x) + C, ln a

|x|x + C,

x = 0,

|x|x = ex ln|x|

= = = = =

ln |u(x)| + C,

u(x) = 0 u(x) = 0 x=0 x=0 x=0

u(x) ln |u(x)| u(x) + C, 1 (ln |x|)n+1 + C, n+1 1 (ln |xn |)2 + C, 2n ln(ln |x|) + C,

79

Trigonometrische und inverse trigonometrische Funktionen: Funktion f (x) sin x cos x tan x cot x 1 = 1 + tan2 x cos2 x 1 = (1 + cot2 x) sin2 x arcsin x arccos arctan x 1 1 x2 1 1 x2 1 x2 + 1 x2 x2 + 1 1 (x2 + 1)2 = = = = = = = = = = = = = Zugehrige Stammfunktionen o cos x + C sin x + C ln(cos x) + C, ln(sin x) + C, tan x + C, cot x + C, x arcsin x + x arccos x x arctan x arcsin x + C, arccos x + C, arctan x + C, x= + k , 2 kZ kZ kZ F (x)

x = k , x= + k , 2

x = k , 1 x2 + C, 1 x2 + C,

kZ x (1, 1) x (1, 1) xR

1 ln 1 + x2 + C, 2 x (1, 1) x (1, 1) xR xR

x arctan x + C, 1 2

x + arctan x + C, x2 + 1

xR

5.1.2

Partielle Integration

Die Regel zur partiellen Integration fr unbestimmte Integrale u f (x) g (x) dx = f (x) g(x) erhlt man aus der Produktregel zur Dierentialrechnung. a Mit partieller Integration knnen Rekursionsformeln zur Berechnung von Stammfunktionen aufgestellt werden. o Beispiel: Fr n 2 folgt mit u f (x) = (x2 + 1)1n , g (x) = 1, unter Nutzung von (5.2) (x2 1 dx + 1)n1 = = (x2 (x2 x + (n 1) + 1)n1 x + 2(n 1) + 1)n1 (x2 2x2 dx + 1)n 1 dx (x2 + 1)n f (x) = (1 n) g(x) = x 2x (x2 + 1)n f (x) g(x) dx (5.2)

x2 + 1 dx (x2 + 1)n

Krzen und entsprechende Ausung liefert die Rekursionsformel u o 1 1 x 2n 3 dx = + (x2 + 1)n 2n 2 (x2 + 1)n1 2n 2 1 dx, (x2 + 1)n1 n2

80

Beginnend mit n = 2 und 1 dx = arctan(x) + C (x2 + 1) knnen die Integrale sukzessive berechnet werden. o

5.1.3

Substitutionsregel

Die Substitutionsregel der unbestimmten Integration ist das Gegenstck zur Kettenregel der Dierentialrechnung. u Mit stetig dierenzierbarer Funktion u = g(x) gilt f (g(x)) g (x) dx = Bei strukturellem Vorliegen der linken Seite : Rechte Seite berechnen und dann u = g(x) einsetzen. Rechte Seite mit Hilfe der linken berechnen: Hier muss fr die Substitution u = g(x) auf dem zugrunde gelegten Intervall I u g (x) = 0 gefordert werden. Man erhlt a F (x) + C = Einsetzen von x = g 1 (u) liefert die Stammfunktion F (u) = F (g 1 (u)) Fr die beteiligten Dierentiale gilt: u du = g (x) dx f (g(x)) g (x) dx f (u) du

5.2
5.2.1

Bestimmtes Integral
Denition

Ist f eine auf dem kompakten, (also endlichen und abgeschlossenen) Intervall [a,b] stetige Funktion, so kann man mit einer beliebigen Stammfunktion F von f das bestimmte Integral von f uber [a, b] denieren :
b

f (x) dx = F (b) F (a)


a

(5.3)

Das bestimmte Integral ist hier lediglich als formale Gre deniert. Seine Bedeutung erschliet sich erst mit der o Interpretation als Riemann-Integral.

5.2.2

Partielle Integration

Die Regel zur partiellen Integration fr bestimmte Integrale ist damit u


b b

f (x) g (x) dx = [ f (x) g(x) ]b a


a a

f (x) g(x) dx

(5.4)

5.2.3

Substitutionsregel

Die Substitutionsregel der bestimmten Integration kann mit stetig dierenzierbarer Funktion u = g(x) in der Gestalt
b g(b)

und

du = g (x) dx

fr u

x [a, b]

f (g(x)) g (x) dx =
a g(a)

f (u) du

81

formuliert werden. Hiermit wird versucht, die linke Seite (nach dem Erkennen der Struktur) mit Hilfe der rechten zu berechnen. Schreibt man die Substitutionsregel in der Gestalt
g 1 ()

f (g(x)) g (x) dx =
g 1 ()

f (u) du

auf, dann dient sie der Berechnung der rechten Seite mit Hilfe der linken, wobei eine geeignete Substitution u = g(x) gefunden werden muss. Erlaubt ist dieses Verfahren, wenn auf dem oenen Intervall (a, b) die Ungleichung g (x) = 0 erfllt ist, denn dann existiert die inverse Funktion g 1 . Wegen der Stetigkeit von g bedeutet g (x) = 0 auf dem u Intervall (a, b), dass g (x) dort uberall positiv oder dort uberall negativ ist. Fr die gegebenen Grenzen , gilt u = g(a) und = g(b), damit folgt fr die Grenzen im links stehenden Integral u a = g 1 () womit etwas verkrzt u
b

und

b = g 1 (),

f (g(x)) g (x) dx =
a

f (u) du

geschrieben werden kann.

5.2.4

Anwendung - Orthogonalitt von Funktionensystemen a

Die Basisfunktionen der Fourierreihe fr das Intervall [ 0, 2 ] u {cos(n x)}n , {sin(m x)}m , n = 0, 1, 2, , m = 1, 2, , x [ 0, 2 ]

bilden das bekannteste Beispiel fr ein orthogonales Funktionensystem. Unter Nutzung der Additionstheoreme u sin(n x) sin(m x) cos(n x) cos(m x) sin(n x) cos(m x) = = = 1 (cos(n x m x) cos(n x + m x)) 2 1 (cos(n x m x) + cos(n x + m x)) 2 1 (sin(n x m x) + sin(n x + m x)) 2 ) = cos() 2 (5.5) (5.6) (5.7)

lassen sich die unteren Orthogonalittsrelationen berechnen. Dabei ist (5.6) wegen a sin( +

eine unmittelbare Folgerung von (5.5). Ersetzen Sie einfach n x durch n x + und m x durch m x + . Danach ist 2 2 cos( + ) = cos() anzuwenden. Die obigen Additionstheoreme knnen auch schnell aus der Eulerschen Formel o ei = cos() + i sin() geschlossen werden. Die Orthogonalittsrelationen ergeben sich dann in Gestalt von a 2 u fr n = m, m = 1, 2, sin(n x) sin(m x) dx = 0 fr n = m, n, m = 1, 2, u 0 fr n = m, m = 1, 2, u 2 2 fr n = m = 0 u cos(n x) cos(m x) dx = 0 0 fr n = m, n, m = 1, 2, u
2

