Sie sind auf Seite 1von 336

www.elektrotechnik-cau.

de
Vorlesungsmitschrift
von Torsten Krause
zur Vorlesung Mathematik fr Ingenieure I III
bei Priv.-Doz. Dr. rer. nat. Peter Klopsch
WS 2005/06 WS 2006/07
www.elektrotechnik-cau.de
Vorlesungsmitschrift
von Torsten Krause
zur Vorlesung Mathematik fr Ingenieure I III
bei Priv.-Doz. Dr. rer. nat. Peter Klopsch
WS 2005/06 WS 2006/07.
Vorwort
Mitschrift zur Vorlesung Mathematik fr Ingenieure I (Wintersemester 05/06) von
Torsten Krause
auf Basis der Vorlesung von
Priv.-Doz. Dr. rer. nat. Peter Klopsch.
Das bedeutet, dass dieses Script nicht einhundertprozentig der Vorlesung entspricht. Ich ndere einige
Stellen so um, wie ich es fr sinnvoll halte; soweit ich ein einfacher Student dies beurteilen kann. So
versuche ich z.B. Wiederholungen und Anmerkungen an den entsprechenden Stellen einzuarbeiten.
Fehler und Verbesserungsvorschlge bitte an zoidberg.tk@gmx.de
Fr den Inhalt wird selbstverstndlich keine Haftung bernommen. Zumal sich sowohl beim Mitschrei-
ben in der Vorlesung, als auch beim Abschreiben am heimischen PC kleinere (und grere) Fehler
einschleichen knnten. Aus diesem Grund bitte ich alle, die einen Fehler nden oder auch nur vermuten,
eine kurze Nachricht an die oben genannten eMail-Adresse zu schicken. Ein herzlicher Dank soll an
dieser Stelle an
Jana Bork
gehen, die wie bereits im letzten Semester, stets sehr sorgfltig Korrektur liest. Zwar bin ich immer be-
mht, das Script noch am Tag der entsprechenden Vorlesung in aktualisierter Fassung bereitzustellen,
doch kann selbstverstndlich nicht immer gewhrleistet werden, dass bereits eine grndliche Fehlerkor-
rektur durchgefhrt wurde. Aus diesem Grund empehlt es sich, das Script immer mit ein paar Tagen
Verzgerung zu drucken. Als Anhaltspunkt notiere ich an dieser Stelle immer das Datum der letzten
nderungen.
Grndliche Korrektur bis Abschnitt (I.9.31) und (II.6.6).
Letzte nderung: 25. November 2006.
3
Vorwort
4
Inhaltsverzeichnis
Vorwort 3
I Analysis 15
0 Mengen und Abbildungen 17
0.1 Elementbeziehung (-Relation) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
0.2 Teilmengenbeziehung (Inklusion) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
0.3 Gleichheitsprinzip (Extensionalittsprinzip) . . . . . . . . . . . . . . . . . . . . . . . . . . 18
0.4 Aussonderungsprinzip (Komprehensionsprinzip) . . . . . . . . . . . . . . . . . . . . . . . . 19
0.5 Denition: Leere Menge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
0.6 Denition: Vereinigungsmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
0.7 Denition: Schnittmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
0.8 Denition: Dierenzmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
0.9 Denition: Potenzmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
0.10 Denition: Mchtigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
0.11 Denition: Geordnete Paare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
0.12 Denition: Kartesisches Produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
0.13 Denition: n-Tupel, n-faches kartesisches Produkt . . . . . . . . . . . . . . . . . . . . . . . 22
0.14 Denition: Abbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
0.15 Denition: Begrie im Zusammenhang mit Abbildungen . . . . . . . . . . . . . . . . . . . 24
0.16 Denition: Relation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
0.17 Satz: Russellsche Antinomie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
0.18 Satz von Kuratowski . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1 Eigenschaften der reellen Zahlen 29
1.1 Die Krpereigenschaften von R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.2 Satz: Erste Folgerungen aus den Krpereigenschaften . . . . . . . . . . . . . . . . . . . . . 30
1.3 Denition: Subtraktion und Division . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4 Satz: Weitere Folgerungen aus den Krpereigenschaften . . . . . . . . . . . . . . . . . . . . 31
1.5 Die Anordnungseigenschaften von R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.6 Satz: Folgerungen aus den Anordnungseigenschaften . . . . . . . . . . . . . . . . . . . . . . 33
1.7 Denition: Betrag und Vorzeichen einer reellen Zahl . . . . . . . . . . . . . . . . . . . . . . 35
1.8 Satz: Rechenregeln fr Betrge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.9 Denition: Maximum und Minimum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.10 Denition: Obere Schranke und Untere Schranke . . . . . . . . . . . . . . . . . . . . . . . 39
1.11 Denition: Supremum und Inmum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.12 Die Eigenschaft der Vollstndigkeit von R . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.13 Satz: Existenz von

2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.14 Satz: -Kriterium des Supremums / Inmums . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.15 Satz von Archimedes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.16 Satz: Vollstndigkeit der reellen Zahlen nach unten . . . . . . . . . . . . . . . . . . . . . . 44
1.17 Satz: Wohlordnungsprinzip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.18 Satz: Q und R Q liegen dicht in R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5
Inhaltsverzeichnis
Einschub: Logische Symbole und Beweismethoden 47
2 Vollstndige Induktion, Potenzen, binomische Formel, Wurzeln 49
2.1 Prinzip der vollstndigen Induktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2 Denition: Potenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.3 Satz: Rechenregeln fr Potenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4 Satz: Bernoullische Ungleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.5 Denition: Fakultt, Binomialkoezienten . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Zwischenbemerkung: Summenzeichen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6 Satz: Binomische Formel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.7 Satz: Dritte binomische Formel und geometrische Summenformel . . . . . . . . . . . . . . 54
2.8 Satz, Denition: p-te Wurzel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.9 Satz: Rechenregeln fr Wurzeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.10 Satz: Monotonie der Wurzelfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.11 Bemerkung zur Monotonie der Wurzelfunktion . . . . . . . . . . . . . . . . . . . . . . . . . 57
3 Konvergenz 59
3.1 Denition: Folge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.2 Denition: Grenzwert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3 Denition: Konvergenz / Divergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4 Satz: Eindeutigkeit des Grenzwertes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.5 Denition: Schranken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.6 Satz: Jede konvergente Folge in R ist beschrnkt . . . . . . . . . . . . . . . . . . . . . . . . 62
3.7 Satz: Multiplikation mit Nullfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.8 Satz: Vergleich von Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.9 Satz: Einschnrung von Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.10 Satz: Betragsfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.11 Satz: Grenzwertregeln fr Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.12 Denition: Teilfolge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.13 Satz: Konvergenz von Teilfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.14 Denition: Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.15 Satz: Konvergenz von monotonen, beschrnkten Folgen . . . . . . . . . . . . . . . . . . . . 67
3.16 Satz, Denition: Die Eulersche Zahl e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.17 Satz: Monotone Teilfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.18 Satz von Bolzano-Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Zwischenbemerkung: Geometrisches und arithmetisches Mittel . . . . . . . . . . . . . . . . 70
Zwischenbemerkung: Rekursive Folgendenition . . . . . . . . . . . . . . . . . . . . . . . . 71
3.19 Denition: Cauchy-Folge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.20 Satz: Konvergenzkriterium von Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Zwischenbemerkung: Die erweiterte reelle Achse R . . . . . . . . . . . . . . . . . . . . . . . 76
3.21 Denition: Uneigentlicher Grenzwert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.22 Satz: Wunderformel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.23 Satz: Grenzwertregeln fr uneigentliche Grenzwerte . . . . . . . . . . . . . . . . . . . . . . 77
3.24 Satz: Grenzwert monotoner Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4 Komplexe Zahlen, Folgen und Reihen 79
4.1 Die Krpereigenschaften von C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.2 Denition: Die imaginre Einheit i . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.3 Satz, Denition: Realteil, Imaginrteil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.4 Satz: Rechenregeln fr komplexe Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Zwischenbemerkung: Geometrische Bedeutung von C . . . . . . . . . . . . . . . . . . . . . 83
4.5 Satz: Komplexe Wurzel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.6 Denition: Komplexe Wurzel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.7 Denition: Komplexer Grenzwert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.8 Satz: Rechenregeln fr komplexe Grenzwerte . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6
Inhaltsverzeichnis
Zwischenbemerkung: Anordnung von C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.9 Denition: Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.10 Satz: Konvergenz von Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.11 Satz ber geometrische Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.12 Satz: Monotoniekriterium fr reelle Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.13 Satz: Cauchysches Konvergenzkriterium fr reelle Reihen . . . . . . . . . . . . . . . . . . 91
4.14 Satz: Konvergenzkriterium von Leibniz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.15 Satz: Grenzwertregeln fr Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.16 Denition: Absolute Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.17 Satz: Absolute Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.18 Satz: Dreiecksungleichung fr Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.19 Satz, Denition: Majorantenkriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.20 Satz: Wurzelkriterium von Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.21 Satz: Quotientenkriterium von dAlembert . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.22 Satz: Grenzwertformen fr das Wurzel- und das Quotientenkriterium . . . . . . . . . . . . 98
4.23 Denition: Cauchy-Produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.24 Satz ber das Cauchy-Produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Zwischenbemerkung: Injektiv, Surjektiv und Bijektiv . . . . . . . . . . . . . . . . . . . . . 101
4.25 1. Umordnungssatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.26 2. Umordnungssatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5 Exponentialfunktion, Sinus, Kosinus 103
5.1 Satz, Denition: Komplexe Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . 103
5.2 Satz: Eigenschaften der Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.3 Satz: Reelle Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.4 Denition: Komplexe Potenzen von e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.5 Denition: Sinus, Kosinus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.6 Satz: Eigenschaften von Sinus und Kosinus . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.7 Denition: Sinus Hyperbolicus, Kosinus Hyperbolicus . . . . . . . . . . . . . . . . . . . . . 112
5.8 Satz: Eigenschaften der Hyperbelfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6 Stetigkeit reeller Funktionen 115
6.1 Denition: Intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2 Denition: Berhrungspunkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.3 Denition: Funktionengrenzwert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.4 Satz: Grenzwertregeln fr Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.5 Denition: Uneigentlicher Grenzwert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.6 Satz: /-Kriterium fr Funktionsgrenzwerte . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.7 Denition: Lokale und globale Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.8 Satz: Stetige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.9 Satz: /-Kriterium der Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Zwischenbemerkung: Gleichmige Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.10 Satz: Vorstufe zum Zwischenwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.11 Satz: Zwischenwertsatz von Bolzano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.12 Satz vom Maximum und Minimum (Extremalsatz) . . . . . . . . . . . . . . . . . . . . . . 126
6.13 Satz: Intervalle auf stetigen Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Einschub: Ergnzungen zum Abbildungsbegri 129
Satz, Denition: Umkehrfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Denition: Kompositum von Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Satz: Bijektionskriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
Satz: Lokale Stetgkeit eines Kompositums . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
Satz: Globale Stetgkeit eines Kompositums . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
7
Inhaltsverzeichnis
6 Stetigkeit reeller Funktionen 133
6.14 Denition: Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.15 Bemerkung zu streng monotonen Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.16 Satz: Stetigkeit der Umkehrfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.17 Denition: Natrlicher Logarithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6.18 Satz: Eigenschaften von ln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6.19 Satz: Grenzwerte von ln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.20 Denition: Allgemeine Potenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
6.21 Satz: Rechenregeln fr Potenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
6.22 Satz: Eigenschaften der Potenzfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
Hilfssatz ber sin und cos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.23 Satz, Denition: Die Kreiszahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.24 Satz ber . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.25 Einige Sinus- und Kosinusformeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
6.26 Satz: Zusammenhnge zwischen e und . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.27 Satz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
6.28 Satz: Polardarstellung komplexer Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.29 Satz, Denition: Einheitswurzeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
7 Dierentiation 147
7.1 Denition: Hufungspunkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
7.2 Denition: Dierenzierbarkeit und Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . 147
7.3 Satz: Dierenzierbarkeit von sin, cos und exp . . . . . . . . . . . . . . . . . . . . . . . . . 150
7.4 Satz: Stetigkeit dierenzierbarer Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 150
7.5 Satz: Dierenzierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.6 Satz: Ableitungsregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
7.7 Satz: Kettenregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
7.8 Satz: Ableitung der Umkehrfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
7.9 Satz: Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
7.10 Bemerkung, Denition: arcsin und arccos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
7.11 Satz: Dierenzierbarkeit von arcsin und arccos . . . . . . . . . . . . . . . . . . . . . . . . . 156
7.12 Satz: Dierenzierbarkeit von tan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
7.13 Bemerkung, Denition: arctan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
7.14 Satz: Dierenzierbarkeit von arctan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
7.15 Denition: Lokale und globale Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
7.16 Satz: Notwendiges Kriterium fr lokale Extrema . . . . . . . . . . . . . . . . . . . . . . . . 158
7.17 Satz: Zwischenwertsatz fr Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
7.18 Satz von Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
7.19 Satz: Verallgemeinerter Mittelwertsatz der Dierentialrechnung . . . . . . . . . . . . . . . 159
7.20 Satz: Mittelwertsatz der Dierentialrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . 159
7.21 Satz: Steigung von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
7.22 Satz: Regel von de lHspital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
7.23 Denition: n-te Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
7.24 Satz von Taylor, Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
7.25 Satz: Anwendung des Satzes von Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
7.26 Lemma: Restgliedfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
7.27 Satz: Hinreichendes Kriterium fr lokale Extrema . . . . . . . . . . . . . . . . . . . . . . . 163
7.28 Denition: Taylor-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
7.29 Satz: Grenzwerte von Taylor-Polynom und Restgliedfunktion . . . . . . . . . . . . . . . . 165
7.30 Satz: Logarithmusreihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.31 Satz: Entwickelbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
8
Inhaltsverzeichnis
8 Folgen und Reihen von Funktionen 167
8.1 Denition: Punktweise und gleichmige Konvergenz . . . . . . . . . . . . . . . . . . . . . 167
8.2 Denition: Funktionenreihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.3 Satz: Grenzwertregeln fr Funktionenfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.4 Satz: Stetigkeit der Grenzwertfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
8.5 Satz: Gleichmige Konvergenz dierenzierbarer Funktionenfolgen . . . . . . . . . . . . . . 169
8.6 Satz: Gleichmige Konvergenz dierenzierbarer Funktionenreihen . . . . . . . . . . . . . . 169
8.7 Denition: Hufungswert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.8 Bemerkung: Hufungswerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.9 Satz, Denition: Limes Inferior, Limes Superior . . . . . . . . . . . . . . . . . . . . . . . . 170
8.10 Denition: Potenzreihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.11 Bemerkung: Taylor-Potenzreihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
8.12 Satz von Cauchy-Hadamard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
8.13 Satz: Konvergenzsatz fr Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
8.14 Bemerkung: Konvergenzradius . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
8.15 Denition: Summenfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
8.16 Satz: Dierenzierbarkeitssatz fr Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . 173
8.17 Satz: Identittssatz fr Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
9 Integration 175
9.1 Denition: Zerlegung, Feinheit und Riemannsche Summe . . . . . . . . . . . . . . . . . . 175
9.2 Denition: Riemann-Integrierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
9.3 Satz, Denition: Riemann-Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
9.4 Satz: Integrierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
Zwischenbemerkung: Restriktion von Funktionen . . . . . . . . . . . . . . . . . . . . . . . 177
Zwischenbemerkung ber Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
9.5 Satz: Integration von Teilintervallen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
9.6 Satz: Benachbarte Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
9.7 Satz: Linearitt der Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
9.8 Satz: Produkt und Quotient von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 178
9.9 Satz: Monotonie der Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
9.10 Satz: Dreiecksungleichung der Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
9.11 Satz: Mittelwertsatz der Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
9.12 Satz: Gliedweise Integration von Funktionenfolgen und -Reihen . . . . . . . . . . . . . . . 179
9.13 Denition: Stammfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
9.14 Satz, Denition: Unbestimmtes Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
9.15 Hauptsatz der Dierential- und Integralrechnung (Teil 1) . . . . . . . . . . . . . . . . . . . 180
9.16 Bemerkung: Integrierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
9.17 Hauptsatz der Dierential- und Integralrechnung (Teil 2) . . . . . . . . . . . . . . . . . . . 181
9.18 Bemerkung: Stetige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
9.19 Bemerkung: Einige Grundintegrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
9.20 Satz: Partielle Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
9.21 Satz: Substitutionsregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
9.22 Satz: Integration von Partialbrchen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
9.23 Satz: Kanonische Produktdarstellung reeller Polynome . . . . . . . . . . . . . . . . . . . . 184
9.24 Satz: Partialbruchzerlegung reeller rationaler Funktionen . . . . . . . . . . . . . . . . . . . 185
9.25 Satz: Division reeller Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
9.26 Denition: Uneigentliches Riemann-Integral (Teil 1) . . . . . . . . . . . . . . . . . . . . . 186
9.27 Denition: Uneigentliches Riemann-Integral (Teil 2) . . . . . . . . . . . . . . . . . . . . . 187
9.28 Satz, Denition: Eulersche -Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
9.29 Satz: Eigenschaften der -Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
9.30 Denition: Asymptotische Gleichheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
9.31 Satz von Stirling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
9
Inhaltsverzeichnis
10 Fourier-Reihen 191
10.1 Denition: Trigonometrische Polynome und Reihen . . . . . . . . . . . . . . . . . . . . . . 191
10.2 Satz: Orthogonalittsrelation der trigonometrischen Funktionen . . . . . . . . . . . . . . . 191
10.3 Bemerkung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
10.4 Denition: Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
10.5 Satz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
10.6 Denition: Stckweise Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
10.5 Satz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
10.7 Satz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Abschlussbemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
11 Topologische Grundbegrie im R
n
R
n
R
n
197
11.1 Denition: Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
11.2 Satz: Grenzwertregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
11.3 Satz: Komponentenweise Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
11.4 Denition: Cauchy-Folge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
11.5 Satz: Konvergenzkriterium von Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
11.6 Denition: Berhrungspunkt, Abschluss . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
11.7 Denition: Kugeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
11.8 Denition: Oene Menge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
11.9 Satz: Oene und Abgeschlossene Kugeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
11.10 Denition, Bemerkung: Wrfel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
11.11 Satz: Oene Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
11.12 Satz: Oene Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
11.13 Denition: Beschrnkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
11.14 Satz von Bolzano-Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
11.15 Denition: Kompakt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
11.16 Satz von Heine-Borel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
11.17 Denition: Funktionengrenzwert, Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
11.18 Satz: Stetige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
11.19 Satz: Stetigkeit linearer Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
11.20 Denition: Koordinatenfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
11.21 Satz: Koordinatenkriterium der Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
11.22 Satz: /-Kriterium der Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
11.23 Satz vom Minimum und Maximum (Extremalsatz) . . . . . . . . . . . . . . . . . . . . . . 203
11.24 Denition: Gleichmige Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
11.25 Bemerkung: Gleichmige Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
11.26 Satz: Kompakte Mengen auf stetige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . 204
11.27 Satz: Eigenschaften von oenen und abgeschlossenen Mengen . . . . . . . . . . . . . . . . 204
11.28 Denition: Innere Punkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
11.29 Satz: Eigenschaften des Inneren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
11.30 Satz: Eigenschaften des Abschlusses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
11.31 Denition: Rand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
11.32 Satz: Eigenschaften des Randes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
12 Dierentialrechnung im R
n
R
n
R
n
207
12.1 Denition: Richtungsableitung und partielle Ableitung . . . . . . . . . . . . . . . . . . . . 207
12.2 Denition: Hhere partielle Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
12.3 Denition: k-te partielle Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
12.4 Satz von Euler-Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
12.5 Satz von Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
12.6 Denition: Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
12.7 Denition: Jacobi-Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.8 Denition: Totale Dierenzierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.9 Satz, Denition: Totale Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
10
Inhaltsverzeichnis
12.10 Satz: Dierenzierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
12.11 Satz: Kettenregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
12.12 Satz: Umkehrsatz (Ableitung der Umkehrfunktion) . . . . . . . . . . . . . . . . . . . . . . 211
12.13 Satz: Richtungsableitung und Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
12.14 Satz, Denition: Richtung des strksten Anstiegs . . . . . . . . . . . . . . . . . . . . . . . 211
II Lineare Algebra 213
1 Die Vektorrume R
n
R
n
R
n
215
1.1 Denition: Vektoraddition, Skalarmultiplikation . . . . . . . . . . . . . . . . . . . . . . . . 215
1.2 Satz: Vektorraumaxiome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
1.3 Denition: Gerade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
1.4 Satz: Geraden in R
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
1.5 Denition: Linearkombination und Aufspann . . . . . . . . . . . . . . . . . . . . . . . . . . 218
1.6 Satz: Eigenschaften des Aufspann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
1.7 Satz, Denition: Einheitsvektor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
1.8 Denition: Lineare Abhngigkeit und Lineare Unabhngigkeit . . . . . . . . . . . . . . . . 220
1.9 Satz: Lineare Abhngigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
1.10 Satz: Lineare Unabhngigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
1.11 Denition: Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
1.12 Denition: Elementare Umformungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
1.13 Satz: Rangerhaltung bei elementaren Umformungen . . . . . . . . . . . . . . . . . . . . . . 224
1.14 Satz zur linearen Abhngigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
1.15 Satz: Aufspannerhaltung bei elementaren Umformungen . . . . . . . . . . . . . . . . . . . 225
1.16 Denition: Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
1.17 Denition: quivalenz von Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
1.18 Denition: Spalten- und Zeilenrang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
1.19 Satz, Denition: Rang einer Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
1.20 Satz: Rang quivalenter Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
1.21 Denition: Zeilenstufenmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
1.22 Satz: Existenz von Zeilenstufenmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
1.23 Satz: Rang einer Zeilenstufenmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
Abschlussbemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
2 Allgemeine KKK-Vektorrume 231
2.1 Denition: K-Vektorraum, Funktionenraum . . . . . . . . . . . . . . . . . . . . . . . . . . 231
2.2 Satz: Vektorraumeigenschaft von /BB(M, K) . . . . . . . . . . . . . . . . . . . . . . . . . 231
2.3 Satz: Folgerungen aus den Vektorraumaxiomen . . . . . . . . . . . . . . . . . . . . . . . . 232
2.4 Denition: Teilraum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
2.5 Satz: Teilraumeigenschaft eines Aufspann . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
2.6 Satz: Teilrume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
2.7 Denition: Erzeugendensystem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
2.8 Denition: Basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
2.9 Satz: Basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
2.10 Satz: Basisauswahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
2.11 Satz: Existenz einer Basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
2.12 Satz: Eindeutige Lnge einer Basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
2.13 Denition: Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
2.14 Satz: Basisergnzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
2.15 Bemerkung zu Dimension, Basis, Aufspann und linearer Abhngigkeit . . . . . . . . . . . . 238
2.14 Satz: Basisergnzung (schwache Form) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
2.16 Satz: Gleichheitskriterium fr endlichdimensionale Teilrume . . . . . . . . . . . . . . . . . 239
2.17 Satz: Dimensionsformel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
2.18 Satz: Dimension eines Aufspanns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
11
Inhaltsverzeichnis
2.19 Satz, Denition: Zeilenraum und Spaltenraum . . . . . . . . . . . . . . . . . . . . . . . . . 240
3 Lineare Gleichungssysteme 241
3.1 Denition: Lineares Gleichungssystem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
3.2 Bemerkung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
3.3 Bemerkung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
Zwischenbemerkung: Erweiterte Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
3.4 Hauptsatz der Lineare Gleichungssysteme (Teil 1) . . . . . . . . . . . . . . . . . . . . . . . 243
3.5 Satz: quivalente Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
3.6 Hauptsatz der Lineare Gleichungssysteme (Teil 2) . . . . . . . . . . . . . . . . . . . . . . . 245
3.7 Satz: Eindeutige Lsbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
Abschlussbemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
4 Lineare Abbildungen und Matrizen 249
4.1 Denition: Lineare Abbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
4.2 Satz: Eigenschaften linearer Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
4.3 Satz: Eindeutige lineare Abbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
4.4 Satz, Denition: Kern und Bildbereich linearer Abbildungen . . . . . . . . . . . . . . . . . 250
4.5 Satz: Eigenschaften linearer Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
4.6 Satz: Dimensionsformel fr lineare Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . 252
4.7 Satz: Lineare Abbildungen auf gleichdimensionalen Vektorrumen . . . . . . . . . . . . . . 252
4.8 Denition: Isomorphismus und Automorphismus . . . . . . . . . . . . . . . . . . . . . . . . 252
4.9 Satz: Isomorphismus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
4.10 Satz: Isomorphiekriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
4.11 Hauptsatz ber Endlichdimensionale K-Vektorrume . . . . . . . . . . . . . . . . . . . . . 254
4.12 Denition: Matrixaddition und Skalarmultiplikation . . . . . . . . . . . . . . . . . . . . . . 254
4.13 Satz: Vektorraumeigenschaft von K
mn
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
4.14 Denition: Matrixmultiplikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
4.15 Satz: Rechenregeln fr Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.16 Denition: Transponierte Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.17 Satz: Rechenregeln fr transponierte Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.18 Bemerkung, Denition: Koordinatenvektor und Koordinatenabbildung . . . . . . . . . . . 256
4.19 Bemerkung, Denition: Koordinatenmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
4.20 Satz: Berechnung linearer Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
4.21 Satz: Berechnung linearer Abbildungen (Spezialfall) . . . . . . . . . . . . . . . . . . . . . . 259
4.22 Satz: Eindeutige lineare Abbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
4.23 Satz, Denition: Koordinatenmatrix Zugehrige lineare Abbildung . . . . . . . . . . . . . 260
Zwischenbemerkung: Lsung linearer Gleichungssysteme . . . . . . . . . . . . . . . . . . . 260
4.24 Satz: Vektorraumeigenschaft von /(V, W) . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
4.25 Satz: /(V, W)

= K
mn
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
4.26 Satz: Kompositum linearer Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
4.27 Satz: Rang einer Koordinatenmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
4.28 Satz: Isomorphiekriterium fr lineare Abbildungen . . . . . . . . . . . . . . . . . . . . . . 262
4.29 Denition: Einheitsmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
4.30 Satz, Denition: Inverse Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
4.31 Satz: Automorphiekriterium fr lineare Abbildungen . . . . . . . . . . . . . . . . . . . . . 263
4.32 Satz: Invertierbarkeitskriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
4.33 Satz: Invertierbare Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
4.34 Satz: Multiplikation invertierbarer Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . 264
4.35 Satz: Invertierbare Matrizen und lineare Gleichungssysteme . . . . . . . . . . . . . . . . . 264
4.36 Satz, Denition: Transformationsbasis fr den Basiswechsel . . . . . . . . . . . . . . . . . . 265
4.37 Bemerkung: Transformationsbasis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
4.38 Satz: Inverse Transformationsbasis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
4.39 Hauptsatz der Koordinatentransformation . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
12
Inhaltsverzeichnis
5 Determinanten 267
5.1 Satz, Denition: Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
5.2 Satz: Weitere Eigenschaften der Determinantenform . . . . . . . . . . . . . . . . . . . . . . 268
5.3 Satz: Determinante transponierter Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . 268
5.4 Satz: Determinantenregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
5.5 Denition: Streichungsmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
5.6 Satz: Laplacescher Entwicklungssatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
5.7 Denition, Bemerkung: Dreiecksmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
5.8 Bemerkung: Existenz von Dreiecksmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . 271
5.9 Satz: Determinantenmultiplikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
5.10 Satz: Determinanten und Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
5.11 Satz: Cramersche Regel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
5.12 Satz: Berechnung der inversen Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
5.13 Satz: Kstchensatz Fr Determinanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
6 Skalarprodukte 275
6.1 Denition: Skalarprodukt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
6.2 Satz, Denition: Punktprodukt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
6.3 Satz: Cauchy-Schwarzsche Ungleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
6.4 Satz, Denition: Norm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
6.5 Bemerkung: Euklidische Norm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.6 Denition: Orthogonalitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.7 Bemerkung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
6.8 Satz von Pythagoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
6.9 Satz: Besselsche Ungleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
6.10 Denition: Orthonormalbasis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
6.11 Satz: Parsevalsche Gleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
6.12 Satz: Schmidtsches Orthonormalisierungsverfahren . . . . . . . . . . . . . . . . . . . . . . 279
6.13 Satz: Existenz von Orthonormalbasen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
6.14 Satz: Approximationssatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
6.15 Denition: Konjugierte und Adjugierte Matrix . . . . . . . . . . . . . . . . . . . . . . . . . 281
6.16 Satz: Rechenregeln fr konjugierte und adjugierte Matritzen . . . . . . . . . . . . . . . . . 281
6.17 Denition: Unitre und orthogonale Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . 282
6.18 Satz: Determinante von unitren und orthogonalen Matritzen . . . . . . . . . . . . . . . . 282
6.19 Denition: Spezielle orthogonale Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
6.20 Hauptsatz ber unitre Matritzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
6.21 Satz, Denition: Isometrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
6.22 Satz: Unitrittskriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
6.23 Satz: Isometriekriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
6.24 Satz, Denition: Drehung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
7 Eigenwerttheorie, Quadratische Formen und Hauptachsentransformationen 285
7.1 Satz, Denition: Eigenwerte und Eigenvektoren . . . . . . . . . . . . . . . . . . . . . . . . 285
7.2 Bemerkung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
7.3 Satz, Denition: Eigenwerte und Eigenvektoren . . . . . . . . . . . . . . . . . . . . . . . . 285
7.4 Bemerkung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
7.5 Satz: Eigenwertkriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
7.6 Denition: hnlichkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
7.7 Satz: hnlichkeit von Koordinatenmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . 286
7.8 Satz: Eigenschaften hnlicher Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
7.9 Bemerkung, Denition: Charakteristisches Polynom . . . . . . . . . . . . . . . . . . . . . . 287
7.10 Satz: Spektrum einer Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
7.11 Satz: Eigenwerte reeller Maritzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
7.12 Denition, Bemerkung: Mehrfache Nullstellen . . . . . . . . . . . . . . . . . . . . . . . . . 287
7.13 Denition, Bemerkung: Algebraische und geometrische Vielfachheit . . . . . . . . . . . . . 288
13
Inhaltsverzeichnis
7.14 Denition: Zerfall in Linearfaktoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
7.15 Fundamentalsatz der Algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
7.16 Denition: Diagonalmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
7.17 Satz: Diagonalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
7.18 Denition: Jordan-Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
7.19 Satz: Jordanscher Normalformsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
7.20 Bemerkung: zum Jordanschen Normalformsatz . . . . . . . . . . . . . . . . . . . . . . . . 290
7.21 Denition: Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
7.22 Denition: Quadratische Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
7.23 Denition: Hermitesche und symmetrische Matritzen . . . . . . . . . . . . . . . . . . . . . 292
7.24 Satz, Denition: Hermitesche Matritzen zugehrige Form . . . . . . . . . . . . . . . . . . 292
7.25 Satz: Symetrische Matritzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
7.26 Satz: Symetrische 2 2-Matritzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
7.27 Denition, Bemerkung: Strukturmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
7.28 Satz: Strukturmatrix zugehgige Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
7.29 Hauptsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
7.30 Satz: Spektralsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
Aufgabensammlung 297
Literaturhinweise 321
Index 321
14
Teil I
Analysis
15
0 Mengen und Abbildungen
Die gesamte Mathematik lsst sich auf dem Mengenbegri aufbauen. Menge ist ein undenierter Grund-
begri der Mathematik. Das Universum der Mengen ist so kann man sagen die Welt, in der die
Mathematik lebt.
Unser Standpunkt: Alle Objekte sind Mengen oder Zahlen; aber auch die (natrlichen, ganzen, ratio-
nalen, reellen) Zahlen lassen sich als Mengen denieren.
Begrnder der Mengenlehre: Georg Cantor.
Anschauliche Beschreibung der Mengen nach Cantor: Eine Menge ist eine Zusammenfassung von
verschiedenen Objekten zu einem Ganzen. Die an der Zusammenfassung beteiligten Objekte heien
Elemente.
Beispiel:
Die Zahlen 1, 2, 3 lassen sich zu der Menge 1, 2.3 zusammenfassen.
Die Elemente der Menge 1, 2, 3 sind genau die Objekte 1, 2, 3.
Wichtige Zahlenmengen:
N Menge der natrlichen Zahlen 1, 2, 3, . . .
N
0
Menge der natrlichen Zahlen 0, 1, 2, 3, . . .
Z Menge der ganzen Zahlen 0, 1, 1, 2, 2, . . .
Q Menge der rationalen Zahlen
R Menge der reellen Zahlen
C Menge der komplexen Zahlen
0.1 Elementbeziehung (-Relation)
Ist a ein mathematisches Objekt und M eine Menge, so schreibt man
a M
fr a ist ein Element vonM und
a , M
fr a a ist kein Element von M.
Bemerkung:
Stets gilt entweder a M oder a , M.
Beispiele:
2 Z, 2 , N,
7
9
Q,
7
9
, Z,

2 R,

2 , Q.
17
0 Mengen und Abbildungen
0.2 Teilmengenbeziehung (Inklusion)
Sind A, B Mengen, so heit A eine Teilmenge von B, wenn jedes Element von A auch Element von B
ist. Man schreibt
A B
fr A ist eine Teilmenge von B und
A , B
fr A ist keine Teilmenge von B.
Bemerkungen:
Stets gilt A A.
A , B ist quivalent mit: Es gibt mindestens ein x A mit x , B.
Beispiele:
1, 2, 3 N N
0
Z Q R C,
2, 1 , N.
Ist A eine Teilmenge von B und gibt es ein Element in B, welches kein Element von A ist, so heit A
eine echte Teilmenge von B. Man schreibt
A B
fr A ist eine echte Teilmenge von B und
A , B
fr A ist keine echte Teilmenge von B.
Bemerkungen:
Stets gilt A , A.
Beispiele:
1, 2 1, 2, 3,
2, 1 , N.
0.3 Gleichheitsprinzip (Extensionalittsprinzip)
Sind A, B Mengen, so schreiben wir
A = B
fr A ist gleich B und
A ,= B
fr A ist nicht gleich B.
Es gilt die Aussage A = B genau dann, wenn die beiden Aussagen A B und B A wahr sind. Zwei
Mengen sind stets dann gleich, wenn sie beide die selben Elemente haben.
Dies rechtfertigt die Bezeichnung
a
1
, a
2
, a
3
, . . . , a
n

fr die Menge, deren Elemente genau die Objekte a


1
, a
2
, a
3
, . . . , a
n
sind.
Beispiele:
1, 2, 3 = 2, 3, 1 = 1, 2, 1, 3,
1, 2, 3 , = N.
18
0.4 Aussonderungsprinzip (Komprehensionsprinzip)
0.4 Aussonderungsprinzip (Komprehensionsprinzip)
Ist A eine Menge und E eine Eigenschaft, so gibt es genau eine Menge, deren Elemente genau die x A
sind, welche die Eigenschaft E besitzen. Diese Menge wird mit
x A [ x hat die Eigenschaft E
bezeichent. Sie ist eine Teilmenge von A.
Beispiele:
x N [ x ist Primzahl = 2, 3, 5, 7, . . .,
x N [ x teilt 12 = 1, 2, 3, 4, 6, 12,
x R [ es existieren p Z und q N :
p
q
= x = Q.
0.5 Denition: Leere Menge
Es gibt genau eine Menge, die gar keine Elemente enthlt. Diese Menge heit die leere Menge. Sie
wird mit
:=
bezeichnet.
Beispiele:
x N [ x ,= x = ,
x R [ x
2
= 1 = .
0.6 Denition: Vereinigungsmenge
Es seien A, B Mengen. Dann gibt es die Menge
A B := x [ x A oder x B.
Sie heit die Vereinigungsmenge von A und B.
Beispiele:
1, 2, 3 3, 4 = 1, 2, 3, 4,
N Z = Z,
N 0 = N
0
,
N = N.
Sei M eine Menge von Mengen. Dann gibt es die Menge
_
M :=
_
AM
A := x [ es existert eine Menge A M : x A.
Sie heit die Vereinigungsmenge von M.
Extremflle:

= ,

A = A,

A, B = A B.
19
0 Mengen und Abbildungen
Ist n N und sind A
1
, A
2
, . . . , A
n
Mengen, so setzt man
A
1
A
2
. . . A
n
:=
_
A
1
, A
2
, . . . , A
n
.
0.7 Denition: Schnittmenge
Es seien A, B Mengen. Dann gibt es die Menge
A B := x [ x A und x B.
Sie heit die Schnittmenge oder der Durchschnitt von A und B.
Beispiele:
1, 2, 3 3, 4 = 3,
1, 2, 3 4, 5 = ,
N Z = N,
N = .
Gilt A B = , so heien A, B disjunkt.
Sei M eine nichtleere Menge von Mengen. Dann gibt es die Menge

M :=

AM
A := x [ fr alle A M : x A.
Sie heit die Schnittmenge oder der Durchschnitt von M.
Extremflle:

ist nicht deniert,

A = A,

A, B = A B.
Ist n N und sind A
1
, A
2
, . . . , A
n
Mengen, so setzt man
A
1
A
2
. . . A
n
:=

A
1
, A
2
, . . . , A
n
.
0.8 Denition: Dierenzmenge
Seien A, B beliebige Mengen. Dann gibt es die Menge
A B := x [ x A und x , B.
Sie heit Dierenzmenge von A und B.
Gilt B A, so heit A B das Komplement von B in A.
Die Menge
A B := (A B) (B A) = (A B) (A B)
heit symmetrische Dierenzmenge von A und B.
Beispiele:
1, 2, 3 3, 4 = 1, 2,
Z N = 0, 1, 2, 3, . . .,
N Z = ,
N = N,
N = .
20
0.9 Denition: Potenzmenge
0.9 Denition: Potenzmenge
Es sei A eine Menge. Dann gibt es die Menge
Pot(A) = X [ X A.
Sie heit Potenzmenge von A und ihre Elemente sind genau die Teilmengen von A.
Bemerkung:
Stets gilt , A Pot(A).
Beispiele:
Pot() = ,
Pot(1) = , 1,
Pot(1, 2) = , 1, 2, 1, 2.
0.10 Denition: Mchtigkeit
Eine Menge A heit endlich, wenn es ein n N gibt, so dass A genau n Elemente hat. ist endlich. A
heit unendlich, wenn sie nicht endlich ist.
Ist A eine endliche Menge, so bezeichent man mit
[A[ oder #A
die Anzahl der verschiedenen Elemente die Mchtigkeit von A.
Beispiele:
[[ = 0,
[1, 2, 3[ = 3,
[1, 2, 2[ = 2,
[1, 1 + 1[ = 2,
[x N [ x teilt 12[ = 6.
N, N
0
, Z, Q, R, C sind unendliche Mengen. Ist A eine unendliche Menge, so schreibt man
[A[ = .
0.11 Denition: Geordnete Paare
Fr je zwei Objekte a, b (dabei ist auch a = b zugelassen) ist
(a, b)
ein Objekt
1
. Man nennt es das (geordnete) Paar von a und b.
Fr alle a, b, c, d gilt (a, b) = (c, d) genau dann, wenn a = c und b = d gilt (zwei Paare sind genau dann
gleich, wenn sie komponentenweise gleich sind).
1
Em Ende dieses Kapitels wird gezeigt, dass Paare auch als Mengen deniert werden knnen
21
0 Mengen und Abbildungen
Beispiele:
(1, 1), (1, 2), (N, Z), ((1, 2), (2, 3)) sind geordnete Paare,
(1, 2) ,= (2, 1),
(1, 1) ,= (2, 2),
(1, 3) = (

1,

9).
Warnung:
Das Paar (a, b) darf nicht verwechselt werden mit der Menge a, b.
Zum Beispiel gilt (1, 2) ,= (2, 1) aber 1, 2 = 2, 1.
0.12 Denition: Kartesisches Produkt
Seien A, B Mengen. Dann gibt es die Menge
A B := (a, b) [ a A und b B.
Sie heit das kartesische Produkt
2
von A und B.
Beispiele:
1, 2, 3 2, 5 = (1, 2), (1, 5), (2, 2), (2, 5), (3, 2), (3, 5),
1 2, 4 = (1, 2), (1, 4),
R R = (a, b) [ a, b R.
Veranschaulichung von R R R R R R:
Jeder Punkt der Schreibebene ist genau einem Element aus R R zugeordnet und umgekehrt.
1 2 3 4
1
2
3
x
y
a
b
(a, b)
Der Begri des Paares lsst sich natrlich verallgemeinern...
0.13 Denition: nnn-Tupel, nnn-faches kartesisches Produkt
Sei n N. Ein nnn-Tupel ist ein Objekt der Form
(a
1
, a
2
, . . . , a
n
),
2
nach Ren Descartes
22
0.14 Denition: Abbildung
wobei a
1
, a
2
, . . . , a
n
beliebige Objekte (Mengen, Zahlen, ...) sind.
Fr alle Objekte a
1
, a
2
, . . . , a
n
, b
1
, b
2
, . . . , b
n
gilt (a
1
, a
2
, . . . , a
n
) = (b
1
, b
2
, . . . , b
n
) genau dann, wenn
a
1
= b
1
, a
2
= b
2
, . . . , a
n
= b
n
gilt.
Fr jedes i 1, 2, . . . , n heit a
i
die iii-te Komponente von (a
1
, a
2
, . . . , a
n
).
Zwei n-Tupel sind also genau dann gleich, wenn sie komponentenweise gleich sind.
Seien A
1
, A
2
, . . . , A
n
beliebige Mengen. Dann gibt es die Menge
A
1
A
2
. . . A
n
:= (a
1
, a
2
, . . . , a
n
) [ a
1
A
1
, a
2
A
2
, . . . , a
n
A
n
.
Sie heit das kartesische Produkt von A
1
, A
2
, . . . , A
n
.
Fr jedes i 1, 2, . . . , n heit A
i
der iii-te Faktor von (A
1
A
2
. . . A
n
).
Ist A eine beliebige Menge, so setzt man
A
n
:= A A . . . A
. .
n Mal
.
Bemerkung:
Die (geordneten) Paare sind genau die 2-Tupel.
Beispiele:
(1, 2) N Z,
(1, 2) N 2,
(1,

2, 2) Z R N,
R
n
= R R . . . R
. .
n Mal
:= (a
1
, a
2
, . . . , a
n
) [ a
1
, a
2
, . . . , a
n
R,
n-dimensionaler (euklidischer) Raum
R
3
= R R R = (x, y, z) [ x, y, z R.
0.14 Denition: Abbildung
Der Abbildungsbegri gehrt zu den elementaren Grundbegrien der Mathematik.
Die bliche Denition lautet:
Denition einer Abbildung (1. Fassung):
Seien X, Y Mengen. Eine Abbildung oder von X nach Y ist eine Vorschrift f die jedem Element
x X genau ein Element y Y zuordnet.
Diese Denition lsst sich folgendermaen przisieren:
Denition einer Abbildung (2. Fassung):
Seien X, Y Mengen. Eine Abbildung oder von X nach Y ist eine Teilmenge f von dem kartesischen
Produkt X Y , welche folgende Eigenschaft besitzt: Zu jedem x X gibt es genau ein y Y mit der
Eigenschaft (x, y) f.
Bemerkung:
Nach dieser Denition sind Abbildungen Mengen.
23
0 Mengen und Abbildungen
Bemerkung:
Jede Abbildung wird auch Funktion oder Verknpfung genannt.
0.15 Denition: Begrie im Zusammenhang mit Abbildungen
Seien X, Y Mengen. Fr die Aussage f ist eine Abbildung von X nach Y schreiben wir kurz
f : X Y.
blich sind auch Redeweisen wie die Abbildung f : X Y oder f : X Y ist eine Abbildung
e.t.c.
Ist f : X Y eine Abbildung, so heit fr jedes x X das eindeutig bestimmte Element y Y mit
(x, y) f das Bild von x bei f oder der Funktionswert von f an der Stelle x; man bezeichnet diesen
Wert y mit
f(x).
X heit der Denitionsbereich von f. Man bezeichnet ihn mit
Def(f).
Y heit (ein) Wertebereich von f.
Fr jede Teilmenge A X und jede Teilmenge B Y heit
f(A) := y Y [ es existiert ein x A : f(x) = y
die Bildmenge von A bei f und
f
1
(B) := x X [ f(x) B
die Urbildmenge von B bei f. Die Menge
Bild(f) := f(x) := y Y [ es existiert ein x X : f(x) = y
heit auch der Bildbereich von f. Die Menge
Graph(f) := (x, f(x)) [ x Def (x)
heit der Funktionsgraph oder der Graph von f.
Bemerkung:
Stets gilt Bild(f) Y .
Zur konkreten Angabe einer Abbildung von X nach Y schreibt man
f : X Y, x f(x)
und sagt x geht ber auf f(x). Dabei wird f(x) eektiv angegeben.
Beispiele:
(1) f : R R, x x
2
ist eine Abbildung.
Gem (0.14.2) gilt: f = (x, x
2
) [ x R, zum Beispiel gilt f(2) = 4.
Es gilt Bild(f) = x R [ 0 x.
24
0.15 Denition: Begrie im Zusammenhang mit Abbildungen
1 2 3 1 2 3
1
2
3
4
x
f(x)
x x
f
(2) Fr alle Mengen X, X

mit X

X ist
1
X
: X 0, 1, x
_
1 falls x X

0 falls x , X

eine Abbildung. Sie heit die Indikatorfunktion oder die charakteristische Funktion von X

.
Zum Beispiel gilt 1
R\Z
(2) = 0 und 1
R\Z
(
1
2
) = 1.
Es gilt Bild(1
R\Z
) = 0, 1.
1 2 3 1 2 3
1
2
x
1
R\Z
(x)
1
R\Z
(3) Fr jede Menge X ist
id
X
: X X, x x
eine Abbildung. Sie heit Identitt auf X.
Zum Beispiel gilt id
R
(7) = 7 und id
R
(7) = 7.
Es gilt Bild(id
R
) = R.
1 2 1 2
1
2
1
2
x
id
R
(x)
id
R
25
0 Mengen und Abbildungen
(4) + : R R R, (x, y) x +y ist eine Abbildung.
(die gewhnliche Addition auf R)
(5) : R R R, (x, y) x y ist eine Verknpfung auf R.
(die gewhnliche Subtraktion auf R)
(6) : R R R, (x, y) x y ist eine Abbildung.
(die gewhnliche Multiplikation auf R)
Allgemeiner als der Abbildungsbegri ist der Relationsbegri...
0.16 Denition: Relation
Seien X, Y Mengen. Jede Teilmenge R von X Y heit Relation zwischen X und Y .
Ist R eine Relation zwischen X und Y , so schreibt man fr (x, y) R meist:
xRy.
Beispiel:
<: (x, y) R R [ x ist kleiner als y.
(die gewhnliche Kleiner-Relation auf R)
Fr (x, y) < schreibt man x < y.
Anmerkung:
Abbildungen sind nach (0.14.2) spezielle Relationen.
Zur bung im Umgang mit Mengen folgen zum Schluss zwei ergnzende Bemerkungen.
Bei der Bildung von Mengen muss man vorsichtig sein.
0.17 Satz: Russellsche Antinomie
Es gibt keine Menge M mit der Eigenschaft, dass fr alle Mengen A
A M
gilt. Das heit, zu jeder Menge M gibt es eine Menge A mit
A , M.
Beweis:
Annahme: Es gibt eine Menge M mit der Eigenschaft, dass jede Menge ein Element von M ist. Nach
dem Aussonderungsprinzip gibt es die Russell-Menge
T := X M [ X , X
Fr alle Mengen X M gilt: X T genau dann, wenn X , X. Nach Vorraussetzung ist jede Menge
ein Element von M. Insbesondere gilt also T M.
Das ergibt T T genau dann, wenn T , T.
Es besteht die Mglichkeit, Paare als Mengen zu denieren.
26
0.18 Satz von Kuratowski
0.18 Satz von Kuratowski
Sei X eine Menge. Fr alle a, b X sei
(a, b) := a, a, b.
Es gilt dann das gewnschte Gleichheitsprinzip fr Paare.
Beweis:
Vor: Seien a, b, c, d beliebige Objekte.
Beh: Es gilt (a, b) = (c, d) genau dann, wenn a = c und b = d gilt.
Bew: Wir haben zu zeigen:
(1) Aus a = c und b = d folgt (a, b) = (c, d),
(2) Aus (a, b) = (c, d) folgt a = c und b = d.
(1) Es gilt
(a, b) =
[b=d]
(a, d) =
[a=c]
(c, d).
(2) Es sei (a, b) = (c, d). Zu zeigen:
a = c und b = d.
Es gilt:

(a, b) =

a, a, b = a a, b = a,

(c, d) =

c, c, d = c c, d = c.
Mit

(a, b) =

(c, d) folgt a = c, also a = c.


Ebenso gilt
_
(a, b) =
_
a, a, b = a a, b = a, b,
_
(c, d) =
_
c, c, d = c c, d = c, d.
Mit

(a, b) =

(c, d) folgt a, b = c, d.
Wegen a = c folgt die Mengengleichheit c, d = a, d.
Daraus folgt b a, d und d a, b. Also gilt
b = a und d = a, also b = a = d oder
b = a und d = b oder
b = d und d = a oder
b = d und d = b.
Also gilt in jedem Fall b = d.
27
0 Mengen und Abbildungen
28
1 Eigenschaften der reellen Zahlen
Die Dierential und Integralrechnung beruht auf der Theorie der reellen Zahlen.
Die reellen Zahlen werden in dieser Vorlesung als gegeben vorrausgesetzt. Ebenso die Vertrautheit mit
den vier Grundrechenarten. Um also ein sicheres Fundament zu haben, werden wir in diesem Kapitel sol-
che Eigenschaften der reellen Zahlen zusammenstellen, die das System der reellen Zahlen kennzeichnen.
Es sind diese:
die Krpereigenschaften,
die Anordnungseigenschaften,
die Eigenschaften der Vollstndigkeit.
Die Menge aller reellen Zahlen wird mit R bezeichnet.
Auf R sind zwei Verknpfungen gegeben. Eine Addition
+ : R R R, (x, y) x +y
und eine Multiplikation
: R R R, (x, y) x y.
1.1 Die Krpereigenschaften von RRR
(K1) Fr alle x, y, z R gilt (x +y) +z = x + (y +z).
Fr alle x, y, z R gilt (x y) z = x (y z).
(Assoziativgesetze)
(K2) Fr alle x, y R gilt x +y = y +x.
Fr alle x, y R gilt x y = y x.
(Kommutativgesetze)
(K3) Es gibt in R zwei verschiedene Elemente 0 (Null) und 1 (Eins) mit folgenden Eigenschaften:
(a) Fr alle x R gilt x + 0 = x.
(Existenz eines neutralen Elements der Addition)
(b) Fr alle x R gilt x 1 = x.
(Existenz eines neutralen Elements der Multiplikation)
(c) Fr alle x R gibt es ein y R mit x + y = 0.
(Existenz eines additiv inversen Elements)
(d) Fr alle x R 0 gibt es ein y R mit x y = 1.
(Existenz eines multiplikativ inversen Elements)
(K4) Fr alle x, y, z R gilt x (y + z) = (x y) + (x z).
(Distributivgesetz)
Die Aussagen (K1) bis (K4) heien Krperaxiome.
29
1 Eigenschaften der reellen Zahlen
1.2 Satz: Erste Folgerungen aus den Krpereigenschaften
(1) Es gibt in R nur ein neutrales Element der Addition.
Das heit, 0 ist eindeutig bestimmt.
(2) Es gibt in R nur ein neutrales Element der Multiplikation.
Das heit, 1 ist eindeutig bestimmt.
(3) Jedes x R hat nur ein additiv inverses Element.
Es wird mit x bezeichent.
(4) Jedes x R 0 hat nur ein multiplikativ inverses Element.
Es wird mit x
1
bezeichnet.
Beweise:
(1) Seien 0 und 0

neutrale Elemente der Addition. Dann gilt fr alle x R (a) x + 0 = x und (b)
x + 0

= x.
Zu zeigen: 0 = 0

.
Es gilt
0 =
(b)
0 + 0

=
(K2)
0

+ 0 =
(a)
0

.
(2) Seien 1 und 1

neutrale Elemente der Multiplikation. Dann gilt fr alle x R (c) x 1 = x und


(d) x 1

= x.
Zu zeigen: 1 = 1

.
Es gilt
1 =
(d)
1 1

=
(K2)
1

1 =
(c)
1

.
(3) Sei x R und seien y, y

R additiv inverse Elemente von x. Dann gilt (e) x + y = 0 und (f)


x +y

= 0.
Zu zeigen: y = y

.
Es gilt
y =
(K3a)
y + 0 =
(f)
y + (x +y

) =
(K1)
(y +x) +y

=
(e)
0 +y

=
(K2)
y

+ 0 =
(K3a)
y

.
(4) Sei x R 0 und seien y, y

R multiplikativ inverse Elemente von x. Dann gilt (g) x y = 1


und (h) x y

= 1.
Zu zeigen: y = y

.
Es gilt
y =
(K3b)
y 1 =
(h)
y (x y

) =
(K1)
(y x) y

=
(K2)
(x y) y

=
(g)
1 y

=
(K2)
y

1 =
(K3b)
y

.
1.3 Denition: Subtraktion und Division
Fr alle x, y R sei
x y := x + (y).
Fr alle x, y R mit y ,= 0 sei
x
y
:= x y
1
.
30
1.4 Satz: Weitere Folgerungen aus den Krpereigenschaften
1.4 Satz: Weitere Folgerungen aus den Krpereigenschaften
Zur Abkrzung setzen wir R

:= R 0.
(R

ist also die Menge aller von 0 verschiedenen reellen Zahlen)


(1) Fr alle x R gilt (x) = x.
(2) Fr alle x R

gilt (x
1
)
1
= x.
(3) Fr alle x, y, z R gilt x(y z) = xy xz.
(4) Fr alle x, y R gilt (x)y = (xy) = x(y).
(5) Fr alle x, y R gilt (x)(y) = xy.
(6) Fr alle x, y R gilt (1)x = x.
(7) Fr alle x, y R gilt xy = 0 genau dann, wenn x = 0 oder y = 0 gilt.
(8) Fr alle x R gilt x =
x
1
.
(9) Fr alle x R

gilt x
1
=
1
x
.
(10) Fr alle x R und y, z R

gilt
x
y
=
xz
yz
.
(11) Fr alle x, y R und z R

gilt
x
z
+
y
z
=
x+y
z
.
(12) Fr alle x, x

R und y, z R

gilt
x
y
+
x

z
=
xz+yx

yz
.
(13) Fr alle x, x

R und y, z R

gilt
x
y

x

z
=
xx

yz
.
(14) Fr alle x R und y R

gilt
x
y
=
x
y
=
x
y
.
(15) Fr alle x, y R

gilt
_
x
y
_
1
=
y
x
.
(16) Fr alle a, b R existiert genau ein x R, so dass a +x = b gilt.
(17) Fr alle a R und b R

existiert genau ein x R, so dass a x = b gilt.


Beweise:
(1) Sei x R. Zu zeigen: x ist das zu x gehrige additiv inverse Element, das heit (x) + x = 0.
Dies ist klar, denn
(x) +x = x + (x) = 0.
(3) Seien x, y, z R Dann gilt
x(y z) = x(y z) +xz xz
= x((y z) +z) xz
= x(y + ((z) +z)) xz
= xy xz.
(7) Seien x, y R. Zu zeigen:
(i) x = 0 oder y = 0 folgt xy = 0,
(ii) xy = 0 folgt x = 0 oder y = 0.
31
1 Eigenschaften der reellen Zahlen
(i) Es gilt
(x 0) = x(0 0) = (x 0) (x 0) = 0.
Weiterhin gilt
0 y = y 0 =
(i)
0.
(ii) Sei x y = 0. Zu zeigen: x = 0 oder y = 0.
1. Fall (y = 0):
Dann gilt erst recht x = 0 oder y = 0!
2. Fall (y ,= 0):
Dann gilt
x = x 1 = x(y y
1
) = (xy) y
1
= 0 y
1
= 0.
Also gilt in jedem Fall x = 0 oder y = 0.
(16) Seien a, b R.
Zur Existenz:
Setze x := b a. Dann gilt
a +x = a + (b a) = a + (b + (a)) = (a + (a)) +b = 0 +b = b.
Zur Eindeutigkeit:
Seien x, y R mit a +x = b und a +y = b.
Zu zeigen: x = y. Es gilt
x = x + 0
= 0 +x
= (a + (a)) +x
= ((a) +a) +x
= (a) + (a +x)
= (a) +b
= (a) + (a +y)
= ((a) +a) +y
= (a + (a)) +y
= 0 +y
= y.
Die reellen Zahlen lassen sich grenmig vergleichen.
Auf R ist eine Kleiner-Relation < erklrt. Fr alle x, y R schreibt man
x < y
fr x ist kleiner als y.
x <<< y = x + 2
Fundamentale Regeln fr diese kleiner-Relation:
32
1.5 Die Anordnungseigenschaften von R
1.5 Die Anordnungseigenschaften von RRR
(AO1) Fr alle x, y R gilt genau eine der drei Aussagen
x < y,
x = y,
x > y.
(Trichotomie)
(AO2) Fr alle x, y, z R gilt: Aus x < y und y < z folgt x < z.
(Transitivitt)
(AO3) Fr alle x, y, z R gilt: Aus x < y folgt x +z < y +z.
(Monotonie der Addition)
(AO4) Fr alle x, y, z R gilt: Aus x < y und 0 < z folgt xz < yz.
(Monotonie der Multiplikation)
Die Aussagen (AO1) bis (AO4) heien Anordnungsaxiome.
Einige Schreib- und Redeweisen:
(1) Man schreibt x > y fr y < x und sagt: x ist grer als y.
(2) x heit negativ, wenn x < 0 gilt.
x heit positiv, wenn 0 < x gilt.
(3) x y bedeutet x < y oder x = y.
x y bedeutet x > y oder x = y.
(4) x < y z bedeutet x < y und y z.
(5) Man setzt
R
>0
:= x R [ x > 0,
R
0
:= x R [ x 0.
1.6 Satz: Folgerungen aus den Anordnungseigenschaften
Seien x, y, z, x

, y

R. Dann gilt:
(1) Aus x < 0 folgt x > 0
Aus x > 0 folgt x < 0.
(2) Aus x < y und x

< y

folgt x +x

< y +y

.
(3) Aus 0 < x und 0 < x

folgt 0 < x +x

Aus 0 < x und 0 < x

folgt 0 < x x

.
(4) Es gilt x < y genau dann, wenn x y < 0.
Es gilt x < y genau dann, wenn y x > 0.
(5) Aus x < y und z < 0 folgt xz > yz.
Aus 0 < y und z < 0 folgt 0 > yz.
(6) Aus x ,= 0 folgt x x > 0; insbesondere folgt 1 > 0.
33
1 Eigenschaften der reellen Zahlen
(7) Aus x < 0 folgt x
1
< 0.
Aus x > 0 folgt x
1
> 0.
(8) Aus 0 < x < y folgt 0 < y
1
< x
1
.
Beweise:
(1) (i) Sei x < 0. Dann gilt
0 = x + (x) <
(A03)
0(x) = x.
(ii) Sei x > 0. Dann gilt
x = 0 + (x) <
(AO3)
x + (x) = 0.
(2) Seien x < y und x

< y

Dann gilt nach AO3


x +x

< y +x

und x

+y < y

+y.
Dann folgt nach AO2
x +x

< y +y

.
(3) (i) Setze x = 0 = x

. Dann folgt mit (2) die Behauptung.


(ii) Sei 0 < x und 0 < x

. Dann gilt nach AO4


0 = 0 x

< x x

.
(4) (i) Sei x < y. Dann gilt nach AO3
x y = x + (y) < y + (y) = 0.
Sei x y < 0. Dann gilt nach AO3
x = (x y) +y < 0 +y = y.
(ii) Gilt entsprechend (i).
(5) (i) Sei x < y und z < 0. Dann gilt nach (4)
0 < y x und 0 < 0 z.
Nach (3) erhlt man
0 < (y x)(0 z) = y(z) + (x)(z) = xz yz,
also nach (4)
yz < xz.
(ii) Setze x = 0. Dann folgt mit (i) die Behauptung.
(6) Sei x ,= 0. Dann gilt nach AO1: 0 < x oder x < 0.
1.Fall (0 < x):
Dann gilt
0 = 0 x <
(AO4)
x x.
2.Fall (x < 0):
Dann gilt nach (1)
x > 0, also 0 = 0 (x) < (x)(x) = x x.
34
1.7 Denition: Betrag und Vorzeichen einer reellen Zahl
(7) (i) Sei x < 0. Nach (6) gilt
x
1
x
1
> 0.
Das ergibt
x
1
= x x
1
x
1
<
(AO4)
0 x
1
x
1
= 0.
(ii) Sei x > 0, das heit 0 < x. Nach (6) gilt
x
1
x
1
> 0.
Das ergibt
0 = 0 x
1
x
1
< x x
1
x
1
= x
1
.
(8) Sei 0 < x < y. Dann gilt nach AO2
0 < y.
Wir erhalten nach (7)
0 < x
1
und 0 < y
1
,
also nach (3)
0 < x
1
y
1
.
Das ergibt
y
1
= x x
1
y
1
< y x
1
y
1
= y y
1
x
1
= x
1
.
1.7 Denition: Betrag und Vorzeichen einer reellen Zahl
Die Abbildung
[ [ : R R
0
, x [x[ :=
_

_
x fr x > 0
0 fr x = 0
x fr x < 0
heit die Betragsfunktion. Fr alle x R heit [x[ der Betrag von x.
1 2 3 1 2 3
1
2
3
x
[x[
y = [x[
Die Abbildung
sign : R 1, 0, 1, x sign(x) :=
_

_
1 fr x > 0
0 fr x = 0
1 fr x < 0
heit die Signumfunktion oder die Vorzeichenfunktion. Fr alle x R heit sign(x) das Vorzei-
chen von x.
35
1 Eigenschaften der reellen Zahlen
1 2 3 1 2 3
1
2
1
2
x
sign(x)
y = sign(x)
Bemerkung:
Fr alle x R gilt x = sign(x) [x[.
1.8 Satz: Rechenregeln fr Betrge
Fr alle x, y R gilt
(1) [x[ 0,
(2) [x[ = [ x[ x, x,
(3) [x y[ = [x[ [y[,
(4) [x[ = 0 gilt genau dann, wenn x = 0 gilt,
(5) Ist y ,= 0, so gilt

x
y

=
|x|
|y|
,
(6) [x +y[ [x[ +[y[,
(Dreiecksungleichung)
(7) [x[ [y[ [x y[,
[y[ [x[ [y x[ = [x y[,
(Dreiecksungleichung nach unten)
(7

) [[x[ [y[[ [x y[.