(5.8)

(5.9)

cos(n x) sin(m x) dx = 0
0

fr alle ganzzahligen n, m u

(5.10)

Formel (5.10) gilt also auch im Falle m=n. Hug werden in den Anwendungen komplexe Fourierentwicklungen durchgefhrt, um schwingende Systeme zu anaa u lysieren (z. B. Baudynamik). Dabei kommen das komplexwertige Funktionensystem {exp(i n x)}n , n = , 2, 1, 0, 1, 2, x [ 0, 2 ] (5.11)

82

sowie daraus resultierende Varianten zum Einsatz. Eine andere Schreibweise fr das Funktionensystem (5.11) wre u a ei n x
n

n Z,

x [ 0, 2 ]

(5.12)

Der Index n durchluft hier die Menge der ganzen Zahlen. Es werden also auch negative Indizes zur Kennzeichnung der a Funktionen dieses Systems verwendet. Die zu oben analogen Orthogonalittsrelationen sind einfacher zu berechnen a und lauten 2 u 2 fr n = m, m = , 2, 1, 0, 1, 2, ei n x ei m x dx = (5.13) 0 fr n = m, n, m = , 2, 1, 0, 1, 2, u 0 Man beachte : ei m x = ei m x . In (5.13) knnte krzer m Z bzw. m, n Z geschrieben werden. Die obigen Funktionensysteme charakterisieren o u harmonische Schwingungen mit den Frequenzen den Kreisfrequenzen und der zugehrigen Schwingungsdauer o Bekanntlich gilt 1 2 = Mit dem obigen Funktionensystem knnen Schwingungsvorgnge einer Grundperiode T = 2 bzw. einer Grundo a 1 frequenz = 2 analysiert werden. Das Frequenzspektrum einer periodischen Schwingung mit Grundkreisfrequenz = 1 enthlt stets nur die in (5.14) bzw. (5.15) angefhrten Frequenzen. Die Berechnung der Intensitt, mit der a u a diese verschiedenen Vielfachen der Grundfrequenz auftreten, ist Gegenstand der mathematischen Fourieranalyse. = 2 , T = In der Regel sind periodische Schwingungsvorgnge mit einer beliebigen Grundkreisfrequenz 1 = , bei der (5.14) a und (5.15) durch Frequenzen Kreisfrequenzen Schwingungsdauer n = n , 2 n = 1, 2, n = 1, 2, n = 1, 2, (5.16) (5.17) T = 2, 2 2 , 2 n = 1 2 n , , 2 2 2 (5.14) (5.15)

= 1, 2, n

n = n , Tn = 2 , n

zu ersetzen sind (Notation angepasst) zu untersuchen. Dazu mssen die obigen Orthogonalittsrelationen modiziert u a werden. Setzt man jetzt 2 = 1 , = 1 = , T = T1 = 2 fr Grundperiode und Basisfrequenz, so erhlt man die erforderlichen Formeln durch Substitution u a x = t, in den Integralen (5.8), (5.9) (5.10) (5.13). Es entstehen T T 2 sin(n t) sin(m t) dt = 0 0 T 2 T T cos(n t) cos(m t) dt = 0 0
T

dx = dt

fr n = m, u fr n = m, u fr n = m, u

m = 1, 2, (5.18) n, m = 1, 2, m = 1, 2, (5.19)

fr n = m = 0 u fr n = m, u n, m = 1, 2,

cos(n t) sin(m t) dt = 0
0 T

fr alle ganzzahligen n, m u m = , 2, 1, 0, 1, 2,

(5.20)

ei n t ei m t dt =
0

T 0

fr n = m, u fr n = m, u

(5.21) n, m = , 2, 1, 0, 1, 2,

83

5.3
5.3.1

Riemann-Integral
Denition und Approximationseigenschaften

Die Riemann-Integration liefert eine Methode, die anschauliche Vorstellung des (orientierten) Flcheninhaltes zwia schen der x-Achse und dem Graphen einer Funktion przise zu fassen. a Dieser gesuchte Flcheninhalt wird mit Hilfe des leicht zu berechnenden Flcheninhalts von Treppenfunktionen apa a proximiert. Vorgehensweise: 1. Denition von Treppenfunktionen als Summe von Rechtecksfunktionen. 2. Denition des Riemann-Integrals
b

f (x) dx
a

fr Treppenfunktionen uber einem gegebenen kompakten Intervall [a, b]. u 3. Approximation einer auf [a, b] beschrnkten Funktion f durch Treppenfunktionen bei vorgegebener Zerlegung a Z: des Intervalls [a, b]. Die Gre o Z = max (xk xk1 )
k

a = x0 < x1 < x2 < . . . , . . . , . . . , xn1 < xn = b

(5.22) (5.23)

heit dabei die Feinheit der Zerlegung Z. Die Funktion f wird bei gegebener Zerlegung Z durch Treppenfunktionen eingeschlossen. Das bedeutet: In jedem Intervall der Zerlegung Z wird eine entsprechende Rechtecksfunktion mit dem dortigen Supremum (grob gesprochen: Maximalwert von f) bezieungsweise dem dortigen Inmum (grob gesprochen: Minimalwert von f) als Funktionswert konstruiert. Es werden Ober- Untersummen gebildet, die den gesuchten orientierten Flcheninhalt einschlieen. a Die Obersumme entsteht dabei als Riemann-Integral der Treppenfunktion TZ,o (x) mit f (x) TZ,o (x), x [a, b]

und die Untersumme als Riemann-Integral der Treppenfunktion mit TZ,u (x) mit TZ,u (x) f (x), x [a, b]

Oensichtlich gilt fr die Riemann-Integrale der einschlieenden Funktionen u


b b

TZ,u (x) dx
a a

TZ,o (x) dx

(5.24)

und ein sinnvoll deniertes Riemann-Integral fr f u


b

f (x) dx
a

msste zwischen diesen beiden Werten liegen. u Ausgehend von Z gem (5.22) werde jetzt durch sukzessive Hinzunahme von Zerlegungspunkten eine stndige a a Verfeinerung der Zerlegung Z = Z(1) Z(2) Z(m) Zm+1 mit Z(m) : a = x0 (m) < x1 (m) < x2 (m) < . . . . . . xnm 1 (m) < xnm (m) = b d. h. eine Folge Z(m) von Zerlegungen erzeugt, deren Feinheiten, vgl. (5.23), beliebig klein wird. Z(m) = max [xk (m) xk1 (m)] 0
k

(5.25)

fr u

m 0,

1 k nm

(5.26)

nm ist hier die Anzahl der Teilintervalle der Zerlegung Zm , die mit zunehmendem m wchst. a Fr jede Zerlegung aus (5.25) folgt fr die im obigen Sinne zugeordneten Treppenfunktionen, vgl. auch (5.24), u u
b b

I(m) :=
a

TZ(m),u (x) dx I(m) :=


a

TZ(m),o (x) dx

84

Fr die den einschachtelnden Treppenfunktionen zugeordneten Integrale gilt u I(1) I(m) I(m + 1) I(m + 1) I(m) I(1) Aus der Monotonie und Beschrnktheit der Folgen erhlt man a a
m

fr alle u

mN

lim I(m) lim I(m)


m

Falls fr solch eine Folge einschachtelnder Treppenfunktionen u


m

lim I(m) = lim I(m)


m

nennt man die beschrnkte Funktion Riemann-integrierbar uber dem Intervall a Riemann-Integral uber f durch
b

[a, b]

und deniert das

f (x) dx := lim I(m) = lim I(m).


m m a

Die Bezeichnung der Integrationsvariablen, hier x ist dabei unerheblich. Hinsichtlich der graschen Darstellungen und weiterer Erluterungen vergleiche: a http://de.wikipedia.org/wiki/Integralrechnung http://www.rsg.rothenburg.de/schulleben/fs/mathe/cimu/riemann-integral.htm

5.3.2

Numerische Integration

Bei Existenz des Riemann-Integral kann dieses als Grenzwert sogenannter Zwischensummen (Riemannsche Summen) erklrt werden, wenn die Feinheit der Zerlegung beliebig klein wird. a
n

f (k ) (xk xk1 )
k=1

xk1 k xk ,

a = x0 ,

b = xn ,

Vergleiche: http://archives.math.utk.edu/visual.calculus/4/riemann_sums.4/index.html Im praktisch wichtigen Falle quidistanter Zerlegung mit a x = xk xk1 = const folgt mit hinreichend kleinem x
b n

fr alle k u

f (x) dx
a k=1

f (k ) x

(5.27)

Bei Einsetzen von k = xk1 erhlt man daraus eine erste Quadraturformel, die linksseitige Rechteckformel. a
b n1

f (x) dx = x
a ( ) k=0

f (a + k x)

( + En ) (f )

(5.28)

Das Fehler- oder Restglied En (f ) ist von der Anzahl n der Teilintervalle abhngig. Analog entsteht beim Einsetzen a von k = xk die rechtsseitige Rechteckformel.
b n

f (x) dx = x
a (r) k=1

f (a + k x)

(r) + En (f )

(5.29)

Das Fehler- oder Restglied En (f ) ist wieder von der Anzahl n der Teilintervalle abhngig. Fr die Restglieder in a u (5.29) und (5.28) gelten mit (b a) h = x = n die Fehlerabschtzungen a (b a) (b a) (r) ( En (f ) Mf h, En ) (f ) Mf h (5.30) 2 2

85

mit Mf = max f (x) .


axb

Fr Mf kann (abschwchend) eine beliebige obere Schranke von |f (x)| in dem angegebenen Intervall eingesetzt u a werden. Besser ist es jedoch in (5.27) f (xk1 ) + f (xk ) 2 zu ersetzen. Man erhlt dann die zusammengesetzte Sehnentrapezformel a f (k ) durch
b

f (x) dx = x
a

1 f (a) + 2

n1

f (a + k x) +
k=1

1 f (b) 2

+ E (n) (f )

(5.31)

Sie ist als Mittelwert der beiden Rechtecksformeln interpretierbar. Eine Fehlerabschtzung fr das Restglied ist durch a u |E(f )| oder durch (b a) 2 h max f (x) axb 12 (5.32)

(b a) (b a) Mf h2 mit h = x = , 12 n gegeben, wenn fr Mf eine obere Schranke von f (x) im Intervall [a, b] eingesetzt wird. Voraussetzung ist natrlich, u u dass f hinreichend regulr ist. Die zusammengesetzte Sehnentrapezformel konvergiert mit hherer Ordnung als die a o Rechtecksformeln. Vergleiche http://de.wikipedia.org/wiki/Trapezregel |E(f )|

5.3.3

Weitere Eigenschaften des Riemann-Integrals

Hauptsatz der Dierential- und Integralrechnung (auch Fundamentalsatz der Analysis genannt) : Riemann-Integrale uber stetige Funktionen auf [a, b] knnen mit Hilfe von Stammfunktionen berechnet werden, denn o es gilt: Satz 5.1. Es sei f eine stetige Funktion auf einem Intervall [a, b]. Dann gelten die folgenden Behauptungen 1. Ist F auf [a, b] eine Stammfunktion von f. Dann ist f Riemann-integrierbar auf [a, b] und es gilt
b

f (x) dx = F (b) F (a).


a

(5.33)

2. Das durch F (x) =

f () d
a

(5.34)

denierte Riemann-Integral mit variabler oberer Grenze x ist eine Stammfunktion von f uber dem Intervall [a, b]. Fr jede andere zugehrige Stammfunktionen G(x) gilt dort u o G(x) = F (x) + C mit geeigneter Konstante C.

Dies bedeutet : Zu jeder stetigen Funktion auf [a, b] existiert eine Stammfunktion. Riemann-Integrale stetiger Funktionen knnen als bestimmte Integrale interpretiert werden. Diese wurden frher nur o u auf formale Weise deniert. Damit sind die oben erklrten Integrationsregeln anwendbar. a Bemerkung 5.2. Bei der Darstellung (5.34) muss im Hinblick auf die korrekte Denition und Ausfhrung kompliu zierterer Ausdrcke, die spter auftreten, in der Bezeichnung strikt zwischen der Integrationsgrenze (hier x) und der u a Integrationsvariablen (hier ) unterschieden werden. Abgesehen davon ist die Bezeichnung der Integrationsvariablen eigentlich gleichgltig. In (5.33) htte man beispielsweise die Integrationsvariable x durch oder durch t ersetzen u a knnen, ohne denn Sinn zu ndern. Beispielsweise gilt o a
5 5

3 + 2 d =
2 2

t2 3 t + 2 dt

86

Wegen der Aussage in (5.34) folgt


x

d dx
a

f () d = f (x)