Beweise:
(3) 1.Fall (x 0 und y 0):
Dann gilt nach (1.6)
x y 0
und folglich
[x[ = x, [y[ = y und [x y[ = x y.
Das ergibt
[x y[ = x y = [x[ [y[.
36
1.8 Satz: Rechenregeln fr Betrge
2.Fall (x 0 und y < 0):
Dann gilt nach (1.6)
x y 0.
Also gilt
[x[ = x, [y[ = y und [x y[ = (x y).
Das ergibt
[x y[ = (x) y = x (y) = [x[ [y[.
3.Fall (x < 0 und y 0):
Entsprechend 2. Fall.
4.Fall (x < 0 und y < 0):
Dann gilt nach (1.6)
x > 0 und y > 0.
Also auch
xy = (x)(y) > 0,
also gilt
[x[ = x, [y[ = y und [x y[ = x y.
Das ergibt
[x y[ = x y = (x) (y) = [x[ [y[.
(5) Es sei y ,= 0. Dann ist [y[ , = 0 und es gilt nach (3)

x
y

x
y

[y[
[y[
=

x
y
y

[y[
=
[x[
[y[
.
(6) 1.Fall (x +y 0):
Dann gilt nach (2) x = [x[ und y [y[ und folglich
[x +y[ = x +y [x[ +[y[.
2.Fall (x +y 0):
Dann gilt nach (2) x [x[ und y [y[ und folglich
[x +y[ = (x +y) = (x) + (y) [x[ +[y[.
(7) Wegen [[x[ [y[[ [x[ [y[, [y[ [x[ gengt es zu zeigen:
(i) [x[ [y[ [x y[,
(ii) [y[ [x[ [x y[.
(i) Es gilt
[x[ = [(x y) +y[
(6)
[x y[ +[y[,
also auch
[x[ [y[ [x y[.
(ii) Es gilt nach (i)
[y[ [x[
(i)
[y x[
(2)
[x y[.
37
1 Eigenschaften der reellen Zahlen
1.9 Denition: Maximum und Minimum
Sei M R. Sei m M.
m heit ein Maximum (oder ein grtes Element) von M, wenn gilt:
(1) m M.
(2) Fr alle x M gilt x m.
Die Bezeichnung fr das Maximum von M falls es existiert ist
max M.
m heit ein Minimum (oder ein kleinstes Element) von M, wenn gilt:
(1) m M.
(2) Fr alle x M gilt x m.
Die Bezeichnung fr das Minimum von M falls es existiert ist
min M.
M hat hchstens ein Maximum und hchstens ein Minimum.
Beweis:
Seien m
1
, m
2
Maxima von M. Dann gilt
m
1
m
2
und
m
2
m
1
.
Wegen m
1
, m
2
M folgt
m
1
= m
2
.
Beispiele:
(1) hat kein Maximum und kein Minimum.
(2) Z hat kein Maximum und kein Minimum.
(3) max1, 2, 3 = 3, min1, 2, 3 = 1.
(4) N hat kein Maximum, aber min N = 1.
(5) M
1
:= x R [ x < 1 hat kein Maximum
1
.
Beweis (4):
Zu zeigen ist: Zu jedem c M
1
existiert ein d M
1
: c < d.
Sei c M
1
. Dann gilt c < 1 und folglich
2c = c +c <
(K3)
1 +c <
(K3)
1 + 1 = 2.
Daraus folgt
c <
1 +c
2
< 1.
Setze d :=
1+c
2
. Oensichtlich gilt d M
1
und c < d.
1
Student: Kann man nicht sagen, 1 ist das Maximum?
Klopsch: Kann ich schon sagen, aber das wre falsch!
38
1.10 Denition: Obere Schranke und Untere Schranke
1.10 Denition: Obere Schranke und Untere Schranke
Sei M R. Sei s R.
s heit eine obere Schranke von M, wenn fr alle x M gilt:
x s.
M heit nach oben beschrnkt, wenn M wenigstens eine obere Schranke besitzt.
s heit eine untere Schranke von M, wenn fr alle x M gilt:
x s.
M heit nach unten beschrnkt, wenn M wenigstens eine untere Schranke besitzt.
M heit beschrnkt, wenn M nach unten und nach oben beschrnkt ist.
t x M s
MMM
Bemerkungen:
(1) Besitzt M ein Maximum, so ist max M eine obere Schranke von M.
Besitzt M ein Minimum, so ist min M eine untere Schranke von M.
(2) Ist s R eine obere Schranke von M und gilt s M, so gilt s = max M.
Ist s R eine untere Schranke von M und gilt s M, so gilt s = min M.
(3) Ist s R eine obere Schranke von M und ist t R mit s t, so ist auch t eine obere Schranke
von M.
Ist s R eine untere Schranke von M und ist t R mit s t, so ist auch t eine untere Schranke
von M.
(4) Jede endliche Teilmenge von R ist beschrnkt.
Insbesondere ist beschrnkt (1000 < x < 1 mit x ).
Beispiele:
M
1
:= x R [ x < 1 hat 1 als obere Schranke.
M
2
:= x R [ x
2
< 2 hat 2 als obere Schranke.
Beweise:
(1) Klar!
(2) Sei x M
2
. Zu zeigen: x 2.
1.Fall (x 1):
Wegen 1 < 2 gilt dann x < 2, also x 2.
2.Fall (1 < x):
Wegen 0 < 1 gilt dann 0 < x und folglich
x = 1 x < x x = x
2
< 2,
also x < 2.
39
1 Eigenschaften der reellen Zahlen
1.11 Denition: Supremum und Inmum
Sei M R. Wir denieren
OS(M) := s R [ s ist obere Schranke von M
US(M) := s R [ s ist untere Schranke von M
Falls OS(M) ein Minimum besitzt, heit dies das Supremum (oder die kleinste obere Schranke)
von M. Man bezeichnet es mit
sup M.
Also gilt sup M = min OS(M), falls es existiert.
Falls US(M) ein Maximum besitzt, heit dies das Inmum (oder die grte untere Schranke) von
M. Man bezeichnet es mit
inf M.
Also gilt inf M = max US(M), falls es existiert.
Bemerkungen:
Sei M R. Dann gilt:
(1) Hat M ein Maximum, so hat M auch ein Supremum und es gilt
supM = max M.
(2) Hat M ein Minimum, so hat M auch ein Inmum und es gilt
inf M = min M.
Beispiele:
Sei M
1
:= x R [ x < 1. M
1
hat wie wir bereits bewiesen haben kein Maximum. M
1
hat aber
ein Supremum. Es gilt sup M
1
= 1.
Bemerkungen:
Sei M R. Sei s R. Dann gilt
(1) s = sup M genau dann, wenn
OS(s) = OS(M),
(2) s = inf M genau dann, wenn
US(s) = US(M).
Jetzt formulieren wir die letzte fundamentale Eigenschaft von R:
1.12 Die Eigenschaft der Vollstndigkeit von RRR
Jede nichtleere, nach oben beschrnkte Teilmenge von R besitzt ein Supremum.
Bemerkung:
Dies besagt, dass fr jede Teilmenge M R mit OS(M) ,= ein Minimum von OS(M) existiert.
Damit ist die axiomatische Kennzeichnung von R abgeschlossen
Als erste Anwendung der Vollstndigkeit von R beweisen wir die Existenz von

2.
40
1.13 Satz: Existenz von

2
1.13 Satz: Existenz von

2

2
Es gibt ein x
0
R mit x
0
> 0 und x
2
0
= 2.
Beweis:
Men betrachte
M :=
_
x R [ x
2
< 2
_
Wir wissen bereits: 2 ist eine obere Schranke von M, also ist M nach oben beschrnkt. Wegen 1 M
ist M ,= . Wegen (1.12) besitzt M ein Supremum. Man setze
x
0
:= sup M.
Wegen 1 M gilt 1 x
0
also 0 < x
0
.
Also behaupten wir
x
2
0
= 2.
Annahme (x
0
,= 2. Dann gilt: x
2
0
< 2 oder x
2
0
> 2):
1. Fall (x
2
0
< 2):
Wegen
0 <
[x
2
0
<2]
2 x
2
0
<
[0<x0]
2 2x
0
< 2x
0
+ 1
gilt
2x
0
+ 1 ,= 0
und
0 <
2 x
2
0
2x
0
+ 1
< 1.
Man Setze h :=
2x
2
0
2x0+1
. Wir haben dann
0 < h < 1
und
0 < h
2
< h.
Das ergibt
(x
0
+h)
2
= x
2
0
+ 2x
0
h +h
2
< x
2
0
+ 2x
0
h +h
= x
2
0
+ (2x
0
+ 1)h
= x
2
0
+ (2 x
2
0
)
= 2.
Also (x
0
+h)
2
< 2, also x
0
+h M. Da x
0
OS(M) ist, gilt x
0
+h x
0
.
Also gilt h 0.
2. Fall (x
2
0
> 2):
Wegen x
0
> 0 ist x
0
,= 0.
Man betrachte h :=
x
2
0
2
2x0
.
Wir zeigen der Reihe nach:
(1) 0 < h < x
0
.
(2) (x
0
h)
2
> 2.
41
1 Eigenschaften der reellen Zahlen
(3) Fr alle x M : x < x
0
+h.
(1) Oensichtlich ist 0 < h. Ferner gilt
x
0
h =
x
2
0
+ 2
2x
0
> 0.
(2) Es gilt
(x
0
h)
2
= x
2
0
2x
0
h +h
2
> x
2
0
2x
0
h
=
[x
2
0
=2x0
x
2
0
2
2x
0
]
2.
(3) Annahme (Es gibt ein x M mit x x
0
h (> 0)):
Dann ist x > 0 und
x
2
(x
0
h)x (x
0
h)(x
0
h) = (x
0
h)
2
.
Wegen x M gilt x
2
< 2. Das ergibt
(x
0
h)
2
x
2
< 2. zu (2)
Aus (3) folgt nun x
0
h ist eine obere Schranke von M.
Wegen x
0
= sup M OS(M) gilt daher x
0
x
0
h also
h 1. zu (1)
Ergnzung:
(1) x
0
ist eindeutig bestimmt und wird mit

2 bezeichnet.
(2) Es gilt

2 , Q.
Beweise:
(1) Seien x
0
, y
0
R mit x
0
, y
0
> 0 und x
2
0
= 2, y
2
0
= 2.
Dann gilt
x
0
+y
0
< 0,
also
x
0
+y
0
,= 0
und
x
0
y
0
=
x
2
0
y
2
0
x
0
+y
0
=
2 2
x
0
+y
0
= 0,
also
x
0
= y
0
.
(2) Annahme (

2 Q):
Dann existieren a, b N. Nicht beide grade, mit

2 =
a
b
.
Es gilt dann
2b
2
= a
2
.
42
1.14 Satz: -Kriterium des Supremums / Inmums
Daraus folgt a ist grade. Also existiert c N mit a = 2c. Wir erhalten
2b
2
= 4c
2
,
also
b
2
= 2c
2
.
Daraus folgt: b ist grade.
Also gilt a, b beide grade.
1.14 Satz: -Kriterium des Supremums / Inmums
(1) Sei ,= M R und s R. s sei ober Schranke von M.
Dann gilt: s = sup M genau dann, wenn zu jedem R
0
ein x M existiert mit
s < x.
(2) Sei ,= M R und s R. s sei untere Schranke von M.
Dann gilt: s = inf M genau dann, wenn zu jedem R
>0
ein x M existiert mit
s + > x.
Als zweite Anwendung der Vollstndigkeit von R beweisen wir den. . . .
1.15 Satz von Archimedes
(1) N ist nicht nach oben beschrnkt.
Das heit, zu jedem x R existiert ein n N mit x < n.
(Satz von Archimedes)
(2) Zu jedem x R
>0
existiert ein n N mit
1
n
< x.
(Satz von Eudoxos)
Bemerkung:
Aussage (1) besagt OS(N) = .
Hilfssatz:
Beh: OS(N) hat kein Minimum.
Bew: Es gengt folgendes zu zeigen: Fr alle s R gilt
Aus s OS(N) folgt s 1 OS(N).
Sei s R. Es gelte s OS(N), das heit fr alle n N gilt n s.
Zu zeigen: s 1 OS(N), das heit fr alle n N gilt n s 1.
Sei n N.
Wegen n + 1 N mit s OS(N) gilt n + 1 s.
Daraus folgt
n s 1.
43
1 Eigenschaften der reellen Zahlen
Beweis:
(1) Annahmme (N ist nach oben beschrnkt, das heit OS(N) ,= ):
Wegen N ,= hat N nach (1.12) ein Supremum. Es gilt
sup N = min OS(N). zu Hilfssatz
(2) Sei x R
>0
.
Nach (1) existiert ein n N mit
1
x
< n.
Oensichtlich gilt
x
n
> 0.
Wir erhalten
1
n
=
1
x

x
n
< n
x
n
= x,
also
1
n
< x.
1.16 Satz: Vollstndigkeit der reellen Zahlen nach unten
Jede nichtleere, nach unten beschrnkte Teilmenge von R besitzt ein Inmum.
Bemerkung:
Dies besagt, dass fr jede Teilmenge M R mit US(M) ,= ein Maximum von US(M) existiert.
Anschaulich klar ist der folgende Satz:
1.17 Satz: Wohlordnungsprinzip
Jede nichtleere, nach unten beschrnkte Teilmenge von Z besitzt ein Minimum.
1.18 Satz: QQQ und R Q R Q R Q liegen dicht in RRR
Seien a, b R mit a < b. Dann gilt:
(1) Es gibt ein r Q mit a < r < b.
(2) Es gibt ein x R Q mit a < x < b.
Beweise:
(1) Es gilt: b a > 0. Nach (1.15.2) existiert ein n N :
1
n
< b a.
Man betrachte
M := k Z [ n a < k.
M ist nach unten beschrnkt. Nach (1.15.1) ist M nichtleer. Nach (1.17) besitzt M daher ein
Minimum. Sei k
0
:= min M.
44
1.18 Satz: Q und R Q liegen dicht in R
Es gilt dann n a < k
0
und es gilt k
0
1 n a. Daraus folgt
a <
k
0
n
=
k
0
1
n
+
1
n
a +
1
n
< a + (b a) = b.
Man setze r :=
k0
n
. Oensichtlich gilt r Q und es gilt a < r < b.
(2) Wegen a < b gilt auch

2a <

2b. Nach (1) existiert ein r Q mit

2a < r <

2b.
Daraus folgt
a <
r

2
< b.
Wegen

2 , Q gilt auch
r

2
, Q.
Anmerkung:
Wre q :=
r

2
Q, so wrde gelten:

2 =
r
q
Q
Bemerkung:
Die Elemente der Menge R Q heien irrationale Zahlen.
45
1 Eigenschaften der reellen Zahlen
46
Einschub: Logische Symbole und
Beweismethoden
Eine Aussage A in unserem Sinne ist ein sprachlich sinnvolles Gebilde, dem sich in eindeutiger Weise
ein Wahrheitswert zuordnen lsst.
Beispiele:
2 < 3 ist eine wahre Aussage.
2 > 3 ist eine falsche Aussage.
Alles was ich Ihnen erzhle ist falsch! ist keine Aussage in unserem Sinne.
Eine Aussageform A() ist ein sinnvolles sprachliches Gebilde, das dadurch zu einer Aussage wird,
dass man in die Leerstelle einen Gegenstand einsetzt.
Beispiel:
< 3 ist eine Aussageform. Sie ist fr 2 wahr, nicht aber fr 4.
Zur Abkrzung benutzen wir von jetzt an in unserem mathematischen Text die folgenden logischen
Symbole:
Symbol Name Bedeutung
Negation nicht
Konjunktion und
Disjunktion oder (nicht ausschlieend)
Implikation folgt
quivalenz genau dann, wenn
All-Quantor fr alle
Existenz-Quantor es existiert
! Existenz-Quantor es existiert genau ein
Sind A und B zwei mathematische Aussagen, so kann man folgenden neue Aussagen bilden:
(1) A (nicht A).
(2) A B (A und B).
(3) A B (A oder B).
(4) A B (aus A folgt B).
(5) A B (A genau dann, wenn B; aus A folgt B und aus B folgt A).
Mathematische Stze haben meistens folgende Gestalt:
Satz: Sei . . . <Liste der Vorraussetzungen> . . . .
Dann gilt: A B.
Es gibt folgende Beweismethoden fr einen solchen Satz:
47
Einschub: Logische Symbole und Beweismethoden
(1) Direkter Beweis:
Mit Hilfe der Vorraussetzungen und A wird auf die Gltigkeit von B geschlossen.
(2) Indirekter Beweis (Widerspruchsbeweis):
Mit Hilfe der Vorraussetzungen und A und B wird duch logisches schlieen ein Wiederspruch
erreicht.
(3) Beweis durch Kontraposition:
Mit Hilfe der Vorraussetzungen und B wird auf die Gltigkeit von A geschlossen.
48
2 Vollstndige Induktion, Potenzen,
binomische Formel, Wurzeln
Man betrachte Aussagen folgender Art
Fr alle n N gilt: A(n).
Dabei ist A(n) eine Aussageform fr natrliche Zahlen n N.
Ein Beweisverfahren fr solche Aussagen liefert das . . .
2.1 Prinzip der vollstndigen Induktion
Es sei A(n) eine Aussageform fr natrliche Zahlen n N. Es gelte
(1) A(1) und
(2) n N : A(n) A(n + 1).
Dann gilt A(n) fr alle n N. Beweise die (2.1) verwenden heien Induktionsbeweise. Ein Indukti-
onsbeweis luft nach folgendem Schema ab:
Schema:
Behauptung: n N : A(n)
Beweis urch Induktion nach n:
Induktionsanfang:
<Beweis von A(1)>
Induktionsschritt:
Sei n N. Es gelte A(n). (Induktionsvorraussetzung)
<Beweis von A(n+1) mit Hilfe der Induktionsvorraussetzung>
1. Beispiel:
Behauptung: n N : 1 + 2 + 3 +. . . +n =
n(n+1)
2
.
Beweis durch Induktion nach n:
Ia: Zu zeigen: 1 =
1(1+1)
2
.
Klar!
Is: Sei n N. Es gelte 1 + 2 + 3 +. . . +n =
n(n+1)
2
.
Zu zeigen: 1 + 2 + 3 +. . . +n + (n + 1) =
(n+1)((n+1)+1)
2
.
Es gilt
49
2 Vollstndige Induktion, Potenzen, binomische Formel, Wurzeln
1 + 2 + 3 +. . . +n + (n + 1) =
[Iv]
n(n + 1)
2
+ (n + 1)
=
n(n + 1) + 2(n + 1)
2
=
(n + 1)(n + 2)
2
=
(n + 1)(n + 1 + 1)
2
=
(n + 1)((n + 1) + 1))
2
.
2. Beispiel:
Behauptung: n N : 1 + 3 + 5 +. . . + (2n 1) = n
2
.
Beweis durch Induktion nach n:
Ia: Zu zeigen: 1 = 1
2
.
Klar!
Is: Sei n N. Es gelte 1 + 3 + 5 +. . . + (2n 1) = n
2
.
Zu zeigen: 1 + 3 + 5 +. . . + (2n 1) + (2(n + 1) 1) = (n + 1)
2
.
Es gilt
1 + 3 + 5 +. . . + (2n 1) + (2(n + 1) 1) = n
2
+ (2(n + 1) 1)
= n
2
+ 2n + 1
= (n + 1)
2
.
2.2 Denition: Potenzen
Sei a R und n N. Dann deniert man
(1) a
n
:= a a . . . a
. .
n Faktoren
,
(2) a
0
:= 1,
(3) a
n
:= (a
1
)
n
, falls a ,= 0.
Damit sind alle a
m
fr a R 0 und m Z deniert. Auerdem 0
n
fr alle n N
0
.
Bemerkung:
Insbesondere gilt 0
0
= 1.
2.3 Satz: Rechenregeln fr Potenzen
Seien a, b R 0 und n, m Z. Dann gilt
50
2.4 Satz: Bernoullische Ungleichung
(1) (a b)
m
= a
m
b
m
,
_
a
b
_
m
=
a
m
b
m
,
(2) (a
m
)
n
= a
mn
,
(3) a
m
a
n
= a
m+n
.
2.4 Satz: Bernoullische Ungleichung
Sei x R mit 1 x. Fr alle n N gilt
1 +nx (1 +x)
n
.
Beweis per Induktion nach n:
Ia: Zu zeigen: 1 +x (1 +x)
1
.
Klar!
Is: Sei n N. Es gelte 1 +nx (1 +x)
n
.
Zu zeigen: 1 + (n + 1)x (1 + x)
n+1
.
Wegen nx
2
0 gilt ()
1 + (n + 1)x 1 + (n + 1)x +nx
2
= (1 +nx)(1 +x).
Wegen 0 (1 +x) erhlt man aus der Induktionsvorraussetzung ()
(1 +nx)(1 +x) (1 +x)
n
(1 +x) = (1 +x)
n+1
.
Aus () und () ergibt sich
1 + (n + 1)x (1 +nx)(1 +x) (1 +x)
n+1
.
2.5 Denition: Fakultt, Binomialkoezienten
(1) 0! := 1,
(2) n N : n! := 1 2 3 . . . n,
(nnn-Fakultt)
(3) n, k N
0
: k n :
_
n
k
_
:=
n!
(n k)! k!
.
(Binomialkoezienten)
Bemerkung:
Fr alle n, k N
0
: k n gilt
(1)
_
n
0
_
= 1 =
_
n
n
_
,
(2)
_
n
k
_
=
_
n
nk
_
,
51
2 Vollstndige Induktion, Potenzen, binomische Formel, Wurzeln
(3)
_
n
k 1
_
+
_
n
k
_
=
_
n + 1
k
_
, falls k 1,
(Rekursionsformel)
(4)
_
n
k
_
N,
(5)
_
n
k
_
=
n (n 1) (n 2) . . . (n k + 1)
1 2 . . . k
.
Anschauliche Darstellung der Rekursionsformel (Pascalsches Dreieck):
_
0
0
_
_
1
0
_ _
1
1
_
_
2
0
_ _
2
1
_ _
2
2
_
_
3
0
_ _
3
1
_ _
3
2
_ _
3
3
_
_
4
0
_ _
4
1
_ _
4
2
_ _
4
3
_ _
4
4
_
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
Bemerkung: Kombinatorische Bedeutung der Binomialkoezienten:
Seien n, k N
0
mit k n. Dann gilt: Jede n-elementige Menge besitzt genau
_
n
k
_
verschiedene k-
elementige Teilmenegn, also

T Pot(1, 2, . . . , n)

[T[ = k

=
_
n
k
_
.
Beispiele:
(1) Die Menge 1, 2, 3:
1, 2, 3
_
3
1
_
=
3
1
= 3
1, 2, 1, 3, 2, 3
_
3
2
_
=
32
12
= 3
(2) Lotto:
Es gibt
_
49
6
_
=
49 48 47 46 45 44
1 2 3 4 5 6
= 13 983 816
Mglichkeiten 6 verschiedene Zahlan aus 49 Zahlen auszuwhlen.
52
Zwischenbemerkung: Summenzeichen
Zwischenbemerkung: Summen- und Produktzeichen
Sei n N und seien a
1
, a
2
, a
3
, . . . , a
n
, b
1
, b
2
, b
3
, . . . , b
n
, c R. Dann setzt man
n

i=1
a
i
:= a
1
+a
2
+a
3
+. . . +a
n
,
n

i=1
a
i
:= a
1
a
2
a
3
. . . a
n
.
Beispiele:
n

i=1
i = 1 + 2 + 3 +. . . +n.
n

i=1
i
2
= 1
2
+ 2
2
+ 3
2
+. . . +n
2
.
n

i=1
(a
i
+b
i
) =
n

i=1
(a
i
) +
n

i=1
(b
i
).
n

i=1
(c a
i
) = c
n

i=1
(a
i
).
n

i=1
i = 1 2 3 . . . n.
n

i=1
i
2
= 1
2
2
2
3
2
. . . n
2
.
n

i=1
(a
i
b
i
) =
n

i=1
(a
i
)
n

i=1
(b
i
).
n

i=1
(c a
i
) = c
n

i=1
(a
i
).
2.6 Satz: Binomische Formel
Seien a, b R. Fr alle n N gilt
(a +b)
n
=
n

k=0
_
n
k
_
a
nk
b
k
.
Beweis per Induktion ber n:
Ia: Zu zeigen:
(a +b)
1
=
_
1
0
_
a
10
b
0
+
_
1
1
_
a
11
b
1
= 1 a 1 + 1 1 b = a +b.
Is: Sei n N. Es gelte (a +b)
n
=
n

k=0
_
n
k
_
a
nk
b
k
.
Zu zeigen: (a +b)
n+1
=
n+1

k=0
_
n+1
k
_
a
n+1k
b
k
.
53
2 Vollstndige Induktion, Potenzen, binomische Formel, Wurzeln
Es gilt
(a +b)
n+1
= (a +b)(a +b)
n
=
[Iv]
(a +b)
n

k=0
_
n
k
_
a
nk
b
k
= a
n

k=0
_
n
k
_
a
nk
b
k
+b
n

k=0
_
n
k
_
a
nk
b
k
=
n

k=0
_
n
k
_
a
n+1k
b
k
+
n

k=0
_
n
k
_
a
nk
b
k+1
=
n

k=0
_
n
k
_
a
n+1k
b
k
+
n+1

k=0
_
n
k 1
_
a
nk+1
b
k
= a
n+1
+
_
n

k=1
_
n
k
_
a
n+1k
b
k
+
n

k=0
_
n
k 1
_
a
nk+1
b
k
_
+b
n+1
= a
n+1
+
_
n

k=1
_
n + 1
k
_
a
n+1k
b
k
_
+b
n+1
=
n+1

k=0
_
n + 1
k
_
a
n+1k
b
k
.
Folgerung:
Fr alle n N gilt 2
n
= (1 + 1)
n
=
n

k=0
_
n
k
_
=
_
n
0
_
+
_
n
1
_
+. . . +
_
n
n
_
.
2.7 Satz: Dritte binomische Formel und geometrische
Summenformel
Seien a, b R. Sei n N. Dann gilt
(1) a
n
b
n
= (a b)
n

k=1
a
nk
b
k1
,
((dritte) Binomische Formel)
(2) 1
n
b
n
= (1 b)(b
0
+b
1
+b
2
+. . . +b
n1
),
(2

) (b
0
+b
1
+b
2
+. . . +b
n1
) =
1b
n
1b
, falls b ,= 1.
(geometrische Summenformel)
Beweis (1):
Es gilt
(a b)
n

k=1
a
nk
b
k1
=
n

k=1
a
nk+1
b
k1

k=1
a
nk
b
k
=
n1

k=0
a
nk
b
k

k=1
a
nk
b
k
= a
n0
b
0
a
nn
b
n
= a
n
b
n
.
54
2.8 Satz, Denition: p-te Wurzel
Bemerkung:
Im Falle n = 2 liefert (2.7.1) die bekannte Gleichung
a
2
b
2
= (a b)(a +b).
2.8 Satz, Denition: ppp-te Wurzel
Sei p N. Sei a R
0
. Dann gilt
!s R
0
: s
p
= a.
Die Zahl s heit ppp-te Wurzel aus a und wird mit
p

a
bezeichnet. Fr
2

a schreibt man zur Abkrzung auch



a.
Beweis:
zur Eindeutigkeit:
Seien s
1
, s
2
R
0
mit s
p
1
= a und s
p
2
= a. Zu zeigen: s
1
= s
2
.
1. Fall (s
1
= 0 s
2
= 0):
Klar!
2. Fall (s
1
,= 0 s
2
,= 0):
Dann gilt
A := s
p1
1
s
0
2
+ s
p2
1
s
1
2
+. . . +s
0
1
s
p1
,=
(>)
0.
Und es gilt nach (2.7.1)
s
1
s
2
=
s
p
1
s
p
2
A
=
a a
A
= 0,
also gilt
s
1
= s
2
.
zur Existenz:
hnlich wie bei (1.15) mit der Vollstndigkeit von R.
Bemerkung:
Fr alle p N haben wir also die Wurzelfunktion
p

: R
0
R
0
: x
p

x.
Fr alle p N gilt
p

0 = 0 und
p

1 = 1.
1 2 3 4 5
1
2
3
x

x
y =
p

x
55
2 Vollstndige Induktion, Potenzen, binomische Formel, Wurzeln
Fr p = 1 hat man
1

x = x fr alle x R
0
. Also gilt
1

= id
R
0
.
2.9 Satz: Rechenregeln fr Wurzeln
Seien p, q N und a, b R
0
. Dann gilt
(1)
p

ab =
p

a
p

b,
(2)
p

a
q
= (
p

a)
q
,
(3)
p
_
a
b
=
p

a
p

b
, falls b ,= 0.
Beweise:
Im Falle a = 0 oder b = 0 ist alles klar.
Es seien nun a, b R
>0
.
(1) Man setze s :=
p

a
p

b. Oensichtlich gilt s > 0. Zu zeigen: s


p
= ab. Es gilt
s
p
=
_
p

a
p

b
_
p
=
_
p

a
_
p
_
p

b
_
p
= a b.
(2) Es gilt
p

a
q
=
p

a a a . . . a =
[1]
p

a
p

a
p

a . . .
p

a =
_
p

a
_
q
.
(3) Klar wegen (1).
2.10 Satz: Monotonie der Wurzelfunktion
Sei p N. Seien a, b R
0
. Dann gilt
(1) a b
p

a
p

b,
(2) a < b
p

a <
p

b.
Vorbemerkung:
Behauptung:
(1) x, y R
0
: x < y x
p
< y
p
,
(2) x, y R
0
: x y x
p
y
p
.
Seien x, y R
0
mit x < y.
1. Fall (x = 0):
Klar, wegen (1.6.3)!
2. Fall (x ,= 0):
Dann gilt: x, y R
>0
.
56
2.11 Bemerkung zur Monotonie der Wurzelfunktion
Mit Hilfe von (AO 4) und (1.6.3) erhalten wir
x
p
<
[x<y]
x
p1
y
1
<
[x<y]
x
p2
y
2
< . . . < y
p
.
Beweis:
Oensichtlich ist (1) quivivalent zu (2). Also gengt es (2) zu beweisen.
Sei a < b. Zu zeigen:
p

a <
p

b.
Annahme (
p

b
p

a):
Dann gilt nach Vorbemerkung
b =
_
p

b
_
p

_
p

a
_
p
= a,
also b a.
Sei
p

a <
p

b.
Nach Vorbemerkung gilt dann
a =
_
p

a
_
p
<
_
p

b
_
p
= b.
Also a < b.
2.11 Bemerkung zur Monotonie der Wurzelfunktion
Sei a R
0
. Sei p N. Dann gilt
(1) Ist a < 1, so ist auch
p

a < 1,
(2) ist a > 1, so ist auch
p

a > 1.
Beweis:
Klar!
57
2 Vollstndige Induktion, Potenzen, binomische Formel, Wurzeln
58
3 Konvergenz
3.1 Denition: Folge
Sei X eine beliebige Menge. Jede Abbildung
a : N X
heit eine Folge in X.
Schreibweisen:
Ist a eine Folge in X, so setzt man
n N : a
n
:= a(n).
Man bezeichnet die Folge a dann auch mit
(a
n
)
nN
oder (a
n
) oder (a
1
, a
2
, a
3
, . . . , a
n
).
Wir betrachten in diesem Kapitel nur Folgen in R, also reelle Zahlenfolgen.
Beispiele fr reelle Folgen:
(1) Sei c R und sei a
n
= c fr alle n N.
Man hat dann die sogenannte konstante Folge
(c, c, c, . . . , c).
(2) Sei a
n
=
1
n
fr alle n N.
Dies ergibt die harmonische Folge
_
1,
1
2
,
1
3
, . . . ,
1
n
_
.
(3) Sei a
n
= (1)
n
fr alle n N. Man hat dann die Folge
(1, 1, 1, 1, 1, 1, . . .).
3.2 Denition: Grenzwert
Sei R und (a
n
)
nN
eine Folge in R. heit ein Grenzwert oder Limes von (a
n
)
nN
, wenn es zu
jedem R
>0
ein n
0
N gibt, derart, dass fr alle n N mit n
0
n gilt:
[a
n
[ < .
Wir sagen dann auch (a
n
)
nN
konvergiert gegen und schreiben dafr
(a
n
)
nN
.
59
3 Konvergenz
In Kurzschreibweise, lsst sich die obige Denition auch so formulieren:
(a
n
)
nN
R
>0
n
0
N n N
n0
: [a
n
[ < .
Eine andere Beschreibung fr konvergente Folgen ist
(a
n
)
nN
R
>0
n
0
N : a
n0
, a
n0+1
, . . . , x R [ < x < +.
Gilt = 0, so heit (a
n
)
nN
eine Nullfolge.
Beispiele:
(1) Sei c R und a
n
:= c fr alle n N, also (a
n
)
nN
= (c, c, c, . . .).
Beh: (a
n
)
nN
c.
Bew: Sei R
>0
. Man setze n
0
:= 1. Dann gilt fr alle n N
n0
= N
[a
n
c[ = [c c[ = 0 < .
(2)Beh:
_
1
n
_
nN
0.
Bew: Sei R
>0
. Nach (1.15) existiert ein n
0
N :
1
n
< .
Fr alle n N
n0
gilt dann

1
n
0

=
1
n

1
n
0
< .
(3) Sei c R
1
. Sei a
n
:=
n

c fr alle n N, also (a
n
)
nN
= (c,

c,
3

c,
4

c, . . .).
Beh: (a
n
)
nN
1.
Bew: 1. Fall (c = 1):
Dann gilt a
n
= 1 fr alle n N.
Also gilt nach Beispiel (1)
(a
n
)
nN
1.
2. Fall (c > 1):
Sei R
>0
. Dann ist auch

c1
positiv. Nach (1.15) existiert ein n
0
N mit
1
n
0
<

c 1
.
Zu zeigen:
n N
n0
: [
n

c 1[ < .
Sei n N
n0
. Dann gilt ()
c 1
n

c 1
n
0
< .
Wegen ()
1 0
(2.11)
n
c 1
erhlt man (

)
1 +n(
n

c 1)
(2.4)$)
(1 +
n

c 1)
n
= c.
Es folgt
1
[
n

c 1[ =
(c>1)
n

c 1
(

)
c 1
n
<
()
.
1
Student: Wie kommen wir darauf, wenn wir sowas rechnen sollen?
Klopsch: Nachdenken
60
3.3 Denition: Konvergenz / Divergenz
(4)Beh:
_
n
n+2
_
nN
1.
Bew: Nach (1.15) existiert ein n
0
N mit
1
n
0
<

2
.
Dann gilt fr alle n N
n0

n
n + 2
1

2
n + 2

=
2
n + 2
<
2
n

2
n
0
< .
3.3 Denition: Konvergenz / Divergenz
Sei (a
n
)
nN
eine Folge in R.
(a
n
)
nN
heit konvergent, wenn (a
n
)
nN
wenigstens ein Grenzwert hat.
(a
n
)
nN
heit divergent, wenn (a
n
)
nN
nicht konvergent ist.
3.4 Satz: Eindeutigkeit des Grenzwertes
Sei (a
n
)
nN
eine Folge in R und , R mit (a
n
) und (a
n
) . Dann gilt
= .
Beweis:
Annahme ( ,= ):
Man betrachte :=
1
2
[ [ R
>0
.
Wegen (a
n
) und (a
n
) existieren n
1
, n
2
N mit
n N
n1
: [a
n
[ < und n N
n2
: [a
n
[ < .
Setze m := maxn
1
, n
2
. Dann gilt
[a
m
[ < und [a
m
[ < .
Das ergibt
[ [ = [( a
m
) + (a
m
)[
Ungl.
[a
m
[ +[a
m
[ < + = 2,
also gilt
[ [ < 2.
Damit folgt
1
2
[ [ < .
Dieser Satz lehrt:
Ist (a
n
)
nN
eine konvergente Folge in R, so besitzt (a
n
) genau einen Grenzwert.
bliche Bezeichnungen fr den Grenzwert sind
lim(a
n
)
nN
oder lim
n
a
n
.
61
3 Konvergenz
3.5 Denition: Schranken
Sei (a
n
)
N
eine Folge in R.
(a
n
) heit nach oben beschrnkt, wenn die Menge (der Komponenten von (a
n
))
a
n
[ n N
nach oben beschrnkt ist.
(a
n
) heit nach unten beschrnkt, wenn die Menge (der Komponenten von (a
n
))
a
n
[ n N
nach unten beschrnkt ist.
(a
n
) heit beschrnkt, wenn (a
n
) nach oben und nach unten beschrnkt ist.
Bemerkung:
(a
n
) beschrnkt c R n N : [a
n
[ c.
3.6 Satz: Jede konvergente Folge in RRR ist beschrnkt
Beweis:
Sei (a
n
) eine konvergent Folge in R und := lim(a
n
).
Dann existiert ein n
0
N
2
mit
n N
n0
[a
n
[ < 1.
Es gilt dann fr alle n N
n0
[a
n
[ = [ +a
n
[
Ungl.
[[ +[a
n
[ < [[ + 1.
Man setze
c := [a
1
[ +[a
2
[ +. . . +[a
n01
[ +[[ + 1.
Oensichtlich gilt fr alle n N
[a
n
[ c.
3.7 Satz: Multiplikation mit Nullfolgen
Es seien (a
n
)
nN
und (b
n
)
nN
Folgen in R. Es gelte (a
n
)
nN
0 und (b
n
)
nN
beschrnkt. Dann gilt
(a
n
b
n
)
nN
0.
Beweis:
Man whle zunchst ein c R
0
mit
n N : [b
n
[ c.
Zu zeigen:
R
>0
n
0
N n N
n0
: [a
n
b
n
0[ < .
62
3.8 Satz: Vergleich von Folgen
Sei R
>0
. Dann ist auch

c+1
R
>0
. Wegen (a
n
) 0 existiert ein n
0
N mit
n N
n0
: [a
n
[ = [a
n
0[

c + 1
.
Wir behaupten nun
n N
n0
: [a
n
b
n
0[ < .
Sei n N
n0
. Dann gilt
[a
n
b
n
[ = [a
n
[[b
n
[ <

c + 1
[b
n
[

c + 1
c < .
3.8 Satz: Vergleich von Folgen
Es seien n
0
N und (a
n
)
nN
, (b
n
)
nN
konvergente Folgen in R mit a
n
b
n
fr alle n N
n0
. Dann
gilt
lim(a
n
) lim(b
n
).
Beweis (durch Widerspruch):
Sei := lim(a
n
) und := lim(b
n
).
Annahme ( < ):
Betrachte :=

2
> 0.
Es existieren n
0
, n
1
, n
2
N mit
n N
n1
: [a
n
[ < ,
n N
n2
: [b
n
[ < ,
n N
n0
: a
n
b
n
.
Fr k := maxn
0
, n
1
, n
2
gilt dann
a
k
[ a
k
[ = [a
k
[ < ,
b
k
[ b
k
[ = [b
k
[ < ,
a
k
b
k
.
Das ergibt
b
k
< + = < a
k
,
also
b
k
< a
k
.
Folgerung:
Seien c, d R mit c d, n
0
N. Sei (a
n
)
nN
eine konvergente Folge in R mit c n d fr alle
n N
n0
. Dann gilt
c lim(a
n
)
nN
d.
Beweis:
Man betrachte die zu c und d gehrigen, konstanten Folgen (c)
nN
und (d)
nN
und wende (3.8) an.
63
3 Konvergenz
3.9 Satz: Einschnrung von Folgen
Es seien n
0
N, (a
n
)
nN
, (b
n
)
nN
und (c
n
)
nN
reelle Folgen in R mit a
n
b
n
c
n
fr alle n N
n0
.
Sei ferner R mit (a
n
)
nN
und (c
n
)
nN
. Dann gilt
(b
n
)
nN
.
Beweis:
Sei R
>0
. Zu zeigen:
n
0
Nn N
n0
: [b
n
[ < .
Es gibt n
1
, n
2
, n
3
N mit
n N
n1
: [a
n
[ < ,
n N
n2
: [c
n
[ < ,
n N
n3
: a
n
b
n
c
n
.
Setze n
0
:= maxn
1
, n
2
, n
3
.
Wir behaupten nun:
n N
n0
: [b
n
[ < .
Es gilt dann
a
n
[ a
n
[ < ,
c
n
[c
n
[ <
nd folglich gilt auch
< a
n
b
n
c
n
< +,
also
< b
n
< +,
also
[b
n
[ < .
3.10 Satz: Betragsfolgen
Es sei (a
n
)
nN
eine konvergente Folge in R. Dann ist auch
_
[a
n
[
_
nN
konvergent und es gilt
lim
_
[a
n
[
_
nN
=

lim(a
n
)
nN

.
Beweis:
Setze := lim(a
n
)
nN
. Zu zeigen:
_
[a
n
[
_
[[.
Also zu zeigen:
R
>0
n
0
Nn N
n0
:

[a
n
[ [[

< .
Sei N
>0
. Es existiert n
0
N mit
n N
n0
: [a
n
[ < .
Fr alle n N
n0
gilt dann nach (1.8.7)

[a
n
[ [[

[a
n
[ < .
64
3.11 Satz: Grenzwertregeln fr Folgen
3.11 Satz: Grenzwertregeln fr Folgen
Es seien (a
n
)
nN
und (b
n
)
nN
konvergente Folgen in R. Sei := lim(a
n
)
nN
und := lim(b
n
)
nN
. Sei
c R. Dann gilt
(1) (a
n
+b
n
)
nN
+,
(2) (a
n
b
n
)
nN
,
(3) (c a
n
)
nN
c .
Ist ,= 0, so existiert ein p N
0
mit b
p+n
,= 0 fr alle n N. Es gilt dann
(4)
_
a
p+n
b
p+n
_
nN

.
Beweis (2):
Sei R
>0
. Betrachte

:= min
_
1,

1 +[[ +[[
_
.
Es gibt n
1
, n
2
N mit
n N
n1
: [a
n
[ <

,
n N
n2
: [b
n
[ <

.
Setze n
0
:= maxn
1
, n
2
. Dann gilt fr alle n N
n0
[a
n
b
n
[ = [(a
n
)(b
n
) + (a
n
) +(b
n
)[

-Ungl.
[a
n
[[b
n
[ +[[[a
n
[ +[[[b
n
[
<

+[[

+[[

1]

(1 + [[ +[[)
.
Beispiele:
(1)Vor: Sei q R mit [q[ < 1.
Beh: (q
n
)
nN
0.
Bew: 1. Fall (q = 0):
Klar!
2. Fall (q ,= 0):
Dann gilt: 0 < [q[ < 1. Man setze
x :=
1
[q[
1 =
1 [q[
[q[
.
Es gilt oensichtlich x > 0 und [q[ =
1
1+x
.
Zu zeigen:
R
>0
n
0
Nn N
n0
: [q
n
0[ < .
Sei R
>0
. Nach (1.15) existiert ein n
0
N mit
1
x
< n
0
,
65
3 Konvergenz
also
1

< n
0
x
1

< 1 +n
0
x ()
1
1 +n
0
x
< .
Sei nun n N
n0
. Dann gilt nach (2.4) ()
1 +nx (1 +x)
n
.
Das ergibt:
[q
n
0[ = [q
n
[ = [q[
n
=
1
(1 +x)
n

()
1
1 +nx

1
1 +n
0
x
<
()
.
(2)Vor: Sei
a
n
:=
_
1
1
n
5
_
2
_
n
2
+ 1
_
_
n
2
+
1
4
n
_
fr alle n N.
Beh: (a
n
)
nN
1.
Bew: Mit Hilfe der Grenzwertregeln (3.11) und Bsp. (1) erhlt man
(a
n
)
nN
=
_
_
_
_
1
_
1
n
_
5
_
2

_
1 +
_
1
n
_
2
_
1 +
_
1
4
_
n

_
1
n
_
2
_
_
_

(3.11)
_
1 0
5
_
2
_
1 + 0
2
_
1 + 0
..
q
n
0
2
= 1.
(3)Beh: (
n

n)
nN
1.
Bew: Sei R
>0
. Setze n
0
N mit
1 +
2

2
< n
0
.
Behauptung:
n N
n0
: [
n

n 1[ .
Sei n N
n0
. Dann ist n > 2 und nach (2.11)
n

n 1. Es gilt dann
n = (1 + (
n

n 1))
n
=
n

k=0
_
n
k
_
(
n

n 1)
k

_
n
2
_
(
n

n 1)
2
=
n(n 1)
1 2
(
n

n 1)
2
,
also
(
n

n 1)
2

2
n 1

2
n
0
1
<
2
,
also nach (2.10)
[
n

n 1[ <

2
= .
(4)Vor: Sei q R mit 1 < [q[.
66
3.12 Denition: Teilfolge
Beh: (q
n
)
nN
ist divergent.
Bew: Annahme ((q
n
)
nN
ist konvergent):
Nach (3.6) ist dann (q
n
)
nN
beschrnkt. Wegen

1
q

< 1 gilt nach Beispiel (1)


__
1
q
_
n
_
nN

0. Nach (3.7) gilt dann


(1)
nN
=
__
1
q
_
n
q
n
_
nN
0.
3.12 Denition: Teilfolge
Sei X eine Menge und sei (a
n
)
nN
eine Folge in X. Ist dann (k
n
)
nN
eine Folge in N mit k
n
< k
n+1
fr
alle n N, so heit
(a
kn
)
nN
eine Teilfolge von (a
n
)
nN
.
Beispiele:
k
n
:= 2n (a
kn
)
nN
= (a
2n
)
nN
= (a
2
, a
4
, a
6
, a
8
, . . .),
k
n
:= n + 7 (a
kn
)
nN
= (a
n+7
)
nN
= (a
8
, a
9
, a
10
, a
11
, . . .),
k
n
:= 3
n
(a
kn
)
nN
= (a
3
n)
nN
= (a
3
, a
9
, a
27
, . . .).
3.13 Satz: Konvergenz von Teilfolgen
Es seien (a
n
)
nN
eine konvergente Folge in R und := lim(a
n
)
nN
. Dann gilt:
Auch jede Teilfolge von (a
n
)
nN
konvergiert gegen .
3.14 Denition: Monotonie
Es sei (a
n
)
nN
eine Folge in R.
(a
n
)
nN
heit konstant : n N : a
n
= a
n+1
,
(a
n
)
nN
heit monoton steigend : n N : a
n
a
n+1
,
(a
n
)
nN
heit streng monoton steigend : n N : a
n
< a
n+1
,
(a
n
)
nN
heit monoton fallend : n N : a
n
a
n+1
,
(a
n
)
nN
heit streng monoton fallend : n N : a
n
> a
n+1
,
(a
n
)
nN
heit monoton : (a
n
)
nN
monoton steigend
oder monoton fallend,
(a
n
)
nN
heit streng monoton : (a
n
)
nN
streng monoton steigend
oder streng monoton fallend.
3.15 Satz: Konvergenz von monotonen, beschrnkten Folgen
Es sei (a
n
)
nN
eine Folge in R. Dann gilt:
(a
n
)
nN
ist monoton und beschrnkt (a
n
)
nN
ist konvergent.
67
3 Konvergenz
Beweis:
1. Fall ((a
n
)
nN
ist monoton steigend und beschrnkt):
Man setze
s := supa
n
[ n N.
Wir behaupten also
(a
n
)
nN
s.
Also zu zeigen
R
>0
n
0
Nn N
n0
: [a
n
s[ < .
Sei R
>0
. Nach (1.14) existiert ein n
0
N mt
s < a
n0
.
Fr alle n N
n0
gilt dann
s < a
n0
a
n
s < s +,
also
s < a
n
< s +,
also gilt
[a
n
s[ < .
2. Fall ((a
n
)
nN
ist monoton fallend und beschrnkt):
<Analog>
3.16 Satz, Denition: Die Eulersche Zahl eee
Fr alle n N sei a
n
:=
_
1 +
1
n
_
n
und b
n
:=
_
1 +
1
n
_
n+1
. Man betrachte die Folgen (a
n
)
nN
und
(b
n
)
nN
. Es gilt dann
(1) (a
n
)
nN
ist monoton steigend,
(2) (b
n
)
nN
ist monoton fallend,
(3) (a
n
)
nN
und (b
n
)
nN
konvergieren und es gilt
lim(a
n
)
nN
= lim(b
n
)
nN
.
Man deniert e := lim
__
1 +
1
n
_
n
_
nN
.
(Eulersche Zahl)
Bemerkung:
e = 2, 718281828459045 . . .
Beweise:
(1) Sei n N. Zu zeigen:
a
n
a
n+1
.
Setze x :=
1
(n+1)
2
. Es gilt 1 x. Nach (2.4) gilt
1 + (n + 1)x (1 +x)
n+1
.
Das ergibt
a
n
=
[nachrechnen]
(1 + (n + 1)x) b
n
(1 +x)
n+1
b
n
=
[nachrechnen]
a
n+1
.
68
3.17 Satz: Monotone Teilfolgen
(2) Sei n N. Zu zeigen:
b
n
b
n+1
.
Setze x :=
1
(n+1)
2
. Es gilt 0 < x <
1
n
2
+2n
. Nach (2.4) gilt
1 + (n + 1)x (1 +x)
n+1
<
_
1 +
1
x
2
+ 2n
_
n+1
=
[nahrechnen]
b
n
a
n+1
.
Das ergibt
b
n
=
b
n
a
n+1
a
n+1
> (1 + (n + 1)x)a
n+1
=
[nachrechnen]
b
n+1
.
(3) Fr alle n N gilt
2 = a
1
a
n
b
n
b
1
= 4.
Folglich sind (a
n
)
nN
und (b
n
)
nN
beschrnkt. Beide Folgen sind monoton. Nach (3.15) konver-
gieren also beide Folgen.
Oensichtlich gilt
_
1 +
1
n
_
nN
1.
Das ergibt mit (3.11.2)
lim(b
n
)
nN
= lim
_
a
n

_
1 +
1
n
__
nN
= lim(a
n
)
nN

_
1 +
1
n
_
nN
= lim(a
n
)
nN
1
= lim(a
n
)
nN
.
Ergnzung::
Fr alle n N gilt
2
_
1 +
1
n
_
n
e
_
1 +
1
n
_
n+1
4.
Zum Beispiel fr n = 5
2, 488
_
1 +
1
5
_
5
e
_
1 +
1
5
_
6
2, 985.
3.17 Satz: Monotone Teilfolgen
Jede Folge in R hat eine monotone Teilfolge.
Beweis:
Sei (a
n
)
nN
eine Folge in R. Man betrachte die Menge
M := k N [ a
k
a
k+1
, a
k+2
, a
k+3
, . . ..
1. Fall (M ist unendlich):
Sei etwa M = k
1
, k
2
, k
3
, k
4
, . . . mit k
1
< k
2
< k
3
< k
4
< . . ., dann gilt
a
k1
a
k2
a
k3
a
k4
. . . .
Also ist (a
kn
)
nN
eine monoton fallende Teilfolge von (a
n
)
nN
.
69
3 Konvergenz
2. Fall (M ist endlich):
Man whle ein k
1
N mit
k M : k < k
1
.
Wegen k
1
, M lsst sich ein k
2
N nden mit k
1
< k
2
und a
k1
< a
k2
.
Wegen k
2
, M lsst sich ein k
3
N nden mit k
2
< k
3
und a
k2
< a
k3
.
Wegen k
3
, M lsst sich ein k
4
N nden mit...
Wegen k
4
, M lsst sich...
So fortfahrend erhlt man die Teilfolge (a
kn
)
nN
= (a
k1
, a
k2
, a
k3
, a
k4
, . . .).
Sie ist monoton steigend.
3.18 Satz von Bolzano-Weierstrass
Jede beschrnkte Folge in R besitzt eine konvergente Teilfolge.
Beweis:
Sei (a
n
)
nN
eine beschrnkte Teilfolge in R.
Nach (3.17) hat (a
n
)
nN
eine monotone Teilfolge.
Diese ist natrlich auch beschrnkt. Sie konvergiert nach (3.15).
Zwischenbemerkung: Ungleichung zwischen geometrischem und
arithmetischem Mittel
Sei n N. Seien a
1
, a
2
, a
3
, . . . , a
n
R
0
. Dann heit
n

a
1
a
2
a
3
. . . a
n
das geometrische Mittel
von a
1
, a
2
, a
3
, . . . , a
n
und
a
1
+ a
2
+a
3
+. . . +a
n
n
das arithmetische Mittel von a
1
, a
2
, a
3
, . . . , a
n
. Es
gilt
n

a
1
a
2
a
3
. . . a
n

a
1
+a
2
+a
3
+. . . +a
n
n
.
Beweis fr n = 2:
Es gilt

a
1
a
2
=
[nachrechnen]
a
1
+a
2
2

(

a
1

a
2
)
2
2

a
1
+a
2
2
.
Anschaulich:
a
1
+a
2
2

a
1
a
2
0
a
1
a1+a2
2
a
1
+a
2
70
Zwischenbemerkung: Rekursive Folgendenition
Der Radius des Halbkreises entspricht
a1+a2
2
. Mit dem Satz des Tales und dem Hhensatz ergibt sich
die Hhe des rechtwinkligen Dreieck als

a
1
a
2
.
Es ist leicht einzusehen, dass die Ungleichung

a
1
a
2

a1+a2
2
gilt.
Zwischenbemerkung: Rekursive Folgendenition
Sei X eine Menge. Sei k N.
Eine Folge (a
n
)
nN
= (a
1
, a
2
, a
3
, . . .) in X lsst sich auch folgendermaen denieren:
(1) Die ersten k Folgenglieder a
1
, a
2
, a
3
, . . . , a
k
werden explizit angegeben.
(2) Fr alle n N mit k n wird das Folgenglied a
n+1
mit Hilfe der bereits denierten Folgenglieder
a
1
, a
2
, a
3
, . . . , , a
n
angegeben.
Beispiel:
(1) Die Fibonacci-Folge (b(n))
nN
, also die Folge der Fibonacci-Zahlen. Dabei sei b(n) die
n-te Fibonacci-Zahl fr alle n N mit
b(n) :=
_

_
0 fr n = 0,
1 fr n = 1,
b(n 1) + b(n 2) fr n 2.
Also (b(n))
nN
= (1, 1, 2, 3, 5, 8, 13, 21, 34, 55, . . .).
(2) Die reelle Zahlenfolge (a
n
)
nN
werde rekursiv deniert durch
a
n
:=
_
1 fr n = 1,

1 +a
n1
fr n 2.
Also (a
n
)
nN
= (1,

2,
_
1 +

2,
_
1 +
_
1 +

2, . . .).
Beh: (a
n
)
nN

1+

5
2
.
Bew: Wir zeigen zunchst
(i) n N : a
n
a
n+1
,
(ii) n N : a
n
2.
(i) (Induktion nach n)
Ia: Zu zeigen: 1

2.
Klar!
Is: Sei n N mit a
n
a
n+1
. Dann gilt
a
n+1
=

1 + a
n

_
1 +a
n+1
= a
n+2
.
(ii) (Induktion nach n)
Ia: Zu zeigen: 1 2.
Klar!
Is: Sei n N mit a
n
2. Dann gilt
a
n+1
=

1 +a
n

1 + 2 =

3 2.
71
3 Konvergenz
Aus (i) und (ii) folgt nach (3.15): Die Folge (a
n
)
nN
ist konvergent.
Setze := lim(a
n
)
nN
.
Nach (3.8) gilt 1 2.
Aus

2
= lim(a
n
)
nN
lim(a
n
)
nN
=
(3.13)
lim(a
n+1
)
nN
lim(a
n+1
)
nN
=
(3.11)
lim
_
a
2
n+1
_
nN
= lim(1 +a
n
)
nN
=
(3.11)
lim(1) + lim(a
n
)
nN
= 1 +
folgt

2
1 = 0 =
_

1 +

5
2
__

1

5
2
_
. .
=0, da >0
,
also
=
1 +

5
2
.
(3) Das babylonische Wurzelziehen (ca. 2000 v.Chr.).
Seien a, x
0
R
>0
. Die reelle Zahlenfolge (x
n
)
nN
werde rekursiv deniert durch
x
n
:=
_
_
_
1
2
_
x
0
+
a
x0
_
fr n = 1,
1
2
_
x
n1
+
a
xn1
_
fr n 2.
Beh: (x
n
)
nN


a.
Bew: Wir zeigen zunchst:
(i) n N : 0 < x
n
,
(ii) n N :

a x
n
,
(iii) n N : x
n+1
x
n
.
(i) Klar!
(ii) Sei n N. Dann gilt

a =
_
x
n1

a
x
n1

x
n1
+
a
xn1
2
=
1
2
_
x
n1
+
a
x
n1
_
= x
n
.
(iii) Sei n N. Dann gilt nach (ii)
a x
2
n
.
Das ergibt
x
n+1
=
1
2
x
n
+
1
2
a
x
n

(ii)
1
2
x
n
+
1
2
x
2
n
x
n
=
1
2
x
n
+
1
2
x
n
= x
n
.
Aus (i) und (iii) folgt nach (3.15): Die Folge (x
n
)
nN
ist konvergent.
Setze := lim(x
n
)
nN
.
72
3.19 Denition: Cauchy-Folge
Wegen (ii) gilt 0 < . Wir erhalten
= lim(x
n
)
nN
= lim(x
n+1
)
nN
= lim
_
1
2
_
x
n
+
a
x
n
__
nN
=
1
2
_
lim(x
n
)
nN
+
lim(a)
lim(x
n
)
nN
_
nN
=
1
2
_
+
a

_
nN
,
also

2
= a.
Das ergibt
=

a.
3.19 Denition: Cauchy-Folge
Sei (a
n
)
nN
eine Folge in R.
(a
n
)
nN
heit Cauchy-Folge genau dann, wenn gilt:
R
>0
n
0
Nm, n N
0
: [a
m
a
n
[ <
Bemerkung:
Jede konvergente Folge in R ist eine Cauchy-Folge.
Beweis:
Sei (a
n
)
nN
eine konvergente Folge in R und sei := lim(a
n
)
nN
.
Zu zeigen: (a
n
)
nN
ist Cauchy-Folge.
Sei R
>0
. Dann existiert ein n
0
N mit
n N
n0
:= [a
n
[ <

2
.
Beh: m, n N
n0
: [a
m
a
n
[ < .
Es seien m, n N
n0
. Dann gilt
[a
m
a
n
[ = [(a
m
) (a
n
)[
-Ungl.
[a
m
[ +[a
n
[ <

2
+

2
= .
Wir wollen zeigen: Jede Cauchy-Folge ist konvergent.
Hilssatz:
Sei (a
n
)
nN
eine Cauchy-Folge in R. Sei (a
kn
)
nN
eine Teilfolge von (a
n
)
nN
.
Beh: Dann gilt: (a
n
a
kn
)
nN
0.
73
3 Konvergenz
Bew: Zu zeigen: R
>0
n
0
Nn N
n0
: [a
n
a
kn
0[ < .
Sei R
>0
. Dann existiert ein n
0
N mit
m, n N
n0
: [a
m
a
n
[ < .
Wir behauptetn nun n N
n0
: [a
n
a
kn
[ < .
Sei n N
n0
. Wegen n k
n
gilt dann auch k
n
N
n0
. Wir erhalten
[a
n
a
kn
[ < .
3.20 Satz: Konvergenzkriterium von Cauchy
Es sei (a
n
)
nN
eine Folge in R. Dann gilt
(a
n
)
nN
konvergent (a
n
)
nN
ist Cauchy-Folge.
Beweis:
Schon gezeigt!
Wir zeigen zunchst ()
(a
n
)
nN
ist beschrnkt.
Da (a
n
)
nN
eine Cauchy-Folge ist, existiert ein n
0
N mit
m, n N
n0
: [a
m
a
n
[ < 1.
Daraus folgt fr alle n N
n0
[a
n
[ [a
n0
[