Bemerkung 5.3. Jede auf [a, b] denierte stckweise stetige und beschrnkte Funktion f ist dort Riemannu a integrierbar. Bei geeigneter Zerlegung in n Teilintervalle kann die Integration durch
b n xk

f (x) dx =
a k=1 x k1

f (x) dx,

a = x0 ,

b = xn ,

realisiert werden. Insbesondere Treppenfunktionen, die den Ausgangspunkt bei der Einfhrung des Riemann-Integrals u bildeten, knnen auf diese Weise integriert werden. Hierbei erhlt man wieder ihre frher festgelegten anschaulichen o a u Integraldenitionen. Satz 5.4 (Verallgemeinerter Mittelwertsatz der Integralrechnung). Sind f : [a, b] R und g : [a, b] R

stetige Funktionen und gilt g(x) 0 auf [a, b], dann existiert ein (a, b) (Zwischenstelle), so dass
b b

f (x) g(x) dx = f ()
a a

g(x) dx

erfllt ist. Speziell im Falle g(x) 1 erhlt man u a


b

f (x) dx = f () (b a)
a

fr mindestens ein u

(a, b)

Dies ist der Mittelwertsatz der Integralrechnung. Der integrale Mittelwert einer stetigen Funktion
b

f (x) dx
a

ba wird also an einer Stelle angenommen. Mit

mit

< a < < b < +

m = min f (x), folgt insbesondere


b

M = max f (x)

m (b a)
a

f (x) dx M (b a)

Wenn f nicht stetig ist, gilt der Mittelwertsatz im Allgemeinen nicht. Bemerkung 5.5. Im Beweis des verallgemeinerten Mittelwertsatzes wird beispielsweise die Monotonie des bestimmten Integrals bentigt. o Regeln und Eigenschaften des bestimmten Integrals, wie Monotonie, Linearitt usw. a Vergleiche: http://de.wikipedia.org/wiki/Integralrechnung http://www.rsg.rothenburg.de/schulleben/fs/mathe/cimu/riemann-integral.htm [5], [11], [14], [8] und andere

5.4

Uneigentliche Integrale

1. Integrale uber unbeschrnkte Integranden auf Intervallen endlicher Lnge a a (a) Singularitt bezglich des rechten Randpunktes a u
b b

f (x) dx := lim
a

0 a

f (x) dx

(b) Singularitt bezglich des linken Randpunktes a u


b b

f (x) dx := lim
a

0 a+

f (x) dx

87

(c) Singularitt bezglich eines inneren Punktes c a u


b c b

f (x) dx := lim
a

0 a

f (x) dx + lim

0 c+

f (x) dx,

a<c<b

2. Integrale uber Intervalle unendlicher Lnge a (a) Intervalle der Gestalt [ a, + )


b

f (x) dx := lim
a

b+ a

f (x) dx

(b) Intervalle der Gestalt ( , b ]


b b

f (x) dx := lim

a a

f (x) dx

(c) Intervalle der Gestalt ( , + )


b

f (x) dx := lim

a b+ a

lim

f (x) dx

Vergleiche http://mo.mathematik.uni-stuttgart.de/kurse/kurs29/seite20.html Eines der am hugsten verwendeten uneigentlichen Integrale ist durch a

ex dx =

(5.35)

gegeben. Ausgehend von diesem Ergebnis (wird spter bewiesen) kann man zeigen, dass fr die durch a u f, (x) := denierten Gauschen Dichtefunktionen gilt

(x)2 1 e 2 2 , 2

> 0,

(5.36)

f, (x) dx = 1

(berprfen!) Es handelt sich um die Dichtefunktionen der Gauschen Normalverteilungen. u u Genauer : Eine stetige Zufallsvariable X mit (5.36) als Wahrscheinlichkeitsdichte, heit --normalverteilt oder (, 2 )-normalverteilt. Der Parameter entspricht bei diesen speziellen Verteilungsfunktionen dem Erwartungswert E(X) und der Parameter der Standardabweichung = Var(X) mit der Varianz oder Streuung Var(X). Fr die diesbezglich auszuwertenden Integrale gilt u u
+

E(X)

1 2 1 2

x exp
+

(x )2 2 2

dx =

(5.37)

Var(X)

(x )2 exp

(x )2 2 2

d x = 2

(5.38)

Mit = 0 und = 1 erhlt man in (5.36) die Dichtefunktion der Standardnormalverteilung (Erwartungswert 0 und a Standardabweichung 1). x2 1 f0,1 (x) := e 2 2 Diese Wahrscheinlichkeitsdichte wird auch Gau-Funktion, Gau-Kurve, Gau-Glocke oder Glockenkurve genannt. Die folgenden Bilder sind aus http://de.wikipedia.org/wiki/Normalverteilung

88

Abbildung 7: Standardnormalverteilung

Verschiedene Parameter und

89

6
6.1

Reelle und komplexe Fourier-Entwicklungen


Trigonometrische Polynome und Frequenzspektren

Vergleiche http://de.wikipedia.org/wiki/Fourierreihe http://de.wikipedia.org/wiki/Trigonometrisches_Polynom Als Fourierreihe einer periodischen Funktion f(x) bezeichnet man die Entwicklung dieser Funktion in eine Funktionenreihe aus Sinus- und Kosinusfunktionen. Die Basisfunktionen der Fourierreihe bilden das bekannteste Beispiel fr ein orthogonales Funktionensystem. Im u Rahmen der Theorie der Hilbertrume werden auch Entwicklungen nach einem beliebigen vollstndigen Orthonora a malsystem als Fourierreihe bezeichnet. Fourierreihen im klassischen Sinne (solche werden hier betrachtet) entstehen durch Approximation von Funktionen mit trigonometrischen Polynomen. Ein trigonometrisches Polynom (eine trigonometrische Summe) ist ein Polynom, welches trigonometrische Ausdrcke u enthlt. Es hat folgende Gestalt a n (t) = a0 + 2
n

ak cos(k t) + bk sin(k t),


k=1

ak , bk R,

2 T

(6.1)

n ist der Grad des trigonometrischen Polynoms. T ist die Periode von n . Interpretation im Sinne der Schwingungs- und Signalanalyse : ist die zu T gehrige Kreisfrequenz. o Fr die Basis- oder Grundfrequenz gilt = 2 . u In (6.1) treten die vielfachen Frequenzen bzw. die vielfachen Kreisfrequenzen k = k , k = k , k = 1, 2, n a2 + b2 = 0 k k a(k ) = ak , ist. n besitzt ein spezielles Spektrum b(k ) = bk (6.2)

der Grundfrequenz (Grundkreisfrequenz ) auf, sobald (diskretes und endliches Frequenzspektrum), das durch a(k ) = ak , b(k ) = bk bzw.