[a
n
[ [a
n0
[


-Ungl.
[a
n
a
n0
[ < 1,
also fr alle n N
[a
n
[ [a
1
[ +[a
2
[ +. . . +[a
n01
[ +[a
n0
[ + 1.
Damit ist () bewiesen.
Nach (3.18) besitzt (a
n
)
nN
eine konvergente Teilfolge (a
kn
)
nN
.
Sei := lim(a
kn
)
nN
. Nach dem Hilfssatz gilt
(a
n
a
kn
)
nN
0.
Das ergibt wegen (3.11)
(a
n
)
nN
= ((a
n
a
kn
) +a
kn
) 0 + = .
Beispiel:
Fr alle n N sei
a
n
:=
n

i=1
1
i
= 1 +
1
2
+
1
3
+
1
4
+. . . +
1
n
.
Beh: Die Folge (a
n
)
nN
=
_
1,
3
2
,
11
6
,
25
12
, . . .
_
ist divergent.
74
3.20 Satz: Konvergenzkriterium von Cauchy
Bew: Nach dem Konvergenzkriterium von Cauchy gengt es zu zeigen:
R
>0
n
0
Nm, n N
n0
: [a
n
a
m
[ .
Es gengt also zu zeigen:
n
0
N : [a
2n0
a
n0
[
1
2
.
Sei n
0
N. Dann gilt
[a
2n0
a
n0
[ = a
2n0
a
n0
=
2n0

i=1
1
i

n0

j=1
i
j
=
1
n
0
+ 1
+
1
n
0
+ 2
+
1
n
0
+ 3
+. . . +
1
2n
0
. .
n0 Summanden
n
0

1
2n
0
=
1
2
.
Bemerkung:
Die divergente Folge (a
n
)
nN
mit
a
n
:=
n

i=1
1
i
fr alle n N heit harmonische Reihe. Sie ist streng monoton steigend, also nach (3.15) nicht (nach
oben) beschrnkt.
Bemerkung:
Fr alle n N sei a
n
:=
n

i=1
1
i
.
Beh:
t N
0
: a
2
t
2 +t
2
.
Bew: Sei t N
0
. Dann gilt
2
t

k=1
1
i
=
_
1
1
_
+
_
1
2
_
+
_
1
3
+
1
4
_
+
_
1
5
+
1
6
+
1
7
+
1
8
_
+
_
1
9
+
1
10
+. . . +
1
16
_
+. . . +
_
1
2
t1
+ 1
+. . . +
1
2
t
_
1 +t
1
2
=
2 +t
2
.
75
3 Konvergenz
Zwischenbemerkung: Die erweiterte reelle Achse RRR
Zu R nden wir zwei Objekte, die mit und + bezeichnet werden, die nicht zu R gehren. Mit
R := R , +
bezeichnen wir die erweiterte reelle Achse. Zustzlich soll auf R die Kleiner-Relation und die algre-
braischen Operatoren + und wie folgt festgesetzt werden:
(1) < +,
(2) x R : < x < +,
(3) x R : +x = ,
x R : +x = +,
(4) x R
>0
: x (+) = +,
x R
>0
: x () = ,
(5) x R
<0
: x (+) = ,
x R
<0
: x () = +,
(6) (+) + (+) = +
() + () = .
Anmerkung:
() + (+) und () (+) sind keine erlaubten Beziehungen.
(7) (+) (+) = +,
(+) () = ,
() () = +
(8) x R 0 :
x
+
= 0.
3.21 Denition: Uneigentlicher Grenzwert
Sei (a
n
)
nN
eine Folge in R. Man sagt
(a
n
)
nN
konvergiert uneigentlich gegen + und schreiben dafr
(a
n
)
wenn gilt:
c Rn
0
Nn N
n0
: c a
n
.
(a
n
)
nN
konvergiert uneigentlich gegen und schreiben dafr
(a
n
)
wenn gilt:
c Rn
0
Nn N
n0
: c a
n
.
Gilt (a
n
)
nN
, so bezeichnet man auch als uneigentlichen Grenzwert von (a
n
)
nN
und
schreiben
lim(a
n
)
nN
= oder lim
n
a
n
= .
76
3.22 Satz: Wunderformel
Entsprechendes gilt fr .
Beispiele:
(n)
nN
= (1, 2, 3, 4, . . .) +.
(2
n
)
nN
= (2, 4, 8, 16, . . .) .
3.22 Satz: Wunderformel
Sei (a
n
)
nN
eine Folge in R
>0
. Sei R . Dann gilt
_
a
n+1
a
n
_
nN
(
n

a
n
)
nN
.
Beispiele:
(1) Betrachte die Folge (a
n
)
nN
= (n)
nN
. Es gilt
_
a
n+1
a
n
_
nN
=
_
n + 1
n
_
nN
=
_
1 +
1
n
_
nN
1.
Dann gilt nach (3.22)
(
n

n)
nN
1.
(2) Betrachte (a
n
)
nN
=
_
n
n
n!
_
nN
. Es gilt
_
a
n+1
a
n
_
nN
=
_
(n + 1)
n+1
n!
n
n
(n + 1)!
_
nN
=
__
1 +
1
n
_
n
_
nN
e.
Also gilt nach (3.22)
_
n
_
n
n
n!
_
nN
=
_
n
n

n!
_
nN
e.
3.23 Satz: Grenzwertregeln fr uneigentliche Grenzwerte
Seien (a
n
)
nN
, (b
n
)
nN
Folgen in R. Seien c R 0, R . Dann gilt
(1) (a
n
)
nN

_
(c a
n
)
nN
+ falls c > 0,
(c a
n
)
nN
falls c < 0,
(2) ( a
n
..
=0
)
nN
+
_
1
an
_
nN
0,
( a
n
..
=0
)
nN

_
1
an
_
nN
0,
(3) ( a
n
..
>0
)
nN
0
_
1
an
_
nN
+,
( a
n
..
<0
)
nN
0
_
1
an
_
nN
,
77
3 Konvergenz
(4) (a
n
) (b
n
) (a
n
+b
n
)
nN
,
(5) (a
n
) (b
n
)
>0
(a
n
b
n
) .
Beweis(5):
Seien (a
n
)
nN
und (b
n
)
nN

>0
Folgen.
Zu zeigen:
c Rn
0
Nn N
n0
: c a
n
b
n
.
Sei c R. Wegen c [c[ drfen wir o.b.d.a. 0 c vorraussetzen.
Whle ein d R mit 0 < d < .
Wegen (b
n
)
nN
existiert ein n
1
N mit
n N
n1
: d b
n
.
Wegen (a
n
)
nN
existiert ein n
2
N mit
n N
n2
:
c
d
a
n
.
Setze n
0
:= maxn
1
, n
2
. Fr alle n N
n0
gilt dann
c
d
a
n
und d b
n
,
also
c =
c
d
d a
n
b
n
.
3.24 Satz: Grenzwert monotoner Folgen
Jede monotone Folge in R besitzt ein Grenzwert in R.
Beweis:
Sei (a
n
)
nN
eine monotone Folge in R.
1. Fall ((a
n
)
nN
ist beschrnkt):
Dann besitzt (a
n
)
nN
nach (3.15) einen Grenzwert in R.
2. Fall ((a
n
)
nN
ist monoton steigend und nicht beschrnkt):
Dann gilt a
1
a
2
a
3
. . . und a
1
, a
2
, a
3
, . . . ist nicht nach oben beschrnkt.
Also gilt
c Rn
0
N : c < a
n0
,
also
c Rn
0
Nn N
n0
: c a
n0
.
3. Fall ((a
n
)
nN
ist monoton fallend und nicht beschrnkt):
Analog zum zweiten Fall; (a
n
)
nN
.
78
4 Komplexe Zahlen, Folgen und Reihen
Man betrachte die Menge
C := R R.
Wir fhren auf C zwei Verknpfungen, eine Addition + und eine Multiplikation wie folgt ein: Fr alle
x
1
, x
2
, y
1
, y
2
R sei
(x
1
, x
2
) + (y
1
, y
2
) := (x
1
+x
2
, y
1
+y
2
)
und
(x
1
, x
2
) (y
1
, y
2
) := (x
1
y
1
x
2
y
2
, x
1
y
2
+x
2
y
1
).
4.1 Die Krpereigenschaften von CCC
C erfllt bezglich dieser Addition und dieser Multiplikation alle Krperaxiome K1, K2, K3, K4 aus
(1.1).
Fr jedes (x
1
, x
2
) C ist
(1) (0, 0) das neutrale Element der Addition von (x
1
, x
2
),
(2) (1, 0) das neutrale Element der Multiplikation von (x
1
, x
2
),
(3) (x
1
, x
2
) das additiv inverse Element von (x
1
, x
2
).
Fr jedes (x
1
, x
2
) C (0, 0) ist
(4)
_
x1
x
2
1
+x
2
2
,
x2
x
2
1
+x
2
2
_
das multiplikativ inverse Element von (x
1
, x
2
).
Man bezeichnet C als Krper der komplexen Zahlen. Die Elemente aus C heien komplexe Zahlen.
Beweis (4):
Sei (x
1
, x
2
) C (0, 0). Dann ist x
1
,= 0 oder x
2
,= 0, also x
2
1
+x
2
2
,= 0.
Es gilt
(x
1
, x
2
)
_
x
1
x
2
1
+x
2
2
,
x
2
x
2
1
+x
2
2
_
=
_
x
2
1
x
2
1
+x
2
2
+
x
2
2
x
2
1
+x
2
2
,
x
1
x
2
x
2
1
+x
2
2
+
x
1
x
2
x
2
1
+x
2
2
_
= (1, 0).
Nach unserer Denition sind komplexe Zahlen nichts anderes als Paare reeller Zahlen.
Subtraktion und Division der komplexen Zahlen werden wie in (1.3) deniert. Alle bekannten, fr R
gltigen Rechenregeln gelten auch fr C.
79
4 Komplexe Zahlen, Folgen und Reihen
Bemerkung:
Man betrachte
R

:= (x, 0) [ x R C.
Fr alle x, y R gilt
(x, 0) + (y, 0) = (x +y, 0)
und
(x, 0) (y, 0) = (xy, 0)
Dies lehrt: R

ist ein Teilkrper von C der zu R isomorph


1
ist.
Jeder reellen Zahl x R ist die komplexe Zahl (x, 0) C zugeordnet und umgekehrt ist jedem (y, 0) C
eine reelle Zahl y R zugeordnet.
Es ist blich fr jedes x R die komplexe Zahl (x, 0) C mit der reellen Zahl x R zu identizieren.
Das bedeutet praktisch: Fr jedes x R wird an Stelle von (x, 0) einfach x geschrieben.
Man erhlt so
R C.
4.2 Denition: Die imaginre Einheit iii
Man setze
i := (0, 1).
Diese komplexe Zahl heit imaginre Einheit.
Es gilt
i
2
= 1.
Beweis:
Es gilt
i
2
= (0, 1)(0, 1) = (0 1, 0 1 + 1 0) = (1, 0) = 1.
4.3 Satz, Denition: Realteil, Imaginrteil
Sei z C. Dann gibt es genau ein Paar reeller Zahlen (x, y) R R mit
z = (x, y) = x +yi.
Das Element x heit der Realteil von z und wird mit
Re(z)
bezeichnet.
Das Element y heit der Imaginrteil von z und wird mit
Im(z)
bezeichnet.
1
im Wesentlichen gleich
80
4.4 Satz: Rechenregeln fr komplexe Zahlen
Ferner heit
z := x yi
die zu z konjugiert komplexe Zahl und
[z[ :=
_
x
2
+y
2
. .
R
der Betrag von z.
Beweis:
Sei z C. Oensichtlich gibt es genau ein Paar (x, y) R R mit z = (x, y).
Weiter gilt
(x, y) = (x, 0) + (0, y) = (x, 0) + (y, 0)(0, 1) = x +yi.
Bemerkung:
Die Denition von [z[ in (4.3) ist vertrglich mit der Betragsdenition (1.7) fr reelle Zahlen.
Bemerkung:
Fr alle x
1
, x
2
, y
1
, y
2
R gilt
(x
1
+x
2
i) + (y
1
+y
2
i) = (x
1
+y
1
) + (x
2
+y
2
)i,
(x
1
+x
2
i) (y
1
+y
2
i) = (x
1
y
1
x
2
y
2
) + (x
1
y
2
+x
2
y
1
)i.
4.4 Satz: Rechenregeln fr komplexe Zahlen
Fr alle z, w C gilt
(1) z = (Re(z)) + (Im(z))i,
Re(z) =
1
2
(z +z),
Im(z) =
1
2i
(z z),
(2) z +w = z +w,
z w = z w,
z = z,
(3) zz = [z[
2
,
[z[ = [z[,
(4) [z[ 0,
[z[ = 0 z = 0,
(5) [ Re(z)[ [z[,
[ Im(z)[ [z[,
(6) [z w[ = [z[[w[,
(7) [z +w[ [z[ +[w[.
(Dreiecksungleichung)
81
4 Komplexe Zahlen, Folgen und Reihen
Beweise:
(5) Seien x, y R mit z = x +yi. Dann gilt
[ Re(z)[ = [x[ =

x
2

_
x
2
+ y
2
= [z[,
[ Im(z)[ = [y[ =
_
y
2

_
x
2
+y
2
= [z[.
(6) Seien z, w C. Dann gilt
[zw[
2
= (zw)(zw) = (zz)(ww) = [z[
2
[w[
2
= ([z[[w[)
2
,
also
[zw[ = [z[[w[.
(7) Seien z, w C. Dann gilt ()
zw +zw = zw +zw
= 2 Re(zw)
2[zw[
= 2[z[[w[
= 2[z[[w[.
Weiterhin gilt
[z +w[
2
= (z +w)(z +w)
= (z +w)(z +w)
= (zz +ww) + (zw +zw)
. .
R

()
(zz +ww) + 2 [z[ [w[
. .
R
= [z[
2
+[w[
2
+ 2 [z[[w[
= ([z[ +[w[)
2
,
also
[z +w[ [z[ +[w[.
82
Zwischenbemerkung: Geometrische Bedeutung von C
Zwischenbemerkung: Geometrische Bedeutung von CCC
Wie R durch die Zahlengrade, so wird C durch die Ebene (Gausssche Zahlenebene) veranschaulicht:
Im
Re
i
yi
yi
x
z = x +yi
[z[
z = x yi
[z[
[w[
[z[
Im
Re
z
[z[
w
[w[
z +w
[
z
+
w
[
Betrag von z und Dreiecksungleichung
konjugiert komplexe Zahl z
4.5 Satz: Komplexe Wurzel
Zu jedem z C gibt es ein w C mit w
2
= z.
Ist z R
0
, so gilt dies schon nach (2.8).
Ist z , R
0
, so ist [z[ > Re(z) und es gilt w
2
= z fr
w :=
1

2
_
Im(z)
_
[z[ Re(z)
+i
_
[z[ Re(z)
_
.
Beweis:
Sei z C R
0
. Oensichtlich gilt [z[ > Re(z) und ()
[z[
2
= (Im(z))
2
+ (Re(z))
2
.
Ferner gilt
w
2
=
_
1

2
_
Im(z)
_
[z[ Re(z)
+i
_
[z[ Re(z)
__
2
=
1
2
_
(Imz)
2
[z[ Re z
+
2 Imz
_
[z[ Re z
i
_
[z[ Re z +i
2
([z[ Re z)
_
=
1
2
_
(Imz)
2
[z[ Re z
+ 2i Imz ([z[ Re z)
_
=
1
2
_
(Imz)
2
[z[ Re z
([z[ Re z)
_
+i Imz
83
4 Komplexe Zahlen, Folgen und Reihen
=
1
2
_
(Imz)
2
([z[ Re z)
2
[z[ Re z
_
+i Imz
=
1
2
_
(Imz)
2
([z[
2
2 Re z [z[ + (Re z)
2
)
[z[ Re z
_
+i Imz
=
()
1
2
_
(Imz)
2
(Imz)
2
(Re z)
2
+ 2 Re z [z[ (Re z)
2
)
[z[ Re z
_
+i Imz
=
1
2
_
2(Re z)
2
+ 2 Re z [z[
[z[ Re z
_
+i Imz
=
_
(Re z)
2
+ Re z [z[
[z[ Re z
_
+i Imz
=
_
Re z (Re z +[z[)
[z[ Re z
_
+i Imz
= Re z +i Imz
= z.
4.6 Denition: Komplexe Wurzel
Fr alle z C setzen wir

z :=
_
_
_

z falls z R
0
,
1

2
_
Imz

|z|Re z
+i
_
[z[ Re z
_
falls z , R
0
.
Fr alle z C gilt dann
x C [ w
2
= z =

z,

z.
Beweis:
Klar nach (4.5)!
Sei w C mit w
2
= z.
Wir wissen (

z)
2
= z, also gilt
(w

z)(w +

z) = w
2
(

z)
2
= z z = 0,
also w =

z oder w =

z, also
w

z,

z.
Beispiele:

i =
1

2
_
1

10
+i

1 0
_
=
1

2
(1 +i) =
1

2
+i
1

2
,

i =
1

2
_
1

10
+i

1 0
_
=
1

2
(1 +i) =
1

2
+i
1

2
.
Bemerkung:
(1) Fr alle z C R
0
gilt
Im

z > 0.
(2) Fr alle x R
<0
gilt

x = i
_
[x[.
Insbesondere gilt

1 = i

1 = i.
84
4.7 Denition: Komplexer Grenzwert
Beweise:
(1) Klar!
(2) Sei x R
<0
. Dann gilt [x[ = x, also

x =
1

2
_
i
_
[x[ x
_
=
1

2
_
i
_
2[x[
_
=
1

2
_
i

2
_
[x[
_
= i
_
[x[.
Bemerkung:
Es gibt z, w C mit

zw ,=

w.
Beispiel:
Sei z = 1 und w = 1. Dann gilt
1 =
_
(1)(1) =

1 = i
2
= 1.
Wir wollen jetzt komplexe Folgen d.h. Folgen in C betrachten.
Beispiel:
(z
n
)
nN
=
__
1 +
1
n
_
+i
_
1 +
1
n
__
nN
.
4.7 Denition: Komplexer Grenzwert
Sei C. Sei (z
n
)
nN
eine Folge in C. heit ein Grenzwert oder Limes von (z
n
)
nN
, wenn gilt:
R
>0
n
0
Nn N
n0
: [z
n
[ < .
Ist ein Grenzwert von (z
n
)
nN
, so sagen wir auch (z
n
)
nN
konvergiert gegen und schreiben dafr
(z
n
)
nN
oder lim(z
n
)
nN
= oder lim
n
z
n
= .
4.8 Satz: Rechenregeln fr komplexe Grenzwerte
Sei C. Sei (z
n
)
nN
eine Folge in C. Dann sind folgende Aussagen quivalent:
(1) (z
n
)
nN
,
(2) (z
n
)
nN
0,
(3) ([z
n
[)
nN
0,
(4) (Re z
n
)
nN
Re ,
(Imz
n
)
nN
Im,
(5) (z
n
)
nN
.
Beweise:
(1)(2) Klar!
85
4 Komplexe Zahlen, Folgen und Reihen
(2)(3) Klar!
(1)(4) Es gelte (1). Zu zeigen:
R
>0
n
0
Nn N
n0
: [ Re z Re [ < .
Sei R
>0
. Wegen (z
n
)
nN
lsst sich ein n
0
N nden, mit
n N
n0
: [z
n
[ < .
Zu zeigen:
n N
n0
: [ Re z Re [ < .
Sei n N
n0
. Dann gilt
[ Re z Re [ = [ Re(z )[
(4.4.5)
[z
n
[ < .
Entsprechendes gilt fr (Imz
n
)
nN
.
(4)(5) Es gelte (4). Sei R
>0
.
Es gibt n
1
, n
2
N mit
n N
n1
: [ Re z Re [ <

2
,
n N
n2
: [ Imz Im[ <

2
.
Setze n
0
:= maxn
1
, n
2
. Dann gilt fr alle n N
n0
[z
n
[ =
_
(Re z Re )
2
+ (Imz Im)
2
<
_
1
2

2
+
1
2

2
=

2
= .
Dieser Satz lehrt:
Eine Folge (z
n
)
nN
C ist genau dann konvergent, wenn die reellen Folgen
(Re z
n
)
nN
und (Imz
n
)
nN
konvergent sind. Ist dies der Fall, so gilt
lim(z
n
)
nN
= lim(Re z
n
)
nN
+i lim(Imz
n
)
nN
.
Beispiel:
Fr alle n N sei
z
n
:=
_
1 +
1
n
_
+i
_
1 +
1
n
_
n
Es gilt nach (4.8)
(z
n
) 1 +ie.
86
Zwischenbemerkung: Anordnung von C
Zwischenbemerkung: Anordnung von CCC
Es ist nicht mglich auf C eine Anordnungsrelation < so einzufhren, dass die Anordnungsaxiome AO1,
AO2, AO3, AO4 aus (1.5) gelten.
Beweis:
Annahme (Es gibt doch eine solche Relation <).
Nach (1.6.5) gilt dann 1 = i
2
> 0, also
1 < 0.
Nach (1.6) gilt aber
1 > 0.
Bemerkung:
Mit Ausnahme der Stze aus Kapitel 3, welche die Anordnungsaxiome auf R benutzen ((3.8), (3.9),
(3.15), (3.17)) gelten alle Stze ber die Konvergenz reeller Zahlenfolgen auch fr komplexe Zahlenfolgen.
Auch das Konvergenzkriterium von Cauchy gilt fr komplexe Folgen.
4.9 Denition: Reihen
Es sei (a
k
)
kN
eine Folge in C. Man betrachte fr alle n N die nnn-te Partialsumme
s
n
:= a
1
+ a
2
+a
3
+. . . +a
n
.
Die Folge (s
n
)
nN
heit dann die zu (a
k
)
kN
gehrige (unendliche) Reihe. Man bezeichnet die Folge
(s
n
)
nN
mit

k=1
a
k
oder a
1
+a
2
+a
3
+. . . ,
also gilt

k=1
a
k
:= (a
1
, a
1
+a
2
, a
1
+a
2
+a
3
, . . .).
Bemerkung:
Eine Reihe ist also eine Folge. Damit sind alle fr Folgen eingefhrten Begrie auch fr Reihen erklrt.
Die Reihe

k=1
a
k
konvergiert bedeutet: Die Folge
_
n

k=1
a
k
_
nN
konvergiert.
Zur Schreibweise fr den Grenzwert einer Reihe:
Konvergiert die Reihe

k=1
a
k
gegen s C, so schreiben wie an Stelle von
lim
_
n

k=1
a
k
_
nN
= s auch

k=1
a
k
= s.
Achtung:

k=1
a
k
tritt in zwei verschiedenen Bedeutungen auf:
87
4 Komplexe Zahlen, Folgen und Reihen
(1) Als Folge der Partialsummen
_

k=1
a
k
_
nN
.
(2) Als Grenzwert dieser Folge, falls er existiert.
Bemerkung:
Jede Folge kann auch als Reihe aufgefasst werden.
Fr jede Folge (s
1
, s
2
, s
3
, . . .) in C gilt: (s
1
, s
2
, s
3
, . . .) ist die zu der Folge (s
1
, s
2
s
1
, s
3
s
2
, . . .) gehrige
Reihe.
4.10 Satz: Konvergenz von Reihen
Es sei (a
k
)
kN
eine Folge in C. Dann gilt

k=1
a
k
konvergent (a
k
)
kN
0.
Beweis:
Man setze
n N : s
n
:=
n

k=1
a
k
.
Es sei

k=1
a
k
konvergent, das heit es sei (s
n
)
nN
konvergent. Also ist (s
n
)
nN
eine Cauchy-Folge.
Zu zeigen:
R
>0
n
0
Nn N
n0
: [a
n
0[ < .
Sei R
>0
. Dann existiert n
1
N mit
m, n N
n1
: [s
m
s
n
[ < .
Setze n
0
:= n
1
+ 1. Behauptung:
n N
n0
: [a
n
0[ < .
Sei n N
n0
. Dann gilt
[a
n
0[ = [a
n
[ = [s
n
s
n1
[ < .
Beispiele:
(1)

k=1
1
k
= (1) + 1 + (1) + 1 + (1) + 1 +. . . ist divergent.
Es handelt sich um die Folge (1, 0, 1, 0, 1, 0, . . .). Klar wegen (4.10).
(2) Die harmonische Reihe

k=1
1
k
=
1
1
+
1
2
+
1
3
+
1
4
+
1
5
+. . . ist divergent.
Die Umkehrung von (4.10) ist also falsch!
Bemerkung:
Folgen und Reihen knnen auch mit dem Index 0 beginnen.
Die Folge (a
0
, a
1
, a
2
, . . .) wird mit (a
k
)
kN0
und die zugehrige Reihe (a
0
, a
0
+a
1
, a
0
+a
1
+a
2
, . . .) mit

k=0
a
k
bezeichent.
88
4.11 Satz ber geometrische Reihen
4.11 Satz ber geometrische Reihen
Sei q C. Dann gilt
(1) [q[ < 1

k=0
q
k
ist konvergent,
(2) [q[ 1

k=0
q
k
ist divergent.
Beweise:
(1) Sei [q[ < 1. Nach Beispiel (1) von (3.11) gilt
(q
k
)
kN
0.
(Dieses Beispiel ist auch fr q C gltig)
Fr alle n N
0
gilt mit der geometrischen Summenformel (2.7.2

)
s
n
:= q
0
+q
1
+q
2
+. . . +q
n
=
1 q
n+1
1 q
.
Das ergibt
(s
n
)
nN0
=
_
1 q
n+1
1 q
_
nN0

1 0
1 q
=
1
1 q
.
(2) Sei [q[ 1. Dann gilt fr alle k N
0
[q
k
[ = [q[
k
1,
also gilt
(q
k
)
kN0
, 0.
Nach (4.10) ist dann

k=0
q
k
divergent.
Beispiele:
(1) Es gelte q =
1
2
, also [q[ < 1. Dann gilt

k=0
1
2
k
=
1
1
+
1
2
+
1
4
+
1
8
+. . . =
1
1
1
2
= 2.
(2) Es gelte q :=
1
2
+i
3
4
; [q[ =
_
1
4
+
9
10
=
_
13
16
< 1. Dann gilt

k=0
_
1
2
+i
3
4
_
k
=
1
1
_
1
2
+i
3
4
_
=
1
1
2
i
3
4
=
1
2
+i
3
4
_
1
2
_
2
+
_
3
4
_
2
=
1
2
+i
3
4
13
16
=
8
13
+i
12
13
.
89
4 Komplexe Zahlen, Folgen und Reihen
4.12 Satz: Monotoniekriterium fr reelle Reihen
Es sei (a
k
)
kN
eine Folge in R mit a
k
0 fr fast alle k N.

k=1
a
k
sei nach oben beschrnkt, das heit
es gebe s R mit: n N : a
1
+a
2
+. . . +a
n
s. Dann gilt

k=1
a
k
ist konvergent.
Beweis:
1. Fall (k N : a
k
0):
Die Folge
_
n

k=1
a
k
_
nN
ist monoton steigend und beschrnkt, nach (3.15) also konvergent.
2. Fall (k N : a
k
< 0):
<Aufgabe>
Vorbemerkung:
Beh: Fr alle n N gilt
n

k=1
1
k(k + 1)
=
n
n + 1
.
Bew: Es gilt
n

k=1
1
k(k + 1)
=
n

k=1
_
1
k

1
k + 1
_
=
_
1
1

1
2
_
+
_
1
2

1
3
_
+. . . +
_
1
n

1
n + 1
_
= 1
1
n + 1
=
n
n + 1
.
Beispiele:
(1)Beh:

k=1
1
k(k+1)
=
1
12
+
1
23
+
1
34
+. . . = 1.
Bew: Es gilt
_
n

k=1
1
k(k + 1)
_
nN
=
(VB)
_
1
1
n + 1
_
nN
1 0 = 1.
(2)Beh:

k=1
1
k
2
ist konvergent.
Bew: Fr alle n N
2
gilt
n

k=1
1
k
2
= 1 +
n1

k=0
1
(k + 1)
2
1 +
n1

k=1
1
k(k + 1)
=
(VB)
1 +
_
1
1
n
_
= 2
1
n
< 2.
90
4.13 Satz: Cauchysches Konvergenzkriterium fr reelle Reihen
Also haben wir
n N :
n

k=1
1
k
2
< 2.
Mit (4.12) folgt dann die Behauptung.
(3)Beh:

k=1
1
k!
ist konvergent.
Bew: nach (4.12) gengt es zu zeigen:
n N :
n

k=1
1
k!
< 2.
Sei n N. Dann gilt
n

k=1
1
k!
=
1
1
+
1
1 2
+
1
1 2 3
+. . . +
1
1 2 . . . n

1
1
+
1
1 2
+
1
1 2 2
+. . . +
1
1 2 2 2 . . . 2
. .
n1 Faktoren
=
_
1
2
_
0
+
_
1
2
_
1
+
_
1
2
_
2
+. . . +
_
1
2
_
n1
=
1
_
1
2
_
n
1
1
2
= 2
_
1
2
_
n1
< 2.
Bemerkung:
Es gilt

k=1
1
k
2
=

2
6
= 1.644934066848226 . . .
und

k=1
1
k!
= e 1 = 1.718281828459045 . . .
4.13 Satz: Cauchysches Konvergenzkriterium fr reelle Reihen
Es sei (a
k
)
kN
eine Folge in C. Dann gilt

k=1
a
k
konvergent R
>0
n
0
Nm, n N : n
0
< m < n [a
m+1
+. . . +a
n
[ < .
Beweis:
Man setze fr alle n N
s
n
:= a
1
+a
2
+. . . +a
n
.
Dann gilt

k=1
a
k
= (s
n
)
nN
.
91
4 Komplexe Zahlen, Folgen und Reihen
Nach dem Konvergenzkriterium von Cauchy fr Folgen (3.20) gilt
(s
n
)
nN
konvergent
(s
n
)
nN
ist Cauchy-Folge
R
>0
n
0
Nm, n N
n0
: [s
m
s
n
[ <
R
>0
n
0
Nm, n N : n
0
< m < n : [s
m
s
n
[ <
R
>0
n
0
Nm, n N : n
0
< m < n : [a
m+1
+a
m+2
+. . . +a
n
[ < .
4.14 Satz: Konvergenzkriterium von Leibniz
Es sei (a
k
)
kN0
eine konvergente, monoton fallende Folge in R
0
mit lim(a
k
)
kN0
= 0. Dann gilt
(1)

k=0
(1)
k
a
k
:= a
0
a
1
+ a
2
a
3
+a
4
. . . ist konvergent,
(2) n N
0
:
2n+1

k=0
(1)
k
a
k

k=0
(1)
k
a
k

2n

k=0
(1)
k
a
k
,
(3) n N
0
:

k=0
(1)
k
a
k

k=0
(1)
k
a
k

a
n+1
.
Beweis (2), Ansatz:
Man setze fr alle n N
0
s
n
:=
n

k=0
(1)
k
a
k
.
Es gilt
0 s
1
s
3
s
5
. . . s
4
s
2
s
0
und weiterhin fr alle n N
0
s
2n
s
2n+1
= a
2n+1
.
Die Folgen (s
0
, s
2
, s
4
, s
6
, . . .) und (s
1
, s
3
, s
5
, s
7
, . . .) sind beide monoton und beschrnkt. Also nach (3.15)
konvergent.
Man setze
A := lim(s
2k
)
kN0
und B := lim(s
2k+1
)
kN0
.
Wegen
AB = lim(s
2k
)
kN0
lim(s
2k+1
)
kN0
= lim(s
2k
s
2k+1
)
kN0
= lim(a
2k+1
)
kN0
=
(TF)
0
gilt
A = B.
Wir behaupten nun
(s
n
)
nN0
A = B.
Beweis: <Aufgabe>
92
4.15 Satz: Grenzwertregeln fr Reihen
Bemerkung:
Aussage (2) besagt
n N
0
: s
2n+1
A = B s
2n
.
Aussage (3) besagt
n N
0
: [s
n
A[ s
n+1
.
Beweis:
(Wir betrachten n = 2k + 1 und n = 2k)
Es gilt
s
2k+1
A s
sk+2
s
2k
,
also
[s
2k
A[ = s
2k
A s
2k
s
2k+1
= a
2k+1
und damit
[s
2k+1
A[ = As
2k+1
s
2k+2
s
2k+1
= a
2k+2
.
Beispiele:
(1) Die alternierede, harmonische Reihe

k=0
(1)
k 1
k+1
=
1
1

1
2
+
1
3

1
4
+
1
5
. . .
ist nach dem Leibniz-Kriterium konvergent.
(2) Die alternierende Reihe

k=0
(1)
k 1
2k+1
=
1
1

1
3
+
1
5

1
7
+. . .
ist nach dem Leibniz-Kriterium konvergent.
Bemerkung:
Es gilt

k=0
(1)
k 1
k+1
= ln 2 = 0.693147180559945 . . .
und

k=0
(1)
k 1
2k+1
=

4
= 0.78539816339744 . . .
4.15 Satz: Grenzwertregeln fr Reihen
Es seien (a
k
)
kN
, (b
k
)
kN
Folgen in C. Es sei c C. Die zugehrigen Reihen

k=1
a
k
und

k=1
b
k
seien
Konvergent. Dann sind auch die Reihen

k=1
(a
k
+b
k
) und

k=1
(c a
k
)
konvergent und es gilt fr die Grenzwerte

k=1
(a
k
+b
k
) =

k=1
a
k
+

k=1
b
k
und

k=1
(c a
k
) = c

k=1
a
k
.
93
4 Komplexe Zahlen, Folgen und Reihen
Beweis:
Klar wegen (3.11)
Beispiel:
Es gilt

k=1
3 2
k+1
+ 1
2
k1
3
k
=

k=1
_
4
_
1
3
_
k1
+
1
3
_
1
6
_
k1
_
= 4

k=0
_
1
3
_
k
+
1
3

k=0
_
1
6
_
k
=
4
1
1
3
+
1
3

1
1
1
6
= 6 +
2
5
=
32
5
.
4.16 Denition: Absolute Konvergenz
Es sei (a
k
)
kN
eine Folge in C.
Die Reihe

k=1
a
k
heit absolut konvergent, wenn

k=1
[a
k
[ konvergent ist.
4.17 Satz: Absolute Konvergenz
Es seien (a
k
)
kN
und (b
k
)
kN
Folgen in C. Die Reihe

k=1
a
k
sei absolut konvergent und (b
k
)
kN
sei
beschrnkt, das heit es gibt ein c R mit
k N : [b
k
[ c.
Dann gilt
Die Reihe

k=1
a
k
b
k
ist konvergent.
Beweis:
Whle c R mit
k N : [b
k
[ c.
Nach (4.13) gengt es zu zeigen:
R
>0
n
0
Nm, n N : n
0
< m < n [a
m+1
+a
m+2
+. . . +a
n
[ < .
Sei R
>0
. Da

k=1
[a
k
[ konvergent ist, lsst sich ein n
0
N nden mit
m, n N : n
0
< m < n [a
m+1
[ +[a
m+2
[ + . . . +[a
n
[ <

c
.
Behauptung: m, n N : n
0
< m < n [a
m+1
+a
m+2
+. . . +a
n
[ < .
94
4.18 Satz: Dreiecksungleichung fr Reihen
Es seien m, n N mit n
0
< m < n. Dann gilt
[a
m+1
b
m+1
+a
m+2
b
m+2
+. . . +a
n
b
n
[
[a
m+1
[ [b
m+1
[
. .
c
+[a
m+2
[ [b
m+2
[
. .
c
+. . . +[a
n
[ [b
n
[
..
c
c ([a
m+1
[ +[a
m+2
[ +. . . + [a
n
[)
< c

c
= .
4.18 Satz: Dreiecksungleichung fr Reihen
Es sei (a
k
)
kN
eine Folge in C. Dann gilt

k=1
a
k
absolut konvergent

k=1
a
k
konvergent
und es gilt fr den Grenzwert:

k=1
a
k

k=1
[a
k
[.
Beweis:
Es sei

k=1
[a
k
[ konvergent. Nach (4.17) ist dann

k=1
a
k
konvergent. Es gilt

k=1
a
k

lim
_
n

k=1
a
k
_
nN

=
(3.10)
lim
_

k=1
a
k

_
nN

(3.8)
lim
_
n

k=1
[a
k
[
_
nN
Bemerkung:
Es gibt Reihen, die konvergent aber nicht absolut konvergent sind. Zum Beispiel ist

k=1
(1)
k1 1
k
(alternierende, harmonische Reihe) konvergent, aber

k=1

(1)
k1 1
k

(harmonische Reihe) divergent.


4.19 Satz, Denition: Majorantenkriterium
Es sei (a
k
)
kN
eine konvergente Folge in C. Dann gilt: Gibt es eine Folge (b
k
)
kN
in R
0
mit den
Eigenschaften
(1) [a
k
[ b
k
fr fast alle k N,
(2)

k=1
b
k
ist konvergent,
95
4 Komplexe Zahlen, Folgen und Reihen
so ist

k=1
a
k
absolut konvergent.
Die Reihe

k=1
b
k
heit dann eine konvergente Majorante von

k=1
[a
k
[.
Beweis:
Es sei (a
k
)
kN
eine Folge in C und (b
k
)
kN
eine konvergente Folge in R
0
mit [a
k
[ b
k
fr fast alle
k N. Es gibt dann ein s N mit [a
k
[ b
k
fr alle n N
s
.
([a
k
[)
kN
ist eine Folge in R
0
.

k=1
[a
k
[ ist nach oben beschrnkt, denn fr alle n N gilt
[a
1
[ +[a
2
[ +. . . +[a
n
[ [a
1
[ +[a
2
[ +. . . +[a
n
[ +[b
1
[ +[b
2
[ +. . . +[b
n
[
[a
1
[ +[a
2
[ +. . . [a
n
[ +

k=1
b
k
. .
R
.
Also ist

k=1
[a
k
[ nach (4.12) konvergent.
Beispiele:
(1)Beh:

k=1
(1)
k
k +
k

k
5
(2k

k)
3
ist absolut konvergent.
Bew: Fr alle k N
5
gilt

(1)
k
k +
k

k
5
(2k

k)
3

k +
k

k
5
(2k

k)
3

[k5]
k +k
(2k

k)
3

2k
(2k k)
3
=
2k
k
3
=
2
k
2
.
Bekantlich ist

k=1
2
k
2
konvergent. Also lsst sich (4.19) anwenden.
(2)Beh:

k=1
k
2
k
k
3
+

k
ist divergent.
Bew: Fr alle k N
2
gilt
1
4k

k
2
k
k
3
+

k
(ohne Beweis).
Annahme (

k=1
k
2
k
k
3
+

k
ist konvergent):
Nach (4.19) ist dann auch

k=1
1
4k
konvergent; also auch

k=1
1
k
.
96
4.20 Satz: Wurzelkriterium von Cauchy
4.20 Satz: Wurzelkriterium von Cauchy
Es sei (a
k
)
kN
eine Folge in C. Dann gilt
(1) Gibt es ein q R mit 0 q < 1 und gilt
k
_
[a
k
[ q fr fast alle k N, so ist

k=1
a
k
absolut
konvergent.
(2) Gilt
k
_
[a
k
[ 1 fr unendlich viele k N, so ist

k=1
a
k
divergent
Beweise:
(1) Sei q R mit 0 q < 1 und
k
_
[a
k
[ q fr fast alle k N.
Es gilt dann fr fast alle k N
[a
k
[ q
k
.
Wegen [q[ < 1 ist nach (4.11) die geometrische Reihe

k=1
[q[
k
konvergent.
Also ist nach (4.19)

k=1
a
k
absolut konvergent.
(2) Es sei
k
_
[a
k
[ 1 fr unendlich viele k N. Dann gilt
[a
k
[ 1
fr unendlich viele k N, also
(a
k
)
kN
, 0.
Nach (4.10) ist folglich

k=1
a
k
divergent.
4.21 Satz: Quotientenkriterium von dAlembert
Es sei (a
k
)
kN
eine Folge in C. Dann gelten die folgenden Aussagen:
(1) Gibt es ein q R mit 0 q < 1 und ein k
0
N mit
k N
k0
: a
k
,= 0

a
k+1
a
k

q
so ist

k=1
a
k
absolut konvergent.
(2) Gibt es ein k
0
N mit
k N
k0
: a
k
,= 0

a
k+1
a
k

1
so ist

k=1
divergent.
Beweise:
(1) Es sei q R und k
0
N mit 0 q < 1 und k N
k0
: a
k
,= 0

a
k+1
a
k

q.
97
4 Komplexe Zahlen, Folgen und Reihen
1. Fall (k
0
= 1):
Fr alle k N gilt

a
k
a
1

a
k
a
k1

a
k
1
a
k2

. . .

a
2
a
1

q
k1
,
also
[a
k
[ [a
1
[ q
k1
.
Wegen [q[ < 1 ist nach (4.11)

k=0
q
k
und damit auch

k=1
[a
1
[ q
k
konvergent.
Also ist nach (4.19)

k=1
a
k
absolut konvergent.
2. Fall (k
0
2):
<Aufgabe>
(2) Sei nun k
0
N mit k N
k0
: a
k
,= 0

a
k+1
a
k

1.
Es gilt dann
0 < [a
k0
[ [a
k0+1
[ [a
k0+2
[ . . .
Daraus folgt
(a
k
)
kN
, 0.
Also ist

k=1
a
k
divergent.
4.22 Satz: Grenzwertformen fr das Wurzelkriterium und das
Quotientenkriterium
Es sei (a
k
)
kN
eine Folge in C. Sei R. Es gelte
_
k
_
[a
k
[
_
kN
oder k N : a
k
,= 0
_

a
k+1
a
k

_
nN

Dann gilt
(1) < 1

k=1
a
k
ist absolut konvergent,
(2) > 1

k=1
a
k
ist divergent,
(3) = 1 (4.22) nicht anwendbar.
Beweis:
Folgt aus (4.20) und (4.21).
Beispiele:
(1) Fr alle k N sei a
k
:=
1
k
.
Es gilt
_
k
_
[a
k
[
_
kN
=
_
k
_
1
k
_
kN
=
_
1
k

k
_
kN
1.
98
4.23 Denition: Cauchy-Produkt
Es gilt
_

a
k+1
a
k

_
kN
=
_
k
k + 1
_
kN
1.
(4.22) ist nicht anwendbar!
Wir wissen von frher:

k=1
a
k
ist divergent.
(2) Fr alle k N sei a
k
:=
1
k
2
.
Es gilt
_
k
_
[a
k
[
_
kN
=
_
1
k

k
k

k
_
kN
1.
Es gilt
_

a
k+1
a
k

_
kN
=
_
k
2
(k + 1)
2
_
kN
=
_
1
_
1 +
1
k
_
2
_
kN
1.
(4.22) ist nicht anwendbar!
Wir wissen von frher:

k=1
a
k
ist konvergent.
(3) Fr alle k N sei a
k
:=
_
k
k+1
_
k
2
.
Es gilt
_
k
_
[a
k
[
_
kN
=
_
_
k
k + 1
_
k
_
kN
=
_
1
_
1 +
1
k
_
k
_
kN

1
e
< 1.
Nach (4.22) ist

k=1
[a
k
[ =

k=1
_
k
k+1
_
k
2
konvergent.
(4) Sei p N und q C mit [q[ < 1. Fr alle k N sei a
k
:= k
p
q
k
.
Es gilt
_

a
k+1
a
k

_
kN
=
_

(k + 1)
p
q
(k+1)
k
p
q
k

_
kN
=
__
1 +
1
k
_
p
[q[
_
kN
[q[ < 1.
Nach (4.22) ist folglich

k=1
a
k
absolut konvergent.
4.23 Denition: Cauchy-Produkt
Es seien (a
k
)
kN0
und (b
k
)
kN0
Folgen in C. Man deniere fr alle k N
0
c
k
:= a
0
b
k
+a
1
b
k1
+a
2
b
k2
+. . . +a
k
b
0
.
Dann heit die Reihe
_
n

k=0
c
k
_
nN
=
_
_
n

k=0
k

j=0
a
j
b
kj
_
_
nN
das Cauchy-Produkt von

k=0
a
k
und

k=0
b
k
.
99
4 Komplexe Zahlen, Folgen und Reihen
b
0
b
1
b
2
b
3
. . .
a
0
a
1
a
2
a
3
.
.
.
c
0
c
1
c
2
c
3
a
0
b
0
a
1
b
0
a
0
b
1
a
2
b
0
a
1
b
1
a
0
b
2
a
3
b
0
a
2
b
1
a
1
b
2
a
0
b
3
.
.
.
a
3
b
1
a
2
b
2
a
1
b
3
. . .
.
.
.
a
3
b
2
a
2
b
3
. . .
.
.
.
a
3
b
3
. . .
.
.
.
. . .
.
.
.
Falls

k=0
a
k
und

k=0
b
k
konvergieren, folgt dann auch:

k=0
c
k
konvergent?
Falls ja, gilt dann fr die Grenzwerte

k=0
c
k
=
_

k=0
a
k
_

k=0
b
k
_
?
4.24 Satz ber das Cauchy-Produkt
Es seien (a
k
)
kN0
und (b
k
)
kN0
Folgen in C. Man deniere fr alle k N
0
c
k
:= a
0
b
k
+a
1
b
k1
+a
2
b
k2
+. . . +a
k
b
0
.
Dann gelten folgende Aussagen:
(1) Sind

k=0
a
k
und

k=0
b
k
konvergent und wenigstens eine der beiden Reihen auch absolut konvergent,
so ist

k=0
c
k
konvergent.
(2) Sind

k=0
a
k
und

k=0
b
k
absolut konvergent, so ist auch

k=0
c
k
absolut konvergent.
(3) Sind die Reihen

k=0
a
k
,

k=0
b
k
und

k=0
c
k
konvergent, so gilt fr die Grenzwerte:

k=0
c
k
=
_

k=0
a
k
_

k=0
b
k
_
Beweis:
<Siehe BurgHafWille oder Heuser>
Beispiele:
(1) Sei q C mit [q[ < 1.
Die geometrische Reihe

k=0
q
k
ist absolut konvergent, denn

k=0
[q
k
[ =

k=0
[q[
k
100
Zwischenbemerkung: Injektiv, Surjektiv und Bijektiv
ist auch eine konvergente geometrische Reihe.
Es gilt nach (4.11)

k=0
q
k
=
1
1 q
.
Dass Cauchy-Produkt von

k=0
q
k
mit sich selbst ist die Reihe

k=0
(q
0
q
k
+q
1
q
k1
+q
2
q
k2
+. . . +q
k
q
0
)
=

k=0
(k + 1)q
k
= 1 q
0
+ 2 q
1
+ 3 q
2
+ . . .
Nach (4.24) ist auch diese Reihe absolut konvergent und es gilt fr den Grenzwert

k=0
(k + 1)q
k
=
1
1 q

1
1 q
=
1
(1 q)
2
.
(2) Die Reihe

k=0
(1)
k

k+1
=
1

1

1

2
+
1

3
. . . ist konvergent.
Das Cauchy-Produkt dieser Reihe mit sich selbst ist divergent.
<Beweis Aufgabe 40>
Zwischenbemerkung: Injektiv, Surjektiv und Bijektiv
Es seien X, Y Mengen und f : X Y eine Abbildung von X nach Y .
f : X Y heit injektiv oder eine Injektion, falls gilt:
x
1
, x
2
X : f(x
1
) = f(x
2
) x
1
= x
2
.
Dies ist quivalent mit
x
1
, x
2
X : x
1
,= x
2
f(x
1
) ,= f(x
2
).
f : X Y heit surjektiv oder eine Surjektion, falls gilt:
y Y x X : f(x) = y.
f : X Y heit bijektiv oder eine Bijektion von X auf Y , wenn sie sowohl injektiv als auch surjektiv
ist. Eine Bijektion von X auf sich selbst wird auch eine Permutation von X genannt.
Beispiel:
Man betrachte die folgenden Funktionen:
Funktion injektiv surjektiv bijektiv
f
1
: R R , x x
2

f
2
: R
0
R , x x
2
x
f
3
: R R
0
, x x
2
x
f
4
: R
0
R
0
, x x
2
x x x
101
4 Komplexe Zahlen, Folgen und Reihen
4.25 1. Umordnungssatz
Es sei (a
k
)
kN
eine Folge in C. Die Reihe

k=1
a
k
sei absolut konvergent. Sei : N N eine Permutation
von N. Dann gilt

k=1
a
(k)
ist konvergent und es gilt fr die Grenzwerte

k=1
a
(k)
=

k=1
a
k
.
Beweis:
<Siehe BurgHafWille oder Heuser>
4.26 2. Umordnungssatz
Es sei (a
k
)
kN
eine Folge in R. Es sei

k=1
a
k
konvergent aber nicht absolut konvergent. Dann gilt: Zu
jedem R existiert eine Bijektion : N N mit
(1)

k=1
a
(k)
ist konvergent,
(2)
n

k=1
a
(k)
= .
Beweis:
<Siehe BurgHafWille oder Heuser>
102
5 Exponentialfunktion, Sinus, Kosinus
5.1 Satz, Denition: Komplexe Exponentialfunktion
Fr alle z C ist

k=0
z
k
k!
=
z
0
0!
+
z
1
1!
+
z
2
2!
+. . .
absolut konvergent, also nach (4.18) auch konvergent.
Die Abbildung
exp : C C, z

k=0
z
k
k!
heit (komplexe) Exponentialfunktion.
Beweis:
Sei z C.
Zu zeigen:

k=0
z
k
k!
ist absolut konvergent.
1. Fall (z = 0):
Klar!
2. Fall (z ,= 0):
Wir wenden (4.21.1) an.
Setze q :=
1
2
und whle k
0
N mit k
0
2[z[ 1.
Es gilt fr alle k N
k0
()
2[z[ k
0
+ 1 k + 1.
Oensichtlich gilt 0 q < 1. Fr alle k N
k0
gilt

z
k+1
(k+1)!
z
k
k!

z
k + 1

=
[z[
k + 1

()
1
2
= q.
Also ist

k=0
z
k
k!
absolut konvergent.
5.2 Satz: Eigenschaften der Exponentialfunktion
(1) z, w C : exp(z +w) = exp(z) exp(w),
(2) exp(0) = 1,
(3) z C : exp(z) ,= 0,
(4) z C : exp(z) =
1
exp(z)
,
103
5 Exponentialfunktion, Sinus, Kosinus
(5) z C : exp(z) = exp(z),
(6) x R : [ exp(ix)[ = 1,
(7) Fr jede Folge (z
n
)
nN
in C 0 mit (z
n
)
nN
0 gilt:
_
exp(zn)1
zn
_
nN
1,
(8) z C : exp(z) = lim
__
1 +
z
n
_
n
_
nN
,
(8

) exp(1) = e.
Beweise:
(1) Seien z, w C. Nach (5.1) sind

k=0
z
k
k!
und

k=0
w
k
k!
also konvergent.
Es sei

k=0
c
k
das Cauchy-Produkt dieser Reihen.
Fr alle k N
0
gilt
c
k
=
k

l=0
z
l
l!

w
kl
(k l)!
=
1
k!
k

l=0
_
k
l
_
z
l
w
kl
=
(z +w)
k
k!
.
Nach (4.24.1) ist auch das Cauchy-Produkt

k=0
c
k
=

k=0
(z +w)
k
k!
konvergent und fr die Grenzwerte gilt

k=0
(z +w)
k
k!
=
_

k=0
z
k
k!
_

k=0
w
k
k!
_
.
Das bedeutet:
exp(z + w) = exp(z) exp(w).
(2) Es gilt
exp(0) =

k=0
0
k
k!
=
0
0
0!
..
=1
+
0
1
1!
+
0
2
2!
+. . . = 1.
(3)(4) Sei z C. Dann gilt
exp(z) exp(z) = exp(z + (z)) = exp(0) = 1,
also gilt
exp(z) ,= 0 und exp(z) =
1
exp(z)
.
(5) Sei z C. Dann gilt
exp(z) =

k=0
z
k
k!
= lim
_
n

k=0
z
k
k!
_
nN0
=
(4.8.5)
lim
_
n

k=0
z
k
k!
_
nN0
104
5.2 Satz: Eigenschaften der Exponentialfunktion
= lim
_
n

k=0
z
k
k!
_
nN0
=

k=0
z
k
k!
= exp(z).
(6) Sei x R. Dann gilt nach (4.4.3)
[ exp(ix)[
2
= exp(ix) exp(ix)
= exp(ix) exp(ix)
= exp(ix) exp(ix)
= exp(ix + (ix))
= exp(0)
= 1.
Daraus folgt
[ exp(ix)[ = 1.
(7) Sei (z
n
)
nN
eine Folge in C 0 mit (z
n
)
nN
0.
Zu zeigen:
R
>0
n
0
Nn N
n0
:

exp(z
n
) 1
z
n
1

< .
Sei R
>0
. Wegen (z
n
)
nN
0 lsst sich ein n
0
nden mit
[z
n
[ < min, 1
fr alle n N
n0
. Sei n N
n0
.
Dann gilt:
<Aufgabe>
(8) Sei z C.
1. Fall (z = 0):
Trivial.
2. Fall (z ,= 0):
Fr alle n N setze man
a
n
:=
exp(
z
n
)1
z
n
1,
d
n
:=
z
n
a
n
= exp
_
z
n
_

_
1 +
z
n
_
,
s
n
:=
n

j=1
_
_
exp
_
z
n
__
nj
_
1 +
z
n
_
j1
_
.
Wir zeigen zunchst
(i) (a
n
)
nN
0,
_
_
[z[ [a
n
[ exp([z[)
_
nN
0
_
,
(ii) n N : [ exp
_
z
n
_
[ exp
_
|z|
n
_
,
(iii) n N :

1 +
z
n

exp
_
|z|
n
_
,
(iv) n N : [s
n
[ n exp([z[),
105
5 Exponentialfunktion, Sinus, Kosinus
(v) n N : [ exp(z) (1 +
z
n
)
n
[ [z[ [a
n
[ exp([z[).
Aus (i) und (v) folgt
_
exp(z)
_
1 +
z
n
_
n
_
nN
0,
also
__
1 +
z
n
_
n
_
nN
exp(z).
(i) Klar wegen (7).
z
n
:=
z
n
,
_
z
n
_
nN
0.
(ii) Sei n N. Dann gilt:

exp
_
z
n
_

k=0
_
z
n
_
k
k!

(4.18)

k=0
_
|z|
n
_
k
k!
= exp
_
[z[
n
_
.
(iii) Sei n N. Dann gilt
exp
_
[z[
n
_
= 1 +
[z[
n
+
1
2!
_
[z[
n
_
2
+. . . ,
also:

1 +
z
n

1 +
[z[
n
exp
_
[z[
n
_
.
(iv) Sei n N. Es gilt ()
exp
_
[z[
n
_
= 1 + 1 +
[z[
n
+
1
2!
_
[z[
n
_
2
+. . .
. .
0
1.
Dann gilt
[s
n
[
n

j=1
_

exp
_
z
n
_

nj

1 +
z
n

j1
_

(ii)(iii)
n

j=1
_
exp
_
[z[
n
__
n1
= n
_
exp
_
[z[
n
__
n1
1

()
n
_
exp
_
[z[
n
__
n
=
(i)
n exp([z[).
(v) Sei n N. Dann gilt

exp(z)
_
1 +
z
n
_
n

_
exp
_
z
n
__
n

_
1 +
z
n
_
n

=
(2.7)
[d
n
s
n
[
= [d
n
[ [s
n
[

(iv)
[z[
n
[a
n
[ n exp([z[)
= [z[ [a
n
[ exp([z[).
(8

) Klar wegen (8).