gegeben ist, da alle anderen Spektralwerte 0 sind (auer k = k sind in dem Signal/der Funktion keine weitere Frequenzen enthalten). Der Koezient a0 2 reprsentiert den Mittelwert der Funktion n (t), der als zur Frequenz 0 zugehriger Spektralwert interpretierbar ist. a o

Speziell fr 2-periodische Funktionen, d.h. fr T = 2 , entsteht u u a0 + 2


n

ak cos(k t) + bk sin(k t).


k=1

(6.3)

Die zugehrigen Frequenzen bzw. Kreisfrequenzen sind jetzt o k = k , 2 bzw. k = k, k = 1, 2, n

Das trigonometrische Polynom (6.1) wird in der Ingenieurliteratur oft in eine (reelle) Amplituden-Phasen-Darstellung n (t) = a0 + 2
n

Ak cos(k t k )
k=1

(6.4)

uberfhrt. Zwischen den Koezienten der Formen (6.1) und (6.4)gelten die Formeln u Ak = a2 + b2 , k k arccos
ak Ak

k = 1, 2, f ur f ur f ur bk 0, bk < 0, Ak = 0 k = 1, 2, k = 1, 2, 3

(6.5)

a arccos Ak k unbestimmt

(6.6)

beziehungsweise ak = Ak cos(k ), ak = Ak sin(k ), (6.7)

90

k kann als Bogenma zu (x, y) = (ak , bk ) mit < k . charakterisiert werden. Mit = k t, = k folgen die obigen Beziehungen zwischen den Spektren von (6.1) und (6.4) gliedweise aus dem Additionstheorem cos( ) = cos cos + sin sin (Prfen Sie dies nach !) u Alternativ zu (6.1) beziehungsweise (6.4) gibt es eine komplexe Darstellung des trigonometrischen Polynoms, die in vielen Anwendungsgebieten (Schwingungsanalysen in Baudynamik und Maschinenbau, Messtechnik, Signalanalyse usw.) hug genutzt wird. Diese Darstellungsform ermglicht eine ubersichtlichere Formulierung vieler Aufgabenstela o lungen und einen besseren Zugang zu theoretischen Verallgemeinerungen (Spektralanalyse, Fourier-Transformation). Die komplexe Darstellung ist durch
n

n (t) =
k=n

ck eikt

(6.8)

gegeben, wobei zwischen den Spektren von (6.1) und 6.8 die Relationen 2c0 = a0 , beziehungsweise c0 ck ck = = = a0 2 ak i bk , 2 ak + i bk , 2 (6.9) k N, kN ak = ck + ck , bk = i (ck ck ), kN

bestehen. Diese Beziehungen gewinnt man durch Anwendung der Eulerschen Formel uber cos(k t) sin(k t) = = 1 2 1 2i ei k t + ei k t ei k t ei k t Re(ck ) (6.10) (6.11) und

(Prfen Sie dies nach). Die Spektralwerte sind hier in der Regel komplex, besitzen also Realteil u Imaginrteil Im(ck ). Die Darstellung (6.8) kann in die Form a
n n

n (t) =
k=n

|ck | ei (ktk ) =
k=n

|ck | ei k ei kt

(6.12)

gebracht werden. Diese ist mit dem komplexen Amplituden-Phasen-Spektrum Ck k = = |ck | = 1 1 Ak = 2 2 a2 + b2 k k

k k

wie (6.6) fr u k = 1, 2, 3 fr u k = 1, 2, 3

verbunden , vergleiche diese mit (6.5) und (6.6). Die Beziehung zur reellen Amplituden-Phasen-Darstellung (6.4) kann unmittelbar hergestellt werden.

6.2

Fourierreihen

Fourierreihen entstehen als Grenzwerte trigonometrischer Polynome (6.1) fr n . Eine Funktion f (t) mit der u Periode T , die hinreichend regulr ist (zum Beispiel jede stckweise glatte und beschrnkte Funktion), lsst sich in a u a a eine Fourierreihe entwickeln. f (t) = a0 + 2

ak cos(k t) + bk sin(k t),


k=1

ak , bk R,

2 T

(6.13)

Ob und wo diese Reihe gegen f (t) konvergiert und von welcher Art diese Konvergenz dann ist, muss gesondert untersucht werden. Wenn (6.13) konvergiert, dann konvergieren auch die zugehrige reelle Amplituden-Phasen- oder o Kosinus-Darstellung (6.4), die komplexe Darstellung (6.8) und die komplexe Amplituden-Phasen-Darstellung (6.12) fr n . Die im vorigen Unterabschnitt aufgefhrten Beziehungen zwischen den verschiedenen diskreten Spektren u u bleiben natrlich gltig. Man erhlt jetzt abzhlbar unendliche diskrete Spektren. u u a a

91

Wir wollen nur Fourierreihen der Gestalt (6.13) behandeln. Ihr Spektrum ist durch a0 , 2 a(k ) = ak , b(k ) = bk kN (6.14)

mit den vielfachen Kreisfrequenzen (unendlich viele) k = k , kN

charakterisiert. Mit a0 liegt der integrale Mittelwert vor. 2 Die diskreten Spektralwerte (6.14) werden hier Fourierkoezienten genannt. Reellwertige Funktionen f (t) (nur diese sollen betrachtet werden) besitzen ein reelles Spektrum (6.14), d.h. reelle Fourierkoezienten. Diese zu (6.13) gehrigen Fourierkoezienten knnen mit o o
t0 +T

ak

2 T
t0 t0 +T

f (t) cos(kt) dt

(6.15)

bk

2 T
t0

f (t) sin(kt) dt

(6.16)

berechnet werden, wenn die Integrale existieren. Mit t0 wird dabei eine Verschiebung des Periodizitts-Intervalls a realisiert. Dieses t0 kann zur Vereinfachung der Rechnung beliebig gewhlt werden. a Aus (6.15) folgt insbesondere
t0 +T

a0 1 = 2 T
t0

f (t)dt

(6.17)

Man vergleiche mit http://de.wikipedia.org/wiki/Fourierreihe Hier sind auch einige Ubungsaufgaben mit Lsung o zu nden. Hug verwendete Varianten von (6.15) und (6.16) sind a
T

ak

2 T
0 T

f (t) cos(kt) dt

(6.18)

bk oder

2 T
0

f (t) sin(kt) dt

(6.19)

T 2

ak

2 T
T 2
T 2

f (t) cos(kt) dt

(6.20)

bk

2 T
T 2

f (t) sin(kt) dt

(6.21)

Speziell fr 2-periodische Funktionen f (t), d.h. fr T = 2 , geht (6.13) uber in u u a0 + 2

ak cos(k t) + bk sin(k t)
k=1

ak , bk R,

= 1,

T = 2

(6.22)

Bei Berechnung der Fourier-Koezienten muss in den Formeln (6.15), (6.16), (6.17) (6.18), (6.19) (6.20) und (6.21) T = 2 und = 1 eingesetzt werden. Die Verschiebung um t0 kann wieder beliebig gewhlt werden. a Wenn keine geschlossenen Darstellungsformeln fr die Fourier-Koezienten (6.13) oder den Spezialfall (6.22) ermitu telbar sind, dann kann man die Entwicklung nach dem n-ten Reihenglied abbrechen. Man erhlt eine Approximation a des Schwingungsvorgangs durch ein trigonometrisches Polynom, vgl. den vorigen Unterabschnitt. Dabei muss n so gro gewhlt werden, dass alle wesentlichen Schwingungsanteile erfasst werden. a Spezialflle: Fourierentwicklung gerader und ungerader Funktionen. a Auf den folgenden Seiten werden spezielle periodische Funktionen und die Fourier-Entwicklung einer Rechteckschwingung veranschaulicht.

92

Abbildung 8: Periodische Funktionen

Abbildung 9: Periodische Funktionenn

93

Trigonometrisches Polynom der Ordnung 0 Mittelwert : blaue Linie

Trigonometrisches Polynom 1. Ordnung

Trigonometrisches Polynom 3. Ordnung

94

Trigonometrisches Polynom 5. Ordnung

Trigonometrisches Polynom 9. Ordnung

Trigonometrisches Polynom 13. Ordnung

95

Dirichletsche Bedingungen Das Basisintervall (Periodizittsintervall [0, T ] oder [ T , T ] oder ) kann in endlich viele Intervalle zerlegt a 2 2 werden, in denen die Funktion f (t) stetig und monoton ist. Fr jede Unstetigkeitsstelle t existieren der rechtsseitige Grenzwert u f (t+) und der linksseitige Grenzwert f (t) im eigentlichen Sinne (d.h. keine bestimmte Divergenz). Sind die Dirichletschen Bedingungen erfllt, dann gilt insbesondere : u - Unstetigkeitsstellen von f (t) kann es hchstens in den Randpunkten der ausgewhlten Zerlegungsintervalle geben. o a - Die Funktion f (t) ist auf ihrem gesamten Denitionsbereich beschrnkt. a Periodische Funktionen, die stckweise konstant oder stckweise linear sind, erfllen auf jeder ausgewhlten Periode u u u a die Dirichletschen Bedingungen. Satz 6.1. Wenn die Funktion f (t) die Dirichletschen Bedingungen erfllt, u dann konvergiert die Fourier-Reihe in allen Stetigkeitspunkten t gegen f (t). An den Unstetigkeitsstellen t konvergiert sie gegen das arithmetische Mittel der einseitigen Grenzwerte f (t) + f (t+) 2 Um weitere Konvergenzaussagen fr Fourier-Reihen zu formulieren, bentigen wir die folgenden Denitionen. u o Denition 6.2. Eine Funktion f : [a, b] R wird stckweise stetig genannt, wenn sie abgesehen von endlich vielen u Stellen t0 < t1 < < tn im Intervall [a, b] stetig ist und in allen Unstetigkeitspunkten tk die einseitigen Grenzwerte f (tk ) = lim f (t)
ttk

und

f (tk +) = lim f (t)


ttk +

existieren. Ist U = {t0 , t1 , , tn } die Gesamtheit aller Unstetigkeitsstellen einer Funktion f : [a, b] R, dann ist f auf [a, b] \ U selbstverstndlich stetig. Letzteres ist jedoch nicht hinreichend dafr, dass a u f stckweise stetig auf [a, b] im Sinne der obigen Denition ist (endliche einseitige Grenzwerte!). Jede auf einem u abgeschlossenen Intervall [a, b] denierte stckweise stetige Funktion ist beschrnkt. u a Denition 6.3. Eine Funktion f : [a, b] R wird stckweise stetig dierenzierbar genannt, wenn sie abgesehen von u endlich vielen Stellen t0 < t1 < < tm im Intervall [a, b] stetig dierenzierbar ist und in all diesen Ausnahmepunkten tk die einseitigen Grenzwerte von f und f f (tk ) = lim f (t),
ttk

f (tk +) = lim f (t)


ttk +

f (tk ) = lim f (t),


ttk

und

f (tk +) = lim f (t)


ttk +

existieren. Die so denierte stckweise stetig dierenzierbare Funktion ist natrlich auf u u [a, b] \ {t0 , t1 , , tm } stetig dierenzierbar und damit dort auch stetig (alle Sprung- und Knickstellen sind herausgenommen). Letzteres ist jedoch nicht hinreichend fr die stckweise stetige Dierenzierbarkeit im obigen Sinne. u u Jede auf einem abgeschlossenen Intervall [a, b] denierte stckweise stetig dierenzierbare Funktion ist insbesondere u beschrnkt auf [a, b] und besitzt auf einer Menge der Gestalt [a, b] \ {t0 , t1 , , tm } eine stetige und beschrnkte a a Ableitung. Denition 6.4. Es sei I ein beliebiges Intervall unendlicher Lnge und f : I R. a Eine derartige Funktion f wird dann stckweise stetig auf I genannt, wenn sie stckweise stetig auf jedem Intervall u u [a, b] I ist. Sie heit stckweise stetig dierenzierbar auf I, wenn sie stckweise stetig dierenzierbar auf jedem Intervall [a, b] u u I ist. Satz 6.5. Unter der Voraussetzung, dass f : R R eine stckweise stetig dierenzierbare Funktion mit der Periode u T ist, gilt :

96

1. Es existieren die in ( 6.15) und (6.16) denierten Fourierkoezienten und die zugehrige Fourier-Reihe (6.13) o konvergiert punktweise. Mit = 2 gilt T f (t) = a0 + 2

ak cos(k t) + bk sin(k t)
k=1

in jedem Stetigkeitspunkt t von f,

f (t) + f (t+) a0 = + 2 2

ak cos(k t) + bk sin(k t)
k=1

in jedem Unstetigkeitspunkt t von f.