106
5.3 Satz: Reelle Exponentialfunktion
5.3 Satz: Reelle Exponentialfunktion
(1) x R : exp(x) R
>0
,
x R
>0
: exp(x) R
>1
,
1 2 3 1 2 3 4
1
2
3
4
5
x
exp(x)
exp(x)
(2) x, y R : x < y exp(x) < exp(y),
(3) p Z : exp(p) = e
p
,
(4) p Zq N : exp
_
p
q
_
=
q

e
p
,
(5) Fr jede Folge (x
n
)
nN
in R
=0
und jedes k Z gilt
(x
n
)
nN

_
exp(x
n
)
x
n
k
_
nN
,
(6) Fr jede Folge (x
n
)
nN
in R gilt
(x
n
)
nN
(exp(x
n
))
nN
0.
Beweise:
(1) Sei x R.
1. Fall (x = 0):
Dann gilt
exp(x) = 1 > 0.
2. Fall (x > 0):
Dann gilt
exp(x) = 1 +x +
1
2!
x
2
+. . .
. .
>0
> 1.
3. Fall (x < 0):
Dann ist x > 0. Nach Fall 2 gilt exp(x) > 1, also
exp(x) =
1
exp(x)
> 0.
107
5 Exponentialfunktion, Sinus, Kosinus
(2) Seien x, y R mit x < y. Dann gilt y x > 0, also nach (1) ()
exp(y x) > 1,
also:
exp(y) = exp(x + (y x)) = exp(y) exp(y x) >
()
exp(x).
(3) Sei p Z.
1. Fall (p = 0):
Dann gilt
exp(p) = 1 = e
0
= e
p
.
2. Fall (p > 0):
Dann gilt
exp(p) = exp(1 + 1 +. . . + 1) = exp(1) exp(1) . . . exp(1) = exp(1)
p
= e
p
.
3. Fall (p < 0):
Dann ist p > 0. Nach Fall 2 gilt
exp(p) = e
p
.
Wir erhalten
exp(p) =
1
exp(p)
=
1
e
p
= e
p
.
(4) Sei p Z, q N. Dann gilt
_
exp
_
p
q
__
q
= exp
_
p
q
+
p
q
+. . . +
p
q
_
= exp(p) =
(3)
e
p
.
(5)(6) <Aufgabe>
Beispiel zu (4):

e =
2

e
1
=
(4)
exp
_
1
2
_
=

k=0
_
1
2
_
k
k!
.
5.4 Denition: Komplexe Potenzen von eee
Fr alle z C sei
e
z
:= exp(z).
Bemerkung:
Wegen (5.3.3) ist dies fr
z = p Z
keine neue Denition von e
z
Bemerkung:
Die Aussagen (1), (4), (5), (6) von Satz (5.2) lassen sich jetzt auch folgendermaen formulieren:
(1) z, w C : e
z+w
= e
z
e
w
,
(4) z C : e
z
=
1
e
z
,
(5) z C : e
z
= e
z
,
(6) x R : [e
ix
[ = 1.
108
5.5 Denition: Sinus, Kosinus
5.5 Denition: Sinus, Kosinus
Fr alle x R sei
cos : R R, x Re(e
ix
),
sin : R R, x Im(e
ix
).
1
2
2
2
3
2
4
2
5
2
1
2
1
1
x
cos(x) sin(x)
Eulersche Form:
Fr alle x R gilt
e
ix
= cos(x) +i sin(x).
1
1
i
i
i sin(x)
cos(x)
1
e
ix
= cos(x) +i sin(x)
5.6 Satz: Eigenschaften von Sinus und Kosinus
Fr alle x, y R und n N gilt
(1) cos(x) =
1
2
(e
ix
+e
ix
),
(2) sin(x) =
1
2i
(e
ix
e
ix
),
(3) (cos(x) +i sin(x))
n
= cos(nx) + sin(nx),
(4) sin(0) = 0,
cos(0) = 1,
109
5 Exponentialfunktion, Sinus, Kosinus
(5) sin(x) = sin(x),
cos(x) = cos(x),
(6) sin(x +y) = sin(x) cos(y) + cos(x) sin(y),
(7) cos(x +y) = cos(x) cos(y) sin(x) sin(y),
(8) sin(x) sin(y) = 2 cos
_
x+y
2
_
sin
_
xy
2
_
,
(9) cos(x) cos(y) = (2) sin
_
x+y
2
_
sin
_
xy
2
_
,
(10) sin
2
(x) + cos
2
(x) = 1.
Anmerkung:
sin
2
(x) und cos
2
(x) sind quivalente Schreibweisen zu (sin(x))
2
und (cos(x))
2
.
(11) 1 sin(x) 1,
1 cos(x) 1,
(12) cos(x) =

k=0
(1)
k x
2k
(2k)!
,
(13) sin(x) =

k=0
(1)
k x
2k+1
(2k+1)!
,
(14) sin(2x) = 2(sin(x) cos(x)),
(15) cos(2x) = cos
2
(x) sin
2
(x),
(16) sin(3x) = 3 sin(x) 4 sin
3
(x),
(17) cos(3x) = 4 cos
3
(x) 3 cos(x),
(18) sin
2
_
x
2
_
=
1cos(x)
2
,
(19) cos
2
_
x
2
_
=
1+cos(x)
2
.
Beweise:
Seien x, y R. Sei n N.
(1) Es gilt
cos(x) = Re(e
ix
) =
(4.4.1)
1
2
(e
ix
+e
ix
) =
(5.2.5)
1
2
(e
ix
+e
ix
) =
1
2
(e
ix
+e
ix
).
(2) Es gilt
sin(x) = Im(e
ix
) =
(4.4.2)
1
2i
(e
ix
e
ix
) =
1
2i
(e
ix
e
ix
).
(3) Es gilt
(cos(x) + sin(x))
n
= (e
ix
)
n
= (exp(ix))
n
=
(5.2.1)
exp(n ix)
= e
i(nx)
=
(EF)
cos(nx) +i sin(nx).
110
5.6 Satz: Eigenschaften von Sinus und Kosinus
(4) Klar!
(5) Es gilt
sin(x) =
1
2i
(e
i(x)
e
i(x)
) =
1
2i
(e
ix
e
i(x)
) = sin(x).
Weiterhin gilt
cos(x) =
1
2
(e
i(x)
+e
i(x)
) =
1
2
(e
ix
+e
i(x)
) = cos(x).
(6)(7) Es gilt e
i(x+y)
= e
ix
e
iy
, also nach Eulerscher Form
cos(x +y) +i sin(x +y) = (cos(x) +i sin(x))(cos(y) +i sin(y))
= (cos(x) cos(y) sin(x) sin(y)) +
i(cos(x) sin(y) + sin(x) cos(y)),
also
cos(x + y) = (cos(x) cos(y) sin(x) sin(y))
und damit
sin(x +y) = (cos(x) sin(y) + sin(x) cos(y)).
(8)(9) <Aufgabe>
(10) Es gilt
sin
2
(x) + cos
2
(x) = [ cos(x) +i sin(x)[
2
= [e
ix
[
2
= 1
2
= 1.
(11) Nach (10) gilt
[ sin(x)[
2
= sin
2
(x)
(10)
1,
also
[ sin(x)[ 1.
Weiterhin gilt
[ cos(x)[
2
= cos
2
(x)
(10)
1,
also
[ cos(x)[ 1.
(12)(13) Es gilt
cos(x) +i sin(x) = e
ix
= exp(ix)
=

k=0
(ix)
k
k!
=

k=0
i
k
x
k
k!
=
<44>

k=0
i
2k
x
2k
(2k)!
+

k=0
i
2k+1
x
2k+1
(2k + 1)!
=
_

k=0
(1)
k
x
2k
(2k)!
_
+i
_

k=0
(1)
k
x
2k+1
(2k + 1)!
_
,
also
cos(x) =

k=0
(1)
k
x
2k
(2k)!
111
5 Exponentialfunktion, Sinus, Kosinus
und damit
sin(x) =

k=0
(1)
k
x
2k+1
(2k + 1)!
.
(14)(19) <Aufgabe 45>
5.7 Denition: Sinus Hyperbolicus, Kosinus Hyperbolicus
Fr alle x R sei
cosh : R R, x
1
2
(e
x
+e
x
),
sinh : R R, x
1
2
(e
x
e
x
).
Die Funktionen sinh und cosh heien auch Hyperbelfunktionen.
1 2 1 2
1
2
3
1
2
3
x
y
sinh(x)
cosh(x)
5.8 Satz: Eigenschaften der Hyperbelfunktionen
Fr alle x, y R und n Z gilt
(1) sinh(x +y) = sinh(x) cosh(y) + cosh(x) sinh(y),
(2) cosh(x +y) = cosh(x) cosh(y) + sinh(x) sinh(y),
(3) cosh
2
(x) sinh
2
(x) = 1,
(4) cosh(x) + sinh(x) = e
x
,
(5) sinh(2x) = 2 sinh(x) cosh(x),
112
5.8 Satz: Eigenschaften der Hyperbelfunktionen
(6) cosh(2x) = sinh
2
(x) + cosh
2
(x),
(7) (sinh(x) + cosh(x))
n
= sinh(nx) + cosh(nx).
Beweise:
Seien x, y R. Sei n Z.
(1) Es gilt
sinh(x) cosh(y) + cosh(x) sinh(y)
=
1
2
(e
x
e
x
)
1
2
(e
y
+e
y
) +
1
2
(e
x
+e
x
)
1
2
(e
y
e
y
)
=
1
4
_
(e
x
e
x
)(e
y
+e
y
) + (e
x
+e
x
)(e
y
e
y
)
_
=
1
4
_
(e
x+y
+e
xy
e
x+y
e
xy
) + ((e
x+y
e
xy
+e
x+y
e
xy
)
_
=
1
4
_
2(e
x+y
e
xy
)
_
=
1
2
(e
x+y
e
(x+y)
)
= sinh(x +y).
(2) Es gilt
cosh(x) cosh(y) + sinh(x) sinh(y)
=
1
2
(e
x
+e
x
)
1
2
(e
y
+e
y
) +
1
2
(e
x
e
x
)
1
2
(e
y
e
y
)
=
1
4
_
(e
x
+e
x
)(e
y
+e
y
) + (e
x
e
x
)(e
y
e
y
)
_
=
1
4
_
(e
x+y
+e
x+y
+e
xy
+e
xy
) + ((e
x+y
e
x+y
e
xy
+e
xy
)
_
=
1
4
_
2(e
x+y
+e
xy
)
_
=
1
2
(e
x+y
+e
(x+y)
)
= cosh(x +y).
(3) Es gilt
cosh
2
(x) sinh
2
(x) =
_
1
2
(e
x
+e
x
)
_
2

_
1
2
(e
x
e
x
)
_
2
=
1
4
_
(e
x
+e
x
)
2
_

1
4
_
(e
x
e
x
)
2
_
=
1
4
_
(e
2x
+ 2e
0
+e
2x
) (e
2x
2e
0
+ e
2x
)
_
=
1
4
(2 + 2)
= 1.
(4) Es gilt
cosh(x) + sinh(x) =
1
2
(e
x
+e
x
) +
1
2
(e
x
e
x
)
=
1
2
(2e
x
)
= e
x
.
113
5 Exponentialfunktion, Sinus, Kosinus
(5) Es gilt
sinh(2x) = sinh(x +x)
=
(1)
sinh(x) cosh(x) + cosh(x) sinh(x)
= 2(sinh(x) cosh(x)).
(6) Es gilt
cosh(2x) = cosh(x +x)
=
(2)
cosh(x) cosh(x) + sinh(x) sinh(x)
= sinh
2
(x) + cosh
2
(x).
(7) Sei n Z. Dann gilt
(sinh(x) + cosh(x))
n
=
(4)
(e
x
)
n
=
(5.4)
(exp(x))
n
=
(5.2.1)
exp(nx)
=
(5.4)
e
nx
=
(4)
sinh(nx) + cosh(nx).
114
6 Stetigkeit reeller Funktionen
6.1 Denition: Intervalle
Seien a, b R mit a b. Die folgenden Teilmengen von R heien Intervalle:
(a, b) := x R [ a < x < b,
(a, b] := x R [ a < x b,
[a, b) := x R [ a x < b,
[a, b] := x R [ a x b,
(, a) := x R [ x < a,
(a, ) := x R [ a < x,
[a, ) := x R [ a x,
(, a] := x R [ x a,
(, ) := R,
[, ] := R.
Bemerkung:
Fr a = b ist (a, b) = das leere Intervall und es gilt [a, b] = a = b.
Eine Teilmenge I von R ist genau dann ein Intervall, wenn sie konvex ist, das heit wenn folgendes
gilt:
a, b I x R : a x b x I.
Bemerkung:
In (6.1) sind die ersten vier Intervalle beschrnkt. Die nchsten fnf Intervalle sind unbeschrnkt.
Wir betrachten im Folgenden Abbildungen
f : M R
wobei M eine beliebige Teilmenge von R ist. Von besonderem Interesse ist fr uns der Fall, dass M ein
Intervall ist.
Beispiele fr Funktionen:
(1) Sei n N. Seien a
0
, a
1
, a
2
, . . . , a
n
R mit a
n
,= 0. Dann heit die Funktion
f : R R, x a
0
+a
1
x
1
+a
2
x
2
+. . . +a
n
x
n
eine Polynomfunktion (oder ein Polynom) vom Grad n.
Die Abbildung
f : R R, x 0
heit Nullpolynom. Auch sie wird als Polynomfunktion bezeichnet.
115
6 Stetigkeit reeller Funktionen
(2) Es seien p, q Polynomfunktionen und sei q ,= Nullpolynom. Weiterhin sei M := x R [ q(x) ,= 0.
Dann heit die Funktion
f : M R, x
p(x)
q(x)
eine rationale Funktion.
(3) sin, cos, exp sind Funktionen von R nach R.
(4) Sei M := x R [ 0 x. Dann gibt es nach (2.8) fr jedes n N die Wurzelfunktion
f : M R, x f(x) :=
n

x.
6.2 Denition: Berhrungspunkt
Sei M R. Sei x
0
R. x
0
heit ein Berhrungspunkt von M, wenn es eine Folge (x
n
)
nN
in M gibt,
mit (x
n
)
nN
x
0
.
Beispiel:
Seien a, b R mit a < b. Dann ist a ein Berhrungspunkt von (a, b].
Beweis:
Fr alle n N sei x
n
:= a +
ba
n
. Oensichtlich ist (x
n
)
nN
eine Folge in (a, b] mit (x
n
)
nN
a.
Bemerkung:
Sei M R und x
0
R ein Berhrungspunkt von M. Im allgemeinen ist dann x
0
, M.
Jedes Element aus M ist Berhrungspunkt von M.
6.3 Denition: Funktionengrenzwert
Sei M R, x
0
R Berhrungspunkt von M. Sei f : M R, sei c R.
c heit ein Grenzwert von f in x
0
, wenn gilt: Fr jede Folge (x
n
)
nN
in M mit (x
n
)
nN
x
0
gilt
(f(x
n
))
nN
c.
Ist c Grenzwert von f in x
0
, so ist c einziger Grenzwert von f in x
0
und man schreibt
lim
xx0
xM
f(x) = c oder krzer lim
xx0
f(x) = c.
_
oder f(x) c fr x x
0
_
Fr die Aussage f hat in x
0
einen Grenzwert sagt man auch lim
xx0
xM
f(x) existiert.
Hat f in x
0
einen Grenzwert, so bezeichnet man auch ihn mit
lim
xx0
xM
f(x).
116
6.3 Denition: Funktionengrenzwert
Beispiele:
(1) Seien k N und M := R 1 und f : M R, x f(x) :=
x
k
1
x1
. Dann gilt: 1 ist Berhrungs-
punkt von M und
lim
x1
xM
f(x) = lim
x1
xM
x
k
1
x 1
= k.
Beweis:
Fr alle x M gilt f(x) = 1 + x
1
+ . . . + x
k1
. Sei (x
n
)
nN
eine Folge in M mit (x
n
)
nN
1.
Dann gilt nach (3.11)
(f(x
n
))
nN
= (1 +x
1
n
+. . . +x
k1
n
)
nN
1 + 1
1
+ 1
2
+. . . + 1
k1
= k.
(2) Sei M := R 0. Sei f : M R, x f(x) :=
e
x
1
x
. Dann gilt
lim
x0
f(x) = lim
x0
e
x
1
x
= 1.
(3) Seien x
0
R und M := R x
0
und
f : M R, x
sin x sin x
0
x x
0
,
g : M R, x
cos x cos x
0
x x
0
.
Es gilt dann
lim
xx0
xM
f(x) = cos x
0
,
lim
xx0
xM
g(x) = sin x
0
.
Beweis:
Sei (x
n
)
nN
eine Folge in M mit (x
n
)
nN
x
0
. Dann ist (i(x
n
x
0
))
nN
eine Folge in C 0
mit (i(x
n
x
0
))
nN
0. Nach (5.2.7) gilt dann (setze z
n
:= i(x
n
x
0
))
_
e
ix0
(e
ixn
e
ix0
)
i(x
n
x
0
)
_
nN
=
_
e
i(xnx0)
1
i(x
n
x
0
)
_
nN
1,
also
_
cos x
n
cos x
0
x
n
x
0
+i
sin x
n
sinx
0
x
n
x
0
_
nN
=
_
e
ixn
e
ix0
x
n
x
0
_
nN
ie
ix0
= sinx
0
+i cos x
0
,
also gilt nach (4.8)
_
cos x
n
cos x
0
x
n
x
0
_
nN
sinx
0
,
_
sin x
n
sinx
0
x
n
x
0
_
nN
cos x
0
.
(4) Fr jede der Mengen R
<0
, R
>0
, R
=0
ist 0 ein Berhrungspunkt.
Es gilt
lim
x0
xR<0
= 1, lim
x0
xR>0
= 1,
lim
x0
xR
=0
existiert nicht.
117
6 Stetigkeit reeller Funktionen
6.4 Satz: Grenzwertregeln fr Funktionen
Sei M R. Sei x
0
R Berhrungspunkt von M. Seien f : M R und g : M R. Seien c, d R mit
lim
xx0
xM
f(x) = c und lim
xx0
xM
g(x) = d. Sei c
0
R. Dann gilt
(1) lim
xx0
(f(x) +g(x)) = c +d,
(2) lim
xx0
(f(x) g(x)) = c d,
(3) lim
xx0
(c
0
f(x)) = c
0
c,
(4) lim
xx0
_
f(x)
g(x)
_
=
c
d
, falls d ,= 0 und g(x) ,= 0 fr alle x M,
(5) Aus f(x) g(x) fr alle x M folgt c d .
Beweise:
(1)-(4) Klar wegen (3.11).
(5) Es sei f(x) g(x) fr alle x M. Man whle eine Folge (x
n
)
nN
in M mit (x
n
)
nN
x
0
. Dann
gilt
(f(x
n
))
nN
c und (g(x))
nN
d.
Fr alle n N gilt f(x) g(x). Also gilt nach dem Vergleichssatz (3.8) c d.
6.5 Denition: Uneigentlicher Grenzwert
Sei M R. Sei f : M R. Sei c R.
Ist M nicht nach oben beschrnkt, so schreibt man
lim
x
xM
f(x) = c
wenn folgendes gilt:
Fr jede Folge (x
n
)
nN
in M mit (x
n
)
nN
gilt (f(x
n
))
nN
c.
Ist M nicht nach unten beschrnkt, so schreibt man
lim
x
xM
f(x) = c
wenn folgendes gilt:
Fr jede Folge (x
n
)
nN
in M mit (x
n
)
nN
gilt (f(x
n
))
nN
c.
Bemerkung:
Auf natrliche Weise lassen sich sechs weitere Grenzwerte denieren:
118
6.6 Satz: /-Kriterium fr Funktionsgrenzwerte
lim
xx0
xM
f(x) = c, lim
xx0
xM
f(x) = , lim
xx0
xM
f(x) = ,
lim
x
xM
f(x) = c, lim
x
xM
f(x) = , lim
x
xM
f(x) = ,
lim
x
xM
f(x) = c, lim
x
xM
f(x) = , lim
x
xM
f(x) = .
Wir knnen also insgesamt zwischen neun verschiedenen Grenzwerten unterscheiden.
Beispiele:
(1) lim
x
xR\{0}
e
x
x
k
= fr alle k N
0
,
lim
x
xR\{0}
e
x
x
k
= 0 fr alle k N
0
,
(2) lim
x0
xR>0
1
x
= ,
lim
x0
xR<0
1
x
= .
1 2 3 4 5 1 2 3 4 5
1
2
3
1
2
3
x
f(x) :=
e
x
x
2
g(x) :=
1
x
6.6 Satz: /-Kriterium fr Funktionsgrenzwerte
Sei M R. Sei x
0
R Berhrungsunkt von M. Sei f : M R. Sei c R. Dann gilt
lim
xx0
xM
f(x) = c
R
>0
R
>0
x M : [x x
0
[ < [f(x) f(x
0
)[ < .
119
6 Stetigkeit reeller Funktionen
x
y
f
x
0
x
0
x
0
+
c
c
c +
Beweis:
Sei R
>0
.
Annahme:
R
>0
x M : [x x
0
[ < [f(x) c[ .
Zu jedem n N whle man ein x
n
M mit [x
n
x
0
[ <
1
n
und [f(x
n
) c[ . Dann ist (x
n
)
nN
eine Folge in M mit (x
n
)
nN
x
0
und (f(x
n
))
nN
, c.
Sei (x
n
)
nN
eine Folge in M mit (x
n
)
nN
x
0
. Zu zeigen: (f(x
n
))
nN
c, also
R
>0
n
0
Nn N
n0
: [f(x
n
) c[ < .
Sei R
>0
. Nach Vorraussetzung existiert R
>0
mit
x M : [x x
0
[ < [f(x) c[ < .
Wegen (x
n
)
nN
x
0
existiert ein n
0
N mit
n N
n0
: [x
n
x
0
[ < .
Fr alle n N
n0
gilt dann
[f(x
n
) c[ < .
Bemerkung:
hnliche Stze wie in (6.6) lassen sich fr acht weitere (uneigentliche) Grenzwerte formulieren und
beweisen.
lim
xx0
xM
f(x) = c, lim
xx0
xM
f(x) = , lim
xx0
xM
f(x) = ,
lim
x
xM
f(x) = c, lim
x
xM
f(x) = , lim
x
xM
f(x) = ,
lim
x
xM
f(x) = c, lim
x
xM
f(x) = , lim
x
xM
f(x) = .
Wir knnen also insgesamt zwischen neun verschiedenen Grenzwerten unterscheiden.
120
6.7 Denition: Lokale und globale Stetigkeit
Beispiel:
lim
x
xM
f(x) = c Rr Rx M : x r c f(x).
Konkretes Beispiel:
Man betrachte lim
x
xM
x
2
= .
x
x
2
x <
c
r
6.7 Denition: Lokale und globale Stetigkeit
Sei M R. Sei f : M R.
Sei x
0
M. f heit lokal stetig in x
0
, wenn
lim
xx0
xM
f(x) = f(x
0
)
gilt.
f heit global stetig (in M), wenn f in jedem x
0
M stetig ist.
Bemerkung:
Sei x
0
R.
f ist stetig in x
0

Fr jede Folge (x
n
)
nN
in M mit (x
n
)
nN
x
0
gilt (f(x
n
))
nN
f(x
0
).
Beispiele:
(1) Fr jedes c R ist die konstante Funktion
f : R R, x c
stetig.
(2) Die Identitt, also die Funktion
id
R
: R R, x x
ist stetig.
121
6 Stetigkeit reeller Funktionen
(3) Die Funktionen exp : R R, sin : R R, cos : R R sind stetig.
Bew: (Zum Beispiel fr die stetigkeit von exp.)
Sei x
0
R. Sei (x
n
)
nN
eine Folge in R mit (x
n
)
nN
x
0
.
Zu zeigen:
(e
xn
)
nN
e
x0
.
1. Fall (n N : x
n
,= x
0
):
Nach (5.2.7) gilt (setze z
n
:= x
n
x
0
)
_
e
xnx
0
1
xnx0
_
nN
1,
also gilt
(e
xn
)
nN
=
_
e
x0
_
e
xnx
0
1
xnx0
(x
n
x
0
) + 1
__
nN
e
x0
1 (0 + 1)
= e
x0
.
2. Fall (n N : x
n
= x
0
):
<Aufgabe>
(4) Die Funktion
f : R R, x f(x) :=
_
1 falls x [0, 1)
0 falls x , [0, 1)
ist nicht stetig in 0 und nicht stetig in 1.
1 2 3 4 1 2 3 4
1
2
x
y
f
Beweis:
Es gilt
_

1
n
_
nN
0, aber
_
f
_

1
n
__
nN
= (0) , 1 = f(0),
_
1
1
n
_
nN
1, aber
_
f
_
1
1
n
__
nN
= (1) , 0 = f(1).
6.8 Satz: Stetige Funktionen
Sei M R. Sei x
0
M. Seien f, g : M R. Funktionen, die beide in x
0
stetig sind. Sei R. Dann
sind folgende Funktionen ebenfalls stetig in x
0
:
(1) f +g : M R, x f(x) +g(x),
(2) f g : M R, x f(x) g(x),
122
6.9 Satz: /-Kriterium der Stetigkeit
(2

) f : M R, x f(x),
(3)
f
g
: M R, x
f(x)
g(x)
, falls g(x) ,= 0 fr alle x M,
(4) [f[ : M R, x [f(x)[,
(5) min(f, g) : M R, x minf(x), g(x),
(6) max(f, g) : M R, x maxf(x), g(x).
Beweise:
(1)-(3) Klar wegen (6.4)!
(4) Sei (x
n
)
nN
eine Folge in M mit (x
n
)
nN
x
0
. Dann gilt (f(x
n
))
nN
f(x
0
). Mit (3.10) folgt
([f(x
n
)[)
nN
[f(x
0
)[.
Das bedeutet
([f[(x
n
))
nN
[f[(x
0
).
(5)(6) Klar wegen Aufgabe (8a) und (8b).
Beispiele:
(1) Alle Polynomfunktionen sind stetig.
(2) Alle rationalen Funktionen sind stetig.
(3) Die Funktionen Tangens und Kotangens, also die Funktionen
tan : R x R [ cos x ,= 0 R, x
sin x
cos x
cot : R x R [ sin x ,= 0 R, x
cos x
sinx
sind stetig.
6.9 Satz: /-Kriterium der Stetigkeit
Sei M R. Sei f : M R. Sei x
0
M. Dann gilt
f stetig in x
0
R
>0
R
>0
x M : [x x
0
[ < [f(x) f(x
0
)[ < .
Beweis:
Klar wegen (6.6)!
Zwischenbemerkung: Gleichmige Stetigkeit
Sei M R. Sei f : M R. f heit gleichmig stetig (in M), wenn gilt
R
>0
R
>0
x, y M : [x y[ < [f(x) f(y)[ < .
123
6 Stetigkeit reeller Funktionen
Bemerkung:
Oensichtlich ist jede gleichmig stetige Funktion auch stetig.
Beispiel:
Die Funktion
f : (0, ) R, x
1
x
(Hyperbel)
ist nicht gleichmig stetig, aber stetig.
1 2 3 4 5
1
2
3
x
f(x)
f
Seien a, b R mit a < b. Sei f : [a, b] R. Dann gilt
f stetig f gleichmig stetig.
Beweis:
<Siehe BurgHafWille>
Als erste Anwendung von (6.9) bringen wir...
6.10 Satz: Vorstufe zum Zwischenwertsatz
Sei M R. Sei x
0
M. Sei f : M R stetig in x
0
. Seien s, t R mit s < f(x
0
) < t. Dann existiert
R
>0
mit
x M : [x x
0
[ < s < f(x) < t.
Beweis:
Man betrachte := minf(x
0
) s, t f(x
0
).
Es gilt R
>0
und es gilt s f(x
0
) , f(x
0
) + t.
Nach (6.9) gibt es ein R
>0
mit
x M : [x x
0
[ < [f(x) f(x
0
)[ < .
Fr alle x M mit [x x
0
[ < gilt dann
s f(x
0
)
= (f(x
0
) f(x)) +f(x)
[f(x
0
) f(x)[ +f(x)
< +f(x)
= f(x)
124
6.11 Satz: Zwischenwertsatz von Bolzano
und
f(x) = (f(x) f(x
0
)) +f(x
0
)
[f(x) f(x
0
)[ +f(x
0
)
< +f(x)
t.
6.11 Satz: Zwischenwertsatz von Bolzano
Seien a, b, t R mit a b. Sei f : [a, b] R stetig.
Es gelte f(a) t f(b) oder f(b) t f(a).
Dann existiert x
0
[a, b] mit f(x
0
) = t.
x
f(x)
f
a x
0 b
f(a)
t
f(b)
Beweis:
Sei etwa f(a) t f(b). Betrachte M := x [a, b] [ f(x) t.
Es gilt M [a, b] und a M, also M ,= .
Setze x
0
:= sup M. Es gilt x
0
[a, b].
Wir behaupten:
f(x
0
) = t.
Nach (1.14) gibt es zu jedem n N ein x
n
M mit x
0

1
n
< x
n
. Damit haben wir die Folge (x
n
)
nN
in M. Fr sie gilt (x
n
)
nN
x
0
, also
( f(x
n
)
. .
t
)
nN
f(x
0
),
also nach (3.8): f(x
0
) t, also x
0
M.
Annahme (f(x
0
) ,= t, also f(x
0
) < t):
Nach (6.10) gibt es ein R
>0
mit
x [a, b] : [x x
0
[ < f(x) < t.
Wegen f(x
0
) < t f(b) ist x
0
,= b, x
0
< b.
Man whle x
1
[x
0
, b] mit [x
1
x
0
[ < . Dann gilt f(x
1
) < t im Widerspruch zur Denition von x
0
.
Aus sup M = x
0
< x
1
folgt x
1
, M, also f(x
1
) > t.
125
6 Stetigkeit reeller Funktionen
Beispiele:
(1) Jede Polynomfunktion ,= 0 von ungradem Grad hat eine Nullstelle in R.
Beweis:
<Aufgabe 53.b>
(2) e
x
[ x R = (0, )
Beweis:
Klar wegen (5.3.1)!
Sei t (0, ). Wegen
lim
x
e
x
= 0 und lim
x
e
x
=
existieren a, b R mit a b und e
a
e
t
e
b
.
Nach dem Zwischenwertsatz existiert ein x
0
[a, b] mit e
x0
= t.
6.12 Satz vom Maximum und Minimum (Extremalsatz)
Seien a, b R mit a b. Sei f : [a, b] R stetig. Dann existieren x
0
, x
1
[a, b] mit
x [a, b] : f(x
0
) f(x) f(x
1
).
x
f(x)
f
f(x
0
)
f(x
1
)
a
b
Beweis:
Es gengt, folgendes zu zeigen:
(1) Bildf = f([a, b]) ist beschrnkt (nach oben oder unten),
(2) inf[a, b] f([a, b]),
sup[a, b] f([a, b]).
(1) Annahme (f([a, b]) ist nicht beschrnkt):
Sei o.B.d.A f([a, b]) nicht nach oben beschrnkt. Dann lsst sich zu jedem n N ein a
n
[a, b]
nden, mit
f(a
n
) > n.
Nach dem Satz von Blozano-Weierstrass hat die beschrnkte Folge (a
n
)
nN
eine konvergente
Teilfolge (a
kn
)
nN
. Es gilt dann
a

:= lim(a
kn
)
nN
[a, b].
126
6.13 Satz: Intervalle auf stetigen Funktionen
Wegen der Stetigkeit von f erhalten wir
(f(a
kn
))
nN
f(a

).
Es gilt aber
(f(a
kn
)) > k
n
na
also
(f(a
kn
))
(2) Wir beweisen die zweite Aussage.
Man setze s := supf([a, b]). Nach (1.14) lsst sich zu jedem n N ein b
n
[a, b] nden mit
s
1
n
< f(b
n
) s.
Oensichtlich ist (f(b
n
))
nN
konvergent und es gilt
(f(b
n
))
nN
s.
Nach (3.18) hat die beschrnkte Folge (b
n
)
nN
eine konvergente Teilfolge (b
kn
)
nN
. Es gilt
b

:= lim(b
kn
)
nN
[a, b].
Wegen der Stetigkeit von f gilt
(f(b
kn
))
nN
f(b

).
Wegen (f(b
n
))
nN
s gilt auch (f(b
kn
))
nN
s. Wir erhalten
s = f(b

) f([a, b]).
Dieser Satz lehrt:
f hat einen kleinsten und einen grten Funktionswert.
6.13 Satz: Intervalle auf stetigen Funktionen
Sei I ein beliebiges Intervall von R und f : I R eine stetige Funktion. Dann ist auch
f(I) := f(x) [ x I
ein Intervall von R.
Beweis:
Sei I := [a, b] mit a, b R, a b.
Nach (6.12) existieren x
0
, x
1
[a, b] mit
x [a, b] : f(x
0
) f(x) f(x
1
).
Beh:
f([a, b]) = [f(a), f(b)].
Klar!
Klar nach Zwischenwertsatz!
127
6 Stetigkeit reeller Funktionen
128
Einschub: Ergnzungen zum
Abbildungsbegri
Satz, Denition: Umkehrfunktion
Seien X, Y Mengen. Sei : X Y eine Bijektion. Dann gibt es zu jedem y Y genau ein x X mit
y = (x). Also existiert die Abbildung

1
: Y X, (x) x.
Diese Abbildung heit Umkehrabbildung oder Umkehrfunktion von .
Bemerkung:
Seien X, Y Mengen. Sei : X Y eine injektive Abbildung. Dann ist
: X Bild
eine Bijektion. Also existiert die Umkehrabbildung

1
: Bild X.
Jede injektive Abbildung hat damit eine eindeutig bestimmte Umkehrabbildung.
Denition: Kompositum von Abbildungen
Seien X, Y, Y

, Z Mengen und : X Y

, : Y Z Abbildungen mit Bild Y . Dann existiert die


Abbildung
: X Z : x ((x)).
Sie heit das Kompositum oder die Hintereinanderausfhrung von und .
Bemerkung:
wird nach gelesen.
Beispiel:
Man betrachte die Abbildungen
: R 1 C, x (x) :=
1
x 1
,
: R R, x (x) := e
x
.
Oensichtlich gilt Bild R. Damit existiert die Abbildung
: R 1 R, x e
1
x1
.
129
Einschub: Ergnzungen zum Abbildungsbegri
Satz: Bijektionskriterium
Seien X, Y Mengen und : X Y , : Y X Abbildungen mit = id
X
und = id
Y
. Dann
sind
: X Y und : Y X
Bijektionen mit

1
= und
1
= .
Beweis:
Es gengt zu zeigen
(1) x
1
, x
2
X : (x
1
) = (x
2
) x
1
= x
2
,
(2) y Y x X : (x) = y,
(3) y Y :
1
(y) = (y).
(1) Seien x
1
, x
2
X mit (x
1
) = (x
2
). Dann gilt
x
1
= ( )(x
1
)
= ((x
1
))
= ((x
2
))
= ( )(x
2
)
= x
2
.
(2) Sei y Y . Betrachte x := (y). Es gilt
(x) = ((y))
= ( )(y)
= y.
(3) Sei y Y . Nach (2) existiert x X mit (x) = y. Wir erhalten dann

1
(y) = x
= ( )(x)
= ((x))
= (y).
Satz: Lokale Stetigkeit eines Kompositums
Es seien X, Y R und : X R, : Y R Abbildungen mit Bild Y . Sei x
0
X. sei stetig in
x
0
und sei stetig in (x
0
). Dann ist auch das Kompositum
: X R
stetig in x
0
.
130
Satz: Globale Stetgkeit eines Kompositums
Beweis:
Sei (x
n
)
nN
eine Folge in X mit (x
n
)
nN
x
0
. Zu zeigen:
(( )(x
n
))
nN
( )(x
0
)
Wegen der Stetigkeit von in x
0
gilt
((x
n
))
nN
(x
0
).
Wegen der Stetigkeit von in (x
0
) gilt
(((x
n
)))
nN
((x
0
)).
Satz: Globale Stetigkeit eines Kompositums
Es seien X, Y R und : X R, : Y R zwei stetige Funktionen mit Bild Y . Dann ist auch
das Kompositum
: X R
eine stetige Abbildung.
Beweis:
Klar!
131
Einschub: Ergnzungen zum Abbildungsbegri
132
6 Stetigkeit reeller Funktionen
6.14 Denition: Monotonie
Sei M R. Sei f : M R.
f heit konstant : x, y M : x = y f(x) f(y),
f heit monoton steigend : x, y M : x y f(x) f(y),
f heit streng monoton steigend : x, y M : x < y f(x) < f(y),
f heit monoton fallend : x, y M : x y f(x) f(y),
f heit streng monoton fallend : x, y M : x > y f(x) > f(y),
f heit monoton : f monoton steigend
oder monoton fallend,
f heit streng monoton : f streng monoton steigend
oder streng monoton fallend.
Beispiel:
Die reelle Exponentialfunktion
exp : R R
ist streng monoton steigend.
Beweis:
Klar nach (5.3.2)!
6.15 Bemerkung zu streng monotonen Funktionen
Sei M R. Sei f : M R streng monoton steigend (oder fallend). Dann gilt
(1) f ist injektiv,
(2) f
1
: Bild f M ist streng monoton steigend (bzw. fallend).
Beweis:
(1) Sei f : M R o.B.d.A streng monoton steigend. Seien x
1
, x
2
M mit x
1
,= x
2
. Zu zeigen ist
f(x
1
) ,= f(x
2
).
1. Fall (x
1
< x
2
):
Dann gilt
f(x
1
) < f(x
2
),
also
f(x
1
) ,= f(x
2
).
2. Fall (x
1
> x
2
):
Dann gilt
f(x
1
) > f(x
2
),
also
f(x
1
) ,= f(x
2
).
133
6 Stetigkeit reeller Funktionen
(2) Seien y
1
, y
2
Bildf mit y
1
< y
2
. Zu zeigen ist
f
1
(y
1
) < f
1
(y
2
).
Es existieren x
1
, x
2
M mit
f(x
1
) = y
1
und f(x
2
) = y
2
und es gilt
f
1
(y
1
) = x
1
und f
1
(y
2
) = x
2
.
Zu zeigen ist nun
x
1
< x
2
.
Annahme: (x
1
x
2
):
Dann gilt
y
1
= f(x
1
) f(x
2
) = y
2
.
6.16 Satz: Stetigkeit der Umkehrfunktion
Sei I ein Intervall von R und f : I R eine streng monotone Funktion. Dann gilt
f ist injektiv und f
1
: Bild f I ist stetig.
x
y
Bild f
f
Anmerkung:
Hier wird nicht vorrausgesetzt, dass f stetig ist!
Beweis:
Nach (6.15) ist f injektiv. Zu zeigen bleibt, das die Umkehrfunktion f
1
: Bild f I stetig ist. Seien
a, b R mit a < b. Zur Abkrzung setzen wir
J := Bild f = f(I).
1.Fall (f : I R ist streng monoton wachsend und I = (a, b)):
Nach (6.15) ist auch f
1
: J I streng monoton wachsend. Zu zeigen ist also
f
1
: J I ist stetig in jedem y
0
J.
Sei y
0
J. Nach (6.9) gengt es zu zeigen.
R
>0
R
>0
y J : [y y
0
[ < [f
1
(y) f
1
(y
0
)[ < .
134
6.16 Satz: Stetigkeit der Umkehrfunktion
Man setze x
0
:= f
1
(y
0
) I = (a, b). Sei R
>0
. Wir drfen o.B.d.A. vorraussetzen
< minx
0
a, b x
0
.
Es gilt dann
a < x
0
< x
0
< x
0
+ < b,
also
f(x
0
) < f(x
0
) = y
0
< f(x
0
+).
Man betrachte
:= miny
0
f(x
0
), f(x
0
+) y
0
R
>0
.
Fr alle y J mit [y y
0
[ < gilt dann
f(x
0
) y
0
< y < y
0
+ f(x
0
+),
also
f(x
0
) < y < f(x
0
+),
also
x
0
< f
1
(y) < x
0
+,
also
[f
1
(y) x
0
[ < ,
und schlielich
[f
1
(y) f
1
(y
0
)[ < .
Andere Flle:
<Siehe Huser>
Beispiele:
(1) Sei n N. Die Funktion
f : [0, ) R, x x
n
ist streng monoton wachsend. Ihre Umkehrfunktion
n

: [0, ) [0, )
ist nach (6.15) und (1.16) streng monoton wachsend und stetig.
(2) Man betrachte die reelle Exponentialfunktion
exp : R R.
Sie ist nach (5.2.3) streng monoton wachsend, also nach (6.15) injektiv. Ferner gilt (siehe Beispiele
von (6.11))
Bild exp = e
x
[ x R = (0, ) = R
>0
.
Folglich existiert die Umkehrfunktion
exp
1
: R
>0
R.
135
6 Stetigkeit reeller Funktionen
6.17 Denition: Natrlicher Logarithmus
Man bezeichnet die Funktion
exp
1
: R
>0
R
als (natrliche) Logarithmusfunktion und setzt
ln := exp
1
.
1 2 3 4 5
1
2
1
2
3
4
x
ln(x)
ln(x)
Bemerkung:
Fr alle x R und y R
>0
gilt
(1) ln(e
x
) = x,
(2) e
lny
= y,
(3) e
x
= y x = ln y.
6.18 Satz: Eigenschaften von ln ln ln
Die Logarithmusfunktion hat folgende Eigenschaften:
(1) Bildln = ln(R
>0
) = R,
(2) ln : R
>0
R ist stetig,
(3) ln(1) = 0,
ln(e) = 1,
(4) ln ist streng monoton steigend,
(5) x, y R
>0
: ln(x y) = ln(x) + ln(y),
(6) x R
>0
p Zq N : ln
_
x
p
q
_
=
p
q
ln(x).
136
6.19 Satz: Grenzwerte von ln
Beweise:
(1) Klar wegen Bemerkung (1) von (6.17)!
(2) Klar nach (6.16), denn exp : R R ist streng monoton wachsend.
(3) Es gilt
ln(1) = exp
1
(exp(0)) = 0,
ln(e) = exp
1
(exp(1)) = 1.
(4) Klar nach (6.15), denn exp : R R ist streng monoton wachsend.
(5) Seien x, y R
>0
. Dann gilt
ln(x y) = ln(exp(lnx) exp(ln y)) =
(5.2.1)
ln(exp(lnx + ln y)) = ln x + ln y.
(6) Seien x R
>0
, p Z, q N.
1. Fall (p = 0):
Klar!
2. Fall (p N):
Es gilt
q ln
_
x
p
q
_
=
(5)
ln
__
x
p
q
_
q
_
,
also
ln
_
x
p
q
_
=
p
q
ln(x).
3. Fall (p N):
<Aufgabe>
Bemerkung:
x, y R
>0
: ln
_
x
y
_
= ln(x) ln(y).
6.19 Satz: Grenzwerte von ln ln ln
Sei x R
>0
. Dann gilt
(1) lim
x
ln x = ,
(2) lim
x0
ln x = ,
(3) n N : lim
x
ln x
n

x
= 0.
1 2 3 4 5
1
2
3
ln(x)

x
137
6 Stetigkeit reeller Funktionen
Beweis (1), Hinweis:
Zu zeigen ist
c Rr Rx R
>0
: r x c ln x.
Sei a R
>0
. Es soll a
b
deniert werden fr alle b R. Nach (6.18.6) gilt
x R
>0
p Zq N : ln
_
x
p
q
_
=
p
q
ln(x).
6.20 Denition: Allgemeine Potenzen
Fr alle a R
>0
und alle b R deniert man
a
b
:= e
bln a
.
Bemerkung:
Diese Denition steht im Einklang mit frheren Denitionen von Potenzen.
6.21 Satz: Rechenregeln fr Potenzen
Seien a, c R
>0
und b, d R. Dann gilt
(1) a
b
> 0,
(2) ln(a
b
) = b ln a,
(3) a
b+d
= a
b
a
d
,
(4) a
b
=
1
a
b
,
(5) (a
b
)
d
= a
bd
,
(6) (ac)
b
= a
b
c
b
.
Beweise:
(1) Klar wegen a
b
= e
b lna
> 0.
(2) Es gilt
ln(a
b
) = ln(e
bln a
) = b ln a.
(3) Es gilt
a
b+d
= e
(b+d) ln a
= e
blna+dlna
= e
blna
e
dlna
= a
b
a
d
.
(4) Es gilt
a
b
a
b
=
(3)
a
b+b
= a
0
= 1.
138
6.22 Satz: Eigenschaften der Potenzfunktion
(5) Es gilt
_
a
b
_
d
=
_
e
bln a
_
d
= e
dln(e
bln a
)
= e
dblna
= a
db
.
(6) Es gilt
(ac)
b
= e
bln(ac)
= e
b(ln a+lnc)
= e
blna+bln c
= e
blna
e
b lnc
= a
b
c
b
.
6.22 Satz: Eigenschaften der Potenzfunktion
Sei a R
>0
. Dann gilt fr die Funktion f : R R, x a
x
(1) f ist stetig,
(2) f(R) = (0, ), falls a ,= 1,
f(R) = 1, falls a = 1,
(3) f ist streng monoton steigend, falls 1 < a,
f ist streng monoton fallend, falls 1 > a.
x
y
a = 1
a > 1 a < 1
Beweise:
(1) Die Polynomfunktion
g : R R, x x ln a
ist stetig. Ferner ist
exp : R R
stetig. Also ist auch das Kompositum
f = exp g
stetig.
139
6 Stetigkeit reeller Funktionen
(2) <Aufgabe>
(3) Sei 1 < a. Seien x
1
, x
2
R mit x
1
< x
2
. Zu zeigen ist
a
x1
< a
x2
.
Nach (6.18.3) und (6.18.4) gilt
0 = ln 1 < ln a.
Wir erhalten
x
1
ln a < x
2
ln a.
Da exp : R R streng monoton steigend ist, gilt
a
x1
= e
x1lna
< e
x2lna
= a
x2
.
Unser nchstes Ziel ist die Denition der Kreiszahl und die Untersuchung ihrer Eigenschaften bezglich
exp, sin und cos.
Hilfssatz ber sin sin sin und cos cos cos
Es gilt
(1) cos 2 < 0,
(2) x (0, 2] : 0 < sin x,
(3) cos ist in [0, 2] streng monoton fallend.
Beweise:
(1) Fr alle k N
0
sei
a
k
:=
2
2(k+2)
(2(k + 2))!
.
Nach (5.6.12) gilt
cos 2 =

k=0
(1)
k
2
2k
(2k)!
= 1 2 +

k=0
(1)
k
a
k
.
Es gilt ferner
0 . . . a
3
a
2
a
1
a
0
und (a
k
)
kN0
0.
Nach dem Leibniz-Kriterium erhalten wir

k=0
(1)
k
a
k
a
0
=
2
4
4!
=
2
3
.
Folglich gilt
cos 2 1 2 +
2
3
=
1
3
< 0.
(2) sei x (0, 2]. Fr alle k N
0
sei
a
k
:=
2
2k+1
(2k + 1)!
.
Nach (5.6.13) gilt
sin x =

k=0
(1)
k
a
k
.
140
6.23 Satz, Denition: Die Kreiszahl
Es gilt ferner
0 . . . a
3
a
2
a
1
a
0
und (a
k
)
kN0
0.
Nach dem Leibniz-Kriterium erhalten wir
0 <
(6 x
2
)x
6
= x
x
3
6
= a
0
a
1

k=0
(1)
k
a
k
= sin x.
(3) Seien x
1
, x
2
[0, 2]. mit x
1
< x
2
. Dann gilt
x
2
+x
1
2
,
x
2
x
1
2
(0, 2].
Also gilt
cos x
2
cos x
1
=
(5.6.9)
(2) sin
_
x
2
+x
1
2
_
sin
_
x
2
x
1
2
_
< 0.
Es folgt
cos x
2
< cos x
1
.
6.23 Satz, Denition: Die Kreiszahl
Es gibt genau ein (0, 2) mit cos = 0. Man setze
:= 2 .
Beweis:
Nach (5.6.4) gilt cos 0 = 1 > 0. Nach Hilfssatz (1) gilt cos 2 < 0. Da cos : [0, 2] R nach (6.7) stetig
ist, lsst sich mit dem Zwischenwertsatz ein [0, 2] nden mit
cos = 0.
Wegen Hilssatz (3) ist nach (6.15) cos : [0, 2] R injektiv. Also ist die einzige Nullstelle von cos in
[0, 2]
Bemerkung:
Es gilt = 3, 14159265 . . .
Man bezeichnet auch als die Kreiszahl oder die Ludolphsche Zahl.
6.24 Satz ber
Es gilt
(1) 0 < < 4,
(2) cos

2
= 0,
(3) x
_
0,

2
_
: cos x > 0.
Beweise:
Klar!
141
6 Stetigkeit reeller Funktionen
6.25 Einige Sinus- und Kosinusformeln
Sei x R. Dann gilt
(1) sin
_

2
_
= 1,
cos
_

2
_
= 0,
(2) sin
_
x +

2
_
= cos x,
cos
_
x +

2
_
= sinx,
(3) sin
_

2
x
_
= cos x,
cos
_

2
x
_
= sin x,
(4) sin(x +) = sinx,
cos(x +) = cos x,
(5) sin(x 2) = sin x,
cos(x 2) = cos x.
Beweise fr Sinus:
(1) Nach (6.24.1) und (5.6.10) gilt
sin
2
_

2
_
= sin
2
_

2
_
+ cos
2
_

2
_
. .
=0
= 1,
also
sin
_

2
_
1, 1.
Nach Hilfssatz (2) gilt sin
_

2
_
> 0, also
sin
_

2
_
= 1.
(2) Nah (5.6.6) gilt
sin
_
x +

2
_
= sinx cos

2
. .
=0
+cos x sin

2
. .
=1
= cos x.
(3) Nach (5.6.5) und (5.6.6) gilt
sin
_

2
x
_
= sin

2
. .
=1
cos(x) + cos

2
. .
=0
sin(x) = cos(x) =
(5.6.5)
cos x.
(4) Es gilt
sin(x +) = sin
__
x +

2
_
+

2
_
=
(2)
cos
_
x +

2
_
=
(2)
sin x.
(5) Es gilt
sin(x + 2) = sin((x +) +) =
(4)
sin(x +) =
(4)
sin x.
Bemerkung:
Aus dem Verlauf von cos im Intervall
_
0,

2

und den Formeln aus (6.25) ergibt sich der Gesamtverlauf


von sin und cos, denn...
142
6.26 Satz: Zusammenhnge zwischen e und
sin in
_
0,

2

ergibt sich aus Formel (3),


Formel (2) ergibt sin und cos in
_

2
,

,
Formel (4) ergibt sin und cos in [, 2],
Formel (5) ergibt sin und cos in R.
Einige spezielle Funktionswerte:
Es gilt
(1) sin = sin(0 +) = sin 0 = 0,
(2) cos = cos(0 +) = cos 0 = 1,
(3) sin
_
3
2

_
= sin
_
+

2
_
= cos = 1,
(4) cos
_
3
2

_
= cos
_
+

2
_
= sin = 0,
(5) sin
_

4
_
= cos
_

4
_
=
1

2
.
Beweis (5):
Es gilt sin
_

4
_
= sin
_

2


4
_
= cos
_

4
_
>
(6.24.3)
0.
Wegen
sin
2
_

4
_
+ cos
2
_

4
_
= 1
gilt
sin
_

4
_
= cos
_

4
_
=
1

2
.
Es gelten die folgenden Mengengleichheiten:
(1) x R [ cos x = 0 = (2k + 1)

2
[ k Z,
(2) x R [ sin x = 0 = k [ k Z,
(3) x R [ cos x = 1 = 2k [ k Z,
(4) x R [ sin x = 1 = (4k + 1)

2
[ k Z,
(5) x R [ cos x = 1 = (2k + 1) [ k Z,
(6) x R [ sin x = 1 = (4k + 3)

2
[ k Z.
6.26 Satz: Zusammenhnge zwischen eee und
Es gilt
(1) x R : e
ix
= 1 k Z : x = 2k,
(2) z Ck Z : e
z+2ki
= e
z
,
(3) e
1
2
i
= i, e
i
= 1, e
3
2
i
= i, e
2i
= 1.
143
6 Stetigkeit reeller Funktionen
Beweise:
(1) Sei x R. Es gilt nach (5.5)
e
ix
= cos x +i sinx.
Also gilt
e
ix
cos x = 1 sin x = 0

(5.6.10)
cos x = 1
k Z : x = 2k.
(2) Sei z C. Sei k Z. Dann gilt
e
z+2ki
= e
z
e
2ki
= e
z
1 = e
z
.
(3) Es gilt
e
1
2
i
= cos

2
+i sin

2
= i,
e
i
= cos +i sin = 1,
e
3
2
i
= cos
_
3
2

_
+i sin
_
3
2

_
= i,
e
2i
= 1.
6.27 Satz:
Seien , R mit
2
+
2
= 1. Dann existiert genau ein x [0, 2) mit
= cos x und = sinx.
Beweis:
Oensichtlich gilt , [1, 1].
1. Fall (, > 0):
Es existiert genau ein x [0,

2
] mit cos x = a (Klar wegen Hilfssatz (3), cos 0 = 1, cos

2
= 0 und
Zwischenwertsatz).
Nach Hilfssatz (2) gilt sin x 0. Wegen > 0 und
sin
2
x = 1 cos
2
x = 1
2
=
2
gilt daher
sin x = .
Fr alle x

2
, 2] gilt sin x

< 0 oder cos x

< 0, also sin x

,= oder cos x

,= .
2. Fall ( 0 0):
<Aufgabe>
144
6.28 Satz: Polardarstellung komplexer Zahlen
6.28 Satz: Polardarstellung komplexer Zahlen
Zu jeder komplexen Zahl z C 0 gibt es genau ein Paar reeller Zahlen (r, x) mit r (0, ) und
x [0, 2), so dass
z = r e
ix
gilt.
Bemerkung:
Es gilt r = [z[.
Beweis:
Sei z C 0. Setze := Re z und := Imz.
Zur Existenz:
Wir haben
0 ,= [z[
2
=
2
+
2
,
also
_

[z[
_
2
+
_

[z[
_
2
= 1.
Nach (6.27) existiert genau ein x
0
[0, 2) mit

[z[
= cos x
0
,

[z[
= sinx
0
,
also gilt
z = +i = [z[ (cos x
0
+i sin x
0
) = [z[ e
ix0
.
Zur Eindeutigkeit:
Seien auch r
1
(0, ) und x
1
[0, 2) mit z = r
1
e
ix1
. Es gengt zu zeigen:
(1) r
1
= [z[,
(2) x
1
= x
0
.
(1) Es gilt
[z[ = [r
1
e
ix1
[ = [r
1
[ [e
ix1
[ =
(5.2.6)
[r
1
[ = r
1
.
(2) Es gilt
e
i(x0x1)
=
[z[ e
ix0
r
1
e
ix1
=
z
z
= 1.
Nach (6.26.1) existiert ein k Z mit x
0
x
1
= 2k. Wegen x
0
, x
1
(0, 2] gilt
2[k[ = [2k[ = [x
0
x
1
[ < 2,
also k = 0. Das ergibt
x
1
= x
0
.
145
6 Stetigkeit reeller Funktionen
6.29 Satz, Denition: Einheitswurzeln
Sei n N. Dann gilt fr alle z C
z
n
= 1 k 0, 1, . . . , n 1 : z = e
i(k
2
n
)
.
Jedes z C mit z
n
= 1 heit eine nnn-te (komplexe) Einheitswurzel.
Bemerkung:
In der Gaussschen Zahlenebene bilden die n-ten komplexen Einheitswurzeln ein regelmiges n-Eck.
Beispiel:
Die Menge aller 4-ten Einheitswurzeln ist
_
e
i(k
2
4
)
[ k 0, 1, 2, 3
_
=
_
1, e
i

2
, e
i
, e
i
3
2

_
=
(6.26.3)
1, i, 1, i.
146
7 Dierentiation
7.1 Denition: Hufungspunkt
Sei M R. Sei x
0
R. x
0
heit ein Hufungspunkt von M, wenn es eine Folge (x
n
)
nN
in M x
0

gibt, mit
(x
n
)
nN
x
0
.
Bemerkung:
Sei M R. Sei x
0
R. Dann gelten folgende Aussagen:
(1) x
0
ist genau dann ein Hufungspunkt von M, wenn x
0
ein Berhrungspunkt von M x
0
ist.
(2) Jeder Hufungspunkt von M ist auch ein Berhrungspunkt von M.
(3) x
0
ist genau dann ein Berhrungs-, aber kein Hufungspunkt von M, falls gilt:
x
0
M und R
>0
: (x
0
, x
0
+) M = x
0
.
(4) Ist I ein Intervall von R mit [I[ > 1 (also [I[ = ), so ist jedes Element aus I ein Hufungspunkt
von I.
7.2 Denition: Dierenzierbarkeit und Ableitung
Sei M R. Sei f : M R. Sei x
0
M.
f heit dierenzierbar in x
0
(oder an der Stelle x
0
), wenn x
0
ein Hufungspunkt von M ist und die
Dierenzenquotientenfunktion
F : M x
0
R, x F(x) :=
f(x) f(x
0
)
x x
0
in x
0
einen Grenzwert hat, also
lim
xx0
xM\{x0}
F(x) = lim
xx0
xM\{x0}
f(x) f(x
0
)
x x
0
existiert. Dieser Grenzwert heit Ableitung von f in x
0
(oder an der Stelle x
0
) und wird mit
f

(x
0
)
bezeichnet. Auch die Bezeichnungen Df(x
0
),
df(x0)
dx
oder
df
dx
(x
0
) sind blich.
f heit dierenzierbar in M (oder auf M), wenn f in jedem x M dierenzierbar ist. Ist dies der
Fall, so hat man die Funktion
f

(x) : M R, x f

(x).
Sie heit die Ableitungsfunktion (oder Ableitung) von f.
f heit stetig dierenzierbar, wenn f dierenzierbar in M ist und die Ableitung f

stetig ist.
147
7 Dierentiation
Veranschaulichung der Ableitung:
Gegeben sei die stetige Funktion f : R R.
x x
0
f(x) f(x
0
)
x
0 x
s(x)
f
F(x) = Steigung der Sekante s(x)
x
0
t(x
0
)
f
f

(x
0
) = lim
xx0
F(x)
= Steigung der Tangente t(x
0
)
Dierenziationskriterien:
(1) Sei M R. Sei f : M R. Sei x
0
M ein Hufungspunkt von M. Sei c R. Dann sind folgende
Aussagen quivalent:
(a) f ist in x
0
dierenzierbar und es gilt
f

(x
0
) = c.
(b) Fr jede Folge (x
n
)
nN
in M x
0
mit (x
n
)
nN
x
0
gilt
_
f(x
n
) f(x
0
)
x
n
x
0
_
nN
c.
(2) Sei M R. Sei f : M R. Sei x
0
M. Man setze
H := M x
0
:= x x
0
[ x M.
Dann sind folgende Aussagen quivalent:
(a) f ist dierenzierbar in x
0
.
(b) x
0
ist ein Hufungspunkt von H und der Grenzwert
lim
h0
f(x
0
+h) f(x
0
)
h
existiert.
Beispiele:
(1) Seien a, b R. Man betrachte die Funktion
f : R R, x ax +b.
Diese Funktion ist in ganz R dierenzierbar. Ihre Ableitung ist die konstante Funktion
f

: R R, x a.
148
7.2 Denition: Dierenzierbarkeit und Ableitung
Beweis:
Sei x
0
R. Oensichtlich ist x
0
ein Hufungspunkt von R. Fr alle x R x
0
gilt
f(x) f(x
0
)
x x
0
=
(ax +b) (ax
0
+b)
x x
0
=
a(x x
0
)
x x
0
= a.
Also gilt
f

(x
0
) = lim
xx0
xR\{x0}
f(x) f(x
0
)
x x
0
= a.
(2) Die Funktion
f : R R, x [x[
ist dierenzierbar an jeder Stelle x
0
R 0, aber nicht dierenzierbar in 0. Fr alle x
0
R
<0
gilt f

(x
0
) = 1 und fr alle x
0
R
>0
gilt f

(x
0
) = 1.
Beweis:
Sei x
0
R 0.
1. Fall (x
0
< 0):
Fr alle h R 0 mit h < [x
0
[ = x
0
gilt
f(x
0
+h) f(x
0
)
h
=
[x
0
+h[ [x
0
[
h
=
x
0
+h (x
0
)
h
=
h
h
= 1.
Also gilt
f

x
0
lim
h0
f(x
0
+h) f(x
0
)
h
= 1
2. Fall (x
0
> 0):
<Aufgabe>
3. Fall (x
0
= 0):
Fr alle x R 0 gilt
f(x) f(0)
x 0
=
[x[
x
.
Zu zeigen:
lim
x0
[x[
x
existiert nicht.
Siehe Beispiel (4) von (6.3).
(3) Die Funktion
f : R
0
R, x [x[
ist in ganz R
0
dierenzierbar. Fr alle x
0
R
0
ist f

(x
0
) = 1 Insbesondere ist f

(0) = 1.
(4) Die Funktion g : R R sei deniert durch
g :=
_
x
2
sin
1
x
falls x ,= 0
0 falls x = 0
ist an der Stelle 0 dierenzierbar. Es gilt g

(0) = 0.
Beweis:
Fr alle x R 0 gilt
g(x) g(0)
x 0
=
x
2
sin
1
x
x
= x sin
1
x
.
Also gilt
lim
x0
g(x) g(0)
x 0
= 0.
149
7 Dierentiation
7.3 Satz: Dierenzierbarkeit von sin sin sin, cos cos cos und exp exp exp
Die Funktionen exp : R R, sin : R R und cos : R R sind in ganz R dierenzierbar. Fr alle
x R gilt
(1) exp

(x) = exp(x),
(2) sin

(x) = cos(x),
(3) cos

(x) = sin(x).
Beweis fr exp:
Sei x
0
R. Fr alle h R 0 gilt
exp(x
0
+h) exp(x
0
)
h
=
e
x0+h
e
x0
h
= e
x0
e
h
1
h
.
Nach Beispiel (2) von (6.3) gilt
lim
h0
e
h
1
h
= 1,
also gilt
exp

(x
0
) = lim
h0
hR\{0}
_
e
x0
e
h
1
h
_
= e
x0
= exp(x
0
).
Beweise fr sin und cos:
Sei x
0
R. Nach Beispiel (3) von (6.3) gilt
sin

(x
0
) = lim
xx0
xR\{x0}
sinx sin x
0
x x
0
= cos(x
0
),
cos

(x
0
) = lim
xx0
xR\{x0}
cos x cos x
0
x x
0
= sin(x
0
).
7.4 Satz: Stetigkeit dierenzierbarer Funktionen
Sei M R. Sei x
0
M. Sei f : M R eine in x
0
dierenzierbare Funktion. Dann gilt
f ist stetig in x
0
.
Beweis:
Sei (x
n
)
nN
eine Folge in M mit (x
n
)
nN
x
0
.
Zu zeigen ist:
(f(x
n
))
nN
f(x
0
).
1. Fall (n N : x
n
,= x
0
):
Dann gilt
(f(x
n
))
nN
=
_
f(x
n
) f(x
0
)
x
n
x
0
(x
n
x
0
) +f(x
0
)
_
nN
f

(x
0
) 0 +f(x
0
) = f(x
0
).
2. Fall (n N : x
n
= x
0
):
<Aufgabe>
150
7.5 Satz: Dierenzierbare Funktionen
7.5 Satz: Dierenzierbare Funktionen
Sei M R. Sei x
0
M. Sei R. Seien f, g : M R Funktionen, die beide in x
0
dierenzierbar sind.
Dann sind auch f +g, f g und f dierenzierbar in x
0
und es gilt
(1) (f + g)

(x
0
) = f

(x
0
) +g

(x
0
),
(2) (f g)

(x
0
) = f

(x
0
) g(x
0
) +f(x
0
) g

(x
0
),
(Produktregel)
(2

) ( f)

(x
0
) = f

(x
0
).
Ist g(x) ,= 0 fr alle x M, so ist auch die Funktion
f
g
in x
0
dierenzierbar und es gilt
(3)
_
f
g
_

(x
0
) =
f

(x
0
) g(x
0
) f(x
0
) g

(x
0
)
g(x
0
)
2
.
(Quotientenregel)
(3

)
_

g
_

(x
0
) =
g

(x
0
)
g(x
0
)
2
.
Beweise:
(1) <Aufgabe>
(2) Es gilt
(f g)

(x
0
) = lim
xx0
xM\{x0}
f(x)g(x) f(x
0
)g(x
0
)
x x
0
= lim
xx0
xM\{x0}
_
f(x) f(x
0
)
x x
0
g(x
0
) +f(x)
g(x) g(x
0
)
x x
0
_
=
(6.4)$7.4)
f

(x
0
)g(x
0
) +f(x
0
)g

(x
0
).
(3) Man betrachte die konstante Funktion f
1
: M R, x 1. Dann gilt
_
f
1
g
_

(x
0
) = lim
h0
1
g(x0+h)

1
g(x0)
h
= lim
h0

g(x0+h)g(x0)
h
g(x
0
+h)g(x
0
)
=
g

(x
0
)
g(x
0
)
2
.
Nach der Produktregel gilt
_
f
g
_

(x
0
) =
_
f
f
1
g
_

(x
0
)
= f

(x
0
)
f
1
g
(x
0
) +f(x
0
)
_
f
1
g
_

(x
0
)
=
f

(x
0
)
g(x
0
)
+f(x
0
)
g

(x
0
)
g(x
0
)
2
=
f

(x
0
) g(x
0
) f(x
0
) g

(x
0
)
g(x
0
)
2
151
7 Dierentiation
Bemerkung:
Die Produktregel lsst sich verallgemeinern.
Sei n N. Sei M R. Sei x
0
M und seien f
1
, . . . , f
n
: M R Funktionen, die in x
0
dierenzierbar
sind. dann ist auch die Produktfunktion
f
1
. . . f
n
: M R
in x
0
dierenzierbar und es gilt
(f
1
. . . f
n
)

(x
0
) = f

1
(x
0
) f
2
(x
0
) . . . f
n
(x
0
)
+ f
1
(x
0
) f

2
(x
0
) . . . f
n
(x
0
)
+ f
1
(x
0
) f
2
(x
0
) . . . f

n
(x
0
).
7.6 Satz: Ableitungsregel
Sei m Z 0. Sei M R mit M = R falls m > 0 und M = R 0 falls m < 0. Dann ist
f : M R, x x
m
in ganz M dierenzierbar und fr alle x M gilt
f

(x) = mx
m1
.
Beweis:
1. Fall (m > 0):
Dann gilt fr alle x M
f(x) = x x . . . x
. .
m Faktoren
.
Also nach der obigen Bemerkung
f

(x) =
m Summanden
..
1 x . . . x
. .
m1 Faktoren
+x 1 x . . . x
. .
m2 Faktoren
+ . . . + x . . . x
. .
m1 Faktoren
1,
also
f

(x) = m x
m1
.
2. Fall (m < 0):
Setze n := m > 0. Dann gilt fr alle x M
f(x) = x
m
= x
n 1
x
n
.
Also gilt nach (7.5.3

) und dem ersten Fall


f

(x) =
nx
n1
(x
n
)
2
= (n) x
(n)1
= m x
m1
.
Beispiel:
Sei n N und seien a
0
, a
1
, . . . , a
n
R. Die Polynomfunktion
f : R R, x f(x) := a
0
+a
1
x
1
+. . . +a
n
x
n
ist in ganz R dierenzierbar. Es gilt fr alle x R
f

(x) = a
1
+ 2a
2
x
1
+ 3a
3
x
2
+. . . +na
n
x
n1
.
Beweis:
Klar!
152
7.7 Satz: Kettenregel
7.7 Satz: Kettenregel
Seien M, L R und f : M R, g : L R Funktionen mit f(M) L. Sei x
0
M. f sei in x
0
dierenzierbar und g sei in y
0
:= f(x
0
) L dierenzierbar. Dann ist die Funktion
g f : M R, x g(f(x))
in x
0
dierenzierbar und es gilt
(g f)

(x
0
) = g

(y
0
) f

(x
0
) = g

(f(x
0
)) f

(x
0
).
Beweis:
Wir denieren die Funktion g

: L R durch
g

(y) :=
_
g(y)g(y0)
yy0
falls y ,= y
0
g

(y
0
) falls y = y
0
Da g in y
0
dierenzierbar ist, gilt
lim
yy0
g(y) = g

(y
0
) = g

(y
0
),
also auch
lim
yy0
g

(y) = g

(y
0
).
Also ist g

: L R stetig in y
0
= f(x
0
).
Die Funktion f : M R ist in x
0
dierenzierbar, also auch stetig in x
0
. Also ist g

f : M R stetig
in x
0
. Es gilt also (1)
lim
xx0
(g

f)(x) = (g

f)(x
0
)
= g

(y
0
)
= g

(y
0
).
Fr alle y L y
0
gilt (2)
g(y) g(y
0
) = g

(y)(y y
0
).
Wir erhalten damit
(g f)

(x
0
) = lim
xx0
(g f)(x) (g f)(x
0
)
x x
0
= lim
xx0
g(f(x)) g(y
0
)
x x
0
=
(2)
lim
xx0
_
g

(f(x))
f(x) f(x
0
)
x x
0
_
= lim
xx0
(g

f)(x) lim
xx0
f(x) f(x
0
)
x x
0
=
(1)
g

(y
0
) f

(x
0
).
Beispiele:
(1) Man betrachte die Funktion
F : R 0 R, x sin
1
x
.
153
7 Dierentiation
Es gilt F = g f, mit
f : R 0 R, x
1
x
,
g : R R, x sin x.
Sei x
0
R 0. Dann gilt nach (7.7)
F

(x
0
) = g

(f(x
0
)) f

(x
0
) = cos
_
1
x
0
_
(1)x
2
0
=
cos
1
x0
x
2
0
.
(2) Man betrachte die Funktionen
F
0
: R R, x (2x + 1)
3
,
F
1
: R R, x e
sin x
,
F
2
: R R, x sin(cos x).
Es gilt fr alle x
0
R
F

0
(x
0
) = 3(2x
0
+ 1)
2
2,
F

1
(x
0
) = e
sin x0
cos x
0
,
F

2
(x
0
) = cos(cos x
0
) (sinx
0
).
7.8 Satz: Ableitung der Umkehrfunktion
Sei I ein Intervall von R und x
0
I. Sei f : I R eine streng monotone Funktion, die in x
0
dierenzierbar ist mit f