2. Auf jedem abgeschlossenen Intervall [, ] , in dem die Funktion f stetig ist, konvergiert die Fourier-Reihe gleichmig gegen f . a Man vergleiche diese Aussagen mit Satz 6.1. Bemerkung 6.6 (Gibbssches Phnomen). Als Gibbssches Phnomen oder Ringing bezeichnet man in der Mathematik a a das typische Verhalten von Fourierreihen in der Umgebung von Sprungsstellen. Entwickelt man eine Fourierreihe aus einer unstetigen Funktion, so ergeben sich an den Unstetigkeitsstellen typische Uber- und Unterschwinger, die sich auch dann nicht verringern, wenn man versucht, die Funktion noch besser zu approximieren. Dies liegt daran, dass die Reihe an der Unstetigkeitsstelle nicht mehr gleichmig, sondern nur punktweise konvergiert. Die Dierenz der a zur Sprungstelle benachbarten Uber- und Unterschwinger ist zirka 18% grer als die Sprunghhe der Funktion. Siehe o o auch Ringing in der Datenkompression, Computergrak bzw. Elektrotechnik. Zitat aus http://de.wikipedia.org/wiki/Gibbssches_Ph%C3%A4nomen

Gibbssches Phnomen a

97

Integralrechnung mehrerer reeller Vernderlicher a

Simplex - Konvexe Hlle von n + 1 Punkten Pj im Rn u Dabei soll die Punktmenge {P0 , P1 , , Pn } in keiner linearen (n-1)-dimensionalen linearen Mannigfaltigkeit (Hyperebene) enthalten sein.
n+1 n+1

S = {x Rn : x =
j=1

j Pj ,
j=1

j = 1 , j 0}

Geradlinige Koordinatensysteme : Ane Koordinaten Geradlinige orthogonale Koordinatensysteme : Kartesische Koordinaten Krummlinige Koordinatensysteme : z. B. elliptische Koordinaten Krummlinige orthogonale Koordinatensysteme : z. B. ebene Polarkoordinaten, Zylinderkoordinaten, Kugelkoordinaten Koordinatensysteme - Veranschaulichung von Grundtypen a) Ane Koordinaten b)Kartesische Koordinaten c) Krummliniges orthogonales Koordinatensystem d) Krummlinige Koordinatensystem

Erzeugung aner Koordinaten

n=2

n=3

Ane Koordinaten, 2-dim. Fall

98

Spezialfall Polarkoordinaten r und : x y = = r cos r sin , (7.1)

Hieraus erhlt man die Funktionaldeterminante fr Polarkoordinaten a u det(J) = det (x, y) = (r, )
x r y r x y

cos sin

r sin = r cos2 + r sin2 = r r cos

(7.2)

Zylinderkoordinaten r, z und kartesische Koordinaten

x3

P 0 x1 z r x2

x3
=const r=const

z=const

99

x y z

= = =

r cos r sin z

(7.3) (7.4) (7.5)

Hier ist r (oder im Falle genderter Notation r ) der Abstand des Aufpunktes von der z-Achse. Fr die a u Dierentiale gilt mit x x x z dx d y y y (x, y, z) dy = J d J= = z (, , z) dz dz
z z z z

dx cos sin 0 d dy = sin cos 0 d dz 0 0 1 dz x y 0 d dx x2 +y 2 x2 +y 2 x d = y x2 +y2 0 dy x2 +y 2 dz dz 0 0 1 Funktionaldeterminante fr Zylinderkoordinaten (vgl. Polarkoordinaten): u cos (x, y, z) = sin (, , z) 0 sin cos 0 0 0 = 1

det(J) = det

(7.6)

Fr das Volumenelement dV erhlt man damit u a dV = d d dz (7.7)

Kugelkoordinaten und kartesische Koordinaten : x y z mit = = = r sin cos r sin sin r cos 0 , 0 2 , 0r (7.8)

Die Umkehrtransformation zu (7.8) erfolgt mit den Gleichungen r = = = x2 + y 2 + z 2 x arccos 2 2


x +y

(7.9) f ur y 0,
x x2 +y 2

2 arccos arccot

f ur y < 0 z x2 + y 2

z = arctan 2 x2 + y 2

100

Anschauliche Bedeutung der Kugelkoordinaten : Sei r der Ortsvektor des Punktes P. r = |r| ist der Abstand des Punktes P vom Koordinatenursprung. (Polarwinkel) ist der Winkel zwischen der positiven z-Achse und r, gezhlt von 0 bis (0 bis 180 ). a (Azimutwinkel) ist der Winkel zwischen der positiven x-Achse und der Projektion von r in die xy-Ebene, gezhlt a von 0 bis 2 (0 bis 360 ). In der Analysis und ihren Anwendungen werden Kugelkoordinaten (im allg. alle Winkel) stets im Bogenma angegeben. Jacobi-Matrix f r Kugelkoordinaten u Die lokalen Eigenschaften einer Koordinatentransformation werden durch die Jacobi-Matrix beschrieben. Fr die u Transformation von Kugelkoordinaten in kartesische Koordinaten lautet diese sin cos r cos cos r sin sin (x, y, z) r sin cos J= (7.10) = sin sin r cos sin (r, , ) cos r sin 0 Die Jacobi-Matrix der dazu inversen Transformation berechnet man am einfachsten als Inverse Matrix von J in (7.10). Es gilt : sin cos sin sin cos 1 (r, , ) 1 1 J1 = = r cos cos r cos sin r sin . (7.11) (x, y, z) 1 1 cos r sin 0 sin r sin oder bei Darstellung in kartesischen Koordinaten, verwende r aus (7.9) : y x z
r r r

xz = r2 x2 +y2
y x2 +y 2

r2

yz

(x2 +y 2 ) r2

x2 +y 2

x x2 +y 2

x2 +y 2 0

Dierentiale und Volumenelement : Die Jacobi-Matrix erlaubt es, die Umrechnung von Dierentialen ubersichtlich zu formulieren. (dx, dy, dz)T = J (dr, d, d)T beziehungsweise (dr, d, d)T = J1 (dx, dy, dz)T Das Volumenelement dV = dx dy dz lsst sich mit Hilfe der Funktionaldeterminante a det(J) = det in Kugelkoordinaten ausdrcken : u dV = r2 sin d d dr (7.14) (x, y, z) = r2 sin (r, , ) (7.13) (7.12)

x3

P x2

x1

101

=const

=const

r=const

Sphrische Koordinaten : a r in (7.8 ) wird 1 gesetzt und nicht als eigenstndige Koordinate aufgefhrt. Man erhlt dann ein Koordinatensystem a u a fr die Oberche der Einheitskugel. Die zu dieser 2-dim. Mannigfaltigkeit u a sin() cos() f : (0, ) (0, 2 ) R3 , (, ) sin() sin() cos() gehrige Jacobi-Matrix , vgl. (7.10) hat die Gestalt o cos cos (x, y, z) J= = cos sin (, ) sin sin sin sin cos 0