(x
0
) ,= 0. Dann gilt
f
1
: Bild f I
ist dierenzierbar in y
0
:= f(x
0
) und es gilt
(f
1
)

(y
0
) =
1
f

(x
0
)
=
1
f

(f
1
(y
0
))
.
Beweis:
Nach (6.16) ist f injektiv und die Umkehrfunktion f
1
: Bild f I ist stetig.
Behauptung:
lim
yy0
f
1
(y) f
1
(y
0
)
y y
0
=
1
f

(x
0
)
.
Sei (y
n
)
nN
eine Folge in Bildf y
0
mit (y
n
)
nN
y
0
. Man setze x
n
:= f
1
(y
n
) fr alle n N.
Wegen der Stetigkeit von f
1
in y
0
gilt dann: (x
n
)
nN
ist eine Folge in I x
0
mit (x
n
)
nN
x
0
. Also
gilt
_
f(x
n
) f(x
0
)
x
n
x
0
_
nN
f

(x
0
) ,= 0.
Nach (3.11.4) gilt dann
_
f
1
(y
n
) f
1
(y
0
)
y
n
y
0
_
nN
=
_
x
n
x
0
f(x
n
) f(x
0
)
_
nN
=
_
1
f(xn)f(x0)
xnx0
_
nN

1
f

(x
0
)
.
154
7.9 Satz: Ableitungen
7.9 Satz: Ableitungen
Sei a R
>0
. Sei b R. Dann gelten die folgenden Aussagen:
(1) Der natrliche Logarithmus ln : R
>0
R ist dierenzierbar in ganz R
>0
.
Fr alle x R
>0
gilt
ln

(x) =
1
x
.
(2) Die Funktion f : R
>0
R, x x
b
ist dierenzierbar in ganz R
>0
.
Fr alle x R
>0
gilt
f

(x) = b x
b1
.
(3) Die Funktion g : R R, x a
x
ist dierenzierbar in ganz R.
Fr alle x R gilt
g

(x) = a
x
ln a.
Beweise:
(1) Sei y
0
R
>0
. Setze x
0
:= ln y
0
. Dann ist expx
0
= y
0
. Es gilt dann nach (7.8)
ln

(y
0
) =
1
exp

(x0)
=
1
exp(x0)
=
1
y0
.
(2) Fr alle x R
>0
gilt
f(x) = x
b
= e
b lnx
,
also
f

(x) = e
b lnx
b
1
x
= b x
b

1
x
= b x
b1
.
(3) Fr alle x R gilt
g(x) = a
x
= e
x lna
,
also
g

(x) = e
x ln a
ln a = a
x
ln a.
7.10 Bemerkung, Denition: arcsin arcsin arcsin und arccos arccos arccos
(1) Die Funktion sin :
_

2
,

2

[1, 1] ist streng monoton steigend und surjektiv, also nach (6.15.1)
eine Bijektion. Ihre Umkehrfunktion heit Arcussinus.
arcsin : [1, 1]
_

2
,

2

(2) Die Funktion cos : [0, ] [1, 1] ist streng monoton fallend und surjektiv, also nach (6.15.1)
eine Bijektion. Ihre Umkehrfunktion heit Arcuskosinus.
arccos : [1, 1] [0, ]
155
7 Dierentiation
7.11 Satz: Dierenzierbarkeit von arcsin arcsin arcsin und arccos arccos arccos
(1) arcsin ist an jeder Stelle x (1, 1) dierenzierbar.
Fr alle x (1, 1) gilt
arcsin

(x) =
1

1 x
2
.
(2) arccos ist an jeder Stelle x (1, 1) dierenzierbar.
Fr alle x (1, 1) gilt
arccos

(x) =
1

1 x
2
.
Beweise:
(1) Sei y (1, 1). Sei x
0
:= arcsin(y
0
). Es gilt sin(x
0
) = y
0
. Es gilt sin

(x
0
) = cos(x
0
) > 0. Nach
(7.8) gilt
arcsin

(y
0
) =
1
sin

(x
0
)
=
1
cos(x
0
)
=
1
_
1 sin
2
(x
0
)
=
1
_
1 y
2
0
.
(2) Sei y (1, 1). Sei x
0
:= arccos(y
0
), also x
0
(0, ). Es gilt cos(x
0
) = y
0
. Es gilt cos

(x
0
) =
sin(x
0
) < 0. Nach (7.8) gilt
arccos

(y
0
) =
1
cos

(x
0
)
=
1
sin(x
0
)
=
1
_
1 cos
2
(x
0
)
=
1
_
1 y
2
0
.
7.12 Satz: Dierenzierbarkeit von tan tan tan
Die Funktion
tan :
_

2
,

2
_
R, x
sin x
cos x
ist an jeder Stelle x
_

2
,

2
_
dierenzierbar.
Fr alle x
_

2
,

2
_
gilt
tan

(x) =
1
cos
2
(x)
= 1 + tan
2
(x).
Beweis:
Sei x
0

_

2
,

2
_
. Dann gilt nach (7.5.3)
tan

(x
0
) =
sin

(x
0
) cos(x
0
) sin(x
0
) cos

(x
0
)
cos
2
(x
0
)
=
cos
2
(x
0
) + sin
2
(x
0
)
cos
2
(x
0
)
=
1
cos
2
(x
0
)
.
7.13 Bemerkung, Denition: arctan arctan arctan
Die Funktion tan :
_

2
,

2
_
R ist streng monoton steigend und surjektiv, also nach (6.15.1) eine
Bijektion. Ihre Umkehrfunktion heit Arcustangens.
arctan : R
_

2
,

2
_
156
7.14 Satz: Dierenzierbarkeit von arctan
Es gilt tan

4
= 1, also arctan1 =

4
. Fr alle x
_

4
,

4
_
und alle y
_

4
,

4

gilt
tan(x +y) =
tan(x) + tan(y)
1 tan(x) tan(y)
.
Fr alle x (1, 1) und alle y [1, 1] gilt
arctan(x) + arctan(y) = arctan
_
x +y
1 xy
_
.
7.14 Satz: Dierenzierbarkeit von arctan arctan arctan
arctan ist an jeder Stelle x R dierenzierbar.
Fr alle x R gilt
arctan

(x) =
1
1 +x
2
.
Beweis:
Sei y
0
R. Sei x
0
:= arctan(y
0
), also x
0

_

2
,

2
_
. Es gilt y
0
= tan(x
0
) und tan

(x
0
) = 1+tan
2
(x
0
) ,= 0.
Nach (7.8) gilt dann
arctan

(y
0
) =
1
tan

(x
0
)
=
1
1 + tan
2
(x
0
)
=
1
1 +y
2
0
.
7.15 Denition: Lokale und globale Extrema
Sei M R. Sei f : M R. Sei x
0
M.
x
0
heit ein lokales Minimum von f (auf M), wenn gilt:
R
>0
x M : [x x
0
[ f(x
0
) f(x).
x
0
heit ein lokales Maximum von f (auf M), wenn gilt:
R
>0
x M : [x x
0
[ f(x
0
) f(x).
x
0
heit ein lokales Extremum von f (auf M), wenn gilt:
x
0
ist ein lokales Minimum von foder x
0
ist ein lokales Maximum von f.
x
0
heit ein globales Minimum von f (auf M), wenn gilt:
x M : f(x
0
) f(x).
x
0
heit ein globales Maximum von f (auf M), wenn gilt:
x M : f(x
0
) f(x).
x
0
heit ein globales Extremum von f (auf M), wenn gilt:
x
0
ist ein globales Minimum von foder x
0
ist ein globales Maximum von f.
157
7 Dierentiation
7.16 Satz: Notwendiges Kriterium fr lokale Extrema
Seien a, b R mit a < b. Sei f : (a, b) R. Sei x
0
(a, b) ein lokales Extremum von f. Sei f
dierenzierbar in x
0
. Dann gilt
f

(x
0
) = 0.
Beweis:
1. Fall (x
0
ist lokales Maximum von f):
Dann existiert ein R
>0
mit [x
0
, x
0
+] (a, b) und f(x) f(x
0
) fr alle x [x
0
, x
0
+].
Fr alle x [x
0
, x
0
) gilt
f(x) f(x
0
)
x x
0
0,
also
f

(x
0
) 0.
Fr alle x (x
0
, x
0
+] gilt
f(x) f(x
0
)
x x
0
0,
also
f

(x
0
) 0.
Das ergibt zusammen
f

(x
0
) = 0.
2. Fall (x
0
ist ein lokales Minimum von f):
<Aufgabe>
Dieser Satz lehrt:
Ein x
0
(a, b) kommt nur dann als lokales Extremum in Frage, wenn f

(x) = 0 gilt. Wir nennen solche


Werte kritische Punkte von f.
7.17 Satz: Zwischenwertsatz fr Ableitungen
Seien a, b, t R mit a < b. Sei f : [a, b] R dierenzierbar in ganz [a, b].
Es gelte f

(a) t f

(b) oder f

(b) t f

(a).
Dann existiert x
0
[a, b] mit f

(x
0
) = t.
Anmerkung:
Hier wird nicht vorrausgesetzt, dass f stetig ist. (7.17) folgt also nicht unmittelbar aus dem Zwischen-
wertsatz (6.11).
158
7.18 Satz von Rolle
7.18 Satz von Rolle
Seien a, b R mit a < b. Sei f : [a, b] R eine stetige Funktion mit f(a) = f(b). Sei f dierenzierbar
in x fr alle x (a, b). Dann gilt:
Es gibt ein x
0
(a, b) mit f

(x
0
) = 0.
Beweis:
Verwende (6.12) und (7.16).
7.19 Satz: Verallgemeinerter Mittelwertsatz der
Dierentialrechnung
Seien a, b R mit a < b. Seien f, g : [a, b] R stetige Funktionen. Seien f, g dierenzierbar in in x fr
alle x (a, b). Dann gilt:
Es gibt ein x
0
(a, b) mit (g(b) g(a)) f

(x
0
) = (f(b) f(a)) g

(x
0
),
also
f

(x
0
)
g

(x
0
)
=
f(b) f(a)
g(b) g(a)
Beweis:
Man betrachte
F : [a, b] R, x (g(b) g(a)) f

(x) (f(b) f(a)) g

(x).
Diese Funktion F erfllt die Vorraussetzungen von (7.18).
Also existiert ein x
0
(a, b) mit
F

(x
0
) = 0.
7.20 Satz: Mittelwertsatz der Dierentialrechnung
Seien a, b R mit a < b. Sei f : [a, b] R stetig und fr alle x (a, b) dierenzierbar in x. Dann gilt:
Es gibt ein x
0
(a, b) mit f

(x
0
) =
f(b) f(a)
b a
.
Beweis:
Man wende (7.19) an auf f und g := id
[a,b]
7.21 Satz: Steigung von Funktionen
Seien a, b R mit a < b. Sei f : [a, b] R stetig und fr alle x (a, b) dierenzierbar in x. Dann gilt:
x (a, b) : f

(x) = 0 f konstant,
x (a, b) : f

(x) 0 f monoton steigend,


x (a, b) : f

(x) > 0 f streng monoton steigend,


x (a, b) : f

(x) 0 f monoton fallend,


x (a, b) : f

(x) < 0 f streng monoton fallend.


159
7 Dierentiation
Beweis:
Seien x
1
, x
2
[a, b] mit x
1
< x
2
. Nach (7.20) existiert ein x
0
(x
1
, x
2
) mit
f

(x
0
)(x
2
x
1
) = f(x
2
) f(x
1
).
Wir erhalten im ersten Fall
f(x
1
) = f(x
2
).
Auch in den anderen Fllen folgt die Behauptung.
7.22 Satz: Regel von de lHspital
Seien a, b, c, L R , mit a < b und a c b. Seien f, g : [a, b] c R. Funktionen mit
g(x) ,= 0 und g

(x) ,= 0 fr alle x (a, b) c. Es gelte


lim
xc
f(x) = 0 und lim
xc
g(x) = 0
oder
lim
xc
g(x) , .
Dann gilt
lim
xc
f

(x)
g

(x)
= L lim
xc
f(x)
g(x)
= L.
Beweis:
<Aufgabe>
(Man verwende den verallgemeinerten Mittelwertsatz)
Beispiele:
(1) lim
x0
e
x
e
x
x
= lim
x0
e
x
+e
x
1
=
e
0
+e
0
1
= 2,
(2) lim
x0
sin(x)
x
= lim
x0
cos(x)
1
=
1
1
= 1,
(3) lim
x0
1cos(x)
x
= lim
x0
sin(x)
1
= 0,
(4) lim
x0
1cos(x)
x
2
= lim
x0
sin(x)
2x
= lim
x0
cos(x)
2
=
1
2
,
(5) lim
x0
_
1
sin(x)

1
x
_
= lim
x0
xsin(x)
xsin(x)
= lim
x0
1cos(x)
sin(x)+xcos(x)
= lim
x0
sin(x)
2 cos(x)xsin(x)
=
0
2
= 0,
(6) lim
x0
x(0,)
x ln(x) = lim
x0
ln(x)
x
1
= lim
x0
x
1
x
2
= lim
x0
x = 0,
(6

) lim
x0
x
x
= lim
x0
e
xln(x)
= e
lim
x0
(xln(x))
= e
0
= 1,
(7) lim
x
e
2x
x
2
= lim
x
2e
2x
2x
= lim
x
2e
2x
1
= .
160
7.23 Denition: n-te Ableitung
7.23 Denition: nnn-te Ableitung
Sei M R. Sei f : M R. Sei n N
0
.
f heit nnn-mal dierenzierbar in M wenn alle Ableitungen
f
(0)
: M R, f
(1)
: M R, . . . , f
(n)
: M R
existieren. Dabei ist
f
(0)
:= f, f
(1)
:= f

, . . . , f
(n)
:= f

...

.
f
(n)
: M R heit die nnn-te Ableitung von f.
f heit nnn-mal stetig dierenzierbar, wenn f n-mal dierenzierbar in M ist und die n-te Ableitung
stetig ist.
f heit beliebig oft dierenzierbar, wenn fr alle k N
0
die Ableitungen
f
(0)
: M R, f
(1)
: M R, . . . , f
(k)
: M R
existieren.
7.24 Satz von Taylor, Denition
Sei I ein Intervall von R. Sei x
0
I. Sei n N. Sei f : I R eine Funktion, die (n+1)-mal dierenzierbar
in I ist. Dann gilt:
Zu jedem x I gibt es ein (0, 1) mit
f(x) = f(x
0
) +
f

(x
0
)
1!
(x x
0
)
1
+. . . +
f
(n)
(x
0
)
n!
(x x
0
)
n
+
f
(n+1)
(x
0
+(x x
0
))
(n + 1)!
(x x
0
)
n+1
.
Die Polynomfunktion
T
n,x0,f
: R R, x
n

k=0
f
(k)
(x
0
)
k!
(x x
0
)
k
heit das nnn-te Taylor-Polynom von f an der Stelle x
0
und die Funktion
R
n,x0,f
: I R, x f(x) T
n,x0,f
(x)
heit die nnn-te Restgliedfunktion von f an der Stelle x
0
.
Taylorsche Formel und Restglieddarstellungen
Sei I ein Intervall von R. Sei x
0
I. Sei n N. Sei f : I R eine Funktion, die (n+1)-mal dierenzierbar
in I ist. Dann gilt fr alle x I die Taylorsche Formel
f(x) = T
n,x0,f
+ R
n,x0,f
.
Ferner gilt
(1) Zu jedem x I gibt es ein (0, 1) mit
R
n,x0,f
=
f
(n+1)
(x
0
+(x x
0
))
(n + 1)!
(x x
0
)
n+1
.
(Restglieddarstellung von Lagrange)
161
7 Dierentiation
(2) Zu jedem x I gibt es ein (0, 1) mit
R
n,x0,f
=
f
(n+1)
(x
0
+(x x
0
))
n!
(1 )
n
(x x
0
)
n+1
.
(Restglieddarstellung von Cauchy)
Beweis:
1. Fall (n = 0):
Zu zeigen ist
x I (0, 1) : f(x) = f(x
0
) +f

(x
0
+(x x
0
)),
also
x I x
0
(0, 1) : f

(x
0
+(x x
0
)) =
f(x) f(x
0
)
x x
0
.
Klar wegen Mittelwertsatz.
2. Fall (n = 1):
<Aufgabe>
(Man verwende den Satz von Rolle)
3. Fall (n 2):
<siehe Heuser>
7.25 Satz: Anwendung des Satzes von Taylor
(1) Sei n N. Sei I ein Intervall von R und f : I R eine (n +1)-mal in I dierenzierbare Funktion
mit f
(n+1)
(x) = 0 fr alle x I. Dann gilt:
f ist eine Polynomfunktion (von Grad n).
Bemerkung:
Sei x
0
I. Dann gilt nach (7.24)
x I : f(x) = T
n,x0,f
(x).
(2) Sei n N
0
. Sei p : R R eine Polynomfunktion ,= 0 vom Grad n. Sei x
0
R. Dann gilt fr
alle x R
p(x) = p(x
0
) +
p

(x
0
)
1!
(x x
0
)
1
+. . . +
p
(n)
(x
0
)
n!
(x x
0
)
n
.
(3) e ist irrational, das heit e , Q.
Beweis:
Annahme (p, q N : e =
p
q
):
Man Whle n N mit n e und n q.
Nach (7.24) angewandt auf x
0
= 0, x = 1 und f = exp gibt es ein (0, 1) mit
e = exp(1) =
n

k=0
exp
(k)
(0)
k!
(x x
0
)
k
+
exp
(n+1)
()
(n + 1)!
(1 0)
n+1
=
n

k=0
1
k!
+
e

(n + 1)!
.
162
7.26 Lemma: Restgliedfunktion
Es gilt dann
p
q
n!
. .
N
=
n

k=0
n!
k!
. .
N
+
e

n + 1
. .
N
,
also
e

n + 1
N.
Es gilt also
0 <
e

n + 1
<
e
n + 1
< 1.
7.26 Lemma: Restgliedfunktion
Sei I ein Intervall von R. Sei x
0
I. Sei n N
0
. Sei f : I R n-mal dierenzierbar in I. Dann gilt
lim
xx0
xI\{x0}
R
n,x0,f
(x)
(x x
0
)
n
= 0.
Beweis:
1. Fall (n = 1):
Fr alle x R gilt T
1,x0,f
(x) = f(x) +
f

(x)
1!
(x x
0
).
Dies ist die Gleichung der Tangente von f in x
0
. Ferner gilt fr alle x I x
0

R
1,x0,f
(x)
(x x
0
)
1
=
f(x) T
1,x0,f
(x)
(x x
0
)
1
=
f(x) f(x
0
) f

(x
0
)(x x
0
)
x x
0
=
f(x) f(x
0
)
x x
0
f

(x
0
),
also
lim
R
1,x0,f
(x)
(x x
0
)
1
= f

(x
0
) f

(x
0
) = 0.
2. Fall (n 1):
<Aufgabe>
7.27 Satz: Hinreichendes Kriterium fr lokale Extrema
Seien a, b R mit a < b. Sei x
0
(a, b). Sei n N. Sei f : (a, b) R n-mal dierenzierbar in (a, b).
Weiterhin gelte f

(x
0
) = 0, f

(x
0
) = 0, . . . , f
(n1)
(x
0
) = 0 und f
(n)
(x
0
) ,= 0. Dann gilt
(1) Ist n gerade und f
(n)
(x
0
) < 0, so ist x
0
ein lokales Maximum von f.
(2) Ist n gerade und f
(n)
(x
0
) > 0, so ist x
0
ein lokales Minimum von f.
(3) Ist n ungerade, so hat f in x
0
kein Extremum.
163
7 Dierentiation
Beweis:
Fr alle (a, b) x
0
gilt
R
n,x0,f
(x)
(x x
0
)
n
=
f(x) T
n,x0,f
(x)
(x x
0
)
n
=
f(x)
_
f(x
0
) +
f
(n)
(x0)
n!
(x x
0
)
n
_
(x x
0
)
n
=
f(x) f(x
0
)
(x x
0
)
n

f
(n)
(x
0
)
n!
.
Nach (7.26) ergibt sich
lim
xx0
f(x) f(x
0
)
(x x
0
)
n
=
f
(n)
(x
0
)
n!
,= 0.
Folglich existiert ein R
>0
derart, dass gilt (): Fr alle x (a, b) mit 0 < [xx
0
[ < hat
f(x)f(x0)
(xx0)
n
das selbe Vorzeichen wie
f
(n)
(x0)
n!
.
(1) Sei n gerade und f
(n)
(x
0
) < 0. Wegen (x x
0
)
n
> 0 fr alle x (a, b) x
0
folgt aus ()
f(x) f(x
0
) < 0, das heit
f(x) < f(x
0
) fr alle x (a, b) mit 0 < [x x
0
[ < .
x
0
ist also lokales Maximum von f.
(2) <Analog>
(3) 1. Fall (f
(n)
(x
0
) > 0):
Wegen (x x
0
) > 0 fr alle x R mit x > x
0
und (x x
0
)
n
< 0 fr alle x R mit x < x
0
folgt
aus ():
f(x) f(x
0
) > 0 fr alle x (a, b) mit x
0
< x < x
0
+
und
f(x) f(x
0
) < 0 fr alle x (a, b) mit x < x < x
0
.
x
0
ist also kein lokales Extremum von f.
2. Fall (f
(n)
(x
0
) < 0):
<Analog>
7.28 Denition: Taylor-Reihe
Sei I ein Intervall von R. Sei f : I R eine in I beliebig oft dierenzierbare Funktion.
Fr jedes x I heit die (reelle) Reihe

k=0
f
(k)
(x
0
)
k!
(x x
0
)
k
die Taylor-Reihe von f an der Stelle x
0
fr x.
Ist fr jedes x I diese Reihe konvergent und gilt
f(x) =

k=0
f
(k)
(x
0
)
k!
(x x
0
)
k
,
so heit f an der Stelle x
0
fr ganz I in einer Taylor-Reihe entwickelbar.
164
7.29 Satz: Grenzwerte von Taylor-Polynom und Restgliedfunktion
7.29 Satz: Grenzwerte von Taylor-Polynom und
Restgliedfunktion
Sei I ein Intervall in R. Sei f : I R eine in I beliebig oft dierenzierbare Funktion. Seien x
0
, x I.
Dann sind folgende Aussagen quivalent:
(1)

k=0
f
(k)
(x0)
k!
(x x
0
)
k
= f(x).
(2) limR
n,x0,f
(x) = 0.
Beispiel:
Man betrachte die Funktion
f : (1, ) R, x ln(1 +x).
Sie ist beliebig oft dierenzierbar. Fr alle x (1, ) und alle k N gilt
f
(k)
(x) = (1)
k+1
(k 1)!
(1 +x)
k
.
<Beweis durch Induktion>
Insbesondere gilt
f
(0)
(0) = f(0) = ln(1) = 0.
Fr alle k N gilt
f
(k)
(0) = (1)
k+1
(k 1)!.
Fr jedes x (1, ) lautet die Taylor-Reihe von f an der Stelle x
0
= 0

k=0
f
(k)
(0)
k!
(x 0)
k
=

k=1
(1)
k+1
(k 1)!
k!
=

k=1
(1)
k+1

x
k
k
=
x
1
1

x
2
2
+
x
3
3
. . .
Frage: Fr welche x (1, ) gilt
f(x) =

k=1
(1)
k+1
x
k
k
?
7.30 Satz: Logarithmusreihe
Fr alle x (1, 1] gilt
ln(1 +x) =

k=1
(1)
k+1
x
k
k
.
Anmerkung:
Insbesondere gilt ln(2) =

k=1
(1)
k+1 1
k
.
165
7 Dierentiation
Beweis:
Wir betrachten die Funktion f : (1, 1] R, x ln(1 +x). Sei x (1, 1].
1. Fall (x = 0):
Klar!
2. Fall (0 < x0 1):
Wir betrachten die Restglieddarstellung von Lagrange. Zu jedem n N existiert ein
n
(0, 1) mit
R
n,0,f
(x) =
f
(n+1)
(
n
x)
(n + 1)!
x
n+1
= (1)
n

1
n + 1

x
n+1
(1 +
n
x)
n+1
.
Fr alle n N gilt
[R
n,0,f
(x)[ <
1
n + 1
.
Also gilt
lim
x
R
n,0,f
(x) = 0.
3. Fall (1 < x < 0):
<Siehe Burg-Haf-Wille>
Bemerkung:
Fr alle x (1, ) ist die Reihe

k=1
(1)
k+1
x
k
k
divergent.
7.31 Satz: Entwickelbare Funktionen
Seien a, b R mit a < b. Sei x
0
(a, b). Sei f : (a, b) R eine in (a, b) beliebig oft dierenzierbare
Funktion. Es gebe , c R mit
n Nx (a, b) : [f
(n)
(x)[ c
n
.
Dann gilt fr alle x (a, b):
f(x) =

k=0
f
(k)
(x
0
)
k!
(x x
0
)
k
.
166
8 Folgen und Reihen von Funktionen
Generalvorraussetzung: Sei K R, C.
Sei M K. Fr jedes n N sei eine Funktion f
n
: M K gegeben. Wir haben dann die Funktionen-
folge
(f
n
)
nN
= (f
1
, f
2
, f
3
, . . .).
Dies ist eine Folge in
1
/BB(M, K).
Beispiele:
(x
1
, x
2
, x
3
, . . .),
(sin(x), sin(2x), sin(3x), . . .).
8.1 Denition: Punktweise und gleichmige Konvergenz
Sei M K. Sei (f
n
)
nN
eine Folge in /BB(M, K). Sei f /BB(M, K).
(1) (f
n
)
nN
heit punktweise konvergent (auf M) gegen f, in Zeichen
(f
n
)
nN

pkt
f,
wenn gilt:
x M : (f
n
(x))
nN
f(x).
Das bedeutet ausfhrlich geschrieben:
x M R
>0
n
0
Nn N
n0
: [f
n
(x) f(x)[ < .
(2) (f
n
)
nN
heit gleichmig konvergent (auf M) gegen f, in Zeichen
(f
n
)
nN

glm
f,
wenn gilt:
R
>0
n
0
Nn N
n0
x M : [f
n
(x) f(x)[ < .
Bemerkung:
Fr (f
n
)
pkt
f schreibt man auch f = lim
pkt
(f
n
).
Fr (f
n
)
glm
f schreibt man auch f = lim
glm
(f
n
).
Beispiel:
Sei R mit 0 < < 1. Man betrachte die Funktionenfolgen
f
n
: [0, 1) R, x x
n
und g
n
: [0, ] R, x x
n
.
Es gilt:
1
Siehe (II.2.1)
167
8 Folgen und Reihen von Funktionen
(1) (f
n
)
nN

pkt
0 auf [0, 1),
(2) (f
n
)
nN
,
glm
0 auf [0, 1),
(3) (g
n
)
nN

glm
0 auf [0, ).
Beweis:
<Aufgabe>
8.2 Denition: Funktionenreihe
Sei M K. Sei (f
n
)
nN
eine Folge in /BB(M, K). Man betrachte fr jedes n N die nnn-te Partial-
summenfunktion
s
n
: M K, x f
1
(x) +f
2
(x) +. . . +f
n
(x).
Die Funktionenfolge (s
n
)
nN
heit dann die zu (f
n
)
nN
gehrige Funktionenreihe. Man bezeichnet
sie mit

k=1
f
k
.
Bemerkung:
Es sei s /BB(M, K).
Fr

k=1
f
k

pkt
s schreibt man auch s =
pkt

k=1
f
k
.
Fr

k=1
f
k

glm
s schreibt man auch s =
glm

k=1
f
k
.
Beispiele:
(1) Fr alle k N
0
sei f
k
: R R, x
1
k!
x
k
. Es gilt dann:
exp =
pkt

k=0
f
k
.
(2) Fr alle k N sei f
k
: R R, x
1
k
2
cos(kx). Es gilt dann:

k=1
f
k
ist gleichmig konvergent auf R.
8.3 Satz: Grenzwertregeln fr Funktionenfolgen
Sei M K. Seien (f
n
)
nN
und (g
n
)
nN
Folgen in /BB(M, K). Sei K. Seien f, g /BB(M, K) mit
(f
n
)
nN

glm
f und (g
n
)
nN

glm
g. Dann gilt
2
:
(1) (f
n
+g
n
)
nN

glm
f +g,
2
Fr punktweise Konvergenz ist das nichts Neues!
168
8.4 Satz: Stetigkeit der Grenzwertfunktion
(2) ( f
n
)
nN

glm
f.
Beispiel:
Fr alle n N sei f
n
: R R, x
x
2n
1+x
2n
.
Ferner sei f : R R, x
_

_
0 falls [x[ < 1
1
2
falls [x[ = 1
1 falls [x[ > 1
Oensichtlich gilt (f
n
)
nN

pkt
f auf R.
8.4 Satz: Stetigkeit der Grenzwertfunktion
Sei M K. Sei (f
n
)
nN
eine Folge in /BB(M, K). Sei f /BB(M, K). Sei (f
n
)
nN

glm
f auf M. Dann
gilt:
Sind alle Funktionen f
1
, f
2
, . . . stetig in ganz M, so ist auch f stetig in ganz M.
8.5 Satz: Gleichmige Konvergenz dierenzierbarer
Funktionenfolgen
Seien a, b R mit a < b. Fr jedes n N sei f
n
: [a, b] R eine in ganz [a, b] dierenzierbare Funktion.
Die Funktionenfolge (f

n
)
nN
konvergiere gleichmig auf [a, b]. Ferner existiere ein x
0
[a, b] so, dass
(f
n
(x
0
))
nN
konvergent ist. Dann gibt es eine in ganz [a, b] dierenzierbare Funktion f : [a, b] R mit
folgenden Eigenschaften:
(1) (f
n
)
nN

glm
f auf [a, b],
(2) (f

n
)
nN

glm
f

auf [a, b].


Beweis:
<Siehe BurgHafWille>
8.6 Satz: Gleichmige Konvergenz dierenzierbarer
Funktionenreihen
Seien a, b R mit a < b. Fr jedes n N sei f
n
: [a, b] R eine in ganz [a, b] dierenzierbare Funktion.
Die Funktionenreihe

k=1
f

k
konvergiere gleichmig auf [a, b]. Ferner existiere ein x
0
[a, b] so, dass

k=1
f
k
(x
0
) konvergent ist. Dann gibt es eine in ganz [a, b] dierenzierbare Funktion s : [a, b] R mit
folgenden Eigenschaften:
(1) s =
glm

k=1
f
k
auf [a, b],
169
8 Folgen und Reihen von Funktionen
(2) s

=
glm

k=1
f

k
auf [a, b].
Beweis:
Folgt direkt aus (8.5)!
8.7 Denition: Hufungswert
Sei (a
n
)
nN
eine Folge in R. Sei R. heit ein Hufungswert von (a
n
)
nN
, wenn (a
n
)
nN
eine
Teilfolge (a
kn
)
nN
besitzt mit (a
kn
)
nN
.
8.8 Bemerkung: Hufungswerte
(1) Jede Folge in R hat mindestens einen Hufungswert.
(2) Besitzt eine Folge in R einen Grenzwert R, so is der einzige Hufungswert der Folge.
Beispiele:
(1) Die Hufungswerte von ((1)
n
)
nN
sind genau 1 und 1.
(2) Die Hufungswerte von
_
2
(1)
n
n
_
nN
=
_
1
2
, 2
2
,
1
2
3
, 2
4
, . . .
_
sind 0 und .
8.9 Satz, Denition: Limes Inferior, Limes Superior
Sei (a
n
)
nN
eine Folge in R. Dann existieren eindeutig bestimmte Hufungswerte a

, a

R von (a
n
)
nN
mit a

h a

fr alle Hufungswerte h von (a


n
)
nN
. Man bezeichnet
liminf(a
n
)
nN
:= a

als Limes Inferior von (a


n
)
nN
und
limsup(a
n
)
nN
:= a

als Limes Superior von (a


n
)
nN
.
Beispiel:
liminf
_
2
(1)
n
n
_
nN
= 0, limsup
_
2
(1)
n
n
_
nN
= .
8.10 Denition: Potenzreihe
Sei (a
k
)
kN0
eine Folge in R und sei x
0
R. Fr jedes k N
0
betrachte man die Funktion f
k
: R
R, x a
k
(x x
0
)
k
. Dann heit die zu (f
k
)
kN0
gehrige Funktionenreihe

k=0
f
k
=

k=0
a
k
(x x
0
)
k
170
8.11 Bemerkung: Taylor-Potenzreihe
die Potenzreihe an der Stelle x
0
mit Koezientenfolge (a
k
)
kN0
.
Bemerkung:
Die Potenzreihe

k=0
a
k
(x x
0
)
k
ist also die Funktionenfolge (s
0
, s
1
, s
2
, . . .) mit
s
0
: R R, x a
0
,
s
1
: R R, x a
0
+a
1
(x x
0
),
s
2
: R R, x a
0
+a
1
(x x
0
) +a
2
(x x
0
)
2
8.11 Bemerkung: Taylor-Potenzreihe
Sei I ein Intervall von R. Sei f : I R eine in I beliebig oft dierenzierbare Funktion. Sei x
0
I. Dann
ist die Funktionenreihe

k=0
f
(k)
(x
0
)
k!
(x x
0
)
k
eine Potenzreihe. Man bezeichnet sie als Taylor-Potenzreihe (oder kurz: Taylor-Reihe)
8.12 Satz von Cauchy-Hadamard
Sei (a
k
)
kN0
eine Folge in R. Sei x
0
R. Man setze
R :=
1
limsup
_
k
_
[a
k
[
_
kN
.
Dann gilt:
(1) Fr alle x R mit [x x
0
[ < R ist die reelle Reihe

k=0
a
k
(x x
0
)
k
absolut konvergent.
(2) Fr alle x R mit [x x
0
[ > R ist die reelle Reihe

k=0
a
k
(x x
0
)
k
divergent.
(3) Fr jedes c R mit 0 c R ist die Potenzreihe

k=0
a
k
(x x
0
)
k
gleichmig konvergent auf
[x
0
c, x
0
+c].
R heit der Konvergenzradius und (x
0
R, x
0
+ R) das Konvergenzintervall der Potenzreihe

k=0
a
k
(x x
0
)
k
.
Bemerkung:
Dieser Satz sagt nichts ber das Konvergenzverhalten der gegebenen Potenzreihe fr x
0
R und x
0
+R
aus.
Ergnzende Bemerkung
(1) Ist R = , so konvergiert

k=0
a
k
(x x
0
)
k
fr alle x R.
171
8 Folgen und Reihen von Funktionen
(2) Ist R = 0, so konvergiert

k=0
a
k
(x x
0
)
k
nur fr x = x
0
.
(3) Besitzt die Folge
_
k
_
[a
k
[
_
kN
den Grenzwert R , so gilt R =
1

.
Beispiele:
(1) Die geometrische Potenzreihe

k=0
x
k
(a
k
= 1 fr alle k N
0
, x
0
= 0) hat den Konvergenzradius
R = 1 und damit das Konvergenzintervall (1, 1). Nach (4.11) ist

k=0
x
k
divergent fr alle x
1, 1.
(2) Sei R. Man betrachte

k=0
k

x
k
. Wegen lim
_
k
_
[k

[
_
kN
= 1

= 1 hat die Potenzreihe den


Konvergenzradius R = 1.
(a) Ist = 0, so ist

k=1
k

x
k
=

k=1
x
k
divergent fr alle x 1, 1.
(b) Ist = 1, so ist

k=1
k

x
k
=

k=1
1
k
x
k
konvergent fr x = 1 und divergent fr x = 1.
(c) Ist = 2, so ist

k=1
k

x
k
=

k=1
1
k
2
x
k
konvergent fr alle x 1, 1.
8.13 Satz: Konvergenzsatz fr Potenzreihen
Sei (a
k
)
kN0
eine Folge in R. Sei x
0
R. Sei k
0
N und a
k
,= 0 fr alle k N
>k0
. Es existiere der
Limes von
_

a
k
a
k+1

_
kN
k
0
in R. Dann hat die Potenzreihe

k=0
a
k
(xx
0
)
k
den Konvergenzradius
R = lim
_

a
k
a
k+1

_
kN
k
0
.
8.14 Bemerkung: Konvergenzradius
Sei (a
k
)
kN0
eine Folge in R. Sei x
0
R. Sei R der Konvergenzradius von

k=0
a
k
(x x
0
)
k
. Dann hat
auch die Potenzreihe

k=1
k a
k
(x x
0
)
k1
=

k=0
(k + 1)a
k+1
(x x
0
)
k
den Konvergenzradius R.
8.15 Denition: Summenfunktion
Sei (a
k
)
kN0
eine Folge in R. Sei x
0
R. Sei R der Konvergenzradius von

k=0
a
k
(xx
0
)
k
. Es sei R ,= 0.
Dann heit die Funktion
f : (x
0
R, x
0
+R) R, x

k=0
a
k
(x x
0
)
k
die Summenfunktion der Potenzreihe.
172
8.16 Satz: Dierenzierbarkeitssatz fr Potenzreihen
Beispiel:
Die Summenfunktion der geometrischen Potenzreihe

k=0
x
k
ist
f : (1, 1) R, x
1
1 x
.
8.16 Satz: Dierenzierbarkeitssatz fr Potenzreihen
Sei (a
k
)
kN0
eine Folge in R. Sei x
0
R. Sei R der Konvergenzradius von

k=0
a
k
(xx
0
)
k
. Es sei R ,= 0.
Dann ist die Summenfunktion
f : (x
0
R, x
0
+R) R, x

k=0
a
k
(x x
0
)
k
beliebig oft dierenzierbar in ganz (x
0
R, x
0
+R). Ihre erste Ableitung ist (vgl. (8.14))
f

: (x
0
R, x
0
+R) R, x

k=0
(k + 1)a
k+1
(x x
0
)
k
.
Fr alle n N
0
und alle x (x
0
R, x
0
+R) gilt
f
(n)
(x) =

k=0
(k +n)!
k!
a
k+n
(x x
0
)
k
.
Ergnzende Bemerkung
(1) Fr alle n N
0
gilt
f
(n)
(x
0
) = n! a
n
.
Also ist die Taylor-Potenzreihe von f an der Stelle x
0
gleich der gegebenen Potenzreihe

k=0
f
(k)
(x
0
)
k!
(x x
0
)
k
=

k=0
a
k
(x x
0
)
k
.
(2) Auch die Potenzreihe

k=0
a
k
k + 1
(x x
0
)
k+1
hat den Konvergenzradius R und fr die zugehrige Summenfunktion
F : (x
0
R, x
0
+R) R, x

k=0
a
k
k + 1
(x x
0
)
k+1
gilt F

= f.
8.17 Satz: Identittssatz fr Potenzreihen
Seien (a
k
)
kN0
, (b
k
)
kN0
Folgen in R und sei x
0
R. Seien R
1
, R
2
die Konvergenzradien der Potenzreihen

k=0
a
k
(x x
0
)
k
,

k=0
b
k
(x x
0
)
k
. Sei R mit 0 < < minR
1
, R
2
. Fr alle x (x
0
, x
0
+) gelte

k=0
a
k
(x x
0
)
k
=

k=0
b
k
(x x
0
)
k
. Dann gilt
(a
k
)
kN0
= (b
k
)
kN0
.
173
8 Folgen und Reihen von Funktionen
174
9 Integration
Seien a, b R mit a < b. Sei f : [a, b] R
>0
eine Funktion.
Aufgabe:
Man berechne den Flcheninhalt F zwischen Graph(f) und der x-Achse, also die Punktmenge (x, y) [
x [a, b], y [0, f(x)].
F
x
0
a
x
1
x
2
x
3
xn
b
f(x)
Idee:
Man Approximiere F durch eine Summe von Rechteckchen F
1
, F
2
, F
3
, . . . , F
n
.
9.1 Denition: Zerlegung, Feinheit und Riemannsche Summe
Seien a, b R mit a < b. Sei f : [a, b] R.
(1) Unter einer besonderen Zerlegung von [a, b] verstehen wir ein Tupel
(x
0
, x
1
, . . . , x
n
,
1
, . . . ,
n
)
mit n N und x
0
, x
1
, . . . , x
n
R und a = x
0
< x
1
< . . . < x
n
= b sowie
1
[x
0
, x
1
], . . . ,
n

[x
n1
, x
n
].
(2) Ist z := (x
0
, x
1
, . . . , x
n
,
1
, . . . ,
n
) eine besondere Zerlegung von [a, b], so heit
[z[ := maxx
1
x
0
, x
2
x
1
, . . . , x
n
x
n1

die Feinheit von z und


S(f, z) := f(
1
) (x
1
x
0
) +. . . +f(
n
) (x
n
x
n1
)
die Riemannsche Summe von f bezglich z.
(3) Eine Folge besonderer Zerlegungen (z
k
)
kN
heit besondere Zerlegungs-Nullfolge, wenn die
zugehrige Feinheitsfolge ([z
k
[)
kN
eine Nullfolge ist.
Ist (z
k
)
kN
eine besondere Zerlegungs-Nullfolge, so bezeichnet man die Folge
(S(f, z
k
))
kN
als Riemann-Folge von f.
175
9 Integration
9.2 Denition: Riemann-Integrierbarkeit
Seien a, b R mit a < b. Eine Funktion f : [a, b] R heit Riemann-Integrierbar auf [a, b], wenn
fr jede besondere Zerlegungs-Nullfolge (z
k
)
kN
die zugehrige Riemann-Folge (S(f, z
k
))
kN
konvergent
ist.
9.3 Satz, Denition: Riemann-Integral
Seien a, b R mit a < b. Sei f : [a, b] R eine Riemann-Integrierbare Funktion. Dann gibt es genau
ein I R mit folgender Eigenschaft: Fr jede besondere Zerlegungs-Nullfolge (z
k
)
kN
ist
lim(S(f, z
k
))
kN
= I.
Diese Zahl I heit das Riemann-Integral.
Zur Berechnung eines Riemann-Integrals:
Ist f : [a, b] R eine Riemann-Integrierbare Funktion, so kann man zur Berechnung des Riemann-
Integrals von f folgendermaen vorgehen: Man whle eine geeignete, besondere Zerlegungs-Nullfolge
(z
k
)
kN
und berechne dann den Limes
b
_
a
f(x) dx := lim(S(f, z
k
))
kN
.
Bemerkung (Vorgreifend zu (9.4)):
Alle stetigen Funktionen f : [a, b] R sind Riemann-Integrierbar.
Beispiel:
Man betrachte die Funktion f : [0, 1] R, x x
2
. Diese Funktion ist stetig, also Riemann-Integrierbar.
Fr jedes n N ist
z
n
:=
_
0,
1
n
,
2
n
, . . . ,
n
n
,
1
n
,
2
n
, . . . ,
n
n
_
eine besondere Zerlegung mit [z
n
[ =
1
n
. (z
n
)
nN
ist wegen ([z
n
[)
nN
=
_
1
n
_
nN
0 eine besondere
Zerlegungs-Nullfolge. Die Riemannsche Summe von f bezglich z
n
ist
S(f, z
n
) =
n

k=1
f
_
k
n
_

1
n
=
n

k=1
k
2
n
2

1
n
=
1
n
3
n

k=1
k
2
=
1
n
3
n(n + 1)(n + 1)
6
=
1
3
+
1
2n
+
1
6n
2
.
Nach (9.3) gilt
1
_
0
x
2
dx = lim
_
1
3
+
1
2n
+
1
6n
2
_
nN
=
1
3
.
176
9.4 Satz: Integrierbare Funktionen
Seien a, b R mit a < b. Dann setzt man
B([a, b]) := f : [a, b] R [ f ist beschrnkt,
c([a, b]) := f : [a, b] R [ f ist stetig,
1([a, b]) := f : [a, b] R [ f ist Riemann-Integrierbar,
/([a, b]) := f : [a, b] R [ f ist monoton.
Bemerkung:
Vergleiche (6.7), (9.2), (6.14).
9.4 Satz: Integrierbare Funktionen
Seien a, b R mit a < b. Dann gilt
/([a, b]) c([a, b]) 1([a, b]) B([a, b]).
Es sind also alle monotonen und alle stetigen Funktionen Riemann-Integrierbar. Jede Riemann-
Integrierbare Funktion ist auch beschrnkt.
Zwischenbemerkung: Restriktion von Funktionen
Seien X, X

, Y Mengen mit X

X. Sei f : X Y . Dann heit die Funktion


f[
X
: X

Y, x f(x)
die Restriktion oder die Einschrnkung von f auf X

.
f heit auch eine Fortsetzung von f[
X
.
Zwischenbemerkung ber Integrale
Sei M R. Sei f : M R. Seien a, b R mit a < b und [a, b] M. Ist f[
[a,b]
Riemann-Integrierbar
auf [a, b], so sagen wir auch
f ist Riemann-Integrierbar auf [a, b],
und wir setzen
b
_
a
f(x) dx :=
b
_
a
f[
[a,b]
(x) dx,
a
_
b
f(x) dx :=
b
_
a
f[
[a,b]
(x) dx,
a
_
a
f(x) dx := 0.
177
9 Integration
9.5 Satz: Integration von Teilintervallen
Seien a, b, c, d R mit a c < d b. Sei f : [a, b] R auf [a, b] Riemann-Integrierbar. Dann gilt:
f ist Riemann-Integrierbar auf [c, d].
9.6 Satz: Benachbarte Integrale
Seien a, b, c R mit a < c < b. Sei f : [a, b] R sowohl auf [a, c] als auch auf [c, b] Riemann-Integrierbar.
Dann gilt:
f ist Riemann-Integrierbar auf [a, b].
Weiterhin gilt
b
_
a
f(x) dx =
c
_
a
f(x) dx +
b
_
c
f(x) dx .
Verallgemeinerung von (9.5) und (9.6):
Seien a, b R mit a < b. Sei f : [a, b] R auf [a, b] Riemann-Integrierbar. Seien a
1
, a
2
, a
3
[a, b].
Dann gilt:
a3
_
a1
f(x) dx =
a2
_
a1
f(x) dx +
a3
_
a2
f(x) dx .
9.7 Satz: Linearitt der Integration
Seien a, b R mit a < b. Sei R. Seien f, g : [a, b] R beide Riemann-Integrierbar. Dann sind auch
f +g und f Riemann-Integrierbar auf [a, b] und es gilt
b
_
a
(f(x) +g(x)) dx =
b
_
a
f(x) dx +
b
_
a
g(x) dx,
b
_
a
( f(x)) dx =
b
_
a
f(x) dx(x).
9.8 Satz: Produkt und Quotient von Funktionen
Seien a, b R mit a < b. Seien f, g : [a, b] R beide Riemann-Integrierbar. Dann ist auch f g
Riemann-Integrierbar auf [a, b].
Existiert auerdem ein R
>0
, so dass g(x) fr alle x [a, b] gilt, so ist auch
f
g
Riemann-
Integrierbar auf [a, b].
178
9.9 Satz: Monotonie der Integration
9.9 Satz: Monotonie der Integration
Seien a, b R mit a < b. Seien f, g : [a, b] R beide Riemann-Integrierbar. Es gelte f(x) g(x) fr
alle x [a, b]. Dann gilt
b
_
a
f(x) dx
b
_
a
g(x) dx .
9.10 Satz: Dreiecksungleichung der Integration
Seien a, b R mit a < b. Sei f : [a, b] R Riemann-Integrierbar. Dann ist auch [f[ Riemann-
Integrierbar auf [a, b] und es gilt

b
_
a
f(x) dx

b
_
a
[f(x)[ dx .
9.11 Satz: Mittelwertsatz der Integration
Seien a, b R mit a < b. Sei f : [a, b] R eine stetige Funktion. Dann existiert ein [a, b] mit
b
_
a
f(x) dx = f() (b a).
9.12 Satz: Gliedweise Integration von Funktionenfolgen und
-Reihen
Seien a, b R mit a < b. Sei (f
n
)
nN
eine Funktionenfolge in 1([a, b]).
(1) Ist f : [a, b] R eine Funktion mit (f
n
)
nN

glm
f auf [a, b], so ist auch f 1([a, b]) und es gilt
b
_
a
f(x) dx = lim
_
_
b
_
a
f
n
(x) dx
_
_
nN
.
(2) Ist s : [a, b] R eine Funktion mit s =
glm

k=1
f
k
auf [a, b], so ist auch s 1([a, b]) und es gilt
b
_
a
s(x) dx =

k=1
_
_
b
_
a
f
k
(x) dx
_
_
.
9.13 Denition: Stammfunktion
Sei M R und sei f : M R. Eine Funktion F : M R heit eine Stammfunktion von f auf M,
wenn F in M dierenzierbar ist und fr alle x M gilt:
F

(x) = f(x)
179
9 Integration
Beispiel:
sin : R R ist eine Stammfunktion von cos : R R.
Die Funktion f : R 0 R, x ln [x[ ist eine Stammfunktion von g : R 0 R, x
1
x
. Also gilt
(ln [x[)

=
1
x
fr alle x R 0.
9.14 Satz, Denition: Unbestimmtes Integral
Sei I ein Intervall von R und f : I R. Dann heit die Funktionenmenge
_
f(x) dx := F : I R [ F ist eine Stammfunktion vonf
das unbestimmte Integral von f auf I.
Ist F
0
: I R eine Stammfunktion auf I, so gilt
_
f(x) dx = F
0
+C [ C R.
Hierfr schreibt man auch kurz:
_
f(x) dx = F
0
+C.
Bemerkung:
b
_
a
f(x) dx ist eine reelle Zahl, aber
_
f(x) dx ist eine Funktionenmenge.
9.15 Hauptsatz der Dierential- und Integralrechnung (Teil 1)
Seien a, b R mit a < b. Sei f : [a, b] R eine Riemann-Integrierbare Funktion und F : [a, b] R
eine Stammfunktion von f. Dann gilt
b
_
a
f(x) dx = F(b) F(a).
Bemerkung:
Fr F(b) F(a) schreibt man auch
_
F(x)
_
b
a
oder F(x)

b
a
oder F(x)

x=b
x=a
.
Seien a, b R mit a < b. Dann setzt man
o([a, b]) := F

: [a, b] R [ F : [a, b] R ist dierenzierbar.


o([a, b]) ist also die Menge aller Funktionen f : [a, b] R, die eine Stammfunktion besitzen.
9.16 Bemerkung: Integrierbare Funktionen
Seien a, b R mit a < b. Dann gilt
1([a, b]) , o([a, b]) und o([a, b]) , 1([a, b]).
180
9.17 Hauptsatz der Dierential- und Integralrechnung (Teil 2)
9.17 Hauptsatz der Dierential- und Integralrechnung (Teil 2)
Seien a, b R mit a < b. Sei f : [a, b] R eine stetige Funktion. Dann ist die Funktion
F : [a, b] R, x
x
_
a
f(t) dt
eine Stammfunktion von f.
9.18 Bemerkung: Stetige Funktionen
Die Stze (9.4) und (9.17) lehren:
c([a, b]) o([a, b]) 1([a, b]).
Frage:
Wie lsst sich
b
_
a
f(x) dx berechnen?
Antwort:
Man nde eine Stammfunktion F : [a, b] R von f : [a, b] R, das heit man berechne das unbe-
stimmte Integral
_
f(x) dx und wende (9.15) an.
Nchstes Ziel:
Verfahren zur Berechnung von Stammfunktionen.
Jede Ableitungsformel lsst sich als Formel der unbestimmten Integration interpretieren. So gewonnene
Formeln heien Grundintegrale.
9.19 Bemerkung: Einige Grundintegrale
Sei n N. Es gilt
(1)
_
x
n
dx =
1
n+1
x
n+1
+C auf R,
(2)
_
sin(x) dx = cos(x) +C auf R,
(3)
_
cos(x) dx = sin(x) +C auf R,
(4)
_
1
1+x
2
dx = arctan(x) +C auf R,
(5)
_
1

1x
2
dx = arcsin(x) +C auf (1, 1),
(6)
_
1
cos
2
(x)
dx = tan(x) +C auf
_

2
,

2
_
,
(7)
_
1
x
dx = ln(x) +C auf (0, ),
(8)
_
1
x
dx = ln(x) +C auf (, 0),
(9)
_
1 x
2
dx =
<79>
1
2
(arcsin(x) +x

1 x
2
) +C auf [1, 1].
181
9 Integration
Beispiel:
Die Flche F des Einheitskreises. Es gilt
F = 2
1
_
1
_
1 x
2
dx
=
_
arcsin(x) +x
_
1 x
2
_
1
1
= arcsin(1) arcsin(1)
=

2

_

2
_
= .
Weitere Grundintegrale ndet man in jeder Formelsammlung.
9.20 Satz: Partielle Integration
Sei I ein nichtleeres Intervall von R. Seien f, g : I R stetig dierenzierbare Funktionen. Dann gilt
_
f(x) g

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


_
f

(x) g(x) dx .
Sind a, b I mit a < b, so gilt
b
_
a
f(x) g

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

b
_
a
f

(x) g(x) dx .
Beweis:
Folgt aus (7.5).
Beispiele:
(1) Auf ganz R gilt
_
x e
x
dx =
_
x (e
x
)

dx = x e
x

_
x

e
x
= x e
x
e
x
+C = (x 1)e
x
+C.
(2) Auf ganz R gilt
_
x
2
e
x
dx =
_
x
2
(e
x
)

dx = x
2
e
x
2
_
x e
x
dx = (x
2
2x + 2)e
x
+C.
9.21 Satz: Substitutionsregel
Es seien J, I Intervalle auf R. Seien a, b I mit a < b. Sei f : I R eine stetige Funktion. Sei : J I
surjektiv und stetig dierenzierbar. Es gelte

(t) ,= 0 fr alle t J. Dann ist eine streng monotone


Bijektion und es gilt
_
f(x) dx =
_
f((t))

(t) dt

t=
1
(x)
182
9.21 Satz: Substitutionsregel
auf I fr das unbestimmte Integral, sowie
x=b
_
x=a
f(x) dx =
t=(b)
_
t=(a)
f((t))

(t) dt .
Bemerkung:
Ist : J R, t (t) eine Stammfunktion der Funktion : J R, t f((t))

(t) auf J, so ist


F : I R, x (
1
(x)) eine Stammfunktion von f auf I.
Beispiele:
(1)
_
(2 3x)
4
dx auf R.
Substitution (t := 2 3x
. .

1
(x)
):
Dann gilt x =
2t
3
..
(t)
und
dx
dt
=

(t) =
1
3
, also dx =
1
3
dt. Es gilt also
_
(2 3x)
4
dx =
_
t
4
_

1
3
_
dt

t=23x
=
1
3

1
5
t
5

t=23x
+C =
1
15
(2 3x)
5
+C.
(2)
_
1
(2+x)

1+x
dx auf R
>1
.
Substitution (t :=

1 +x
. .

1
(x)
):
Dann gilt x = t
2
1
. .
(t)
und
dx
dt
=

(t) = 2t, also dx = 2t dt. Es gilt also


_
1
(2 +x)

1 +x
dx =
_
1
(t
2
+ 1)t
2t dt

t=

1+x
= 2
_
1
1 +t
2
dt

t=

1+x
= 2 arctan(t)

t=

1+x
+C = 2 arctan(

1 +x) +C.
(3)
x=2
_
x=0
3x
2
e
x
3
dx auf R.
Substitution (t := x
3
..

1
(x)
):
Dann gilt x =
3

t
..
(t)
und
dt
dx
=
_

1
_

(x) = 3x
2
, also dt = 3x
2
dx. Es gilt also
x=2
_
x=0
3x
2
e
x
3
dx =
t=8
_
t=0
e
t
dt =
_
e
t
_
8
0
= e
8
1.
Nchstes Ziel:
Die Integration von rationalen Funktionen.
Bemerkung:
Seien b, c R. Die folgenden Aussagen sind paarweise quivalent:
(1) 4c b
2
> 0,
(2) x R : x
2
+ bx +c > 0,
(3) x R : x
2
+ bx +c ,= 0.
183
9 Integration
9.22 Satz: Integration von Partialbrchen
(I) Sei x
0
R. Sei k N. Dann gilt auf jedem der Intervalle (, x
0
) und (x
0
, )
_
1
(x x
0
)
k
dx =
_
ln [x x
0
[ falls k = 1
1
k1

1
(xx0)
k1
falls k > 1
+C.
(II) Seien b, c R mit 4c b
2
> 0. Dann gilt auf ganz R
_
1
x
2
+bx +c
dx =
2

4c b
2
arctan
_
2x +b

4c b
2
_
+C.
(III) Seien b, c R mit 4c b
2
> 0. Sei k N
2
. Dann gilt auf ganz R
_
1
(x
2
+bx +c)
k
dx =
2x +b
(k 1) (4c b
2
) (x
2
+bx +c)
k1
+
4k 6
(k 1) (4c b
2
)

_
1
(x
2
+bx +c)
k1
dx .
(IV) Seien b, c R mit 4c b
2
> 0. Seien , R. Dann gilt auf ganz R
_
x +
x
2
+bx +c
dx =

2
ln(x
2
+bx +c) +
_

b
2
_

_
1
x
2
+bx +c
dx .
(V) Seien b, c R mit 4c b
2
> 0. Seien , R. Sei k N
2
. Dann gilt auf ganz R
_
x +
(x
2
+bx +c)
k
dx =

2

1
(k 1)(x
2
+bx +c)
k1
+
_

b
2
_

_
1
(x
2
+bx +c)
k
dx .
9.23 Satz: Kanonische Produktdarstellung reeller Polynome
Sei n N. Sei q(x) := a
0
+a
1
x
1
+ . . . + a
n
x
n
ein reelles Polynom vom Grad n. Dann gibt es r, s N
0
und x
1
, . . . , x
r
, A
1
, . . . , A
s
, B
1
, . . . , B
s
R und
1
, . . . ,
r
,
1
, . . . ,
s
N mit folgenden Eigenschaften:
(1) Die reellen Zahlen x
1
, . . . , x
r
sind paarweise ungleich.
(2) Die quadratischen Polynome x
2
+A
1
x+B
1
, . . . , x
2
+A
s
x+B
s
sind paarweise ungleich und haben
keine reellen Nullstellen; das heit
i 1, . . . , s : 4B
i
A
2
i
> 0.
(3) Fr alle x R gilt
q(x) = a
n
(x x
1
)
1
. . . (x x
r
)
r
(x
2
+A
1
x +B
1
)
1
. . . (x
2
+A
s
x +B
s
)
s
.
Diese Produktdarstellung von q(x) ist bis auf die Reihenfolge der Faktoren eindeutig bestimmt.
Die Zahlen x
1
, . . . , x
r
sind genau die Nullstellen von q(x) in R.
Beispiel:
q(x) := x
3
+ 3x
2
+ 9x 13 = (x 1) (x
2
+ 4
:=b
x + 13
:=c
) hat keine Nullstelle in R.
Es gilt 4c b
2
= 52 16 > 0.
184
9.24 Satz: Partialbruchzerlegung reeller rationaler Funktionen
9.24 Satz: Partialbruchzerlegung reeller rationaler Funktionen
Seien p(x) und q(x) reelle Polynome mit p(x), q(x) ,= 0 und 0 Grad p(x) < Gradq(x). Es sei
q(x) = a
n

r

i=1
(x x
i
)
i

j=1
(x
2
+A
j
x +B
j
)
j
.
die Produktdarstellung von q(x) gem (9.23). Dann existieren a
ij
,
ij
,
ij
R mit
p(x)
q(x)
=
a
11
(x x
1
)
1
+
a
12
(x x
1
)
2
+ . . . +
a
11
(x x
1
)
1
+. . .
+
a
r1
(x x
r
)
1
+
a
r2
(x x
r
)
2
+. . . +
a
rr
(x x
r
)
r
+

11
x +
11
(x
2
+A
1
x +B
1
)
1
+. . . +

11
x +
11
(x
2
+A
1
x +B
1
)
1
+. . .
+

s1
x +
s1
(x
2
+A
s
x +B
s
)
1
+. . . +

ss
x +
ss
(x
2
+A
s
x +B
s
)
s
fr alle x R x
1
, . . . , x
r
.
9.25 Satz: Division reeller Polynome
Seien p(x) und q(x) reelle Polynome mit p(x), q(x) ,= 0 und Gradp(x) Gradq(x). Dann gibt es
eindeutig bestimmte, reelle Polynome s(x) und r(x) mit folgender Eigenschaft:
Fr alle x R mit q(x) ,= 0 gilt
p(x)
q(x)
= s(x) +
r(x)
q(x)
und es gilt
r(x) = 0 oder r(x) ,= 0 mit Gradr(x) < Gradq(x).
Beispiel:
p(x) := 3x
3
+x
2
x + 1, q(x) := x
2
+ 2.
(3x
3
+x
2
x + 1) : (x
2
+ 2) = 3x + 1
. .
s(x)
r(x)
..
7x 1
x
2
+ 2
. .
q(x)
(3x
3
+ 6x)
x
2
7x + 1
(x
2
+ 2)
7x 1
Anleitung zur Integration einer rationalen Funktion
Gegeben seien zwei reelle Polynome p(x), q(x) mit p(x), q(x) ,= 0. Gesucht ist
_
p(x)
q(x)
dx (auf einem
Intervall I von R mit q(x) ,= 0 fr alle x I).
1. Fall (Gradp(x) < Gradq(x)):
Dann wende man (9.24) und (9.22) an.
2. Fall (Gradp(x) Gradq(x)):
Nach (9.25) gibt es Polynome s(x), r(x) mit
185
9 Integration
(1)
p(x)
q(x)
= s(x) +
r(x)
q(x)
.
(2) r(x) = 0
_
r(x) ,= 0 Gradr(x) < Gradq(x)
_
.
Es gilt dann
_
p(x)
q(x)
dx =
_
s(x) dx +
_
r(x)
q(x)
dx
. .
1. Fall
Beispiel:
Wir betrachten
_
x
3
+ 5x
2
+ 3x + 11
x
4
+ 4x
2
+ 3
dx.
1. Schritt:
Zerlegung des Nennerpolynoms gem (9.23):
x
4
+ 4x
2
+ 3 = (x
2
+ 1)(x
2
+ 3).
2. Schritt:
Partialbruchzerlegung gem (9.24):
x
3
+ 5x
2
+ 3x + 11
x
4
+ 4x
2
+ 3
=
x + 3
x
2
+ 1
+
2
x
2
+ 3
.
3. Schritt:
Berechnung des Integrals gem (9.22):
_
x
3
+ 5x
2
+ 3x + 11
x
4
+ 4x
2
+ 3
dx =
_
x + 3
x
2
+ 1
dx +
_
2
x
2
+ 3
dx .
Es gilt
_
x + 3
x
2
+ 1
dx =
(IV)
1
2
ln(x
2
+ 1) + 3
_
1
x
2
+ 1
dx =
1
2
ln(x
2
+ 1) + 3 arctan(x)
und
_
2
x
2
+ 3
dx =
(II)
2
2

12
arctan
_
2x

12
_
=
2

3
arctan
_
x

3
_
.
Wir erhalten damit
_
x
3
+ 5x
2
+ 3x + 11
x
4
+ 4x
2
+ 3
dx =
1
2
ln(x
2
+ 1) + 3 arctan(x) +
2

3
arctan
_
x

3
_
+C
9.26 Denition: Uneigentliches Riemann-Integral (Teil 1)
Seien a R und b R mit a < b. Sei f : [a, b) R.
f heit uneigentlich Riemann-Integrierbar, wenn folgendes gilt:
(1) Fr alle c (a, b) ist f Riemann-Integrierbar ber [a, c].
(2) lim
cb
c(a,b)
c
_
a
f(x) dx existiert.
186
9.27 Denition: Uneigentliches Riemann-Integral (Teil 2)
Man sagt in diesem Falle auch:
Das Integral
b

_
a
f(x) dx ist konvergent oder es existiert und man setzt
b

_
a
f(x) dx := lim
cb
c(a,b)
_
f(x) dx .
Analog deniert man im Falle a R und b R mit a < b fr eine Funktion f : (a, b] R das
uneigentliche Riemann-Integral
b
_
a
+
f(x) dx .
Beispiele:
Sei R. Dann gilt:
(1) Das Integral

_
1
1
x

dx ist genau dann konvergent, wenn > 1 ist.