Die obige Koordinatenwahl ist internationaler Konsens in der Physik. Manchmal werden die Zeichen und gerade im umgekehrten Sinne verwandt, insbesondere in der amerikanischen Literatur. Man sollte daher stets darauf achten, welchen Konventionen ein Autor folgt (vgl. Andere Konventionen in http://de.wikipedia.org/wiki/Kugelkoordinaten). So entspricht der oben denierte Polarwinkel nicht der geographische Breite (dem Breitengrad in der Geographie). Diese ist vielmehr als Winkel zwischen der Aquatorialebene und dem Ortsvektor deniert und nimmt Werte zwischen -90 und 90 an. Wenn man im Sinne dieser geographischen Breite nutzen mchte, so wird dies uber die Darstellung o x y z mit = = = r cos cos r cos sin r sin , 2 2 0 2 , 0r geographische Breite

mglich (nrdliche Halbkugel 0 < , sdliche Halbkugel < 0) o o u Alle obigen Formeln sind dann dieser genderten Koordinaten-Transformation anzupassen (vgl. [5], S. 573). Man a erhlt a cos cos r cos sin r sin cos (x, y, z) r cos cos r sin sin J= = cos sin (r, , ) sin 0 r cos det(J) = det (x, y, z) = r2 cos (r, , )

8
8.1

Parameterintegrale
Stetigkeit und Integrierbarkeit

Vergleiche [5], S. 591 f.f. I ist in den folgenden Betrachtungen stets ein beliebiges Intervall. Satz 8.1. Fr eine stetige Funktion f : [a, b] I R wird auch das Integral u
b

F (t) =
a

f (x, t) dx

(8.1)

102

eine stetige Funktion F : I R des Parameters t. Satz 8.2. Ist f : [a, b] [t0 , t1 ] R stetig, dann gilt
t1 t1 b b t1

F (t) dt =
t0 t0 a

f (x, t) dx dt =
a t0

f (x, t) dt dx

(8.2)

Die Reihenfolge der Integration kann also vertauscht werden. Satz 8.3. Es seien : I R und : I R stetige Funktionen mit (t) (t). Auerdem sei die Funktion f (x, t) stetig auf dem Bereich B = {(x, t) R2 : t I Dann wird die durch
(t)

und

(t) x (t)}.

(8.3)

F (t) =
(t)

f (x, t) dx

(8.4)

erklrte Funktion ebenfalls stetig. a Bemerkung 8.4. Auf die Voraussetzung (t) (t) kann im letzten Satz verzichtet werden. Lediglich die Denition des Bereiches (8.3) ist dann zu ndern. Uberlegen Sie sich dies anhand von Beispielen. a

8.2

Dierentiation von Parameterintegralen

Vergleiche [5], S. 591 f.f. Satz 8.5. Eine stetige Funktion f : [a, b] I R besitze auf ihrem Denitionsbereich [a, b] I eine stetige f (x, t) partielle Ableitung . Dann ist (8.1) auf I nach t dierenzierbar und fr diese Ableitung gilt u t
b

F (t) =
a

f (x, t) dx t

(8.5)

Man spricht hier von Dierentiation unter dem Integralzeichen. Bei variablen Integrationsgrenzen entsteht eine Verallgemeinerung dieser Formel, die im folgenden Satz betrachtet wird. Satz 8.6. Die Voraussetzungen des Satzes 8.3 seien erfllt. Auerdem gelte : u (t) und (t) sind dierenzierbar. Auf einem den Bereich (8.3) umfassenden Gebiet sei f (x, t) stetig und besitze dort eine stetige partielle f (x, t) Ableitung . t Dann ist
(t)

F (t) =
(t)

f (x, t) dx

(8.6)

auf I nach dem Parameter t dierenzierbar, wobei


(t)

F (t) =
(t)

f (x, t) dx + (t) f ((t), t) (t) f ((t), t) t

(8.7)

gilt.

103

Literatur
[1] H.-J. Bartsch. Taschenbuch mathematischer Formeln. [2] H. Brauch, Dreyer. Mathematik fr Ingenieure. Steubenstr. 6, Keller, Lehrbuchsammlung. u [3] L. Brenner. Mathematik fr Ingenieure und Naturwissenschaftler, Teil II und III. Steubenstr. 6, Keller, Lehru buchsammlung. [4] Bronstein. Taschenbuch der Mathematik. [5] W. Burg, Haf. Hhere Mathematik fr Ingenieure, Bd. 1, Analysis. Steubenstr. 6, Keller, Lehrbuchsammlung. o u [6] W. Burg, Haf. Hhere Mathematik fr Ingenieure, Bd. 3, Gewhnliche Dierentialgleichungen, Distributionen, o u o Integraltransformationen. Steubenstr. 6, Keller, Lehrbuchsammlung. [7] W. Ghler. Formelsammlung hhere Mathematik. o o [8] Grobstich and Strey. Mathematik fr Bauingenieure : Grundlagen, Verfahren und Anwendungen mit MathCAD. u Steubenstr. 6, Keller, Lehrbuchsammlung. [9] R. Harbarth. Dierentialrechnung fr Funktionen mit mehreren Variablen. Steubenstr. 6, Keller, Lehrbuchu sammlung. [10] Hllig, Kratz, Kimmerle, and Hrner. o o Mathematik online, broschren. u chapter Kurse. http://mo.mathematik.uni-stuttgart.de/kurse/. Kurse nach Bedarf whlen und dann die Broschren a u (Download) zu Analysis einer Vernderlichen,Analysis mehrerer Vernderlicher, Formelsammlung, Lineare a a Algebra, Numerik, Vorkurs Mathematik. [11] A. Leupold. Mathematik : ein Studienbuch fr Ingenieure. Steubenstr. 6, Keller, Lehrbuchsammlung. u [12] Papula. Mathematik fr Ingenieure und Naturwissenschaftler. Lehr- und Arbeitsbuch fr das Grundstudium, u u mit zahlreichen Beispielen aus Naturwissenschaft und Technik. [13] Papula. Mathematik fr Ingenieure und Naturwissenschaftler : Ubungen. u [14] S. Pforr. Dierential- und Integralrechnung fr Funktionen mit einer Variablen. Steubenstr. 6, Keller, Lehru buchsammlung. [15] V. u. K. Precht. Mathematik fr Nichtmathematiker II. u [16] Rothenburg. Reichsstadt-gymnasium rothenburg o.d.t., arbeitsbltter fr den mathematikunterricht. a u www.rsg.rothenburg.de/schulleben/fs/mathe/cimu/riemann-integral.htm. [17] R. und Vetters. Grundkurs Mathematik fr Bauingenieure. Steubenstr. 6, Keller, Lehrbuchsammlung. u

Das könnte Ihnen auch gefallen