Es gilt in diesem Fall

_
1
1
x

dx =
1
1
.
(2) Das Integral
1
_
0
+
1
x

dx ist genau dann konvergent, wenn < 1 ist.


Es gilt in diesem Fall
1
_
0
+
1
x

dx =
1
1
.
(3) Fr alle x
0
R gilt F(x) :=
x0
_
1
1
x
dx =
_
ln(x)
_
x0
1
= ln(x
0
).
Fr alle c (1, ) gilt
c
_
1
1
x
dx = ln(c)
c
.
Fr alle (0, 1) gilt
1
_

1
x
dx = ln()

.
Man schreibt

_
1
1
x
dx = und
1
_
0
+
1
x
dx = .
9.27 Denition: Uneigentliches Riemann-Integral (Teil 2)
Seien a R und b R mit a < b. Sei f : (a, b) R.
f heit uneigentlich Riemann-Integrierbar, wenn es ein t
0
(a, b) gibt, so dass die Integrale
t0
_
a
+
f(x) dx und
b

_
t0
f(x) dx beide existieren.
187
9 Integration
Man sagt in diesem Falle auch:
Das Integral
b

_
a+
f(x) dx ist konvergent oder es existiert und man setzt
b

_
a+
f(x) dx :=
t0
_
a
+
f(x) dx +
b

_
t0
f(x) dx .
Bemerkung:
Dieser Wert ist unabhngig von der Wahl des Elementes t
0
aus (a, b).
Beispiel:

1
1 +x
2
dx =
0
_

1
1 +x
2
dx +

_
0
1
1 +x
2
dx
= lim
c
0
_
c
1
1 +x
2
dx + lim
c
c
_
0
1
1 +x
2
dx
= lim
c
(arctan(c)) + lim
c
(arctan(c))
=

2
+

2
= .
9.28 Satz, Denition: Eulersche -Funktion
Fr alle (1, ) ist das Integral

_
0
+
t

e
t
dt konvergent. Die Funktion
: (0, ) R, x

_
0
+
t
x1
e
t
dt
heit (Eulersche) -Funktion.
9.29 Satz: Eigenschaften der -Funktion
Die -Funktion hat die folgenden Eigenschaften:
(1) (1) = 1,
(2)
_
1
2
_
=

,
(3) x (0, ) : (x + 1) = x (x),
(4) n N
0
: (n + 1) = n!,
188
9.30 Denition: Asymptotische Gleichheit
(5) ist beliebig oft dierenzierbar.
Fr alle k N
0
und alle x (0, ) gilt

(k)
(x) =

_
0
+
t
x+1
e
t
ln
k
(t) dt .
(6) x (0, 1) : (x) (1 x) =

sin(x)
.
Bemerkung:
Mit Hilfe von (5) lsst sich die -Funktion erreichen. Fr alle x R
0
0, 1, 2, 3, . . . deniert
man
(x) :=

sin(x)

1
(1 x)
.
Dann gilt fr alle x R 0, 1, 2, 3, . . .
(x + 1) = x (x).
9.30 Denition: Asymptotische Gleichheit
Seien (a
n
)
nN
und (b
n
)
nN
Folgen in R 0. (a
n
)
nN
und (b
n
)
nN
heien asymptotisch gleich, wenn
gilt:
lim
_
a
n
b
n
_
nN
= 1.
9.31 Satz von Stirling
(1) (n!)
nN
ist asymptotisch gleich
_
2n
_
n
e
_
n
_
nN
, das heit
lim
_
n! e
n

2n n
n
_
nN
= 1.
(2) n N
2
:

2n
_
n
e
_
n
< n! <

2n
_
n
e
_
n
e
1
12(n1)
189
9 Integration
190
10 Fourier-Reihen
10.1 Denition: Trigonometrische Polynome und Reihen
(1) Sei n N. Seien a
0
, a
1
, . . . , a
n
, b
1
, . . . , b
n
R. Dann heit die Funktion
p : R R, x
a
0
2
+
n

k=1
_
a
k
cos(kx) +b
k
sin(kx)
_
ein trigonometrisches Polynom.
(2) Seien (a
n
)
nN0
und (b
n
)
nN
Folgen in R. Dann heit die Funktionenreihe
a
0
2
+

k=1
_
a
k
cos(kx) +b
k
sin(kx)
_
eine trigonometrische Reihe.
10.2 Satz: Orthogonalittsrelation der trigonometrischen
Funktionen
Fr alle k, l N gilt
(1)

cos(kx) dx =

sin(kx) dx = 0,
(2)

cos(kx) sin(lx) dx = 0,
(3)

cos(kx) cos(lx) dx =
_
0 falls k ,= l,
1 falls k = l,
(4)

sin(kx) sin(lx) dx =
_
0 falls k ,= l,
falls k = l.
10.3 Bemerkung:
Seien (a
n
)
nN0
und (b
n
)
nN
Folgen in R. Sei f : R R und f(x) =
glm
a0
2
+

k=1
_
a
k
cos(kx) +b
k
sin(kx)
_
auf [, ]. Dann gilt
(1) k N
0
: a
k
=
1

f(x) cos(kx) dx,


(2) k N : b
k
=
1

f(x) sin(kx) dx.


191
10 Fourier-Reihen
10.4 Denition: Fourier-Reihe
Sei f : [, ] R eine Riemann-Integrierbare Funktion. Fr alle k N
0
deniert man
a
k
(f) :=
1

f(x) cos(kx) dx
und fr alle k N deniert man
b
k
(f) :=
1

f(x) sin(kx) dx .
Diese Zahlen heien die Fourier-Koezienten von f. Die trigonometrische Reihe
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
heit die Fourier-Reihe von f. Fr jedes n N heit das trigonometrische Polynom
F
n
(f) : R R, x
a
0
(f)
2
+
n

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
das nnn-te Fourier-Polynom von f.
Sei f : [, ] R Riemann-Integrierbar. Unter welchen Vorraussetzungen konvergiert die Fourier-
Reihe von f gegen f?
10.5 Satz:
Sei f : [, ] R eine stetige, dierenzierbare Funktion mit f() = f(). Dann gilt
f(x) =
glm
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
auf [, ].
Beispiel:
Die Funktion f : [, ] R, x x
2
ist stetig, dierenzierbar und es gilt f() =
2
= f(). Nach
(10.5) gilt
f(x) =
glm
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
auf [, ].
Berechnung der Fourier-Koezienten:
Es gilt
a
0
(f) =
1

x
2
dx =
1

_
1
3
x
3
_

=
2
3

2
,
k N : a
k
(f) = (1)
k
4
k
2
,
k N : b
k
(f) = 0.
192
10.6 Denition: Stckweise Monotonie
Damit gilt
x
2
=
glm
1
3

2
+ 4

k=1
(1)
k
cos(kx)
k
2
auf [, ], also
x
2
=
glm
1
3

4
1
2
cos(1x) +
4
2
2
cos(2x) +
4
3
2
cos(3x) +. . .
auf [, ]. Fr die Spezialflle x = 0 und x = gilt

2
12
=

k=1
(1)
k+1
1
k
2
=
1
1
2

1
2
2
+
1
3
2
. . . ,

2
6
=

k=1
1
k
2
=
1
1
2
+
1
2
2
+
1
3
2
+. . . .
10.6 Denition: Stckweise Monotonie
Seien a, b R mit a < b. Eine Funktion f : [a, b] R heit stckweise monoton, wenn es ein
n N und x
0
, . . . , x
n
[a, b] mit a = x
0
< x
1
< . . . < x
n
= b gibt, so dass f auf jedem der Intervalle
(x
0
, x
1
), . . . , (x
n1
, x
n
) monoton ist.
10.5 Satz:
Sei f : [, ] R eine stetige, stckweise stetig dierenzierbare Funktion mit f() = f(). Dann
gilt
f(x) =
glm
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
auf [, ].
10.7 Satz:
Sei f : [, ] R eine beschrnkte, stckweise monotone Funktion mit f() = f(). Dann gilt
(1) x (, ) :
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
=
1
2
_
_
lim
hx
h(,x)
f(h) + lim
hx
h(x,)
f(h)
_
_
,
(2) x , :
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
=
1
2
_
_
lim
h
h(,)
f(h) + lim
h
h(,)
f(h)
_
_
.
193
10 Fourier-Reihen
Beispiel:
Die Funktion f : [, ] R, x
_
x falls x (, ),
0 falls ,
ist beschrnkt und stckweise monoton.
Ferner gilt f() = f(). Nach (10.7) gilt daher:
x [, ] : f(x) =
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
,
k N
0
: a
k
(f) =
1

x cos(kx) dx =
1

_
1
k
x sin(kx) +
1
k
2
cos(kx)
_

= 0,
k N : b
k
(f) =
1

x sin(kx) dx =
1

_
x
k
cos(kx) +
1
k
2
sin(kx)
_

=
2
k
(1)
k+1
.
Abschlussbemerkung
(1) Sei l R 0. Gilt fr alle x R
f(x +l) = f(x),
so heit l die Periode von f.
Hat die Funktion f : R R die Periode 2, so gelten die Stze (10.5) und (10.7) auf ganz R,
statt auf [, ], falls die entsprechenden Vorraussetzungen fr f[
[,]
erfllt sind.
Im Satz (10.7) kann dann die Aussage (2) weggelassen werden. Aussage (1) gilt fr alle x R.
(2) Sei l R 0. Hat die Funktion g : R R die Periode l, so hat die Funktion
f : R R, x g
_
l
2
x
_
die Periode 2. Auf f knnen die obigen Stze angewandt werden. Gilt
f(x) =
glm
a
0
(f)
2
+

k=1
_
a
k
(f) cos(kx) +b
k
(f) sin(kx)
_
,
so gilt
g(x) = f
_
2
l
x
_
=
glm
a
0
(f)
2
+

k=1
_
a
k
(f) cos
_
2
l
kx
_
+b
k
(f) sin
_
2
l
kx
_
_
.
(3) Sei f : [, ] R. Gilt fr alle x R
f(x) = f(x),
so heit f gerade.
Ist f : [, ] R (oder f : R R mit Periode 2) gerade, so ist b
k
(f) = 0 fr alle k N. Die
Fourier-Reihe von f ist also eine reine Kosinusreihe.
Sei f : [, ] R. Gilt fr alle x R
f(x) = f(x),
so heit f ungerade.
Ist f : [, ] R (oder f : R R mit Periode 2) ungerade, so ist a
k
(f) = 0 fr alle k N
0
.
Die Fourier-Reihe von f ist also eine reine Sinusreihe.
194
Abschlussbemerkung
(4) Sei f : [0, ] R. f soll in eine trigonometrische Reihe entwickelt werden.
(i) Setze f zu einer geraden Funktion auf [, ] fort:
g : [, ] R, x
_
f(x) falls x [0, ],
f(x) falls x [, 0).
Die Fourier-Reihe von g sofern sie existiert ist eine reine Kosinusreihe. Gilt
g(x) =
a
0
(g)
2
+

k=1
_
a
k
(g) cos(kx) +b
k
(g) sin(kx)
_
fr alle x [, ], so gilt
f(x) =
a
0
(g)
2
+

k=1
a
k
(g) cos(kx)
fr alle x [0, ].
(ii) Ist f(0) = f() = 0, so kann f auch zu einer ungeraden Funktion fortgesetzt werden.
h : [, ] R, x
_
f(x) falls x [0, ],
f(x) falls x [, 0).
Die Fourier-Reihe von h sofern sie existiert ist eine reine Sinusreihe. Gilt
h(x) =
a
0
(h)
2
+

k=1
_
a
k
(h) cos(kx) +b
k
(h) sin(kx)
_
fr alle x [, ], so gilt
f(x) =
a
0
(h)
2
+

k=1
b
k
(h) sin(kx)
fr alle x [0, ].
Die gegebene Funktion f : [0, ] R kann also, falls f(0) = f() = 0 ist und die Fortsetzungen
g und h die entsprechenden Vorraussetzungen erfllen, in einer reinen Kosinusreihe und in einer
reinen Sinusreihe entwickelt werden.
ndert man f in 0 und duch f(0) := f() := 0 ab, falls dies nicht von vornherein erfllt ist, so
lassen sich beide Methoden von (3) anwenden. Ist f hinreichend vernnftig deniert, so kann f
in (0, ) in einer reinen Kosinureihe und in einer reinen Sinusreihe entwickelt werden.
(5) Seien a, b R mit a < b. Sei g : [a, b] R. g soll in einer trigonometrischen Reihe entwickelt
werden. Man betrachte die Funktion
f : [0, ] R, x g
_
a +
b a

x
_
und wende (4) auf f an. Fr alle x [a, b] gilt dann
g(x) = f
_

b a
(x a)
_
.
195
10 Fourier-Reihen
196
11 Topologische Grundbegrie im R
n
R
n
R
n
Generalvorraussetzung: Seien m, n N.
Wir betrachten den n-dimensionalen Euklidischen Punktproduktraum
1
(R, ). Fr alle (x
1
, . . . , x
n
),
(y
1
, . . . , y
n
) R
n
gilt
(x
1
, . . . , x
n
) (y
1
, . . . , y
n
) = x
1
y
1
+. . . +x
n
y
n
,
|(x
1
, . . . , x
n
)| =
_
x
2
1
+. . . +x
2
n
Fr alle v, w R
n
heit |v w| der Abstand von v und w.
11.1 Denition: Konvergenz
Sei (v
k
)
kN
eine Folge in R
n
. Sei v R
n
.
(v
k
)
kN
heit konvergent gegen v, wenn gilt:
R
>0
n N
0
k N
n0
: |v
k
v| < .
Hierfr schreiben wir kurz
(v
k
)
kN
v, lim(v
k
)
kN
= v, lim
k
v
k
= v.
Bemerkung:
(1) (v
k
)
kN
v (|v
k
v|)
kN
0.
(2) Viele Konvergenzaussagen in R lassen sich auf R
n
bertragen. Die Beweise bleiben meistens richtig,
wenn man den Betrag durch die Norm ersetzt.
11.2 Satz: Grenzwertregeln
Seien (v
k
)
kN
und (w
k
)
kN
Folgen in R
n
. Seien v, w R
n
mit (v
k
)
kN
v und (w
k
)
kN
w. Sei ferner
(
k
)
kN
eine Folge in R und R mit (
k
)
kN
. Dann gilt
(1) (v
k
+w
k
)
kN
v +w,
(2) (
k
v
k
)
kN

k
v
k
,
(3) (|v
k
|)
kN
|v|,
(4) c Rk N : |v
k
| c,
(5) (v
k
w
k
)
kN
v w.
1
Vergleiche fr diesen und andere Begrie Kapitel (II.6)
197
11 Topologische Grundbegrie im R
n
11.3 Satz: Komponentenweise Konvergenz
Fr alle k N sei v
k
:=
_
x
(k)
1
, . . . , x
(k)
n
_
R
n
. Sei v = (x
1
, . . . , x
n
) R
n
. Dann sind folgende Aussagen
quivalent
(1) (v
k
)
kN
v,
(2) j 1, . . . , n : (x
(k)
j
)
kN
x
j
.
hierfr schreiben wir kurz
lim
k
_
x
(k)
1
, . . . , x
(k)
n
_
kN
=
_
lim
x
x
(k)
1
, . . . , limx
(k)
n
_
kN
,
falls der Limes existiert.
Beispiel:
Man betrachte im R
3
die Folge (v
k
)
kN
mit v
k
=
_
1
k
,
k

k,
sin(k)
k
+ 2
_
fr alle k N. Nach (11.3) gilt
(v
k
)
kN
(0, 1, 2).
11.4 Denition: Cauchy-Folge
Eine Folge (v
k
)
kN
in R
n
heit eine Cauchy-Folge, wenn folgendes gilt:
R
>0
n N
0
k, m N
n0
: |v
k
v
m
| < .
11.5 Satz: Konvergenzkriterium von Cauchy
Es sei (v
k
)
kN
eine Folge in R
n
. Dann gilt
(v
k
)
kN
konvergent (v
k
)
kN
Cauchy-Folge.
11.6 Denition: Berhrungspunkt, Abschluss
Sei M R
n
.
(1) Ein Element v R
n
heit ein Berhrungspunkt von M, wenn es eine Folge (v
k
)
kN
in M gibt
mit (v
k
)
kN
v. Man setzt
M := v R
n
[ v ist Berhrungspunkt von M.
M heit der Abschluss oder die abgeschlossene Hlle von M.
Oensichtlich gilt M M.
(2) M heit abgeschlossen, wenn M = M ist.
Beispiele:
(1) Fr alle a, b R mit a < b ist [a, b] eine abgeschlossene Teilmenge von R. Sie heit abgeschlos-
senes Intervall in R.
(2) Fr alle a
1
, . . . , a
n
, b
1
, . . . , b
n
R mit a
1
< b
1
, . . . , a
n
< b
n
ist die Menge
198
11.7 Denition: Kugeln
n

i=1
[a
i
, b
i
] = (x
1
, . . . , x
n
) R
n
[ i 1, . . . , n : a
i
x
i
b
i

eine abgeschlossene Teilmenge von R


n
. Sie heit abgeschlossener Quader in R
n
.
11.7 Denition: Kugeln
Fr alle v
0
R
n
und alle r R
>0
deniert man
K
r
(v
0
) := v R
n
[ |v v
0
| < r,
K
r
(v
0
) := v R
n
[ |v v
0
| r.
Diese Mengen heien Kugeln in R
n
.
Anschaulich:
Im Falle n = 2 ist K
r
(v
0
) eine Kreisscheibe mit Radius r und Mittelpunkt v
0
.
Im Falle n = 3 ist K
r
(v
0
) eine Kugel mit Radius r und Mittelpunkt v
0
.
11.8 Denition: Oene Menge
Sei M R
n
. M heit oen, wenn gilt:
v M R
>0
: K

(v) M.
Beispiele:
(1) Fr alle a, b R mit a < b ist (a, b) eine oen Teilmenge von R. Sie heit oenes Intervall in R.
(2) Fr alle a
1
, . . . , a
n
, b
1
, . . . , b
n
R mit a
1
< b
1
, . . . , a
n
< b
n
ist die Menge
n

i=1
(a
i
, b
i
) = (x
1
, . . . , x
n
) R
n
[ i 1, . . . , n : a
i
< x
i
< b
i

eine oene Teilmenge von R


n
. Sie heit oener Quader in R
n
.
11.9 Satz: Oene und Abgeschlossene Kugeln
Sei v
0
R
n
. Sei r R
>0
. Dann gilt
(1) Die Menge K
r
(v
0
) ist oen. Sie heit oene Kugel in R
n
.
(2) Die Menge K
r
(v
0
) ist abgeschlossen. Sie heit abgeschlossene Kugel in R
n
.
199
11 Topologische Grundbegrie im R
n
11.10 Denition, Bemerkung: Wrfel
Fr alle v = (x
1
, . . . , x
n
) R
n
und alle R
>0
deniert man mit
I

(v) :=
n

i=1
(x
i
, x
i
+)
einen Wrfel mit Kantenlnge 2.
Bemerkung:
Stets gilt
I

n
(v) K

(v) I

(v).
11.11 Satz: Oene Mengen
Sei M R
n
. Dann gilt
M oen v M : R
>0
: K

(v) M,
v M : R
>0
: I

(v) M,
11.12 Satz: Oene Mengen
Sei M R
n
. Dann gilt
M oen R
n
M abgeschlossen,
M abgeschlossen R
n
M oen .
11.13 Denition: Beschrnkt
Sei M R
n
. Sei (v
k
)
kN
eine Folge in R
n
.
(1) M heit beschrnkt, wenn folgendes gilt:
c Rv M : |v| c.
(2) (v
k
)
kN
heit beschrnkt, wenn v
k
[ k N beschrnkt ist.
Bemerkung:
Jede konvergente Folge in R
n
ist beschrnkt.
11.14 Satz von Bolzano-Weierstrass
Jede beschrnkte Folge in R
n
besitzt eine konvergente Teilfolge.
Bemerkung:
Sei M R
n
beschrnkt. Dann besitzt jede konvergente Folge in M eine konvergente Teilfolge. Der
Limes einer solchen Teilfolge braucht nicht in M zu liegen.
200
11.15 Denition: Kompakt
11.15 Denition: Kompakt
Sei M R
n
. M heit kompakt, wenn gilt:
Jede Folge in M besitzt eine konvergente Teilfolge, deren Limes in M liegt.
11.16 Satz von Heine-Borel
Sei M R
n
. Dann gilt
M kompakt M beschrnkt und abgeschlossen.
Beispiele:
(1) Fr alle a, b R mit a < b ist das Intervall [a, b] kompakt.
(2) Der abgeschlossene Quader ist eine kompakte Teilmenge von R
n
.
(3) Die abgeschlossene Kugel ist eine kompakte Teilmenge von R
n
.
11.17 Denition: Funktionengrenzwert, Stetigkeit
Sei M R
n
. Sei x
0
M. Sei f : M R. Sei c R
n
.
c heit Grenzwert von f in x
0
, wenn gilt: Fr jede Folge (x
k
)
kN
in M mit (x
k
)
kN
x
0
gilt
(f(x
k
))
kN
c.
Man schreibt hierfr
lim
xx0
xM
f(x) = c.
Sei v
0
M. f heit stetig in v
0
, wenn gilt:
lim
xv0
xM
f(x) = f(v
0
).
f heit stetig in M, wenn f in jedem Punkt v
0
M stetig ist.
Bemerkung:
Sei M R
n
. Sei v
0
M. Sei f : M R
n
. Dann gilt:
f stetig in v
0
Fr jede Folge (v
k
)
kN
in M mit (v
k
)
kN
v
0
gilt (f(v
k
))
kN
f(v
0
).
11.18 Satz: Stetige Funktionen
Sei M R
n
. Sei M

R
m
. Sei v
0
M. Seien f : M M

und g : M R
m
Funktionen, die beide
in v
0
stetig sind. Es gelte ferner f(M) M

R
m
. Sei p N. Sei h : M

R
p
eine Funktion, die in
f(v
0
) stetig ist. Seien , R. Dann gilt
(1) f +g : M R
m
, v f(v) +g(v) ist stetig in v
0
,
201
11 Topologische Grundbegrie im R
n
(2) h f : M R
p
, v h(f(v)) ist stetig in v
0
.
(3) Ist m = 1, so ist die Funktion
f g : M R
m
, v f(x) g(x)
stetig in v
0
.
(4) Ist m = 1 und g(v
0
) ,= 0, so ist die Funktion
f
g
: v M [ g(v) ,= 0 R
m
, v
f(v)
g(v)
stetig in v
0
.
11.19 Satz: Stetigkeit linearer Abbildungen
Jede lineare Abbildung : R
n
R
m
ist eine in ganz R
n
stetige Abbildung.
11.20 Denition: Koordinatenfunktion
Sei M R
n
. Sei f : M R
m
. Fr jedes v M bezeichnen wir die m Koordinaten des Vektors
f(v) R
m
mit
f
1
(v), . . . , f
m
(v),
also
f(v) = (f
1
(v), . . . , f
m
(v)).
Fr jedes i 1, . . . , m heit die Funktion
f
i
: M R, v f
i
(v)
die iii-te Koordinatenfunktion von f.
Beispiel:
Setze M := (x
1
, x
2
) R
2
[ x
1
+x
2
,= 0 R
2
. Man betrachte die Funktion
f : M R
3
, (x
1
, x
2
)
_
1
x1+x2
, sin(x
1
), e
x1
x
2
_
.
Die Koordinatenfunktionen von f sind
f
1
: M R, (x
1
, x
2
)
1
x1+x2
,
f
2
: M R, (x
1
, x
2
) sin(x
1
),
f
3
: M R, (x
1
, x
2
) e
x1
x
2
.
11.21 Satz: Koordinatenkriterium der Stetigkeit
Sei M R. Sei v
0
M. Sei f : M R
m
. Dann gilt:
f stetig in v
0
i 1, . . . , m : f
i
stetig in v
0
,
f stetig (in M) i 1, . . . , m : f
i
stetig (in M).
202
11.22 Satz: /-Kriterium der Stetigkeit
Beweis:
Seien f
1
, . . . , f
m
stetig in v
0
. Sei (v
k
)
kN
eine Folge in M mit (v
k
)
kN
v
0
. Zu zeigen:
(f(v
k
))
kN
f(v
0
),
also
_
(f
1
(v
k
), . . . , f
m
(v
k
))
_
kN

_
f
1
(v
0
), . . . , f
m
(v
0
)
_
.
Wegen (11.3) gengt es zu zeigen:
i 1, . . . , m : (f
i
(v
k
))
kN
f
i
(v
0
).
Klar wegen der Stetigkeit von f
1
, . . . , f
m
in v
0
.
Dieser Satz lehrt:
Eine Funktion ist genau dann stetig, wenn sie komponentenweise stetig ist.
Beispiele:
(1) Setze M := (x
1
, x
2
) R
2
[ x
1
+x
2
,= 0 R
2
. Die Funktion
f : M R
3
, (x
1
, x
2
)
_
1
x1+x2
, sin(x
1
), e
x1
x
2
_
ist stetig.
(2) Die Normfunktion
| | : R
n
R, v |v|
ist stetig.
11.22 Satz: /-Kriterium der Stetigkeit
Sei M R
n
. Sei v
0
M. Sei f : M R
m
. Dann gilt
f stetig in v
0
R
>0
R
>0
v M : |v v
0
| < |f(v) f(v
0
)| < .
11.23 Satz vom Minimum und Maximum (Extremalsatz)
Sei M eine nichtleere, kompakte Teilmenge von R
n
. Sei f : M R
m
stetig. Dann existieren v
1
, v
2
M
mit
v M : f(v
1
) f(v) f(v
2
).
Dieser Satz lehrt:
f hat einen kleinsten und einen grten Funktionswert.
11.24 Denition: Gleichmige Stetigkeit
Sei M eine kompakte Teilmenge von R
n
. Sei f : M R
m
. f heit gleichmig stetig (in M), wenn
gilt:
R
>0
R
>0
v, w M : |v w| < |f(v) f(w)| < .
203
11 Topologische Grundbegrie im R
n
11.25 Bemerkung: Gleichmige Stetigkeit
Sei M eine kompakte Teilmenge von R
n
. Sei f : M R
m
stetig. Dann gilt:
f stetig f gleichmig stetig.
11.26 Satz: Kompakte Mengen auf stetige Funktionen
Sei M eine kompakte Teilmenge von R
n
. Sei f : M R
m
stetig. Dann ist
f(M)
eine kompakte Teilmenge von R
m
.
Beweis:
<Aufgabe>
11.27 Satz: Eigenschaften von oenen und abgeschlossenen
Mengen
(1) Sei M eine Menge von oenen Teilmengen von R
n
dann ist auch
_
M
eine oene Teilmenge von R
n
.
(2) Sei M eine Menge von abgeschlossenen Teilmengen von R
n
dann ist auch

M
eine abgeschlossene Teilmenge von R
n
.
(3) Sei k N. Seien M
1
, . . . , M
k
oene Teilmengen von R
n
Dann ist auch
M
1
. . . M
k
eine oene Teilmenge von R
n
.
(4) Sei k N. Seien M
1
, . . . , M
k
abgeschlossene Teilmengen von R
n
Dann ist auch
M
1
. . . M
k
eine abgeschlossene Teilmenge von R
n
.
11.28 Denition: Innere Punkte
Sei M R
n
. Ein Punkt v R
n
heit ein innerer Punkt, wenn gilt:
R
>0
: K

(v) M.
Die Menge
Int(M) :=

M := v M [ v ist innerer Punkt von M


heit das Innere von M
Bemerkung:
Oensichtlich gilt

M M.
204
11.29 Satz: Eigenschaften des Inneren
11.29 Satz: Eigenschaften des Inneren
Seien M, M
1
, M
2
R
n
. Dann gilt
(1)

M ist oen,
(2) M oen M =

M,
(3) M
1
M
2

M
1

M
2
.
Beweis:
<Aufgabe>
Beispiele:
(1) Seien a
1
, . . . , a
n
, b
1
, . . . , b
n
R mit a
1
< b
1
, . . . , a
n
< b
n
. Man betrachte
I :=
n

i=1
[a
i
, b
i
].
Es gilt fr das Innere von I

I =
n

i=1
(a
i
, b
i
).
(2) Sei v
0
R
n
. Sei r R
>0
. Dann gilt

K
r
(v
0
) = K
r
(v
0
).
11.30 Satz: Eigenschaften des Abschlusses
Seien M, M
1
, M
2
R
n
. Sei v R
n
. Dann gilt
(1) M ist abgeschlossen,
(2) M abgeschlossen M = M,
(3) M
1
M
2
M
1
M
2
,
(4) R
n

M = R
n
M,
(5) v M R
>0
: K

(v) M ,= .
Beweis:
<Aufgabe>
Beispiele:
(1) Seien a
1
, . . . , a
n
, b
1
, . . . , b
n
R mit a
1
< b
1
, . . . , a
n
< b
n
. Man betrachte
I :=
n

i=1
(a
i
, b
i
).
Es gilt fr den Abschluss von I
I =
n

i=1
[a
i
, b
i
].
205
11 Topologische Grundbegrie im R
n
(2) Sei v
0
R
n
. Sei r R
>0
. Dann gilt
K
r
(v
0
) = K
r
(v
0
).
(3)
_
1
n
[ n N
_
= 0
_
1
n
[ n N
_
,
(4) Q = R = R Q.
11.31 Denition: Rand
Sei M R
n
. Dann heit die Menge
M := M (R
n
M)
der Rand von M.
11.32 Satz: Eigenschaften des Randes
Seien M, M
1
, M
2
R
n
. Sei v R
n
. Dann gilt
(1) M ist abgeschlossen,
(2) M =

M M,
=

M M,
(3) M = (R
n
M),
(4) v M R
>0
: K

(v) M ,= K

(v) (R
n
M) ,= ,
(5) v M Es existiert eine Folge (v
k
)
kN
in M mit (v
k
)
kN
v und
es existiert eine Folge (v

k
)
kN
in (R
n
M) mit (v

k
)
kN
v.
Beispiele:
(1) Seien a
1
, . . . , a
n
, b
1
, . . . , b
n
R mit a
1
< b
1
. . . a
n
< b
n
. Man betrachte
I :=
n

i=1
[a
i
, b
i
].
Es gilt fr den Rand von I
I = (x
1
, . . . , x
n
) [ i 1, . . . , n : x
i
a
i
, b
i

(2) Sei v
0
R
n
. Sei r R
>0
. Dann gilt
K
r
(v
0
) = K
r
(v
0
) = v R
n
[ |v v
0
| = r.
(3) Q = R,
R
n
= .
206
12 Dierentialrechnung im R
n
R
n
R
n
Generalvorraussetzung: Seien m, n N. Sei (e
1
, . . . , e
n
) :=
_
e
(n)
1
, . . . , e
(n)
n
_
die Standardbasis des
R
n
.
12.1 Denition: Richtungsableitung und partielle Ableitung
Sei R
n
oen. Sei v . Sei v
0
R
n
ein Richtungsvektor, dass heit es gelte |v
0
| = 1. Sei
f : R. Existiert dann der Funktionengrenzwert
lim
t0
tR\{0}
v+t0
f(v +t v
0
) f(v)
t
,
so heit er die Richtungsableitung von f an der Stelle v in Richtung v
0
und wird mit
D
v0
f(v) oder
f
v
0
(v)
bezeichnet. Hat man fr die Funktion f die Variablen x
1
, . . . , x
n
, also
f : R, (x
1
, . . . , x
n
) f(x
1
, . . . , x
n
),
so heit fr jedes j 1, . . . , n die Richtungsableitung
D
ej
f(v),
falls diese existiert, auch die jjj-te partielle Ableitung von f an der Stelle v. Fr D
ej
f(v) oder
f
ej
schreibt man auch
D
j
f(x) oder
f
x
j
(v).
Beispiele:
(1) Sei f : R
2
R, (x
1
, x
2
) e
x1
sin(x
2
). Dann gilt fr alle v := (x
1
, x
2
) R
2
D
1
f(v) =
f
x
1
(v) = lim
t0
f(v +te
1
) f(v)
t
= e
x1
sin(x
2
),
D
2
f(v) =
f
x
2
(v) = lim
t0
f(v +te
2
) f(v)
t
= e
x1
cos(x
2
).
Insbesondere gilt zum Beispiel
D
1
f
_
0,

2
_
=
f
x
1
_
0,

2
_
= e
0
sin
_

2
_
= 1,
D
2
f
_
0,

2
_
=
f
x
2
_
0,

2
_
= e
0
cos
_

2
_
= 0
207
12 Dierentialrechnung im R
n
(2) Sei := (x, y, z) R
3
[ x y z ,= 0 und f : R, (x, y, z) f(x, y, z) :=
1
x
+
1
y
+
1
xyz
. Dann
gilt fr alle v := (x, y, z)
D
1
f(v) =
f
x
(v) =
1
x
2
,
D
2
f(v) =
f
y
(v) =
1
y
2

1
xy
2
z
,
D
3
f(v) =
f
z
(v) =
1
xyz
2
.
Insbesondere gilt zum Beispiel
D
1
f(1, 2, 3) = 1,
D
2
f(1, 2, 3) =
1
3
,
D
3
f(1, 2, 3) =
1
18
.
12.2 Denition: Hhere partielle Ableitungen
Sei R
n
oen. Sei f : R. Sei j 1, . . . , n. Existiert dann D
j
f(v) fr alle v , so hat man
die Funktion
D
j
f : R
und man sagt D
j
f existiert. Man bezeichnet D
j
f als eine partielle Ableitung von f der Ordnung 1.
Sei k N und seien j
1
, . . . , j
k
1, . . . , n. Wenn dann alle Funktionen
D
j1
f, D
j2
D
j1
f, . . . , D
j
k
. . . D
j1
f
existieren, so heit die Funktion
D
j
k
. . . D
j1
f : R
eine partielle Ableitung von f der Ordnung k.
Bemerkung:
Man schreibt zum Beispiel fr D
2
D
1
f(x
1
, x
2
) an Stelle von

f
x1
x
2
(x
1
, x
2
)
nur kurz

2
f
x
2
x
1
(x
1
, x
2
)
und zum Beispiel fr D
2
D
1
D
3
f(x, y, z) kurz

3
f
yxz
(x, y, z)
Beispiel:
Man betrachte f : R
3
R, (x, y, z) x sin(y) +z
2
. Es gilt
f
x
(x, y, z) = D
1
f(x, y, z) = sin(y),
f
y
(x, y, z) = D
2
f(x, y, z) = x cos(y),
208
12.3 Denition: k-te partielle Ableitung
f
z
(x, y, z) = D
3
f(x, y, z) = 2z,

2
f
yx
(x, y, z) = D
2
D
1
f(x, y, z) = cos(y),

2
f
xy
(x, y, z) = D
1
D
2
f(x, y, z) = cos(y).
12.3 Denition: kkk-te partielle Ableitung
Sei R
n
oen. Sei f : R. Sei k N.
f heit kkk-mal partiell dierenzierbar auf , wenn alle mglichen partiellen Ableitungen von f der
Ordnung k existieren.
f heit kkk-mal stetig partiell dierenzierbar auf , wenn alle mglichen partiellen Ableitungen von
f der Ordnung k existieren und stetig sind.
Man setzt
c
k
() := f : R [ f ist k-mal stetig partiell dierenzierbar.
12.4 Satz von Euler-Schwarz
Sei R
2
oen. Sei f c
2
(). Dann gilt
D
2
D
1
f = D
1
D
2
f.
Bemerkung:
Anders geschrieben: Im Falle f : R, (x, y) f(x, y) gilt fr alle v

2
f
yx
(v) =

2
f
xy
(v).
12.5 Satz von Schwarz
Sei R
2
oen. Sei k N. Sei f c
k
(). Dann ist jede partielle Ableitung von f der Ordnung k
unabhngig von der Dierentiationreihenfolge.
12.6 Denition: Gradient
Sei R
2
oen. Sei f : R. Ist v und existieren die partiellen Ableitungen D
1
f(v), . . . , D
n
f(v),
so heit der Vektor
(D
1
f(v), . . . , D
n
f(v)) R
n
der Gradient von f in v. Man bezeichnet ihn mit
gradf(v) oder f(v).
heit der Nabla-Operator.
209
12 Dierentialrechnung im R
n
Bemerkung:
Bei f : R, (x
1
, . . . , x
n
) f(x
1
, . . . , x
n
) schreibt man auch
gradf(v) =
_
f
x
1
(v), . . . ,
f
x
n
(v)
_
.
Beispiel:
12.7 Denition: Jacobi-Matrix
Sei R
n
oen. Sei f : R
m
. Man betrachte die m Koordinatenfunktionen f
1
: R, . . . , f
m
:
R. Sei v . Existieren an der Stelle v alle partiellen Ableitungen D
j
f
i
(v) mit i 1, . . . , m und
j 1, . . . , n so heit die mn-Matrix
J
f
(v) :=
_
_
_
D
1
f
1
(v) . . . D
n
f
1
(v)
.
.
.
.
.
.
.
.
.
D
1
f
m
(v) . . . D
n
f
m
(v)
_
_
_
die Jacobi-Matrix oder auch Funktionalmatrix von f an der Stelle v in R.
Bemerkung:
Bei f : R
m
, (x
1
, . . . , x
n
) f(x
1
, . . . , x
n
) schreibt man fr die Jacobi-Matrix auch
J
f
(v) =
_
_
_
f1
x1
(v) . . .
f1
xm
(v)
.
.
.
.
.
.
.
.
.
fn
x1
(v) . . .
fn
xm
(v)
_
_
_.
Bemerkung:
Die Zeilenvektoren der Jakobi-Matrix J
f
(v) sind gerade die Gradienten der Koordinatenfunktionen
von f, also gradf
1
(v), . . . , gradf
n
(v).
Ist n = 1, so gilt J
f
(v) = gradf(v).
Beispiel:
Man setzt fr alle k N
c
k
(, R
m
) :=
_
f : R

alle Koordinatenfunktionen von f sind


auf k-mal stetig partiell dierenzierbar
_
.
Die Funktionen aus c
k
(, R
m
) heien auch c
k
-Funktionen
Es gilt c
k
(, R
1
) = c
k
().
12.8 Denition: Totale Dierenzierbarkeit
Sei R
n
oen. Sei v
0
. Sei f : R
m
.
(1) f heit (total) dierenzierbar in v
0
, wenn eine lineare Abbildung : R
n
R
m
existiert mit
lim
h0
hR
n
\{0}
v+h
f(v
0
+h) f(v
0
) (h)
|h|
= 0.
(2) f heit (total) dierenzierbar in , wenn f in jedem v dierenzierbar ist.
210
12.9 Satz, Denition: Totale Ableitung
12.9 Satz, Denition: Totale Ableitung
Sei R
n
oen. Sei v
0
. Sei f : R
m
dierenzierbar in v
0
. Dann gilt:
(1) Alle partiellen Ableitungen D
j
f
i
(v
0
) mit i 1, . . . , m und j 1, . . . , n existieren.
(2) Es gibt genau eine lineare Abbildung : R
n
R
m
mit der in (12.8.1) angegebenen Eigenschaft.
Fr die Koordinatenmatrix von gilt
M() = J
f
(v
0
).
Die Gem (2) eindeutig bestimmte Abbildung heit die (totale) Ableitung von f in v
0
und wird
mit
f

(v
0
) oder Df(v
0
)
bezeichent.
Bemerkung:
Es gilt
f

(v
0
) = Df(v
0
) /(R
n
, R
m
).
ist f : R
m
in gant dierenzierbar, so hat man die Abbildung f

: /(R
n
, R
m
). Sie heit die
(totale) Ableitung von f auf .
Beweis:
12.10 Satz: Dierenzierbare Funktionen
Sei R
n
oen. Sei v
0
. Seien f, g : R
m
beide dierenzierbar in v
0
. sei R. Dann sind
auch die Funktionen f +g und f sind dierenzierbar in v
0
und es gilt
(1) (f + g)

(v
0
) = f

(v
0
) +g

(v
0
),
(2) ( f)

(v
0
) = f

(v
0
).
12.11 Satz: Kettenregel
12.12 Satz: Umkehrsatz (Ableitung der Umkehrfunktion)
12.13 Satz: Richtungsableitung und Gradient
12.14 Satz, Denition: Richtung des strksten Anstiegs
211
12 Dierentialrechnung im R
n
212
Teil II
Lineare Algebra
213
1 Die Vektorrume R
n
R
n
R
n
Generalvorraussetzung: Sei n N.
Man betrachte das n-fache kartesische Produkt
R
n
= R R . . . R
. .
n Mal
= (x
1
, x
2
, . . . , x
n
) [ x
1
, x
2
, . . . , x
n
R.
Die Elemente aus R
n
heien auch Vektoren.
Geometrische Bedeutung von R
2
R
2
R
2
:
Sei E eine euklidische Ebene (z.B. die Schreibebene) mit einem rechtwinkligen Koordinatensystem.
x
1
x
2
X
Dann ist die Abbildung
X (x
1
, x
2
)
die jedem Punkt X von E das 2-Tupel (x
1
, x
2
) seiner Koordinaten zuordnet, eine Bijektion von der
Menge aller Punkte von E auf die Menge aller Vektoren aus R
2
.
Bezglich dieser Bijektion kann man die Vektoren des R
2
als Punkte von E deuten.
Man bezeichnet daher die Elemente von R
2
auch als Punkte.
1.1 Denition: Vektoraddition, Skalarmultiplikation
Fr alle (x
1
, . . . , x
n
), (y
1
, . . . , y
n
) R
n
und alle R sei:
(x
1
, . . . , x
n
) + (y
1
, . . . , y
n
) := (x
1
+y
1
, . . . , x
n
+y
n
),
(x
1
, . . . , x
n
) := (x
1
, . . . , x
n
).
Zur Abkrzung setzt man
0 := (0, 0, . . . , 0).
Dieses Element 0 heit der Nullvektor oder der Nullpunkt des R
n
.
215
1 Die Vektorrume R
n
Geometrische Bedeutung der Vektoraddition im R
2
R
2
R
2
:
1 2 3 4 5
1
2
3
(4, 3)
(1, 2)
(3, 1)
(0, 0)
Beispiele zur Vektoraddition:
(3, 1) + (1, 2) = (4, 3).
(0, 1) + (0, 0, 1) ist nicht deniert.
Man sieht, (4, 3) ist der zu (3, 1), (0, 0), (1, 2) gehrige vierte Parallelogrammpunkt.
Allgemein gilt:
Fr alle x, y R
2
ist x +y der zu x, (0, 0), y gehrige vierte Parallelogrammpunkt.
Geometrische Bedeutung der Skalarmultiplikation im R
2
R
2
R
2
:
1 2 3 4 1 2
1
2
3
4
1
2
3
(2, 4)
(1, 2)
(
1
2
, 1)
(
3
2
, 3)
Beispiele zur Skalarmultiplikation:
2 (1, 2) = (2, 4).
1
2
(1, 2) = (
1
2
, 1)
(1, 5) (1, 2) = (
3
2
, 3).
216
1.2 Satz: Vektorraumaxiome
Allgemein gilt:
Sei x R
2
(0, 0) und R, dann liegt x auf der Geraden durch den Nullpunkt und den Punkt x.
Gilt > 0, so liegt x vom Nullpunkt aus gesehen in der selben Richtung wie x und der Abstand
des Punktes x vom Nullpunkt ist gleich dem -fachen des Abstandes des Punktes x vom Nullpunkt.
Entsprechendes gilt fr < 0.
1.2 Satz: Vektorraumaxiome
Fr alle u, v, w R
n
und alle , R gilt
(1) (a) (u +v) +w = u + (v +w),
(Assoziativgesetz)
(b) (u +v) = (v +u),
(Kommutativgesetz)
(c) u + 0 = u,
(neutrales Element der Addition)
(d) u + (1)u = 0,
(inverses Element der Addition)
(2) (a) ( u) = ( )u,
(b) ( +)u = u + u,
(Distributivgesetz)
(c) (u +v) = u + v,
(Distributivgesetz)
(d) 1 u = u.
(neutrales Element der Multiplikation)
Beweis (2.b), exemplarisch:
Seien , R. Sei u = (u
1
, . . . , u
n
) R
n
. Dann gilt
1
( +) u = ( +)(u
1
, . . . , u
n
)
= (( +)u
1
, . . . , ( +)u
n
)
= (u
1
+u
1
, . . . , u
n
+u
n
)
= (u
1
, . . . , u
n
) + (u
1
, . . . , u
n
)
= (u
1
, . . . , u
n
) +(u
1
, . . . , u
n
)
= u +u.
Bemerkung:
Die in Satz (1.2) angegebenen Rechenregeln bezeichnet man als Vektorraumaxiome. (1.c) und (1.d)
mssen bei einem axiomatischen Aufbau der Vektorraumtheorie als Existenzaussagen formuliert werden.
Es existiert ein Element 0 R
n
, so dass gilt:
(1.c

) u R
n
: u + 0 = u.
(1.d

) u R
n
u R
n
: u + (u) = 0.
In diesem Sinne ist R
n
fr jedes n N ein Vektorraum.
1
Klopsch: Sie sehen, das ist langweilig und man braucht auch keinen Trick dabei.
217
1 Die Vektorrume R
n
Fr jedes v R
n
setze man
v := (1)v.
Fr alle u, v R
n
deniert man
u v := u + (v) = u + (1)v.
1.3 Denition: Gerade
Sei G R
n
. G heit eine Gerade, wenn es ein u R
n
und ein v R
n
0 gibt, mit
G = u +Rv := u +v [ R.
1 2 3 4 5 1 2 3 4 5
1
2
3
4
G
v
u
u +v
u
3
2
v
G heit eine Ursprungsgerade, wenn es ein v R
n
0 gibt, mit
G = Rv := v [ R.
1.4 Satz: Geraden in R
2
R
2
R
2
Sei G R
2
. Dann gilt: G ist genau dann eine Gerade, wenn es a, b, c R gibt, mit
(a, b) ,= (0, 0)
und
G = (x, y) R
2
[ ax +by = c.
Bemerkung:
Im Falle b ,= 0 ist ax +by = c quivalent mit y =
a
b
x +
c
b
.
1.5 Denition: Linearkombination und Aufspann
Sei r N und seien v
1
, . . . , v
r
R
n
. Ein Vektor v R
n
heit eine Linearkombination von v
1
, . . . , v
r
,
wenn es
1
, . . . ,
r
R gibt, mit
v =
1
v
1
+. . . +
r
v
r
=
r

k=1

k
v
k
.
218
1.6 Satz: Eigenschaften des Aufspann
Die Vektormenge
Span(v
1
, . . . , v
r
) := Rv
1
+. . . +Rv
r
:=
1
v
1
+. . . +
r
v
r
[
1
, . . . ,
r
R
heit das Erzeugnis oder der Aufspann von v
1
, . . . , v
r
.
Beispiel:
Im R
4
betrachte man v
1
:= (1, 1, 0, 0), v
2
:= (0, 0, 2, 4). Es gilt
2v
1
+ 3v
2
= (2, 2, 6, 12).
Also ist (2, 2, 6, 12) eine Linearkombination von v
1
und v
2
.
Auch 0 = (0, 0, 0, 0) ist eine Linearkombination von v
1
und v
2
.
Fr jedes v R
n
0 ist
Span(v) = Rv = v [ R
eine Ursprungsgerade. Ferner gilt
Span(0) = 0.
1.6 Satz: Eigenschaften des Aufspann
Sei r N. Seien v
1
, . . . , v
r
R
n
. Dann gilt:
(1) 0 Span(v
1
, . . . , v
r
).
(2) v, w Span(v
1
, . . . , v
r
) : v +w Span(v
1
, . . . , v
r
).
(3) v Span(v
1
, . . . , v
r
) R : v Span(v
1
, . . . , v
r
).
Beweis (2), exemplarisch:
Seien v, w Span(v
1
, . . . , v
r
). Dann gibt es
1
, . . . ,
r
,
1
, . . . ,
r
R mit
v =
1
v
1
+. . . +
r
v
r
,
w =
1
v
1
+. . . +
r
v
r
.
Es gilt dann
v +w = (
1
+
1
)v
1
+. . . + (
r
+
r
)v
r
Span(v
1
, . . . , v
r
).
1.7 Satz, Denition: Einheitsvektor
Die n-Vektoren
e
1
:= e
(n)
1
= (1, 0, 0, . . . , 0, 0),
e
2
:= e
(n)
2
= (0, 1, 0, . . . , 0, 0),
.
.
.
e
n
:= e
(n)
n
= (0, 0, 0, . . . , 0, 1)
des R
n
heien Einheitsvektoren. Es gilt:
Span
_
e
(n)
1
, . . . , e
(n)
n
_
= R
n
.
219
1 Die Vektorrume R
n
Beweis:
Trivial!
Sei (
1
, . . . ,
n
) R
n
. Dann gilt
(
1
, . . . ,
n
) =
1
e
(n)
1
+. . . +
n
e
(n)
n
Span
_
e
(n)
1
, . . . , e
(n)
n
_
.
Beispiele:
R
2
hat die Einheitsvektoren (1, 0), (0, 1).
R
3
hat die Einheitsvektoren (1, 0, 0), (0, 1, 0), (0, 0, 1).
1.8 Denition: Lineare Abhngigkeit und Lineare Unabhngigkeit
Sei r N. Seien v
1
, . . . , v
r
R
n
.
(v
1
, . . . , v
r
) heit linear abhnging, wenn es
1
, . . . ,
r
R gibt, die nicht alle gleich 0 sind, so dass
gilt:

1
v
1
+. . . +
r
v
r
= 0.
(v
1
, . . . , v
r
) heit linear unabhngig, wenn (v
1
, . . . , v
r
) nicht linear abhngig ist. Das heit, wenn gilt:

1
, . . . ,
r
R :
1
v
1
+. . . +
r
v
r
= 0
1
, . . . ,
r
= 0.
Bemerkung:
Fr (v
1
, . . . , v
r
) ist linear abhngig (bzw. linear unabhngig) sagt man auch v
1
, . . . , v
r
sind linear
abhngig (bzw. linear unabhngig).
Geometrische Bedeutung der linearen Abhngigkeit im R
2
R
2
R
2
:
Man betrachte im R
2
die Punkte (Vektoren) (2, 1), (6, 3), (2, 3).
1 2 3 4 5 6
1
2
3
4
(2, 3)
(2, 1)
(6, 3)
((2, 1), (6, 3)) ist linear abhngig, denn es gilt
3(2, 1) + (1)(6, 3) = (0, 0).
((2, 1), (2, 3)) ist linear unabhngig.
220
1.8 Denition: Lineare Abhngigkeit und Lineare Unabhngigkeit
Beweis:
Seien
1
,
2
R mit

1
(2, 1) +
2
(2, 3) = (0, 0).
Zu zeigen:
1
=
2
= 0.
Es gilt
2
1
+ 2
2
= 0 und
1
+ 3
2
= 0.
Das ergibt

2
=
1
.
Und damit

1
= 3(
1
) = 0,
also

1
= 0 =
2
.
Allgemein gilt:
Fr alle x, y R
2
ist (x, y) genau dann linear abhnging, wenn 0, x und y auf einer Geraden liegen.
Beispiele:
(1) Man betrachte im R
4
die Vektoren
v
1
:= (2, 0, 6, 8), v
2
:= (1, 1,
1
3
, 5), v
3
:= (2, 3, 2, 11).
(v
1
, v
2
, v
3
) ist linear abhngig, denn es gilt
_

1
2
_
v
1
+ 3v
2
+ (1)v
3
= 0.
(2) Sei r N. Seien v
1
, . . . , v
r
R
n
. Es gebe i, j 1, . . . , r mit i ,= j und ein R mit v
i
= v
j
.
Dann ist (v
1
, . . . , v
r
) linear abhngig, denn es gilt
1 v
i
+ ()v
j
= 0.
(3) Sei r N. Seien v
1
, . . . , v
r
R
n
. Es gelte 0 v
1
, . . . , v
r
. Dann ist (v
1
, . . . , v
r
) linear abhngig.
(4) Fr alle v R
n
gilt:
(v) linear unabhngig v ,= 0.
(v) linear abhngig v = 0.
Beweis:
<Aufgabe>
(5) Die Einheitsvektoren e
(n)
1
, . . . , e
(n)
n
R
n
sind linear unabhngig.
Beweis:
Es seien
1
, . . . ,
n
R mit
1
e
1
+ . . . +
n
e
n
= 0. Dann gilt
(
1
, . . . ,
n
) =
1
e
1
+. . . +
n
e
n
= 0 = (0, . . . , 0),
also

1
= 0, . . . ,
n
= 0.
221
1 Die Vektorrume R
n
1.9 Satz: Lineare Abhngigkeit
Sei r N mit r 2 und seien v
1
, . . . , v
r
R
n
. Dann gilt
(v
1
, . . . , v
r
) linear abhngig
i 1, . . . , r : v
i
Span(v
1
, . . . , v
i1
, v
i+1
, . . . , v
r
).
Beweis:
Sei (v
1
, . . . , v
r
) linear abhngig. Dann existieren
1
, . . . ,
r
R mit (
1
, . . . ,
r
) ,= (0, . . . , 0) und

1
v
1
+. . . +
r
v
r
= 0. Sei o.B.d.A.
1
,= 0. Dann gilt
v
1
=
_

1
_
v
2
+. . . +
_

1
_
v
r
.
Also gilt
v
1
Span(v
2
, . . . , v
r
).
Es sei o.B.d.A. v
1
Span(v
2
, . . . , v
r
). Dann existieren
2
, . . . ,
r
R mit
v
1
=
2
v
2
+. . . +
r
v
r
.
Wir erhalten
(1)v
1
+
2
v
2
+ . . . +
r
v
r
= 0.
Also ist (v
1
, . . . , v
r
) linear abhngig.
1.10 Satz: Lineare Unabhngigkeit
Sei r N mit r 2 und seien v
1
, . . . , v
r
R
n
. Dann gilt
(v
1
, . . . , v
r
) linear unabhngig
v Span(v
1
, . . . , v
r
) !(
1
, . . . ,
r
) R
r
: v =
1
v
1
+. . . +
r
v
r
.
Beweis:
Sei (v
1
, . . . , v
r
) linear unabhngig. Sei v Span(v
1
, . . . , v
r
).
Dann existieren
1
, . . . ,
r
R mit
1
v
1
+ . . . +
r
v
r
= v. Seien auch
1
, . . . ,
r
R mit
1
v
1
+
. . . +
r
v
r
= v. Dann gilt
(
1

1
)v
1
+. . . + (
r

r
)v
r
= (
1
v
1
+. . . +
r
v
r
) (
1
v
1
+. . . +
r
v
r
) = v v = 0,
also

1

1
= 0, . . . ,
r

r
= 0
und damit

1
=
1
, . . . ,
r
=
r
.
Klar!
(Betrachte fr v den Nullvektor)
222
1.11 Denition: Rang
1.11 Denition: Rang
Sei r N. Seien v
1
, . . . , v
r
R
n
. Dann deniert man
Rang(v
1
, . . . , v
r
) :=
_

_
max s N [ w
1
, . . . , w
s
v
1
, . . . , v
r
:
(w
1
, . . . , w
s
) linear unabhngig falls v
1
, . . . , v
r
, = 0
0 falls v
1
, . . . , v
r
= 0
Diese Zahl heit der Rang von (v
1
, . . . , v
r
). Der Rang von (v
1
, . . . , v
r
) ist also die maximale Anzahl
linear unabhngiger Vektoren aus v
1
, . . . , v
r
.
Rang(v
1
, . . . , v
r
) = p bedeutet:
(1) Es gibt p Vektoren aus v
1
, . . . , v
r
, die linear unabhngig sind.
(2) Je p + 1 Vektoren aus v
1
, . . . , v
r
sind linear abhngig.
Bemerkung:
(1) (v
1
, . . . , v
r
) linear abhngig Rang(v
1
, . . . , v
r
) < r.
(2) (v
1
, . . . , v
r
) linear unabhngig Rang(v
1
, . . . , v
r
) = r.
(3) Rang(v
1
, . . . , v
r
) = Rang(v
1
, . . . , v
r
, 0).
Beispiel:
Rang((1, 0), (1, 1), (0, 1)) = 2.
Lsst sich Rang(v
1
, . . . , v
r
) berechnen?
Idee: Man verndere (v
1
, . . . , v
r
) durch elementare Umformungen.
1.12 Denition: Elementare Umformungen
Sei r N. Die folgenden Abbildungen von (R
n
)
r
nach (R
n
)
r
heien elementare Umformungen (vom
Typ 1, Typ 2, Typ 3):
EU1 : (v
1
, . . . , v
i
, . . . , v
r
) (v
1
, . . . , v
i
, . . . , v
r
),
EU2 : (v
1
, . . . , v
i
, . . . , v
j
, . . . , v
r
) (v
1
, . . . , v
i
+v
j
, . . . , v
j
, . . . , v
r
),
EU3 : (v
1
, . . . , v
i
, . . . , v
j
, . . . , v
r
) (v
1
, . . . , v
j
, . . . , v
i
, . . . , v
r
).
Dabei ist stets R 0, i, j 1, . . . , r mit i ,= j.
Sind v
1
, . . . , v
r
, w
1
, . . . , w
r
R
n
und lsst sich (v
1
, . . . , v
r
) durch die Hintereinanderausfhrung von
endlich vielen elementaren Umformungen in (w
1
, . . . , w
r
) berfhren, so schreiben wir
(v
1
, . . . , v
r
) (w
1
, . . . , w
r
).
Beispiele:
(1) Seien v
1
, v
2
, v
3
, v
4
R
n
. Dann gilt zum Beispiel
(v
1
, v
2
, v
3
, v
4
)
EU1
(v
1
, v
2
, v
3
, v
4
),
(v
1
, v
2
, v
3
, v
4
)
EU2
(v
1
, v
2
v
4
, v
3
, v
4
),
(v
1
, v
2
, v
3
, v
4
)
EU3
(v
1
, v
4
, v
3
, v
2
).
223
1 Die Vektorrume R
n
(2) Seien v
1
, v
2
R
n
Dann gilt
(v
1
, v
2
)
EU2
(v
1
+v
2
, v
2
)

EU2
(v
1
+v
2
, v
2
(v
1
+v
2
))
= (v
1
+v
2
, v
1
)

EU1
(v
1
+v
2
, v
1
)

EU2
(v
2
, v
1
).
Beispiel (2) lehrt:
Die elementaren Umformungen vom Typ 3 lassen sich mit Hilfe der elementaren Umformungen vom
Typ 1 und Typ 2 durchfhren.
1.13 Satz: Rangerhaltung bei elementaren Umformungen
Sei r N. Seien v
1
, . . . , v
r
, w
1
, . . . , w
r
R
n
mit (v
1
, . . . , v
r
)
EU
(w
1
, . . . , w
r
). Dann gilt
Rang(v
1
, . . . , v
r
) = Rang(w
1
, . . . , w
r
).
Beweis, Hinweise:
Es gengt o.B.d.A zu zeigen: Fr alle R 0 gilt
(1) Rang(v
1
, v
2
, . . . , v
r
) =

Rang(v
1
, v
2
, . . . , v
r
),
(2) Rang(v
1
, v
2
, . . . , v
r
) =
?
Rang(v
1
+v
2
, v
2
, . . . , v
r
).
1.14 Satz zur linearen Abhngigkeit
Sei r N. Seien v
1
, . . . , v
r
R
n
. Sei ferner m N mit r < m und seien w
1
, . . . , w
m
Span(v
1
, . . . , v
r
).
Dann gilt
(w
1
, . . . , w
r
) ist linear abhngig.
Beweis:
Es gibt
1
, . . . ,
r
R mit zum Beispiel
w
1
=
1
v
1
+. . . +
r
v
r
.
Man betrachte folgende Kette von elementaren Umformungen:
(v
1
, . . . , v
r
, w
1
, . . . , w
m
)
EU2
(v
1
, . . . , v
r
, w
1

1
v
1
, w
2
, . . . , w
m
)

EU2
(v
1
, . . . , v
r
, w
1

1
v
1

2
v
2
, w
2
, . . . , w
m
)

EU2
(v
1
, . . . , v
r
, w
1

1
v
1
. . .
r
v
r
. .
=0
, w
2
, . . . , w
m
)

EU2
(v
1
, . . . , v
r
, 0, . . . , 0
. .
m Mal
).
224
1.15 Satz: Aufspannerhaltung bei elementaren Umformungen
Nach (1.13) gilt
Rang(v
1
, . . . , v
r
, w
1
, . . . , w
m
) = Rang(v
1
, . . . , v
r
, 0, . . . , 0).
Weiterhin gilt
Rang(v
1
, . . . , v
r
, 0, . . . , 0) = Rang(v
1
, . . . , v
r
) r < m,
also gilt
(w
1
, . . . , w
m
) ist linear abhngig.
1.15 Satz: Aufspannerhaltung bei elementaren Umformungen
Sei r N. Seien v
1
, . . . , v
r
, w
1
, . . . , w
r
R
n
mit (v
1
, . . . , v
r
)
EU
(w
1
, . . . , w
r
). Dann gilt
Span(v
1
, . . . , v
r
) = Span(w
1
, . . . , w
r
).
Beweis, Hinweise:
Es gengt o.B.d.A zu zeigen: Fr alle R 0 gilt
(1) Span(v
1
, v
2
, . . . , v
r
) =

Span(v
1
, v
2
, . . . , v
r
),
(2) Span(v
1
, v
2
, . . . , v
r
) =
?
Span(v
1
+v
2
, v
2
, . . . , v
r
).
1.16 Denition: Matrix
Seien m, n N. Sei M eine beliebige Menge
2
. Unter einer mn mn mn-Matrix in M verstehen wir ein Objekt
der Form
A :=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
,
wobei alle Komponenten a
ij
von A Elemente aus M sind. blich ist auch die Schreibweise
A = (a
ij
).
Zwei mn-Matrizen in M sind genau dann gleich, wenn sie komponentenweise gleich sind.
Die Menge aller mn-Matrizen in M wird mit
M
mn
oder mat
mn
(M)
bezeichnet.
Die Matrizen aus R
mn
bzw. C
mn
werden reelle bzw. komplexe mn mn mn-Matrizen genannt.
Es sei nun
A =
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
m1
a
mn
_
_
_ R
mn
.
2
Klopsch: Wenn ich sage M sei eine Menge ist die natrlich auch beliebig.
225
1 Die Vektorrume R
n
Fr jedes i 1, . . . , m heit das n-Tupel
Z
i
(A) := (a
i1
, a
i2
, . . . , a
in
) R
n
der iii-te Zeilenvektor von A.
Fr jedes j 1, . . . , n heit das m-Tupel
S
j
(A) := (a
1j
, a
2j
, . . . , a
mj
) R
m
der jjj-te Spaltenvektor von A.
Die mn-Matrix
0 :=
_
_
_
0 0
.
.
.
.
.
.
.
.
.
0 0
_
_
_ R
mn
heit mn mn mn-Nullmatrix.
Beispiele:
(1) R
23
=
__
a
11
a
12
a
13
a
21
a
22
a
23
_

a
11
, a
12
, a
13
, a
21
, a
22
, a
23
R
_
ist die Menge aller reellen 2 3-Matrizen.
(2) Sei A :=
_
1 2 3
4 5 6
_
. Dann gilt
Z
1
(A) = (1, 2, 3),
S
1
(A) = (1, 4),
S
3
(A) = (3, 6).
1.17 Denition: quivalenz von Matrizen
Seien m, n N. Zwei Matrizen A, B R
mn
heien
(1) EZU-quivalent, wenn gilt
(Z
1
(A), . . . , Z
m
(A))
EU
(Z
1
(B), . . . , Z
m
(B)) .
Wir schreiben dafr
A
EZU
B.
EZU steht dabei fr elementare Zeilenumformungen.
(2) ESU-quivalent, wenn gilt
(S
1
(A), . . . , S
n
(A))
EU
(S
1
(B), . . . , S
n
(B)) .
Wir schreiben dafr
A
ESU
B.
ESU steht dabei fr elementare Spaltenumformungen.
226
1.18 Denition: Spalten- und Zeilenrang
1.18 Denition: Spalten- und Zeilenrang
Seien m, n N. Sei A R
mn
. Dann heit
ZRang(A) := Rang(Z
1
(A), . . . , Z
m
(A))
der Zeilenrang von A und
SRang(A) := Rang(S
1
(A), . . . , S
n
(A))
der Spaltenrang von A.
1.19 Satz, Denition: Rang einer Matrix
Seien m, n N. Sei A R
mn
. Dann gilt
ZRang(A) = SRang(A).
Diese Zahl wird der Rang von A genannt und mit
Rang(A)
bezeichnet.
1.20 Satz: Rang quivalenter Matrizen
Seien m, n N und seien A, B R
mn
mit A
EZU
B oder A
ESU
B. Dann gilt
Rang(A) = Rang(B).
Beweis:
Klar wegen (1.13) und (1.19).
1.21 Denition: Zeilenstufenmatrix
Seien m, n N. Sei A R
mn
. A heit eine Zeilenstufenmatrix, wenn
A = 0
ist, oder wenn gilt: Es gibt r 1, . . . , m und es gibt k
1
, . . . , k
r
1, . . . , n mit k
1
< k
2
< . . . < k
r
derart, dass folgende Bedingungen erfllt sind:
(1) i 1, . . . , r : Z
i
(A) = (0, . . . , 0, 1
..
ki-te Komponente
, , . . . , ).
(2) i r + 1, . . . , m : Z
i
(A) = (0, . . . , 0).
(3) i 1, . . . , r : S
ki
(A) = (0, . . . , 0, 1
..
i-te Komponente
, 0, . . . , 0) = e
(n)
i
.
Die Paare (1, k
1
), (2, k
2
), . . . , (r, k
r
) heien Stufen von A.
Eine Zeilenstufenmatrix hat also folgende Gestalt:
227
1 Die Vektorrume R
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
k
1
k
2
kr n
1 0 1 0 0
2 0 0 0 0 1
.
.
.
.
.
.
.
.
. 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
. 0
r 1
r + 1
.
.
. 0 0 0 0
.
.
.
m
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_

0 0
0 0
Beispiele fr Zeilenstufenmatrizen:
_
_
0 0
0 0
0 0
_
_
_
_
0 1 2 0
0 0 0 1
0 0 0 0
_
_
_
_
1 3 6
0 0 0
0 0 0
_
_
_
_
1 0 4 0
0 1 3 0
0 0 0 1
_
_
1.22 Satz: Existenz von Zeilenstufenmatrizen
Seien m, n N. Zu jeder Matrix A R
mn
gibt es eine Zeilenstufenmatrix B R
mn
mit A
EZU
B.
Man ndet ein solches B nach dem folgenden Verfahren:
A
=0

EZU3
_
_
_
_
_
_

=0

.
.
.

_
_
_
_
_
_

EZU1
_
_
_
_
_
1

.
.
.

_
_
_
_
_

EZU2
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_

EZU
_
_
_
_
_
_
_
_
1
0 1
.
.
. 0
.
.
.
.
.
.
0 0
_
_
_
_
_
_
_
_
0
0
0
0

0
228
1.23 Satz: Rang einer Zeilenstufenmatrix
Beispiel:
_
_
_
_
0 0 0 0 8
0 2 4 14 10
0 2 7 23 16
0 3 6 21 15
_
_
_
_

EZU3
_
_
_
_
0 2 4 14 10
0 0 0 0 8
0 2 7 23 16
0 3 6 21 15
_
_
_
_

EZU1
_
_
_
_
0 1 2 7 5
0 0 0 0 8
0 2 7 23 16
0 3 6 21 15
_
_
_
_

EZU2
_
_
_
_
0 1 2 7 5
0 0 0 0 8
0 0 3 9 6
0 0 0 0 0
_
_
_
_

EZU3
_
_
_
_
0 1 2 7 5
0 0 3 9 6
0 0 0 0 8
0 0 0 0 0
_
_
_
_

EZU1
_
_
_
_
0 1 2 7 5
0 0 1 3 2
0 0 0 0 8
0 0 0 0 0
_
_
_
_

EZU2
_
_
_
_
0 1 0 1 1
0 0 1 3 2
0 0 0 0 8
0 0 0 0 0
_
_
_
_

EZU1
_
_
_
_
0 1 0 1 1
0 0 1 3 2
0 0 0 0 1
0 0 0 0 0
_
_
_
_

EZU2
_
_
_
_
0 1 0 1 0
0 0 1 3 0
0 0 0 0 1
0 0 0 0 0
_
_
_
_
1.23 Satz: Rang einer Zeilenstufenmatrix
Seien m, n N. Sei A R
mn
eine Zeilenstufenmatrix. Dann gilt
Rang(A) = Anzahl der Stufen von A
= Anzahl der Zeilenvektoren von A, welche ungleich 0 sind.
Beweis:
Es sei A = (a
ij
).
1. Fall (A = 0):
Dann hat A oensichtlich 0 Stufen und es gilt
Rang(A) = 0.
2. Fall (A ,= 0):
Sei r 1, . . . , m. A habe die r Stufen (1, k
1
), . . . , (r, k
r
). Es gilt dann
Rang(A) = Rang(Z
1
(A), . . . , Z
m
(A))
= Rang(Z
1
(A), . . . , Z
r
(A), 0, . . . , 0)
= Rang(Z
1
(A), . . . , Z
r
(A)).
Es gengt zu zeigen:
(Z
1
(A), . . . , Z
r
(A)) ist linear unabhngig.
Seien
1
, . . . ,
r
R mit

1
Z
1
(A) +. . . +
r
Z
r
(A) = 0.
Dann gilt fr jedes i 1, . . . , r

1
a
1ki
..
=0
+
2
a
2ki
..
=0
+. . . +
i
a
iki
..
=1
+. . . +
r
a
rki
..
=0
= 0.
229
1 Die Vektorrume R
n
Verfahren zu Bestimmung von Rang(v
1
, . . . , v
m
) Rang(v
1
, . . . , v
m
) Rang(v
1
, . . . , v
m
):
Sei m N. Seien v
1
, . . . , v
m
R
n
.
Man betrachte die Matrix A R
mn
mit
i 1, . . . , m : Z
i
(A) := v
i
.
Man verndere A durch elementare Umformungen der Zeilenvektoren zu einer Zeilenstufenmatrix B
R
mn
. Es gilt dann
Rang(v
1
, . . . , v
m
) = ZRang(A)
= ZRang(B)
= Anzahl der Zeilenvektoren von B, welche ungleich 0 sind.
Beispiel:
Man betrachte im R
5
die Vektoren v
1
:= (0, 0, 0, 0, 8), v
2
:= (0, 2, 4, 14, 10),
v
3
:= (0, 2, 7, 23, 16), v
4
:= (0, 3, 6, 21, 15). Man Setze
A :=
_
_
_
_
0 0 0 0 8
0 2 4 14 10
0 2 7 23 16
0 3 6 21 15
_
_
_
_
.
Es gilt dann
A
EZU
_
_
_
_
0 1 0 1 0
0 0 1 3 0
0 0 0 0 1
0 0 0 0 0
_
_
_
_
.
Also gilt
Rang(v
1
, v
2
, v
3
, v
4
) = 3.
Bemerkung:
Satz (1.23) und das anschlieend beschriebene Verfahren zur Rangbestimmung bleibt gltig, wenn man
den Begri der Zeilenstufenmatrix im folgendem Sinne verallgemeinert: Oberhalb der Stufen-Einsen
drfen beliebige Elemente stehen und an Stelle der Stufen-Einsen selbst knnen beliebige Elemente
ungleich 0 stehen.
Abschlussbemerkung
Das gesamte erste Kapitel ohne die geometrischen Darstellungen bleibt gltig, wenn man R durch
C ersetzt. Wir haben also neben den Vektorrumen
R
1
, R
2
, R
3
, . . .
auch die folgenden Vektorrume:
C
1
, C
2
, C
3
, . . .
230
2 Allgemeine KKK-Vektorrume
Generalvorraussetzung: Sei K R, C.
2.1 Denition: KKK-Vektorraum, Funktionenraum
Sei V eine beliebige Menge. Sei
+ : V V V
eine Addition fr die Elemente aus V und
: KV V
eine Multiplikation fr die Elemente aus V . Dann heit V bezglich dieser Verknpfungen + und
ein KKK-Vektorraum (oder ein Vektorraum ber K), wenn die Bedingungen (1.a), (1,b), (1,c

), (1,d

)
und (2.a) bis (2.d) aus Satz (1.2) erfllt sind.
Ist V ein K-Vektorraum, so bezeichnet man V fr K = R als reellen Vektorraum und fr K = C als
komplexen Vektorraum.
Die Elemente aus V heien Vektoren; das neutrale Element der Addition von V wird mit
0 oder 0
V
bezeichent und Nullvektor genannt.
Beispiele:
(1) Fr jedes n N ist R
n
bezglich der in (1.1) denierten Verknpfungen + und ein reeller Vek-
torraum.
(2) Fr jedes n N ist entsprechend C
n
ein komplexer Vektorraum.
Wir bringen nun eine sehr groe Klasse von K-Vektorrumen, die sogenannten Funktionenrume.
Sind M, N Mengen, so bezeichnen wir mit /BB(M, N) die Menge aller Abbildungen von M nach N.
Beispiele:
(1) /BB(N, R) ist die Menge aller Folgen in R.
(2) /BB(N, C) ist die Menge aller Folgen in C.
(3) /BB(R, R) ist die Menge aller Funktionen f : R R.
2.2 Satz: Vektorraumeigenschaft von /BB(M, K)) /BB(M, K)) /BB(M, K))
Sei M eine beliebige Menge. Dann ist /BB(M, K) bezglich der Verknpfungen
+ : /BB(M, K) /BB(M, K) /BB(M, K),
231
2 Allgemeine K-Vektorrume
: K/BB(M, K) /BB(M, K)
ein K-Vektorraum. Man bezeichent ihn als Funktionenraum.
Beweis:
<Aufgabe>
Fr alle f, g /BB(M, K) und K seien f +g /BB(M, K) und f /BB(M, K) deniert durch
x M : (f +g)(x) = f(x) +g(x),
x M : ( f)(x) = f(x).
2.3 Satz: Folgerungen aus den Vektorraumaxiomen
Sei V ein K-Vektorraum. Dann gilt:
(1) v V : 0
K
v = 0
V
,
(2) K : 0
v
= 0
V
,
(3) Kv V : v = 0
V
= 0
K
v = 0
V
,
(4) v V : (1) v = v,
(5) Kv V : () v = ( v) = (v).
Bemerkung:
Begrie wie Linearkombination, Erzeugnis (Aufspann), lineare Abhngigkeit, lineare Unab-
hngigkeit, Rang eines Vektortupels und elementare Umformungen von Vektortupeln werden fr
beliebige K-Vektorrume genau so deniert wie fr R
n
im vorigen Kapitel.
2.4 Denition: Teilraum
Sei V ein K-Vektorraum. Sei T V . T heit ein Teilraum von V , falls folgendes gilt:
(1) 0
V
T,
(2) u, v T : u +v T,
(3) Kv T : v T.
Ist T ein Teilraum von V , so ist T selbst ein K-Vektorraum.
Beispiele:
(1) Jeder K-Vektorraum hat die Teilrume 0
V
und V . Diese Teilrume werden als die trivialen
Teilrume bezeichnet.
(2) Sei V ein K-Vektorraum. Dann ist fr jedes v V
Kv := v [ K
ein Teilraum von V .
232
2.5 Satz: Teilraumeigenschaft eines Aufspann
(3) Sei n N. Man betrachte den R-Vektorraum R
n
.
T := (
1
, . . . ,
n
) [
1
, . . . ,
n
R,
1
+. . . +
n
= 0
ist ein Teilraum von R
n
.
(4) Man betrachte den Folgenraum V := /BB(N, K). Man Setze
T
1
:= (a
n
)
nN
V [ (a
n
)
nN
konvergent,
T
2
:= (a
n
)
nN
V [ (a
n
)
nN
0,
T
3
:= (a
n
)
nN
V [ (a
n
)
nN
1.
T
1
und T
2
sind Teilrume von V .
T
3
ist kein Teilraum von V . Zum Beispiel ist 0
V
= (0)
nN
, T
3
.
Anschauliche Beschreibung:
(1) Die Teilrume von R
2
sind 0, alle Ursprungsgeraden und R
2
.
(2) Die Teilrume von R
3
sind 0, alle Ursprungsgeraden, alle Ebenen duch 0 und R
3
.
2.5 Satz: Teilraumeigenschaft eines Aufspann
Sei V ein K-Vektorraum. Sei n N und seien v
1
, . . . , v
n
V . Dann gilt:
Span(v
1
, . . . , v
n
)
ist ein Teilraum von V .
Beweis:
Klar wegen (1.6)!
2.6 Satz: Teilrume
Sei V ein K-Vektorraum. Seien T
1
, T
2
Teilrume von V . Dann sind auch
T
1
T
2
und
T
1
+T
2
:= v
1
+v
2
[ v
1
T
1
, v
2
T
2

Teilrume von V .
Beweis fr T
1
+T
2
:
Wegen 0
V
T
1
und 0
V
T
2
gilt auch
0
V
= 0
V
+ 0
V
T
1
+T
2
.
Seien u, v T
1
+ T
2
. Dann existieren u
1
, v
1
T
1
und u
2
, v
2
T
2
mit u = u
1
+u
2
und v = v
1
+ v
2
. Es
gilt dann
u +v = u
1
+u
2
+v
1
+v
2
= u
1
+v
1
. .
T1
+u
2
+v
2
. .
T2
T
1
+T
2
.
Sei K. Sei v T
1
+T
2
. Dann existieren v
1
T
1
und v
2
T
2
mit v = V
1
+v
2
. Es gilt dann
v = (v
1
+v
2
) = v
1
..
T1
+ v
2
..
T2
T
1
+T
2
.
233
2 Allgemeine K-Vektorrume
2.7 Denition: Erzeugendensystem
Sei V ein K-Vektorraum. V heit endlichdimensional (oder endlich erzeugbar), wenn es ein n N
und v
1
, . . . , v
n
V gibt, mit
V = Span(v
1
, . . . , v
n
).
Gilt V = Span(v
1
, . . . , v
n
), so heit (v
1
, . . . , v
n
) ein Erzeugendensystem von V .
V heit unendlichdimensional, falls V nicht endlichdimensional ist.
Beispiele:
(1) Sei n N. Es gilt
R
n
= Span
_
e
(n)
1
, e
(n)
2
, . . . , e
(n)
n
_
.
Also ist R
n
endlichdimensional.
(2) Sei n N
2
. Man betrachte den R-Vektorraum R
n
.
T := (x
1
, . . . , x
n
) R
n
[ x
1
+x
2
= 0
ist ein Teilraum von R
n
. Es gilt T = Span
_
e
(n)
1
e
(n)
2
, . . . , e
(n)
n
_
.
2.8 Denition: Basis
Sei V ein endlichdimensionaler K-Vektorraum. Sei V ,= 0. Sei n N und seien v
1
, . . . , v
n
V . Das
n-Tupel (v
1
, . . . , v
n
) heit eine Basis von V , wenn folgendes gilt:
(1) (v
1
, . . . , v
r
) ist linear unabhngig,
(2) V = Span(v
1
, . . . , v
r
).
Bemerkung:
Eine Basis von V ist also ein linear unabhngiges Erzeugendensystem von V .
Beispiel:
Fr alle n N heit
_
e
(n)
1
, . . . , e
(n)
n
_
die Standardbasis von R
n
.
2.9 Satz: Basis
Sei V ein endlichdimensionaler K-Vektorraum. Sei V ,= 0. Sei n N und seien v
1
, . . . , v
n
V . Dann
sind folgende Aussagen paarweise quivalent:
(1) (v
1
, . . . , v
n
) ist eine Basis von V ,
(2) Zu jedem v V existiert genau ein n-Tupel (
1
, . . . ,
n
) K
n
mit
v =
1
v
1
+. . . +
n
v
n
,
(3) (v
1
, . . . , v
n
) ist ein unverkrzbares Erzeugendensystem von V ,
(4) (v
1
, . . . , v
n
) ist ein unverlngerbares, linear unabhngiges n-Tupel von Vektoren aus V .
234
2.9 Satz: Basis
Bemerkung:
Aussage (3) besagt
Span(v
1
, . . . , v
n
) = V
und im Falle r 2
i 1, . . . , n : Span(v
1
, . . . , v
i1
, v
i+1
, . . . , v
n
) ,= V.
Aussage (4) besagt
v V : (v
1
, . . . , v
n
, v) linear abhngig.
Beweis:
(1)(2) Klar wegen (1.10).
(2)(3) Es gelte (2). Dann gilt V = Span(v
1
, . . . , v
n
).
Annahme (n 2, i 1, . . . , n : V = Spanv
1
, . . . , v
i1
, v
i+1
, . . . , v
n
):
Sei o.B.d.A V = Span(v
1
, . . . , v
n1
). Dann existieren
1
, . . . ,
n1
K mit
v
n
=
1
v
1
+. . . +
n1
v
n1
.
Wir haben aber auch
v
n
= 0v
1
+. . . + 0v
n1
+ 1v
n
. zu (2)
(3)(4) Es gelte (3). Wir haben zu zeigen:
(a) (v
1
, . . . , v
n
) ist linear unabhngig,
(b) v V : (v
1
, . . . , v
n
, v) linear abhngig.
(a) Seien
1
, . . . ,
n
K mit
1
v
1
+. . . +
n
v
n
= 0. Zu zeigen:
(
1
, . . . ,
n
) = (0, . . . , 0)
Annahme ((
1
, . . . ,
n
) ,= (0, . . . , 0)):
Sei etwa
n
,= 0. Dann gilt n 2, denn
n = 1
1
v
1
= 0
1=0
v
1
= 0 V = 0.
Weiterhin gilt
v
n
=
_

n
_
v
1
+. . . +
_

n1

n
_
v
n1
Span(v
1
, . . . , v
n1
).
Das ergibt
v
1
, . . . , v
n
Span(v
1
, . . . , v
n1
),
also
V = Span(v
1
, . . . , v
n
) Span(v
1
, . . . , v
n1
),
also
V = Span(v
1
, . . . , v
n1
). zu (3)
(b) Sei V = Span(v
1
, . . . , v
n
). Sei v V . Dann gilt
v
1
, . . . , v
n
, v Span(v
1
, . . . , v
n
).
Nach (1.14) ist daher
(v
1
, . . . , v
n
, v)
linear abhngig.
235
2 Allgemeine K-Vektorrume
(4)(1) Es gelte (4). Dann ist (v
1
, . . . , v
n
) linear unabhngig. Zu zeigen:
V = Span(v
1
, . . . , v
n
).
Trivial!
Sei v V . Wegen (4) ist
(v
1
, . . . , v
n
)
linear unabhngig und
(v
1
, . . . , v
n
, v)
linear abhngig. Also existieren
1
, . . . ,
n
, K mit ,= 0 und

1
v
1
+. . . +
n
v
n
+v = 0.
Wir erhalten
v =
_

_
v
1
+. . . +
_

_
v
n
Span(v
1
, . . . , v
n
).
2.10 Satz: Basisauswahl
Sei V ein endlichdimensionaler K-Vektorraum. Sei V ,= 0 und seien n N. Seien v
1
, . . . , v
n
V mit
Span(v
1
, . . . , v
n
) = V . Dann existiert ein r N mit w
1
, . . . , w
r
v
1
, . . . , v
n
, so dass (w
1
, . . . , w
r
) eine
Basis von V ist.
Beweis:
Sei M := k N [ w
1
, . . . , w
k
v
1
, . . . , v
n
: V = Span(w
1
, . . . , w
k
).
Wegen n M ist M ,= . Setze r := min M. Es gibt dann w
1
, . . . , w
r
Span(v
1
, . . . , v
n
) mit V =
Span(w
1
, . . . , w
r
) und w
1
, . . . , w
r
ist ein unverkrzbares Erzeugendensystem von V .
Nach (2.9) ist daher (w
1
, . . . , w
r
) eine Basis von V .
2.11 Satz: Existenz einer Basis
Jeder endlichdimensionale K-Vektorraum. Sei V ,= 0 besitzt eine Basis.
Beweis:
Klar wegen (2.10)!
2.12 Satz: Eindeutige Lnge einer Basis
Sei V ein endlichdimensionaler K-Vektorraum. Seien m, n N. Seien (v
1
, . . . , v
n
) und (w
1
, . . . , w
m
)
Basen von V . Dann gilt
m = n.
Beweis:
Da (v
1
, . . . , v
n
) linear unabhngig ist und
v
1
, . . . , v

Span(w
1
, . . . , w
m
)
236
2.13 Denition: Dimension
gilt nach (1.14) n m. Entsprechend zeigt man , also gilt
m = n.
Dieser Satz lehrt:
Alle Basen eines endlichdimensionalen K-Vektorraumes ,= 0 sind gleichlang.
2.13 Denition: Dimension
Sei V ein K-Vektorraum. Ist V endlichdimensional, so deniert man
dimV :=
_
0 falls V = 0
Anzahl der Komponenten einer Basis von V falls V ,= 0
dimV heit die Dimension von V .
Ist V unendlichdimensional, so schreibt man
dimV = .
Beispiel:
Fr alle n N gilt: dimR
n
= n.
Beweis:
Klar, denn fr allen n N ist
_
e
(n)
1
, . . . , e
(n)
n
_
eine Basis von R
n
.
2.14 Satz: Basisergnzung
Sei V ein K-Vektorraum. Seien m, n N mit m < n. seien w
1
, . . . , w
m
, v
1
, . . . , v
n
V . Sei (w
1
, . . . , w
m
)
linear unabhngig und sei (v
1
, . . . , v
n
) eine Basis von V . Dann lassen sich w
m+1
, . . . , w
n
v
1
, . . . , v
n

nden, so dass auch (w


1
, . . . , w
m
, w
m+1
, . . . , w
n
) eine Basis von V ist.
Beweis:
Sei M := k N [ u
1
, . . . , u
k
v
1
, . . . , v
n
: V = Span(w
1
, . . . , w
m
, u
1
, . . . , u
k
).
Wegen n M ist M ,= . Man setze r := min M. Es gibt dann u
1
, . . . , u
r
v
1
, . . . , v
n
mit V =
Span(w
1
, . . . , w
m
, u
1
, . . . , u
r
).
Wegen (2.12) bleibt zu zeigen:
(w
1
, . . . , w
m
, u
1
, . . . , u
r
) ist linear unabhngig.
Sei
1
, . . . ,
m
,
1
, . . . ,
r
K mit

1
w
1
+. . . +
m
w
m
+
1
u
1
+. . . +
r
u
r
= 0.
Es gilt dann zunchst

1
, . . . ,
r
= 0.
237
2 Allgemeine K-Vektorrume
Beweis hierfr:
Annahme (i 1, . . . , r :
i
,= 0):
Sei o.B.d.A
r
,= 0. Dann gilt
u
r
Span(w
1
, . . . , w
m
, u
1
, . . . , u
r1
),
also
V = Span(w
1
, . . . , w
m
, u
1
, . . . , u
r
) = Span(w
1
, . . . , w
m
, u
1
, . . . , u
r1
).
also
r 1 M.
Wir haben also

1
w
1
+. . . +
m
w
m
= 0.
Da (w
1
, . . . , w
m
) linear unabhngig ist, erhalten wir

1
, . . . ,
m
= 0.
2.15 Bemerkung zu Dimension, Basis, Aufspann und linearer
Abhngigkeit
Sei n N. Sei V ein endlichdimensionaler K-Vektorraum. Es gelte dimV = n. Seien w
1
, . . . , w
n
V .
Sei r N und seien v
1
, . . . , v
r
V . Dann gilt:
(1) V = Span(v
1
, . . . , v
r
) n r,
(1

) r < n V ,= Span(v
1
, . . . , v
r
),
(2) n < r (v
1
, . . . , v
r
) linear abhngig,
(2

) (v
1
, . . . , v
r
) linear unabhngig r n,
(3) (w
1
, . . . , w
n
) linear unabhngig (w
1
, . . . , w
n
) ist Basis von V ,
(4) V = Span(w
1
, . . . , w
n
) (w
1
, . . . , w
n
) ist Basis von V .
Beweise:
(1) Klar wegen (2.10).
(2) Sei n < r. Man whle eine Basis (u
1
, . . . , u
n
) von V .
Es gilt dann v
1
, . . . , v
r
Span(u
1
, . . . , u
n
). Nach (1.14) ist dann (v
1
, . . . , v
r
) linear abhngig.
(3) Sei (w
1
, . . . , w
n
) linear unabhngig.
Wegen (2) ist (w
1
, . . . , w
n
) ein unverlngerbares, linear unabhngiges Tupel von Vektoren aus V .
Also ist nach (2.9) (w
1
, . . . , w
n
) eine Basis von V .
(4) Sei V = Span(w
1
, . . . , w
n
).
Wegen (1) ist (w
1
, . . . , w
n
) ein unverkrzbares Erzeugendensystem von V . Nach (2.9) ist also
(w
1
, . . . , w
n
) eine Basis von V .
238
2.14 Satz: Basisergnzung (schwache Form)
2.14 Satz: Basisergnzung (schwache Form)
Sei n N. Sei V ein endlichdimensionaler K-Vektorraum. Es gelte dimV = n. Sei r N. Seien
w
1
, . . . , w
r
V . Sei (w
1
, . . . , w
r
) linear unabhngig. Dann gilt
r n
und es lassen sich Vektoren w
r+1
, . . . , w
n
V nden, so dass (w
1
, . . . , w
n
) eine Basis von V ist.
Beweis:
Nach (2.15.2) ist r n. Rest klar wegen (2.11) und (2.14)!
Dieser Satz lehrt:
In einem endlichdimensionalen K-Vektorraum lsst sich jedes linear unabhngige Tupel von Vektoren
zu einer Basis ergnzen.
2.16 Satz: Gleichheitskriterium fr endlichdimensionale
Teilrume
Sei V ein K-Vektorraum. Seien S, T endlichdimensionale Teilrume von V . Dann gilt
S T dimS = dimT S = T.
Beweis:
Sei S T und r := dimS = dimT.
1. Fall (r = 0):
Klar!
2. Fall (r 1):
Man whle eine Basis (w
1
, . . . , r) von S. Dann ist (w
1
, . . . , w
r
) linear unabhngig, also nach (2.15.3)
eine Basis von T. Wir erhalten
S = Span(w
1
, . . . , w
r
) = T.
2.17 Satz: Dimensionsformel
Sei V ein K-Vektorraum. Seien S, T endlichdimensionale Teilrume von V . Dann sind auch die Teilrume
S +T und S T endlichdimensional und es gilt
dim(S +T) = dimS + dimT dim(S T).
2.18 Satz: Dimension eines Aufspanns
Sei V ein K-Vektorraum. Sei n N und seien v
1
, . . . , v
n
V . Dann gilt
dimSpan(v
1
, . . . , v
n
) = Rang(v
1
, . . . , v
n
).
239
2 Allgemeine K-Vektorrume
Beweis:
Sei T := Span(v
1
, . . . , v
n
) ein Teilraum von V . Nach (2.10) existiert ein r N mit w
1
, . . . , w
r

v
1
, . . . , v
n
und
(w
1
, . . . , w
r
) ist eine Basis von T.
(w
1
, . . . , w
r
) ist linear unabhngig und es gilt
dimT = r.
Nach (2.15) ist jedes Tupel von mehr als r Vektoren aus T linear abhngig. Also gilt
Rang(v
1
, . . . , v
n
) = r = dimSpan(v
1
, . . . , v
n
).
2.19 Satz, Denition: Zeilenraum und Spaltenraum
Seien m, n N. Sei A K
mn
. Dann ist
ZR(A) := Span(Z
1
(A), . . . , Z
m
(A))
ein Teilraum von K
n
und
SR(A) := Span(S
1
(A), . . . , S
m
(A))
ein Teilraum von K
m
. ZR(A) heit der Zeilenraum von A und SR(A) heit der Spaltenraum von A.
Es gilt
dimZR(A) = dimSR(A) = Rang(A).
Beweis:
Nach (1.19) und (2.18) gilt
dimZR(A) = ZRang(A) = Rang(A) = SRang(A) = dimSR(A).
240
3 Lineare Gleichungssysteme
Generalvorraussetzung: Sei K R, C.
3.1 Denition: Lineares Gleichungssystem
Seien m, n N. Sei
A :=
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
m1
a
mn
_
_
_ K
mn
und
b := (b
1
, . . . , b
m
) K
m
.
Seien x
1
, . . . , x
m
K. Dann heit das System der Gleichungen
a
11
x
1
+ . . . + a
1n
x
n
= b
1
,
a
21
x
1
+ . . . + a
2n
x
n
= b
2
,
.
.
.
a
m1
x
1
+ . . . + a
mn
x
n
= b
m
das zu (A, b) gehrige lineare Gleichungssystem ber K (mit m Gleichungen und n Unbekannten).
Es wird mit
LGS(A, b)
bezeichent.
Die Matrix A bezeichnet man als Koezientenmatrix von LGS(A, b).
Das lineare Gleichungssystem LGS(A, b) heit homogen fr b = 0, anderenfalls heit LGS(A, b) inho-
mogen.
Unter einer Lsung fr LGS(A, b) verstehen wir ein n-Tupel (
1
, . . . ,
n
) K
n
mit der Eigenschaft,
dass alle Gleichungen von LGS(A, b) erfllt sind, wenn man x
i
=
i
fr jedes i 1, . . . , n setzt.
Die Menge aller Lsungen fr LGS(A, b) werde mit L(A, b) K
n
bezeichnet. Es gilt
LGS(A, b) lsbar :L(A, b) ,= 0,
LGS(A, b) eindeutig lsbar : [L(A, b)[ = 1.
Beispiel:
Es seien A R
43
, b R
4
gegeben durch
A :=
_
_
_
_
3 2 1
5 3 2
4 1 3
2 1 1
_
_
_
_
und b := (10, 17, 15, 7).
241
3 Lineare Gleichungssysteme
Das zugehrige LGS(A, b) ber R lautet
3x
1
+ 2x
2
+ x
3
= 10,
5x
1
+ 3x
2
+ 2x
3
= 17,
4x
1
+ x
2
+ 3x
3
= 15,
2x
1
+ x
2
+ x
3
= 7.
Es besteht aus 4 Gleichungen und 3 Unbekannten. Fr die Lsungsmenge dieses linearen Gleichungs-
systems gilt wie wir spter ermitteln werden
L(A, b) = (, 3 , 4 ) [ R.
Also ist LGS(A, b) lsbar, aber nicht eindeutig lsbar.
3.2 Bemerkung:
Seien m, n N. Sei A K
mn
. Sei b K
m
. Sei (
1
, . . . ,
n
) K
n
. Dann sind folgende Aussagen
quivalent:
(1) (
1
, . . . ,
n
) L(A, b),
(2)
1
S
1
(A) +. . . +
n
S
n
(A) = b.
Beweis:
Klar!
3.3 Bemerkung:
Seien m, n N. Sei A K
mn
. Sei b K
m
. Dann gilt
(1) L(A, b) ,= b SR(A),
(2) (S
1
(A), . . . , S
n
(A)) linear unabhngig [L(A, b)[ 1.
Beweis:
(1) Es gilt die quivalenzkette
L(A, b)
1
, . . . ,
n
K :
1
S
1
(A) +. . . +
n
S
n
(A) = b
b Span(S
1
(A), . . . , S
n
(A)) = SR(A).
(2) Sei (S
1
(A), . . . , S
n
(A)) linear unabhngig. Nach (3.2) gilt
L(A, b) = (
1
, . . . ,
n
) K
n
[
1
S
1
(A) +. . . +
n
S
n
(A) = b.
Nach (1.10) enthlt L(A, b) hchstens ein Element.
242
Zwischenbemerkung: Erweiterte Matrizen
Zwischenbemerkung: Erweiterte Matrizen
Seien m, n N. Sei A K
mn
. Sei b K
m
. Dann setzt man:
A[b :=
_
_
_
_
_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
b
m
_
_
_
_
_
.
Es gilt A[b K
m(n+1)
.
3.4 Hauptsatz der Lineare Gleichungssysteme (Teil 1)
Seien m, n N. Sei A K
mn
. Sei b K
m
. Dann gilt
(1) LGS(A, b) ist genau dann lsbar (L(A, b) ,= ), wenn gilt:
Rang(A) = Rang(A[b).
(2) Fr alle x
0
in L(A, b) gilt
L(A, b) = x
0
+L(A, 0).
(3) L(A, 0) ist ein Teilraum von K
n
mit
dimL(A, 0) = n Rang(A).
Beweise:
(1) Es gilt die quivalenzkette
L(A, b) ,=
(3.3)
b SR(A) = Span(S
1
(A), . . . , S
n
(A))
Span(S
1
(A), . . . , S
n
(A)) = Span(S
1
(A), . . . , S
n
(A), b)
SR(A) = SR(A[b)

(2.19)
dimSR(A) = dimSR(A[b)
(2) Sei x
0
:= (
1
, . . . ,
n
) L(A, b). Dann gilt

1
S
1
(A) +. . . +
n
S
n
(A) = b.
Zu zeigen ist
L(A, b) = x
0
+L(A, 0).
Sei x = (
1
, . . . ,
n
) L(A, b), also
1
S
1
(A) +. . . +
n
S
n
(A) = b. Es gilt dann
(
1

1
) S
1
(A) +. . . + (
n

n
) S
n
(A) = b b = 0,
also nach (3.2)
x
0
x = (
1

1
, . . . ,
n

n
) L(A, 0).
Sei x = (
1
, . . . ,
n
) L(A, 0), also
1
S
1
(A) +. . . +
n
S
n
(A) = 0. Zu zeigen ist
x
0
+x = (
1
+
1
, . . . ,
n
+
n
) L(A, b).
Dies ist klar, denn
(
1
+
1
) S
1
(A) +. . . + (
n
+
n
) S
n
(A) =
(
1
S
1
(A) +. . . +
n
S
n
(A)) + (
1
S
1
(A) +. . . +
n
S
n
(A)) = b + 0 = b.
243
3 Lineare Gleichungssysteme
(3) zur Teilraum-Eigenschaft von L(A, 0):
Nach (3.2) gilt
L(A, 0) =
1
, . . . ,
n
K
m
[
1
S
1
(A) +. . . +
n
S
n
(A) = b.
Zu zeigen ist
(i) 0 L(A, 0),
(ii) u, v L(A, 0) : u +v L(A, 0),
(iii) Ku L(A, 0) : u L(A, 0).
(i) Klar!
(ii) Seien u = (
1
, . . . ,
n
), v = (
1
, . . . ,
n
) L(A, 0). Dann gilt

1
S
1
(A) +. . . +
n
S
n
(A) = 0 und
1
S
1
(A) +. . . +
n
S
n
(A) = 0.
Damit erhlt man
(
1
+
1
) S
1
(A) +. . . + (
n
+
n
) S
n
(A) = 0.
Das ergibt
u +v = (
1
+
1
, . . . ,
n
+
n
) L(A, 0).
(iii) Sei K. Sei u = (
1
, . . . ,
n
) L(A, 0). Dann gilt

1
S
1
(A) +. . . +
n
S
n
(A) = 0.
Das ergibt
(
1
) S
1
(A) +. . . + (
n
) S
n
(A) = 0.
Also gilt
u = (
1
, . . . ,
n
) L(A, 0).
zur Dimensions-Aussage:
<Siehe (3.6)>
Problem:
Seien A K
mn
und b K
m
gegeben.
Wie ndet man ein x
0
L(A, b)?
Wie ndet man eine Basis von L(A, b)?
3.5 Satz: quivalente Gleichungssysteme
Seien m, n N. Seien A, C K
mn
. Seien b, d K
m
. Es gelte A[b
EZU
C[d. Dann gilt
(1) Rang(A) = Rang(C),
Rang(A[b) = Rang(C[d),
(2) L(A, b) = L(C[d).
Beweis:
<Aufgabe>
244
3.6 Hauptsatz der Lineare Gleichungssysteme (Teil 2)
3.6 Hauptsatz der Lineare Gleichungssysteme (Teil 2)
Seien m, n N. Sei A := (a
ik
) K
mn
. Sei b K
m
. Die erweiterte Matrix A[b sei eine Zeilenstufen-
matrix mit den Stufen (1, k
1
), . . . , (r, k
r
). Ist k
r
n, so sei s := n r und seien l
1
, . . . , l
s
1, . . . , n
derart, dass l
1
< l
2
< . . . < l
s
und 1, . . . , n = k
1
, . . . , k
r
, l
1
, . . . , l
s
gilt. Man setze
x
0
:=
r

i=1
b
i
e
(n)
ki
und im Falle s 1
x
1
:= e
(n)
l1

i=1
a
il1
e
(n)
ki
, . . . , x
s
:= e
(n)
ls

i=1
a
ils
e
(n)
ki
.
Dann gilt:
(1) LGS(A, b) ist genau dann lsbar, wenn k
r
n ist; A[b also in der letzten Spalte keine Stufe hat.
(2) Ist LGS(A, b) lsbar, so gilt:
L(A, b) =
_
(
1
, . . . ,
n
) K
n

i 1, . . . , r :
ki
:= b
i

s

j=1
a
ilj

lj
. .
=0 fr s=0
_
.
(3) (a) x
0
L(A, b).
(b) Fr s 1 ist (x
1
, . . . , x
s
) eine Basis von L(A, 0).
Fr s = 0 gilt L(A, 0) = 0.
(c) Fr s 1 gilt L(A, b) = x
0
+Kx
1
+. . . +Kx
s
.
Fr s = 0 gilt L(A, b) = x
0
.
Beweise:
(1) Es gilt folgende quivalenzkette:
L(A, b) lsbar Rang(A) = Rang(A[b)
Anzahl der Stufen von A = Anzahl der Stufen von A[b
k
r
n.
(2) Sei (
1
, . . . ,
n
) K
n
. Dann gilt
(
1
, . . . ,
n
) L(A, b)
a
11

1
+ . . . + a
1n

n
= b
1
.
.
.
a
r1

1
+ . . . + a
rn

n
= b
r

a
1k1

k1
= b
1
a
1l1

l1
. . . a
1ls

ls
.
.
.
a
rkr

kr
= b
r
a
rl1

l1
. . . a
rls

ls
(3) (a) Man setze
l1
= 0, . . . ,
ls
= 0 und
k1
, . . . ,
kr
= 0 und wende (2) an.
(b) 1. Fall (s 1):
Zu zeigen ist:
(i) (x
1
, . . . , x
s
) ist linear unabhngig,
(ii) (x
1
, . . . , x
s
) L(A, 0),
245
3 Lineare Gleichungssysteme
(iii) L(A, 0) Span(x
1
, . . . , x
s
).
<Aufgabe>
2. Fall (s = 0):
Dann gilt n = r und oensichtlich L(A, 0) = 0.
(c) Es gilt nach (3.4.2)
L(A, b) = x
0
+L(A, 0).
Mit (b) folgt die Behauptung.
Beispiel:
Sei K = R. Wir betrachten die unten denierte 7 4-Matrix A. Oensichtlich gilt n = 7, r = 4 und
s = 3. Da A[b eine Zeilenstufenmatrix ist, knnen wir die Lsung L(A, b) direkt angeben
1
.
A[b =
_
_
_
_
1
k1
2
l1
3
k2
4
l2
5
l3
6
k3
7
k4
8
1 3 0 3 5 0 0 1
0 0 1 4 6 0 0 2
0 0 0 0 0 1 0 4
0 0 0 0 0 0 1 2
_
_
_
_
L(A, b) = ( 1, 0, 2, 0, 0, 4, 2 ) +
R( 3, 1, 0, 0, 0, 0, 0 ) +
R( 3, 0, 4, 1, 0, 0, 0 ) +
R( 5, 0, 6, 0, 1, 0, 0 )
(3.6.3.2) bedeutet:
dimL(A, 0) = s = n r = n Rang(A).
Beweis von (3.4.3):
zur Dimensions-Aussage:
Jetzt klar!
Beispiel von (3.1):
Es gilt
A[b =
_
_
_
_
3 2 1 10
5 3 2 17
4 1 3 15
2 1 1 7
_
_
_
_

EZU
_
_
_
_
1 0 1 4
0 1 1 1
0 0 0 0
0 0 0 0
_
_
_
_
.
Daraus ergibt sich sofort
L(A, b) = (4, 1, 0) +R(1, 1, 1)
= (4 , 1 +, ) [ R
= (, 3 , 4 ) [ R.
1
Folgendes Verfahren fhrt zur gesuchten Lsung L(A, b):
(1) Unterhalb der Matrix A werden s + 1 Vektoren mit je n Komponenten geschrieben.
Diese werden folgendermaen gefllt:
(2) Unterhalb der l
i
-Stufen von A werden vertikal die Einheitsvektoren e
(s+1)
i+1
notiert.
(3) Der erste Vektor dieser entspricht x
0
wird mit den Werten aus b gefllt.
(4) Die weiteren Vektoren diese entsprechen x
1
bis xs werden mit den negierten Werten aus den l
i
-Stufen gefllt.
(5) Zu dem ersten Vektor werden die weiteren jeweils mit K multiplizierten Vektoren addiert.
246
3.7 Satz: Eindeutige Lsbarkeit
3.7 Satz: Eindeutige Lsbarkeit
Seien m, n N. Sei A K
mn
. Sei b K
m
. Dann gilt
LGS(A, b) eindeutig lsbar Rang(A) = Rang(A[b) = n.
Im Falle m = n gilt
LGS(A, b) eindeutig lsbar Rang(A) = n.
Bemerkung:
Seien m, n N. Sei A M
mn
. Dann gilt
(1) L(A, 0) eindeutig lsbar Rang(A) = n,
(2) m < n [L(A, 0)[ > 1.
Beweise:
Zur ersten Aussage:
Klar wegen (3.4).
Zur zweiten Aussage:
Sei m = n. Es gengt zu zeigen:
Rang(A) = n Rang(A) = Rang(A[b).
Sei n = Rang(A). Es gilt dann
Rang(A[b) = ZRang(A[b) m = n = Rang(A).
Des weiteren gilt
Rang(A) = SRang(A) SRang(A[b) = Rang(A[b).
Also gilt
Rang(A) = Rang(A[b).
Abschlussbemerkung
Die Stze (1.22), (3.5) und (3.6) liefern ein Verfahren zur Berechnung aller Lsungen eines linearen
Gleichungssystems.
Sei A K
mn
. Sei b K
m
. Nach der berfhrung in eine Zeilenstufenmatrix
A[b
EZU
A

[b

..
ZS-Matrix
lsst sich eine Lsung L(A

, b

) berechnen. Es gilt dann


L(A

, b

) = L(A, b).
Beispiel:
Wir betrachten das lineare Gleichungssystem
x
1
+ x
2
+ x
3
= 3,
x
1
x
2
+ 2x
3
= 2,
2x
1
+ 4x
2
+ x
3
= 7.
247
3 Lineare Gleichungssysteme
Es gilt
A[b =
_
_
1 1 1 3
1 1 2 2
2 4 1 7
_
_

EZU
_
_
1 1 1 3
0 2 1 1
0 2 1 1
_
_

EZU
_
_
1 1 1 3
0 1
1
2

1
2
0 0 0 0
_
_

EZU
_
_
1 0
3
2
5
2
0 1
1
2
1
2
0 0 0 0
_
_
.
Damit folgt sofort
L(A, b) =
_
5
2
,
1
2
, 0
_
+R
_

3
2
,
1
2
, 1
_
= (5, 1, 0) +R(3, 1, 2).
248
4 Lineare Abbildungen und Matrizen
Generalvorraussetzung: Sei K R, C.
4.1 Denition: Lineare Abbildung
Seien V, W K-Vektorrume. Eine Abbildung : V W heit linear, falls gilt:
(1) x, y V : (x +y) = (x) +(y),
(2) Kx V : (x) = (x).
Die Menge aller linearen Abbildungen von V nach W werde mit /(V, W) bezeichnet.
Ferner setzt man /(V ) := /(V, V ).
Beispiele:
Seien V, W K-Vektorrume. Sei K. Die folgenden Abbildungen sind linear:
(1) : V W, x 0
W
,
(2) id
V
: V V, x x,
(3) : V V, x x,
(4) Sei V der K-Vektorraum der konvergenten Folgen in K. Dann ist
: V K, (a
n
)
nN
lim(a
n
)
nN
eine lineare Abbildung.
(5) Seien a, b, c, d K. Dann ist
: K
2
K
2
, (x
1
, x
2
) (ax
1
+bx
2
, cx
1
+dx
2
)
eine lineare Abbildung.
4.2 Satz: Eigenschaften linearer Abbildungen
Seien V, W K-Vektorrume. Sei n N. Seien v, v
1
, . . . , v
n
V . Seien
1
, . . . ,
n
K. Dann gilt fr alle
/(V, W)
(1) (0
V
) = 0
W
,
(2) (
1
v
1
+. . . +
n
v
n
) =
1
(v
1
) +. . . +
n
(v
n
),
(3) (v) = (v),
(4) (v
1
, . . . , v
n
) linear abhngig ((v
1
), . . . , (v
n
)) linear abhngig.
249
4 Lineare Abbildungen und Matrizen
Beweis zu (4):
Sei (v
1
, . . . , v
n
) linear abhngig. Dann existieren
1
, . . . ,
n
K mit (
1
, . . . ,
n
) ,= 0 und
1
v
1
+ . . . +

n
v
n
= 0
V
. Wir erhalten

1
(v
1
) +. . . +
n
(v
n
) = (
1
v
1
+. . . +
n
v
n
) = (0
V
) = 0
W
.
4.3 Satz: Eindeutige lineare Abbildung
Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei (v
1
, . . . , v
n
) eine Basis von V . Sei ferner W ein
beliebiger K-Vektorraum. Seien w
1
, . . . , w
n
W. Dann gilt
Es gibt genau eine lineare Abbildung : V W mit (v
1
) = w
1
, . . . , (v
n
) = w
n
.
Beweis:
zur Existenz:
Man betrachte die Abbildung
: V W,
1
v
1
+. . . +
n
v
n

1
w
1
+. . . +
n
w
n
und zeige:
ist linear
und es gilt
(v
1
) = w
1
, . . . , (v
n
) = w
n
.
zur Eindeutigkeit:
Seien , /(V, W) mit
(v
1
) = w
1
= (v
1
), . . . , (v
n
) = w
n
= (v
n
).
Zu zeigen:
v V : (v) = (v).
Sei v V . Dann existieren
1
, . . . ,
n
K mit
v =
1
v
1
+. . . +
n
v
n
.
Wir erhalten sofort
(v) =
1
w
1
+. . . +
n
w
n
= (v).
4.4 Satz, Denition: Kern und Bildbereich linearer Abbildungen
Seien V, W K-Vektorrume. Sei : V W eine lineare Abbildung. Dann gilt
(1) Kern() := v V [ (v) = 0
W
ist ein Teilraum von V ,
(2) Bild() := (v) [ v V ist ein Teilraum von W.
Kern heit der Kern von .
Bild heit der Bildbereich von (oder kurz das Bild von ).
Beweis:
<Aufgabe>
250
4.5 Satz: Eigenschaften linearer Abbildungen
4.5 Satz: Eigenschaften linearer Abbildungen
Seien V, W K-Vektorrume. Sei : V W eine lineare Abbildung. Die folgenden Aussagen sind
quivalent:
(1) ist injektiv,
(2) Kern = 0,
(2

) Kern 0,
(3) n Nv
1
, . . . , v
n
V : (v
1
, . . . , v
n
) linear unabhngig ((v
1
), . . . , (v
n
)) linear unabhngig.
Beweis:
(1)(2) Es gelte (1).
Trivial!
Sei v Kern(). Dann gilt
(v) = 0 = (0),
also gilt wegen der Injektivitt von
v = 0.
(2)(2

) Trivial!
(2

)(3) Es gelte (2

). Zu zeigen (3). Sei n N. Seien v


1
, . . . , v
n
V und (v
1
, . . . , v
n
) linear unabhngig.
Zu zeigen ist
((v
1
), . . . , (v
n
)) linear unabhngig.
Seien
1
, . . . ,
n
K mit

1
(v
1
) +. . . +
n
(v
n
) = 0.
Dann gilt
(
1
v
1
+. . . +
n
v
n
) = 0,
also

1
v
1
+. . . +
n
v
n
Kern() 0,
also

1
v
1
+. . . +
n
v
n
= 0.
Das ergibt wegen der linearen Unabhngigkeit von (v
1
, . . . , v
n
)

1
= 0, . . . ,
n
= 0.
(3)(1) Es gelte (3). Seien v, w V mit (v) = (w). Dann gilt
(v) (w) = 0 = (v w).
Also ist
1
((v w)) linear abhngig. Also ist wegen (3) auch (v w) linear abhngig. Das heit
v w = 0 also v = w.
1
das 1-Tupel
251
4 Lineare Abbildungen und Matrizen
4.6 Satz: Dimensionsformel fr lineare Abbildungen
Seien V, W K-Vektorrume. V sei endlichdimensional. Sei : V W eine lineare Abbildung. Dann gilt
(1) Kern() und Bild() sind endlichdimensional,
(2) dimKern() + dimBild() = dimV .
Beweis:
<Aufgabe>
4.7 Satz: Lineare Abbildungen auf gleichdimensionalen
Vektorrumen
Seien V, W endlichdimensionale K-Vektorrume mit dimV = dimW. Sei : V W eine lineare
Abbildung. Dann sind die folgenden Aussagen quivalent:
(1) : V W ist injektiv,
(2) : V W ist surjektiv,
(3) : V W ist bijektiv.
Beweis:
Es gengt (1)(2) zu zeigen. Es gilt
injektiv
(4.5)
Kern() = 0
dimKern() = 0

(4.6)
dimBild() = dimV
dimBild() = dimW

(2.16)
Bild() = W
surjektiv.
4.8 Denition: Isomorphismus und Automorphismus
Seien V, W K-Vektorrume. Eine Abbildung : V W heit ein Isomorphismus von V auf W, wenn
gilt
(1) : V W ist bijektiv,
(2) : V W ist linear.
Ein Isomorphismus von V auf sich selbst heit ein Automorphismus von V .
V heit isomorph zu W, in Zeichen
V

= W,
wenn es einen Isomorphismus von V auf W gibt.
Es sei
2
(/(V ) die Menge aller Automorphismen von V .
2
General Linear Maps
252
4.9 Satz: Isomorphismus
4.9 Satz: Isomorphismus
Seien V, W K-Vektorrume. Eine Bijektion : V W ist genau dann ein Isomorphismus, wenn folgende
Eigenschaften erfllt sind:
(1) x, y, z V : x +y = z (x) + (y) = (z),
(2) Kx, y V : x = y (x) = (y).
Dieser Satz lehrt:
Seien V, W K-Vektorrume mit V

= W. Dann sind V, W strukturell gleich.
Beispiel:
Fr jeden K-Vektorraum V gilt V

= V , denn es gilt id
V
(/(V ).
Bemerkung:
Seien V, W K-Vektorrume. Sei : V W ein Isomorphismus. Dann ist auch die Umkehrabbildung

1
: W V
ein Isomorphismus.
4.10 Satz: Isomorphiekriterium
Seien V, W endlichdimensionale K-Vektorrume. Dann gilt
V

= W dimV = dimW.
Beweis:
Sei : V W ein Isomorphismus.
Dann gilt Kern() = 0 und Bild() = W, also
dimW = dimKern() + dimBild() = dimV.
Sei n := dimV = dimW.
1. Fall (n = 0):
Trivial!
2. Fall (n 1):
Man whle eine Basis (v
1
, . . . , v
n
) von V und eine Basis (w
1
, . . . , w
n
) von W. Nach (4.3) existiert
eine lineare Abbildung : V W mit
(v
1
) = w
1
, . . . , (v
n
) = w
n
.
Oensichtlich gilt
Bild() = Span(w
1
, . . . , w
n
) = W,
das bedeutet : V W ist surjektiv, also nach (4.7) eine Bijektion, also ein Isomorphismus.
253
4 Lineare Abbildungen und Matrizen
4.11 Hauptsatz ber Endlichdimensionale KKK-Vektorrume
Sei V ein endlichdimensionaler K-Vektorraum. Sei n N. Es gelte n = dimV . Dann gilt
V

= K
n
.
Beweis:
Es gilt dimV = n = dimK
n
.
Man wende (4.10) an.
Matrizen wurden bereits in (1.16) eingefhrt. Sie spielten eine wichtige Rolle bei der Rangberechnung
und bei der Berechnung der Lsungen eines linearen Gleichungssystems. Im folgenden werden wir zeigen,
dass man mit Matrizen auch rechnen kann. Ein Hauptziel wird es sein, zu zeigen, dass sich lineare
Abbildung mit Hilfe von Matrizen beschreiben lassen.
4.12 Denition: Matrixaddition und Skalarmultiplikation
Seien m, n N. Fr alle A := (a
ik
), B := (b
ik
) K
mn
und alle K sei
A +B := (a
ik
+b
ik
) K
mn
die Matrixaddition und
A := ( a
ik
) K
mn
die Skalarmultiplikation.
Beispiele:
_
4 3 2
1 4 2
_
+
_
5 3 1
2 4 6
_
=
_
9 6 3
3 8 8
_
.
3
_
4 3 2
1 4 3
_
=
_
12 9 6
3 12 6
_
.
4.13 Satz: Vektorraumeigenschaft von K
mn
K
mn
K
mn
Seien m, n N. Dann gilt:
K
mn
ist bezglich der in (4.12) denierten Verknpfungen ein endlichdimensionaler K-Vektorraum mit
dimK
mn
= m n.
Beweis:
Zur Vektorraum-Eigenschaft:
Man zeige, dass alle Vektorraumaxiome aus (2.1) erfllt sind.
<Aufgabe>
254
4.14 Denition: Matrixmultiplikation
Zur Dimensionsaussage:
Fr alle i 1, . . . , n und alle k 1, . . . , m setze man
E
ik
:=
_
_
_
_
_
_
_
k
.
.
.
0 0 0
i . . . 0 1 0 . . .
0 0 0
.
.
.
_
_
_
_
_
_
_
Man zeige nun:
(E
11
, . . . , E
1n
, E
21
, . . . , E
2n
, . . . , E
m1
, . . . , E
mn
)
ist eine Basis von K
mn
.
Beispiel:
R
23
ist ein 6-dimensionaler R-Vektorraum. Er hat die Basis
__
1 0 0
0 0 0
_
,
_
0 1 0
0 0 0
_
,
_
0 0 1
0 0 0
_
,
_
0 0 0
1 0 0
_
,
_
0 0 0
0 1 0
_
,
_
0 0 0
0 0 1
__
.
4.14 Denition: Matrixmultiplikation
Seien m, n, p N. Seien A := (a
ij
) K
mn
und B := (b
jk
) K
np
. Dann heit die mp-Matrix
A B :=
_
_
_
c
11
. . . c
1p
.
.
.
.
.
.
.
.
.
c
m1
. . . c
mp
_
_
_ K
mp
das Produkt der Matrizen A und B, wobei fr alle i 1, . . . , m und alle k 1, . . . , p gilt:
c
ik
= a
i1
b
1k
+a
i2
b
2k
+. . . +a
in
b
nk
.
Beispiele:
(1) Seien A :=
_
1 2 3
2 1 3
_
und B :=
_
_
2 1
1 0
1 1
_
_
. Dann gilt
A B =
_
3 2
8 5
_
und B A =
_
_
0 5 9
1 2 3
1 3 6
_
_
.
(2) Sei A :=
_
0 1
0 0
_
. Dann gilt
A
2
=
_
0 0
0 0
_
.
255
4 Lineare Abbildungen und Matrizen
4.15 Satz: Rechenregeln fr Matrizen
Seien m, n, p, q N. Seien A, A
1
, A
2
K
mn
, B, B
1
, B
2
K
np
, C K
pq
. Sei K. Dann gilt
(1) (A
1
+A
2
) B = A
1
B +A
2
B,
A (B
1
+B
2
) = A B
1
+A B
2
,
(2) A (B C) = (A B) C,
(3) ( A) B = A ( B) = (A B).
Beweis:
<Nachrechnen>
4.16 Denition: Transponierte Matrix
Seien m, n N und sei
A :=
_
_
_
_
_
a
11
. . . a
1n
a
21
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
_
_
_
K
mn
.
Dann heit die Matrix
A
T
:=
_
_
_
a
11
a
21
. . . a
m1
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
. . . a
mn
_
_
_ K
nm
die zu A transponierte Matrix.
Beispiel:
_
1 2 3
4 5 6
_
T
=
_
_
1 4
2 5
3 6
_
_
.
4.17 Satz: Rechenregeln fr transponierte Matrizen
Seien m, n, p N. Seien A, A
1
, A
2
K
mn
, B K
np
. Sei K. Dann gilt
(1) (A
1
+A
2
)
T
= A
T
1
+A
T
2
,
(2) ( A)
T
= A
T
,
(3) (A B)
T
= B
T
A
T
.
4.18 Bemerkung, Denition: Koordinatenvektor und
Koordinatenabbildung
Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei (v
1
, . . . , v
n
) eine Basis von V . Dann gibt es zu
jedem v V genau ein Tupel (
1
, . . . ,
n
) K
n
mit
3
3
Klopsch: Was jetzt kommt ist ganz elementar, aber auch fundamental.
256
4.19 Bemerkung, Denition: Koordinatenmatrix
v =
1
v
1
+. . . +
n
v
n
.
Die Abbildung
K
(v1,...,vn)
: V K
n
, v =
1
v
1
+. . . +
n
v
n
(
1
, . . . ,
n
)
heit die Koordinatenabbildung von V zur Basis (v
1
, . . . , v
n
). Fr jedes v V heit
K
(v1,...,vn)
(v)
der Koordinatenvektor von v bezglich der Basis (v
1
, . . . , v
n
).
K
(v1,...,vn)
ist ein Isomorphismus von V auf K
n
.
Beweis:
Vergleiche mit dem Beweis von (4.10).
Beispiele:
(1) Sei n N. Sei V := K
n
. Dann gilt fr alle v = (
1
, . . . ,
n
) V
K

e
(n)
1
, . . . , e
(n)
n

(v) = (
1
, . . . ,
n
) = v.
Also gilt
K

e
(n)
1
, . . . , e
(n)
n

= id
V
.
(2) Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei (v
1
, . . . , v
n
) eine Basis von V . Dann gilt
K
(v1,...,vn)
(v
1
) = (1, 0, . . . , 0) = e
(n)
1
,
.
.
.
K
(v1,...,vn)
(v
n
) = (0, . . . , 0, 1) = e
(n)
n
.
(3) Sei V := R
2
. Setze v
1
:= (1, 0), v
2
:= (1, 1). Dann ist (v
1
, v
2
) eine Basis von V .
Es gilt
(0, 1) = (1)v
1
+ 1v
2
,
also gilt
K
(v1,v2)
((0, 1)) = (1, 1).
4.19 Bemerkung, Denition: Koordinatenmatrix
Seien m, n N. Seien V, W K-Vektorrume mit dimV = n und dimW = m. Seien (v
1
, . . . , v
n
) eine
Basis von V und (w
1
, . . . , w
m
) eine Basis von W. Sei : V W eine lineare Abbildung. Dann gibt es
genau eine Matrix
A := (a
ik
) K
mn
mit folgender Eigenschaft: Fr jedes k 1, . . . , n ist
K
(w1,...,wm)
((v
k
)) = S
k
(A).
Dies bedeutet ausfhrlich geschrieben
(v
1
) = a
11
w
1
+a
21
w
2
+. . . +a
m1
w
m
,
.
.
.
(v
n
) = a
1n
w
1
+a
2n
w
2
+. . . +a
mn
w
m
.
257
4 Lineare Abbildungen und Matrizen
Diese Matrix heitKoordinatenmatrix von bezglich der Basen (v
1
, . . . , v
n
) und (w
1
, . . . , w
m
). Sie
wird mit
M
(w1,...,wm)
(v1,...,vn)
()
bezeichnet.
Liegt der Sonderfall V = K
n
und W = K
m
vor und betrachtet man die Basen
_
e
(n)
1
, . . . , e
(n)
n
_
und
_
e
(m)
1
, . . . , e
(m)
m
_
, so heit die Matrix
M

e
(m)
1
,...,e
(m)
m

e
(n)
1
,...,e
(n)
n

()
die Koordinatenmatrix von und man bezeichnet sie mit
M().
Merke:
Die Spaltenvektoren von M
(w1,...,wm)
(v1,...,vn)
() sind genau die Koordinatenvektoren der -Bilder der Basisvek-
toren v
1
, . . . , v
n
, also die Vektoren
K
(w1,...,wm)
((v
1
)), . . . , K
(w1,...,wm)
((v
n
)).
Im Falle V = K
n
und W = K
m
sind die Spaltenvektoren von M() genau die Vektoren

_
e
(n)
1
_
, . . . , (e
(n)
n
) .
Der folgende Satz lehrt, wie sich das Anwenden einer linearen Abbildung als Multiplikation mit ihrer
Koordinatenmatrix beschreiben lsst.
4.20 Satz: Berechnung linearer Abbildungen
Seien m, n N. Seien V, W K-Vektorrume mit dimV = n und dimW = m. Seien (v
1
, . . . , v
n
) eine
Basis von V und (w
1
, . . . , w
m
) eine Basis von W. Sei : V W eine lineare Abbildung. Sei v V . Sei
(
1
, . . . ,
n
) = K
(v1,...,vn)
(v) und (
1
, . . . ,
n
) = K
(w1,...,wm)
((v)). Dann gilt
M
(w1,...,wm)
(v1,...,vn)
()
_
_
_

1
.
.
.

n
_
_
_ =
_
_
_

1
.
.
.

m
_
_
_.
Beweis:
Wie in (4.19) Sei M
(w1,...,wm)
(v1,...,vn)
() = (a
ik
). Fr alle k 1, . . . , n gilt
(v
k
) =
m

i=1
a
ik
w
i
.
Es gilt
v =
n

k=1

k
v
k
.
Also gilt
(v) =
n

k=1

k
(v
k
) =
n

k=1

k
_
m

i=1
a
ik
w
i
_
=
m

i=1
_
n

k=1
a
ik

k
_
w
i
.
Also gilt fr alle i 1, . . . , m

i
=
n

k=1
a
ik

k
258
4.21 Satz: Berechnung linearer Abbildungen (Spezialfall)
4.21 Satz: Berechnung linearer Abbildungen (Spezialfall)
Seien m, n N. Sei : K
n
K
m
linear. Seien (
1
, . . . ,
n
) K
n
und (
1
, . . . ,
m
) K
m
mit
((
1
, . . . ,
n
)) = (
1
, . . . ,
m
). Dann gilt
M()
_
_
_

1
.
.
.

n
_
_
_ =
_
_
_

1
.
.
.

m
_
_
_.
Beweis:
Man betrachte fr die K-Vektorrume K
n
und K
m
die Standardbasen
_
e
(n)
1
, . . . , e
(n)
n
_
,
_
e
(m)
1
, . . . , e
(m)
m
_
und wende (4.20) an.
Beispiel:
Sei [0, 2). Man betrachte die Drehung des R
2
um den Winkel .
D

: R
2
R
2
, (x
1
, x
2
) (x
1
cos() x
2
sin(), x
1
sin() +x
2
cos()).
Diese Abbildung ist linear, also ein Element aus /(R
2
). Es gilt
D

(1, 0) = (cos(), sin()),


D

(0, 1) = (sin(), cos()).


Das ergibt
M(D

) =
_
cos() sin()
sin() cos()
_
.
Fr alle (x
1
, x
2
) R
2
gilt
_
cos() sin()
sin() cos()
_

_
x
1
x
2
_
=
_
x
1
cos() x
2
sin()
x
1
sin() +x
2
cos()
_
.
4.22 Satz: Eindeutige lineare Abbildung
Seien m, n N. Seien V, W K-Vektorrume mit dimV = n und dimW = m. Seien (v
1
, . . . , v
n
) eine
Basis von V und (w
1
, . . . , w
m
) eine Basis von W. Sei A := (a
ik
) K
mn
. Dann gilt:
Es gibt genau eine lineare Abbildung : V W mit M
(w1,...,wm)
(v1...,vn)
() = A.
Beweis:
Zur Existenz:
Nach (4.3) existiert (genau) eine lineare Abbildung : V W mit
k 1, . . . , n : (v
k
) = a
1k
w
1
+. . . +a
mk
w
m
.
Oensichtlich gilt nach (4.19)
M
(w1,...,wm)
(v1...,vn)
() = A.
Zur Eindeutigkeit:
<Aufgabe>
259
4 Lineare Abbildungen und Matrizen
4.23 Satz, Denition: Koordinatenmatrix Zugehrige lineare
Abbildung
Seien m, n N. Sei A K
mn
. Dann gibt es genau eine lineare Abbildung : K
n
K
m
mit M() = A.
Diese Abbildung heit die zu AAA gehrige lineare Abbildung. Wir bezeichnen sie mit
A
. Fr alle
v := (
1
, . . . ,
n
) K
n
gilt

A
(v) =
1
S
1
(A) +. . . +
n
S
n
(A).
Zwischen linearen Gleichungssystemen und linearen Abbildungen besteht ein enger Zusammenhang (vgl.
(3.1) und (3.2)).
Zwischenbemerkung: Lsung linearer Gleichungssysteme
Seien m, n N. Seien A K
mn
und b := (b
1
. . . , b
m
) K
m
. Seien v := (
1
, . . . ,
n
) K
n
. Dann sind
folgende Aussagen quivalent:
(1) v L(A, b),
(2)
A
(v) = b,
(3) A v = b.
Es gilt daher L(A, b) = v K
n
[
A
(v) = b und L(A, 0) = Kern(
A
).
Beweis:
(1)(2) Klar wegen (3.2) und (4.23)!
(1)(3) Klar!
4.24 Satz: Vektorraumeigenschaft von /(V, W) /(V, W) /(V, W)
Seien V, W K-Vektorrume. Dann ist /(M, K) bezglich der Verknpfungen
+ : /(V, W) /(V, W) /(V, W),
: K/(V, W) /(V, W)
ein K-Vektorraum.
Beweis:
<Aufgabe>
Fr alle , /(V, W) und K seien + /(V, W) und /(V, W) deniert durch
v V : ( +)(v) = (v) +(v),
v V : ( )(v) = (v).
260
4.25 Satz: /(V, W)

= K
mn
4.25 Satz: /(V, W)

= K
mn
/(V, W)

= K
mn
/(V, W)

= K
mn
Seien m, n N. Seien V, W K-Vektorrume mit dimV = n und dimW = m. Sei / := (v
1
, . . . , v
n
) eine
Basis von V und B := (w
1
, . . . , w
m
) eine Basis von W. Dann gilt:
: /(V, W) K
mn
, M
B
A
()
ist ein Isomorphismus. Also gilt
/(V, W)

= K
mn
.
Insbesondere gilt
dim/(V, W) =
(4.16)
dimK
mn
=
(4.13)
m n.
Beweis (Hinweis):
Zu zeigen ist:
, /(V, W) : M
B
A
( +) = M
B
A
() + M
B
A
(),
K /(V, W) : M
B
A
() = M
B
A
().
4.26 Satz: Kompositum linearer Abbildungen
Seien U, V, W K-Vektorrume und : U V , : V W lineare Abbildungen. Dann gilt
(1) : U W ist linear.
(2) Sind p, n, m N und ist (u
1
, . . . , u
p
) eine Basis von U, (v
1
, . . . , v
n
) eine Basis von V , (w
1
, . . . , w
m
)
eine Basis von W, so gilt
M
(w1,...,wm)
(u1,...,up)
( ) = M
(w1,...,wm)
(v1,...,vn)
() M
(v1,...,vn)
(u1,...,up)
().
(2

) Sind p, n, m N und U = K
p
, V = K
n
und W = K
m
, so gilt
M( ) = M() M()
Beweis:
<Aufgabe>
Beispiel:
Seien , [0, 2). Sei :=
_
+ falls + < 2
+ 2 sonst
Man betrachte die Drehungen D

, D

: R
2
R
2
und das Kompositum
D

: R
2
R
2
.
Nach (4.26.2

) gilt
M(D

) = M(D

) M(D

)
=
_
cos() sin()
sin() cos()
_

_
cos() sin()
sin() cos()
_
261
4 Lineare Abbildungen und Matrizen
=
_
cos() cos() sin() sin() cos() sin() sin() cos()
sin() cos() cos() sin() sin() sin() + cos() cos()
_
=
_
cos( +) sin( +)
sin( +) cos( +)
_
= M(D

)
Wir erhalten:
Die Koordinatenmatrix von D

ist gleich der Koordinatenmatrix von D

.
4.27 Satz: Rang einer Koordinatenmatrix
Seien m, n N. Seien V, W K-Vektorrume mit dimV = n und dimW = m. Sei / := (v
1
, . . . , v
n
) eine
Basis von V und B := (w
1
, . . . , w
m
) eine Basis von W. Sei : V W eine lineare Abbildung. Dann
gilt:
Rang M
B
A
() = dimBild().
Dieser Satz lehrt:
Bei nderung der Basen bleibt der Rang der Koordinatenmatrix von erhalten.
4.28 Satz: Isomorphiekriterium fr lineare Abbildungen
Sei n N. Seien V, W n-dimensionale K-Vektorrume. Sei / := (v
1
, . . . , v
n
) eine Basis von V und
B := (w
1
, . . . , w
m
) eine Basis von W. Sei : V W eine lineare Abbildung. Dann gilt:
ist ein Isomorphismus Rang M
B
A
() = n.
Beweis:
Es gilt:
ist Isomorphismus surjektiv
Bild = W
dimBild = dimW = n
Rang M
B
A
() = n.
4.29 Denition: Einheitsmatrix
Sei n N. Die Matrix
I
n
:=
_
_
_
_
_
1
1
0
0
.
.
.
1
_
_
_
_
_
K
nn
heit die n n n n n n-Einheitsmatrix oder n n n n n n-Identittsmatrix. Eine Matrix A K
nn
heit inver-
tierbar oder regulr, wenn es ein B K
nn
gibt, mit A B = B A = I
n
. A heit singulr, wenn A
nicht invertierbar ist.
Es sei (K
nn
:= A K
nn
[ A invertierbar.
262
4.30 Satz, Denition: Inverse Matrix
Bemerkung:
Sei n N. Fr alle A K
nn
gilt A I
n
= I
n
A = A.
4.30 Satz, Denition: Inverse Matrix
Sei n N. Sei A K
nn
invertierbar. Es gibt genau ein B K
nn
mit A B = B A = I
n
. Diese
eindeutig bestimmte Matrix B heit die zu A inverse Matrix. Man bezeichnet sie mit
A
1
.
Beweis:
Seien B
1
, B
2
K
nn
mit A B
1
= B
1
A = I
n
= A B
2
= B
2
A. Dann gilt:
B
1
= B
1
I
n
= B
1
(A B
2
) = (B
1
A) B
2
= I
n
B
2
= B
2
.
4.31 Satz: Automorphiekriterium fr lineare Abbildungen
Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei B := (v
1
, . . . , v
n
) eine Basis von V . Sei :
V V eine lineare Abbildung. Dann gilt:
(1) ist Automorphismus von V M
B
B
() invertierbar, das heit
(/(V ) M
B
B
() (K
nn
.
(2) Ist ein Automorphismus von V und M
B
B
(), so gilt
M
B
B
(
1
) = M
B
B
()
1
.
Beweis:
Wir setzen zur Abkrzung M := M
B
B
. Sei (/(V ). Dann gilt auch
1
(/ und
1
= id
V
=

1
. Es gilt mit (4.26)
M(
1
) M() = M(
1
) = M(id
V
) = I
n
= M(
1
) = M() M(
1
).
Also ist M() invertierbar und es gilt M()
1
= M(
1
). Damit ist (2) und von (1) bewiesen.
Sei M() (K
nn
. Nach (4.22) existiert genau ein /(V ) mit M() = M()
1
. Es gilt
M(id
V
) = I
n
= M()
1
M() = M() M() = M( ), also nach (4.25) id
V
= . Ebenso
zeigt man id
V
= . Nach dem Bijektionskriterium ist dann : V V eine Bijektion, also ein
Automorphismus von V .
4.32 Satz: Invertierbarkeitskriterium
Sei n N. Dann gilt fr alle A K
nn
:
A invertierbar Rang(A) = n.
Beweis:
Sei A K
nn
. Man betrachte
A
: K
n
K
n
. Es gilt M(
A
) = A. Wir erhalten
A invertierbar
(4.31)

A
Automorphismus von K
n

(4.28)
Rang(A) = n.
263
4 Lineare Abbildungen und Matrizen
4.33 Satz: Invertierbare Matrizen
Sei n N. Seien A, B K
nn
mit A B = I
n
. Dann gilt:
A und B sind invertierbar und A
1
= B, B
1
= A.
Beweis:
<Aufgabe>
4.34 Satz: Multiplikation invertierbarer Matrizen
Sei n N. Seien A, B (K
nn
. Dann ist auch A B (K
nn
und es gilt
(A B)
1
= B
1
A
1
.
Beweis:
Es gilt
(A B)(B
1
A
1
) = A B B
1
A
1
= A I
n
A
1
= A A
1
= I
n
und
(B
1
A
1
)(A B) = B
1
A
1
A B = B
1
I
n
B = B
1
B = I
n
.
Unser Ziel: Ein Verfahren zur Bestimmung von A
1
.
4.35 Satz: Invertierbare Matrizen und lineare Gleichungssysteme
Sei n N. Sei A (K
nn
. Dann gilt fr alle k 1, . . . , n
L(A, e
(n)
k
) = S
k
(A
1
),
das heit die Spaltenvektoren von A
1
sind genau die eindeutig bestimmten Lsungen der linearen
Gleichungssysteme LGS(A, e
(n)
1
), . . . , LGS(A, e
(n)
n
).
Es gilt:
A A
1
= I
n
, A
_
_
.
.
.
.
.
.
_
_
. .
1. Spalte
=
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
, A
_
_
.
.
.
.
.
.
_
_
. .
n. Spalte
=
_
_
_
_
_
0
.
.
.
0
1
_
_
_
_
_
.
Bemerkung:
Sei A (K
nn
. Fr alle B K
nn
gilt:
Ist B eine Zeilenstufenmatrix und A
EZU
B, so gilt B = I
n
.
Verfahren zur Bestimmung von A
1
A
1
A
1
Sei n N. Sei A (K
nn
. Fr jedes k 1, . . . , n lsst sich nun S
k
(A
1
) folgendermaen bestimmen:
Man whle gem (1.22) geeignete elementare Zeilenumformungen mit A
EZU
. . .
EZU
I
n
. Mit den
gleichen elementaren Zeilenumformungen erhlt man
264
4.36 Satz, Denition: Transformationsbasis fr den Basiswechsel
A[e
(n)
k

EZU
. . .
EZU
I
n
[S
k
(A
1
).
In der Praxis erledigt man deas Verfahren in einem Rechengang:
A[e
(n)
1
[ . . . [e
(n)
n
. . . I
n
[S
1
(A
1
)[ . . . [S
1
(A
1
)
A[I
n
. . . I
n
[A
1
Beispiel:
Man betrachte A :=
_
_
1 0 1
1 1 2
0 1 0
_
_
(K
33
.
Geeignete elementare Zeilenumformungen ergeben:
_
_
1 0 1 1 0 0
1 1 2 0 1 0
0 1 0 0 0 1
_
_

_
_
1 0 1 1 0 0
0 1 1 1 1 0
0 1 0 0 0 1
_
_

_
_
1 0 1 1 0 0
0 1 1 1 1 0
0 0 1 1 1 1
_
_

_
_
1 0 0 2 1 1
0 1 0 0 0 1
0 0 1 1 1 1
_
_
.
Probe:
_
_
1 0 1
1 1 2
0 1 0
_
_

_
_
2 1 1
0 0 1
1 1 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
4.36 Satz, Denition: Transformationsbasis fr den Basiswechsel
Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei / := (v
1
, . . . , v
n
) eine (alte) Basis von V . Sei
B := (w
1
, . . . , w
n
) eine (neue) Basis von V . Dann gibt es genau eine Matrix S := (s
ik
) K
nn
mit
w
1
= s
11
v
1
+s
21
v
2
+. . . +s
n1
v
n
,
.
.
.
w
n
= s
1n
v
1
+s
2n
v
2
+. . . +s
nn
v
n
.
(Neue Basisvektoren duch alte ausgedrckt!)
Diese Matrix S heit die Transformationsbasis (fr den Basiswechsel) von A nach B. Sie wird mit
S
B
A
bezeichnet.
Beweis:
Fr alle k 1, . . . , n gilt S
k
(S
B
A
) = K
A
(w
k
).
4.37 Bemerkung: Transformationsbasis
Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei / := (v
1
, . . . , v
n
) eine (alte) Basis von V . Sei
B := (w
1
, . . . , w
n
) eine (neue) Basis von V . Dann gilt:
S
B
A
= M
A
B
(id
V
).
265
4 Lineare Abbildungen und Matrizen
4.38 Satz: Inverse Transformationsbasis
Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei / := (v
1
, . . . , v
n
) eine (alte) Basis von V . Sei
B := (w
1
, . . . , w
n
) eine (neue) Basis von V . Dann gilt:
S
B
A
ist invertierbar und
_
S
B
A
_
1
= S
A
B
.
Beweis:
Nach (4.33) gengt es S
B
A
S
A
B
= I
n
zu zeigen. Es gilt:
S
B
A
S
A
B
=
(4.37)
M
A
B
(id
V
) M
B
A
(id
V
) =
(4.26)
M
A
A
(id
V
id
V
) = M
A
A
(id
V
) = I
n
.
4.39 Hauptsatz der Koordinatentransformation
Sei n N. Sei V ein n-dimensionaler K-Vektorraum. Sei / := (v
1
, . . . , v
n
) eine (alte) Basis von V . Sei
B := (w
1
, . . . , w
n
) eine (neue) Basis von V . Dann gilt:
(1) Fr alle v V gilt: Ist K
A
(v) := (
1
, . . . ,
n
) und K
B
(v) := (
1
, . . . ,
n
), so gilt:
_
S
B
A
_
1

_
_
_

1
.
.
.

n
_
_
_ =
_
_
_

1
.
.
.

n
_
_
_.
(2) Fr alle /(V ) gilt
_
S
B
A
_
1
M
A
A
() S
B
A
= M
B
B
().
Beweis:
(1) Sei v V . Man betrachte id
V
: V
A
V
B
. Seien K
A
(v) := (
1
, . . . ,
n
) und K
B
(v) := (
1
, . . . ,
n
).
Nach (4.20) gilt dann:
M
B
A
(id
V
)
_
_
_

1
.
.
.

n
_
_
_ =
_
_
_

1
.
.
.

n
_
_
_,
also wegen (4.37) und (4.38)
_
S
B
A
_
1

_
_
_

1
.
.
.

n
_
_
_ =
_
_
_

1
.
.
.

n
_
_
_.
(2) Man betrachte V
B
idV
V
A

V
A
idV
V
B
. .
idV idV
. Dann gilt:
M
B
B
() = M
B
B
(id
V
id
V
)
=
(4.26)
M
B
A
(id
V
) M
A
A
() M
A
B
(id
V
)
=
(4.37)
S
A
B
M
A
A
() S
B
A
=
(4.38)
_
S
B
A
_
1
M
A
A
() S
B
A
266
5 Determinanten
Generalvorraussetzung: Sei K R, C. Sei n N. Sei V ein K-Vektorraum.
5.1 Satz, Denition: Determinante
Es gibt genau eine Abbildung D : V
n
K mit folgenden Eigenschaften:
(D1) Fr alle i 1, . . . , n und alle (n 1)-Tupel (x
1
, . . . , x
i1
, x
i+1
, . . . , x
n
) ist die Abbildung
T : V K, x D(x
1
, . . . , x
i1
, x, x
i+1
, . . . , x
n
)
linear.
(D2) Fr alle x
1
, . . . , x
n
V existieren i, j 1, . . . , n mit i ,= j und
x
1
= x
j
D(x
1
, . . . , x
n
) = 0.
(D3) D
_
e
(n)
1
, . . . , e
(n)
n
_
= 1.
Diese Abbildung D : V
n
K heit die Determinantenform auf V und die zugehrige Abbildung
det : K
nn
, A D(S
1
(A), . . . , S
n
(A))
heit die Determinantenabbildung auf K
nn
.
Fr jedes A K
nn
K heit det(A) die Determinante von A.
Andere bliche Schreibweise fr Determinanten:
Fr alle A :=
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_ K
nn
setzt man

a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn

:= det(A).
Beispiele:
(1) Im Falle n = 1 haben wir die Determinantenabbildung
det : K
11
K, (a) a.
(2) Im Falle n = 2 haben wir die Determinantenabbildung
det : K
22
K,
_
a b
c d
_
ad bc.
Fr alle a, b, c, d R gilt also

a b
c d

= det

a b
c d

= ad bc.
267
5 Determinanten
(3) Im Falle n = 3 haben wir die Determinantenabbildung
det : K
33
K,
_
_
a
1
a
2
a
3
b
1
b
2
b
3
c
1
c
2
c
3
_
_
a
1
b
2
c
3
+a
2
b
3
c
1
+a
3
b
1
c
2
a
1
b
3
c
2
a
2
b
1
c
3
a
3
b
2
c
1
.
(Regel von Sarrus)
Bemerkung:
Wegen (D1), (D2), (D3) gilt zum Beispiel fr alle a, a

, b, c, c

, d, R
det
_
a +a

b
c +c

d
_
= det
_
a b
c d
_
+ det
_
a

b
c

d
_
,
det
_
a b
c d
_
= det
_
a b
c d
_
= det
_
a b
c d
_
,
det
_
a c
a c
_
= 0, det
_
1 0
0 1
_
= 1.
5.2 Satz: Weitere Eigenschaften der Determinantenform
Seien i, j 1, . . . , n mit i ,= j. Fr die Determinantenform D : V
n
K gilt dann:
(1) Kx
1
, . . . , x
n
V : D(x
1
, . . . , x
i1
, x
i
, x
i+1
, . . . , x
n
) = D(x
1
, . . . , x
i1
, x
i
+x
j
, x
i+1
, . . . , x
n
).
Dies bedeutet, dass elementare Umformungen vom Typ 2 den Determinanten-Wert nicht vern-
dern.
(2) x
1
, . . . , x
n
V : D(x
1
, . . . , x
i
, . . . , x
j
, . . . , x
n
) = D(x
1
, . . . , x
j
, . . . , x
i
, . . . , x
n
).
(3) x
1
, . . . , x
n
V : (x
1
, . . . , x
n
) linear abhngig D(x
1
, . . . , x
n
) = 0
5.3 Satz: Determinante transponierter Matrizen
Fr alle A K
nn
gilt
det(A) = det(A
T
).
Beispiel:
A :=
_
1 2
3 4
_
, also det(A) = 1 4 3 2 = 2.
A
T
=
_
1 3
2 4
_
, also det(A
T
) = 1 4 2 3 = 2.
268
5.4 Satz: Determinantenregeln
5.4 Satz: Determinantenregeln
Sei A K
nn
. Sei K. Die Determinantenabbildung det : K
nn
R hat folgende Eigenschaften:
(1) det ist in Bezug auf jede Spalte und auch in Bezug auf jede Zeile linear.
(2) det(A) ndert sich nicht, wenn man zu einer Spalte (oder einer Zeile) von A das -fache einer
anderen Spalte (bzw. Zeile) von A addiert.
(3) det(A) multipliziert sich mit 1, wenn man zwei Spalten (oder Zeilen) vertauscht.
(4) det(A) ist gleich Null, wenn zwei Spalten (oder Zeilen) von A gleich sind.
Frage:
Wie lsst sich det(A) berechnen?
5.5 Denition: Streichungsmatrix
Sei n 2. Sei A K
nn
. Fr alle i, k 1, . . . , n sei
A
ik
K
(n1)(n1)
diejenige (n 1) (n 1)-Matrix, die aus A durch weglassen der i-ten Zeile und der k-ten Spalte
entsteht. A
ik
heit die (i, k) (i, k) (i, k)-Streichungsmatrix von A.
Beispiel:
Sei A :=
_
_
1 2 3
4 5 6
7 8 9
_
_
.
Dann gilt A
23
=
_
1 2
7 8
_
und A
33
=
_
1 2
4 5
_
.
5.6 Satz: Laplacescher Entwicklungssatz
Sei A := (a
ik
) K
nn
. Ist n = 1, also A = (a
11
), so gilt
det(A) = a
11
.
Ist n 2, so gilt:
(1) Fr alle i 1, . . . , n
det(A) =
n

k=1
(1)
i+k
a
ik
det(A
ik
).
(Entwicklung der Determinante nach der i-ten Zeile)
(2) Fr alle k 1, . . . , n
det(A) =
n

i=1
(1)
i+k
a
ik
det(A
ik
).
(Entwicklung der Determinante nach der k-ten Spalte)
269
5 Determinanten
Beispiele:
(1) Sei A =
_
a
11
a
12
a
21
a
22
_
K
22
. Fr die Entwicklung von A nach der 2. Zeile gilt
det(A) =
2

k=1
(1)
2+k
a
2k
det(a
2k
)
= (1)
2+1
a
21
det(A
21
) + (1)
2+2
a
22
det(A
22
)
= a
21
a
12
+a
22
a
11
= a
11
a
22
a
12
A
21
.
(2)

0 2 1
4 1 1
1 2 3

= 0

1 1
2 3

4 1
1 3

+ 1

4 1
1 2

= (2) 11 + 7 = 15,

0 2 1
4 1 1
1 2 3

= 2

4 1
1 3

+ 1

0 1
1 3

0 1
4 1

= 22 1 + 8 = 15.
5.7 Denition, Bemerkung: Dreiecksmatrix
Sei A := (a
ij
) K
nn
.
A heit eine untere Dreiecksmatrix, wenn fr alle i, k 1, . . . , n mit i < k
a
ik
= 0
gilt, das heit, wenn A folgende Gestalt hat:
A =
_
_
_
_
_
a
11
a
22
0

.
.
.
a
nn
_
_
_
_
_
K
nn
.
A heit eine obere Dreiecksmatrix, wenn fr alle i, k 1, . . . , n mit i > k
a
ik
= 0
gilt, das heit, wenn A folgende Gestalt hat:
A =
_
_
_
_
_
a
11
a
22

0
.
.
.
a
nn
_
_
_
_
_
K
nn
.
Ist A eine untere oder eine obere Dreiecksmatrix, so gilt
det(A) = a
11
a
22
. . . a
nn
.
Beweis:
Laplaceschen Entwicklungssatz anwenden!
Mit Hilfe von (5.4.2) und der folgenden Bemerkung (5.8) liefert (5.7) eine zweite Methode, Determinan-
ten zu berechnen.
270
5.8 Bemerkung: Existenz von Dreiecksmatrizen
5.8 Bemerkung: Existenz von Dreiecksmatrizen
Jede Matrix aus K
nn
lsst sich durch endlich viele elementare Spaltenumformungen (oder Zeilenum-
formungen) vom Typ 2 in eine untere (oder obere) Dreiecksmatrix berfhren.
Beispiel:
_
_
0 1 2
4 1 1
1 2 3
_
_

EZU2
_
_
1 2 1
5 1 1
4 2 3
_
_

EZU2
_
_
1 0 0
5 9 4
4 6 1
_
_

EZU2
_
_
1 0 0
5 9 0
4 6
5
3
_
_
5.9 Satz: Determinantenmultiplikation
Fr alle A, B K
nn
gilt
det(A B) = det(A) det(B) = det(B) det(A) = det(B A).
Beispiel:
A :=
_
1 2
3 4
_
, B :=
_
6 4
1 2
_
, A B =
_
8 8
22 20
_
.
Dann gilt det(A) = 2, det(B) = 8 und det(A B) = 8 (20 22) = 16 = (2) 8.
5.10 Satz: Determinanten und Matrizen
Fr alle A K
nn
sind folgende Aussagen quivalent:
(1) det(A) ,= 0,
(2) (S
1
(A), . . . , S
n
(A)) linear unabhngig,
(3) Rang(A) = n,
(4) A ist invertierbar.
Ergnzung:
Ist A invertierbar mit det(A) ,= 0, so gilt
det(A
1
) =
1
det(A)
.
Beweis:
Sei A (K
nn
.Dann gilt
1 = det(I
n
) = det(A
1
A) = det(A
1
) det(A),
also
det(A) ,= 0
und
1
det(A)
= det A
1
.
271
5 Determinanten
5.11 Satz: Cramersche Regel
Sei A := (a
ik
) K
nn
mit det(A) ,= 0. Sei b := (b
1
, . . . , b
n
) K
n
.
Dann besitzt das lineare Gleichungssystem LGS(A, b) genau eine Lsung; das n-Tupel (
1
, . . . ,
n
) K
n
mit

i
=
1
det(A)

a
11
. . . a
1i1
b
1
a
1i+1
. . . a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
. . . a
ni1
b
n
a
ni+1
. . . a
nn

fr alle i 1, . . . , n, also

i
=
D(S
1
(A), . . . , S
i1
(A), b, S
i+1
(A), . . . , S
n
(A))
det(A)
.
Beweis:
Sei A K
nn
. Sei b K
n
. Dann gilt
LGS(A, b) eindeutig lsbar
(3.7)
Rang(A) = n
(5.10)
det(A) ,= 0.
Sei (
1
, . . . ,
n
) K
n
eine Lsung von LGS(A, b). Dann gilt

1
S
1
(A) +. . . +
n
S
n
(A) = b.
Fr alle i 1, . . . , n gilt dann
D(S
1
(A), . . . , b, . . . , S
n
(A))
= D(S
1
(A), . . . ,
1
S
1
(A) +. . . +
n
S
n
(A), . . . , S
n
(A))
= D(S
1
(A), . . . ,
i
S
i
(A), . . . , S
n
(A))
=
i
D(S
1
(A), . . . , S
i
(A), . . . , S
n
(A))
=
i
det(A).
Beispiel:
(1) Wir betrachten das lineare Gleichungssystem
2x + 4y = 3
x 3y = 1
.
Dann gilt A =
_
2 4
1 3
_
und det(A) = 10. Also gilt
x =
1
10

3 4
1 3

= 13
1
10
=
13
10
,
y =
1
10

2 3
1 1

= 1
1
10
=
1
10
.
(2) Seien a, b, c, d, e, f K mit

a b
c d

,= 0. Dann hat das lineare Gleichungssystem


ax + by = e
cx + dy = f
genau eine Lsung, und zwar
_
_
_
_

e b
f d

a b
c d

a e
c f

a b
c d

_
_
_
_
.
272
5.12 Satz: Berechnung der inversen Matrix
5.12 Satz: Berechnung der inversen Matrix
Sei A K
nn
mit det(A) ,= 0. Dann ist A invertierbar und es gilt
A
1
=
1
det(A)

_
_
_
(1)
1+1
det(A
11
) (1)
1+n
det(A
1n
)
.
.
.
.
.
.
.
.
.
(1)
n+1
det(A
n1
) (1)
n+n
det(A
nn
)
_
_
_
T
.
Beispiel:
A :=
_
2 5
1 4
_
.
Dann gilt det(A) = 3, A
11
= (4), A
12
= (1), A
21
= (5) und A
22
= (2). Also gilt
A
1
=
1
3

_
4 1
5 2
_
T
=
_
4
3

5
3

1
3
2
3
_
.
5.13 Satz: Kstchensatz Fr Determinanten
Sei r N. Sei A K
nn
mit quadratischen Teilmatrizen A
1
, . . . , A
r
von folgender Gestalt:
A =
_
_
_
_
_
_
A
1
A
2
0

.
.
.
A
r
_
_
_
_
_
_
.
Dann gilt
det(A) = det(A
1
) det(A
2
) . . . det(A
r
).
Beweis:
<Aufgabe 106>
Beispiel:
Es gilt

1 2 3
4 5 6
7 8 8
0

1
1 2
3 4

1 2 3
4 5 6
7 8 8

1 2
3 4

= 3 1 (2) = 6.
273
5 Determinanten
274
6 Skalarprodukte
Generalvorraussetzung: Sei K R, C.
6.1 Denition: Skalarprodukt
Sei V ein K-Vektorraum. Dann heit die Abbildung
[) : V V K, (x, y) x[y)
sesquilinear oder eine Sesquilinearform auf V , wenn sie folgende Bedingungen erfllt:
(S1) x, y, z V : x +y[z) = x[z) +y[z),
Kx, y V : x[y) = x[y),
(linear)
(S2) x, y, z V : x[y +z) = x[y) +x[z),
Kx, y V : x[y) = x[y).
(antilinear oder semilinear)
Sind zustzlich die folgenden Bedingungen erfllt, so heit die Abbildung [) ein Skalarprodukt auf
V .
(S3) x, y V : x[y) = y[x),
(hermitesch)
(S4) x V 0 : x[x) R
>0
.
(positiv denit)
Ist [) ein Skalarprodukt auf V , so heit das Paar (V, [)) ein Skalarproduktraum.
Ein Skalarproduktraum heit im Falle K = R auch ein Euklidischer Vektorraum und im Falle
K = C ein unitrer Vektorraum.
6.2 Satz, Denition: Punktprodukt
Sei n N. Sei V := K
n
. Dann ist die Abbildung
: V V K, ((
1
, . . . ,
n
)(
1
, . . . ,
n
))
1

1
+. . . +
n

n
ein Skalarprodukt.
Es heit das Standardskalarprodukt oder das Punktprodukt auf V . Das Paar (V, ) heit der
n-dimensionale Punktproduktraum.
275
6 Skalarprodukte
Beweis:
<Aufgabe>
Bemerkung:
Im Falle K = R gilt fr das Punktprodukt
(
1
, . . . ,
n
)(
1
, . . . ,
n
) =
1

1
+. . . +
n

n
fr alle
1
, . . . ,
n
,
1
, . . . ,
n
K.
Ergnzende Bemerkung:
Sei (V, [)) ein Skalarproduktraum. Dann gilt
(1) K = R x, y V : x[y) = y[x),
(2) x V : x[0) = 0[x) = 0
K
,
(3) x V : x[x) = 0 x = 0.
6.3 Satz: Cauchy-Schwarzsche Ungleichung
Sei (V, [)) ein Skalarproduktraum. Dann gilt fr alle x, y V
[x[y)[
2
x[x) y[y),
also
[x[y)[
_
x[x)
_
y[y).
6.4 Satz, Denition: Norm
Sei (V, [)) ein Skalarproduktraum. Dann heit die Abbildung
| | : V R, x |x|
eine Norm auf V , wenn sie folgende Bedingungen erfllt:
(N1) |0| = 0,
x V 0 : |x| > 0,
(N2) Kx V : |x| = [[ |x|,
(positiv homogen)
(N3) x, y V : |x +y| |x| + |y|.
(Dreiecksungleichung)
Ist | | eine Norm auf V , so heit das Paar (V, | |) ein normierter Raum.
Die Abbildung
| | : V R, x
_
x[x)
ist eine Norm.
276
6.5 Bemerkung: Euklidische Norm
Fr jedes x V heit |x| die Norm oder die Lnge des Vektors x bezglich des Skalarproduktes [).
Bemerkung:
Die Cauchy-Schwarzsche Ungleichung lsst sich auch folgendermaen ausdrcken:
[x[y)[ |x| |y|.
6.5 Bemerkung: Euklidische Norm
Sei n N. Sei V := K
n
der n-dimensionale Punktproduktraum. Dann gilt fr alle x := (x
1
, . . . , x
n
) K
n
|x| =
_
[x
1
[
2
+. . . +[x
n
[
2
.
Im Falle K = R bezeichnet man diese Norm als Euklidische Norm oder Euklidische Lnge.
Beweis:
Es gilt
|x|
2
= x x = x
1
x
1
+. . . +x
n
x
n
= [x
1
[
2
+. . . +[x
n
[
2
.
6.6 Denition: Orthogonalitt
Sei (V, [)) ein Skalarproduktraum. Seien x, y V . Sei M V . Sei n N. Seien x
1
, . . . , x
n
V . Sei
(y
1
, y
2
, y
3
, . . .) eine Folge in V.
(1) x heit orthogonal oder senkrecht zu y, in Zeichen
xy,
wenn gilt:
x[y) = 0.
(2) xM : v M : xv,
M y : v M : v y.
(3) M

:= v V [ v M heit das orthogonale Komplement oder der Senkrechtraum von


M in V .
(4) (x
1
, . . . , x
n
) heit ein Orthogonalsystem in V , wenn fr alle i, j 1, . . . , n mit i ,= j gilt:
x
i
x
j
.
(x
1
, . . . , x
n
) heit ein Orthonormalsystem in V , wenn zustzlich gilt:
|x
1
| = |x
2
| = . . . = |x
n
| = 1.
(5) (y
1
, y
2
, y
3
, . . .) heit ein Orthogonalsystem in V , wenn fr alle i, j N mit i ,= j gilt:
y
i
y
j
.
(y
1
, y
2
, y
3
, . . .) heit ein Orthonormalsystem in V , wenn zustzlich gilt:
i N : |y
i
| = 1.
277
6 Skalarprodukte
Bemerkung:
(1) Im Punktproduktraum (R
2
, ) gilt
(1, 0) (0, 1) und (1, 1) (1, 1).
(2) Fr alle n N ist im Punktproduktraum (R
n
, ) die Standardbasis
_
e
(n)
1
, . . . , e
(n)
n
_
ein Orthonormalsystem.
6.7 Bemerkung:
Sei (V, [)) ein Skalarproduktraum. Dann gilt
(1) 0
V
V ,
(2) x, y V : xy y x.
(3) Fr jede Teilmenge M V ist M

ein Teilraum von V .


(4) Fr alle n N und alle x, y
1
, . . . , y
n
V gilt
xy
1
, . . . , y
n
x Span(y
1
, . . . , y
n
).
6.8 Satz von Pythagoras
Sei (V, [)) ein Skalarproduktraum. Sei n N und sei (x
1
, . . . , x
n
) ein Orthogonalsystem in V mit
x
1
, . . . , x
n
,= 0. Dann gilt
(1) (x
1
, . . . , x
n
) linear unabhngig,
(2) |x
1
+. . . +x
n
|
2
= |x
1
|
2
+. . . +|x
n
|
2
.
(Verallgemeinerter Satz von Pythagoras )
6.9 Satz: Besselsche Ungleichung
Sei (V, [)) ein Skalarproduktraum. Sei n N. Sei (v
1
, . . . , v
n
) ein Orthogonalsystem in V . Dann gilt
fr alle x V
[x[v
1
)[
2
+. . . +[x[v
n
)[
2
|x|
2
.
Beweis:
Sei x V . Dann gilt
0
_
_
_x
n

k=1
x[v
k
)v
k
_
_
_ = . . . = |x|
2

k=1
x[v
k
)x[v
k
) = |x|
2

k=1
[x[v
k
)[
2
.
278
6.10 Denition: Orthonormalbasis
6.10 Denition: Orthonormalbasis
Sei n N. Sei (V, [)) ein n-dimensionaler Skalarproduktraum. Sei (v
1
, . . . , v
n
) eine Basis von V .
(v
1
, . . . , v
n
) heit eine Orthogonalbasis von V , wenn (v
1
, . . . , v
n
) ein Orthogonalsystem ist.
(v
1
, . . . , v
n
) heit eine Orthonormalbasis von V , wenn (v
1
, . . . , v
n
) ein Orthonormalsystem ist.
6.11 Satz: Parsevalsche Gleichung
Sei n N. Sei (V, [)) ein n-dimensionaler Skalarproduktraum. Sei (v
1
, . . . , v
n
) eine Orthonormalbasis
von V . Dann gilt fr alle x, y V
(1) x = x[v
1
)v
1
+. . . +x[v
n
)v
n
,
(2) |x|
2
= [x[v
1
)[
2
+. . . +[x[v
n
)[
2
,
(Parsevalsche Gleichung)
(3) x[y) = x[v
1
)y[v
1
) +. . . +x[v
n
)y[v
n
).
6.12 Satz: Schmidtsches Orthonormalisierungsverfahren
Sei (V, [)) ein Skalarproduktraum.
(1) Sei n N. Seien v
1
, . . . , v
n
V mit (v
1
, . . . , v
n
) linear unabhngig. Dann existiert eine Orthonor-
malbasis (x
1
, . . . , x
n
) in V mit
k 1, . . . , n : Span(v
1
, . . . , v
k
) = Span(x
1
, . . . , x
k
).
(2) Sei (v
k
)
kN
eine Folge in V mit mit (v
1
, . . . , v
n
) linear unabhngig fr alle n N. Dann existiert
eine Orthonormalbasis (x
k
)
kN
in V mit
k N : Span(v
1
, . . . , v
k
) = Span(x
1
, . . . , x
k
).
Eine Orthonormalbasis (x
1
, . . . , x
n
) erhlt man mit dem Schmidtschen Orthonormalisierungs-
verfahren auf folgende Weise:
x
1
:=
1
|v
1
|
v
1
und fr alle k 1, . . . , n rekursiv
x
k+1
=
1
_
_
v
k+1

k
P
i=1
v
k+1
[x
i
)x
i
_
_

_
v
k+1

k

i=1
v
k+1
[x
i
)x
i
_
,
also
x
2
=
1
_
_
v
2
v
2
[x
1
)x
1
_
_

_
v
2
v
2
[x
1
)x
1
_
,
x
3
=
1
_
_
v
3
v
3
[x
1
)x
1
v
3
[x
2
)x
2
_
_

_
v
3
v
3
[x
1
)x
1
v
3
[x
2
)x
2
_
, ...
Bemerkung:
Auf die selbe Weise lsst sich eine Orthonormalbasis fr Reihen nden.
279
6 Skalarprodukte
6.13 Satz: Existenz von Orthonormalbasen
Jeder endlichdimensionale Skalarproduktraum (V, [)) mit V ,= 0 besitzt eine Orthonormalbasis.
Beweis:
Klar!
Beispiel:
Man betrachte im unitren Punktproduktraum (C
3
, ) die Vektoren v
1
:= (1, i, 0), v
2
:= (1, 2, 1 i) und
v
3
:= (0, 0, i). Wir wenden (6.12) an und erhalten
x
1
=
1
|v
1
|
v
1
=
_
1

2
,
i

2
, 0
_
,
x
2
=
1
_
_
v
2
(v
2
x
1
)x
1
_
_

_
v
2
(v
2
x
1
)x
1
_
=
_
1+2i

18
,
2i

18
,
22i

18
_
,
x
3
=
1
_
_
v
3
(v
3
x
1
)x
1
(v
3
x
2
)x
2
_
_

_
v
3
(v
3
x
1
)x
1
(v
3
x
2
)x
2
_
=
_
3+i

45
,
13i

45
,
5i

45
_
,
Problem:
Gegeben sei ein Skalarproduktraum (V, [)) und ein Teilraum W von V . Ferner sei v V W. Welcher
Vektor w aus W hat den kleinsten Abstand zu v?
6.14 Satz: Approximationssatz
Sei (V, [)) ein Skalarproduktraum. Sei n N und sei W ein n-dimensionaler Teilraum von V . Sei
(w
1
, . . . , w
n
) eine Orthonormalbasis von W. Man betrachte die Abbildung (Orthogonalprojektion)
P
W
: V W, x
n

k=1
x[w
k
)w
k
.
Sie ist linear und es gilt
Kern(P
W
) = W

,
Bild(P
W
) = W.
Sei v V . Dann gilt
(1) w W P
W
(v) : |v P
W
(v)| < |v w|,
(2) (v P
W
(v)) W,
(3) v W P
W
(v) = v.
P
W
(v) heit auch die beste Approximation von V in W.
Bemerkung:
Wegen (1) ist die Abbildung P
W
: V W allein durch (V, [)) und W bestimmt und ist nicht abhngig
von der Wahl der Orthonormalbasis (w
1
, . . . , w
n
).
280
6.15 Denition: Konjugierte und Adjugierte Matrix
Beispiel:
Man betrachte den Punktproduktraum (R
3
, ). Seien w
1
:=
1

3
(1, 1, 1), w
2
:=
1

2
(0, 1, 1) und W :=
Span(w
1
, w
2
), v := (1, 1, 1). (w
1
, w
2
) ist eine Orthonormalbasis. Es gilt
P
W
(v) = (v w
1
)w
1
+ (v w
2
)w
2
=
1

3
w
1
+

2w
2
=
_
1
3
,
1
3
,
1
3
_
+ (0, 1, 1) =
_
1
3
,
4
3
,
2
3
_
.
Also ist
_
1
3
,
4
3
,
2
3
_
die beste Approximation von (1, 1, 1) in W.
Ergnzende Bemerkung
Sei (V, [)) ein Skalarproduktraum. Sei n N und sei W ein n-dimensionaler Teilraum von V . Sei
(w
1
, . . . , w
n
) eine Orthonormalbasis von W. Dann ist die Abbildung P
W
: V W, x

n
k=1
x[w
k
)w
k
linear und es gilt:
Kern(P
W
) = W

,
Bild(P
W
) = W.
6.15 Denition: Konjugierte und Adjugierte Matrix
Sei n N. Sei A :=
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
_ C
nn
. Dann heit
A :=
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
_
die zu A konjugierte Matrix und
A

:= A
T
die zu A adjugierte Matrix.
Beispiel:
Fr A :=
_
2 i
1 +i i
_
gilt A =
_
2 i
1 i i
_
und A

=
_
2 1 i
i i
_
.
6.16 Satz: Rechenregeln fr konjugierte und adjugierte
Matritzen
Sei n N. Seien A, B C
nn
. Dann gilt
(1) A = A,
(A

= A,
(2) A B = A B,
(A B)

= B

,
(3) det(A) = det(A

) = det(A).
281
6 Skalarprodukte
6.17 Denition: Unitre und orthogonale Matrix
Sei n N. Sei A C
nn
. A heit ein unitre Matrix, wenn
A

A = I
n
gilt. A heit eine orthogonale Matrix, wenn
A R
nn
A
T
A = I
n
gilt. Man setzt
|(n) := A C
nn
[ A ist unitr,
O(n) := A R
nn
[ A ist orthogonal.
Bemerkungen:
Die Orthogonalmatritzen sind reelle, unitre Matritzen.
Oensichtlich gilt O(n) = |(n) R
nn
|(n) c
nn
.
6.18 Satz: Determinante von unitren und orthogonalen
Matritzen
Sei n N. Fr alle A |(n) gilt
[ det(A)[ = 1.
Fr alle A O(n) gilt
det(A) 1, 1.
Beweis:
(1) Sei A |(n). Dann gilt
A

A = I
n
,
also
1 = det(I
n
)
= det(A

A)
= det(A

) det(A)
= det(A
T
) det(A)
= det(A) det(A)
= det(A) det(A)
= [ det(A)[
2
,
also
[ det(A)[ = 1.
(2) Sei A O(n) = |(n) R
nn
. Dann gilt nach (1)
[ det(A)[ = 1
und ferner wegen A R
nn
det(A) R. Das ergibt
det(A) 1, 1.
282
6.19 Denition: Spezielle orthogonale Matrix
6.19 Denition: Spezielle orthogonale Matrix
Sei n N. Eine Matrix A O(n) heit eine spezielle orthogonale Matrix, wenn
det(A) = 1
gilt. Man setzt
oO(n) := A O(n) [ det(A) = 1.
Beispiel:
O() =
__
cos() sin()
sin() cos()
_

[0, 2)
_

__
cos() sin()
sin() cos()
_

[0, 2)
_
,
oO() =
__
cos() sin()
sin() cos()
_

[0, 2)
_
.
6.20 Hauptsatz ber unitre Matritzen
Sei n N. Sei A K
nn
. Dann sind die folgenden Aussagen paarweise quivalent:
(1) A ist unitr,
(Im Falle K = R bedeutet das, dass A orthogonal ist)
(2) A ist invertierbar und es gilt A
1
= A

,
(Im Falle K = R bedeutet das, dass A
1
= A
T
gilt)
(3) (S
1
(A), . . . , S
n
(A)) ist eine Orthonormalbasis von (K
n
, ),
(4) (Z
1
(A), . . . , Z
n
(A)) ist eine Orthonormalbasis von (K
n
, ),
(5) x, y K :
A
(x)
A
(y) = x y,
(6) x K
n
: |
A
(x)| = |x|.
6.21 Satz, Denition: Isometrie
Sei (V, [)) ein Skalarproduktraum ber K. Sei : V V . heit eine Isometrie von (V, [)), genau
dann, wenn
/(V ) x V : |(x)| = |x|
gilt. Diese Aussage ist quivalent zu
/(V ) x, y V : (x) (y) = x[y).
Bemerkung:
Eine Isometrie ist stets injektiv. Im Falle dim(V ) < sogar bijektiv, also ein Automorphismus.
6.22 Satz: Unitrittskriterium
Sei n N. Sei A K
nn
. Dann gilt
A ist unitr
A
ist eine Isometrie von (K
n
, )
283
6 Skalarprodukte
6.23 Satz: Isometriekriterium
Sei n N. Sei (V, [)) ein n-dimensionaler Skalarproduktraum ber K. Sei / = (v
1
, . . . , v
n
) eine Or-
thonormalbasis von V . Sei /(V ). Dann gilt
ist eine Isometrie M
A
A
() ist unitr.
6.24 Satz, Denition: Drehung
Sei n N. Sei (V, [)) ein n-dimensionaler, euklidischer Skalarproduktraum. Sei / = (v
1
, . . . , v
n
) eine
Orthonormalbasis von V . Sei /(V ). heit eine Drehung, genau dann, wenn
ist nIsometrie det() = 1
gilt. Dies ist quivalent zu
M
A
A
() oO(n).
Beispiel:
Die Drehungen des 2-dimensionalen euklidischen Vektorraumes (R
2
, ) sind genau die Abbildungen
A
:
R
2
R
2
mit A oO(n), also die Abbildungen
D

: R
2
R
2
, (x
1
, x
2
) (x
1
cos() x
2
sin(), x
1
sin() +x
2
cos()) mit [0.2).
284
7 Eigenwerttheorie, Quadratische Formen
und Hauptachsentransformationen
Generalvorraussetzung: Sei K R, C. Sei n N.
7.1 Satz, Denition: Eigenwerte und Eigenvektoren
Sei V ein K-Vektorraum. Sei /(V ). Sei K. Dann ist
Eig(, ) := v V [ (v) = v
ein Teilraum von V . Er heit der Eigenraum von bezglich . heit ein Eigenwert von , wenn
Eig(, ) ,= 0 ist. Die Elemente aus Eig(, ) 0 heien die zu gehrigen Eigenvektoren von .
Die Menge
Spek() := K [ ist Eigenwert von
heit das Spektrum von .
Beisiele:
(1) Sei V ein K-Vektorraum ,= 0 und /(V ) nicht injektiv. Dann ist 0 ein Eigenwert von .
(2) Fr jeden K-Vektorraum ,= 0 ist 1 ein Eigenwert von id
V
.
(3) Die Drehung D

2
: R
2
R
2
, (, ) (, ) hat keinen Eigenwert in R
2
.
7.2 Bemerkung:
Sei V ein K-Vektorraum. Sei /(V ). Seien , K. Dann gilt
(1) Eig(, ) = Kern( id
V
),
(2) ,= Eig(, ) Eig(, ) = 0.
7.3 Satz, Denition: Eigenwerte und Eigenvektoren
Sei A K
nn
. Man betrachte die lineare Abbildung
A
. Dann heit
Eig(A, ) := Eig(
A
, )
auch der Eigenraumvon A ber K bezglich . heit ein Eigenwert von A ber K, wenn Eig(A, ) ,=
0 ist. Die Elemente aus Eig(A, ) 0 heien die zu gehrigen Eigenvektoren von A ber K. Die
Menge
Spek(A) := K [ ist Eigenwert von A ber K
heit das Spektrum von A.
285
7 Eigenwerttheorie, Quadratische Formen und Hauptachsentransformationen
7.4 Bemerkung:
Sei A K
nn
. Seien , K. Dann gilt
(1) Eig(, ) = Kern(A I
n
) = L(A I
n
, 0),
(2) ,= Eig(A, ) Eig(A, ) = 0.
7.5 Satz: Eigenwertkriterium
Sei A K
nn
. Sei K
n
. Dann ist ein Eigenwert von A, genau dann, wenn
det(A I
n
) = 0.
Beweis:
Es gilt
Spek(A) L(A I
n
, 0) =
(7.4)
Eig(A, ) ,= 0
LGS(A I
n
, 0) ist nicht eindeutig lsbar

(3.7)
Rang(A I
n
) ,= n

(5.5)
det(A I
n
) = 0.
7.6 Denition: hnlichkeit
Seien A, B K
nn
. A heit hnlich zu B, in Zeichen
A B,
wenn gilt:
S (K
nn
: S
1
A S = B.
7.7 Satz: hnlichkeit von Koordinatenmatrizen
Sei V ein n-dimensionaler K-Vektorraum. Sei /(V ). Seien /, B Basen von V . Dann gilt
M
A
A
() M
B
B
().
Beweis:
Sei S := S
B
A
die Transformationsmatrix fr den Basiswechsel von / nach B. Nach (4.38) ist S invertier-
bar. Nach (4.39.2) gilt
S
1
M
A
A
() S = M
B
B
.
7.8 Satz: Eigenschaften hnlicher Matrizen
Seien A, B K
nn
mit A B. Sei K. Dann gilt
(1) det(A) = det(B),
(2) Spek(A) = Spek(B),
(3) dimEig(A, ) = dimEig(B, ).
286
7.9 Bemerkung, Denition: Charakteristisches Polynom
7.9 Bemerkung, Denition: Charakteristisches Polynom
Fr jedes A K
nn
ist
p
A
(x) := det(A x I
n
)
ein Polynom vom Grade n. Dieses Polynom heit das charakteristische Polynom von A.
Beispiel:
Sei A :=
_
2 1
3 1
_
K
22
. Dann gilt
p
A
(x) = det(A x I
n
) =

2 x 1
3 x 1

= (2 x)(1 x) 3 = x
2
x 5.
7.10 Satz: Spektrum einer Matrix
Sei A K
nn
. Dann gilt
Spek(A) = K [ p
A
() = 0.
Beweis:
Klar wegen (7.5)!
7.11 Satz: Eigenwerte reeller Maritzen
Sei m 2N 1. Dann gilt fr alle A R
mm
Spek(A) ,= .
Bemerkung:
Ist n ungerade, so besitzt jede reelle n n-Matrix reelle Eigenwerte.
7.12 Denition, Bemerkung: Mehrfache Nullstellen
Es sei p(x) = a
0
+a
1
x
1
+. . . +a
n
x
n
ein Polynom ber K vom Grade n. Sei K. Sei m N. heit
eine mmm-fache Nullstelle von p(x), wenn es ein Polynom q(x) ber K gibt, mit
q() ,= 0 x K : p(x) = (x )
m
q(x).
Bemerkung:
ist genau dann eine m-fache Nullstelle von p(x), wenn
p() = p

() = . . . = p
(m 1)
() = 0 p
(m)
() ,= 0
gilt. Diese Zahl m heit auch die Vielfachheit der Nullstelle .
287
7 Eigenwerttheorie, Quadratische Formen und Hauptachsentransformationen
7.13 Denition, Bemerkung: Algebraische und geometrische
Vielfachheit
Sei A K
nn
. Sei Spek(A), das heit p
A
() = 0. Dann setzt man
algVf(, A) := Vielfachheit der Nullstelle des Polynoms p
A
(x),
geoVf(, A) := dimEig(A, ).
Die Zahl algVf(, A) heit die algebraische Vielfachheit von als Eigenwert von A. Die Zahl
geoVf(, A) heit die geometrische Vielfachheit von als Eigenwert von A.
7.14 Denition: Zerfall in Linearfaktoren
Es sei p(x) = a
0
+ a
1
x
1
+ . . . + a
n
x
n
ein Polynom ber K vom Grade n. Man sagt dann p(x) zerfllt
ber K in Linearfaktoren, wenn es
1
, . . . ,
n
K mit
p(x) = a
n
(x
1
) . . . (x
n
).
7.15 Fundamentalsatz der Algebra
Jedes Polynom ber C, dessen Grad 1 ist, zerfllt ber C in Linearfaktoren.
7.16 Denition: Diagonalmatrix
Eine Matrix D K
nn
heit eine Diagonalmatrix, wenn es d
1
, d
2
, . . . , d
n
K gibt, mit
D :=
_
_
_
_
_
d
1
d
2
0
0
.
.
.
d
n
_
_
_
_
_
.
Eine Matrix A K
nn
heit diagonalisierbar, wenn es eine Diagonalmatrix D K
nn
gibt, mit
A D.
7.17 Satz: Diagonalisierung
Sei A K
nn
. Die folgenden Aussagen sind paarweise quivalent:
(1) A ist diagonalisierbar ber K,
(2) K
n
besitzt eine Basis aus lauter Eigenwerten von A,
(3) p
A
(x) zerfllt ber K in Linearfaktoren und fr alle Spek(A) gilt
algVf(, A) = geoVf(, A).
288
7.18 Denition: Jordan-Matrix
Bemerkung:
Sei A K
nn
mit [ Spek(A)[ = n. Dann ist A diagonalisierbar.
Ist Spek(A) =
1
, 2, . . . ,
n
, so gilt
A
_
_
_
_
_

2
0
0
.
.
.

n
_
_
_
_
_
.
Beispiel:
(1) Sei A :=
_
0 1
0 0
_
K
22
. Es gilt
p
A
(x) =

x 1
0 x

= x
2
,
also Spek(A) = 0. Es gilt
algVf(0, A) = 2.
Ferner gilt
Eig(A, 0) = L
__
0 1
0 0
_
, 0
_
= (, 0) [ K,
also
geoVf(0, A) = 1.
Das bedeutet, dass A nicht diagonalisierbar ist.
(2) Sei A :=
_
0 1
1 0
_
K
22
. Es gilt
p
A
(x) =

x 1
1 x

= x
2
+ 1.
1. Fall (K = R):
Oensichtlich ist Spek(A) = . Also ist A nicht diagonalisierbar ber R.
2. Fall (K = C):
Oensichtlich gilt Spek(A) = i, i. Also ist A diagonalisierbar ber C. Z.B. gilt
A
_
i 0
o i
_
.
7.18 Denition: Jordan-Matrix
Sei K. Sei k N. Dann heit die Matrix
J
,k
:=
_
_
_
_
1
1
0
0
.
.
.
1

_
_
_
_
K
kk
eine Jordan-Matrix.
289
7 Eigenwerttheorie, Quadratische Formen und Hauptachsentransformationen
Eine Matrix J K
nn
heit von Jordanscher Normalform, wenn es ein m N und
1
, . . . ,
m
K
und k
1
, . . . , k
m
N gibt, derart, dass J die folgende Gestalt hat:
A =
_
_
_
_
_
_
_
J
1,k1
J
2,k2
0
0
.
.
.
J
m,km
_
_
_
_
_
_
_
.
Man nennt die Jordan-Matritzen J
1,k1
, . . . , J
m,km
auch Jordan-Kstchen von J.
7.19 Satz: Jordanscher Normalformsatz
Sei A K
nn
. Zerfllt das charakteristische Polynom p
A
(x) ber K in Linearfaktoren, so gibt es ein
S (K
nn
derart, dass S
1
A S von Jordanscher Normalform ist.
Das bedeutet, es gibt eine Matrix J K
nn
von Jordanscher Normalform mit
A J.
7.20 Bemerkung: zum Jordanschen Normalformsatz
(1) Seien J
1
, J
2
K
n
Matritzen von Jordanscher Normalform. Dann gilt J
1
J
2
genau dann, wenn
J
1
und J
2
die gleichen Jordan-Kstchen haben. Die reihenfolge der Jordan-Kstchen spielt
dabei keine Rolle.
Beispiel:
Es gilt
_
_
_
_
_
3 0
2 1
0 2
0 3
_
_
_
_
_

_
_
_
_
_
2 1
0 2
0
3
0 3
_
_
_
_
_
.
(2) Fr r N sei
J :=
_
_
_
_
_
_
_
J
1,k1
J
2,k2
0
0
.
.
.
J
r,kr
_
_
_
_
_
_
_
K
nn
eine Matrix von Jordanscher Normalform. Dann gilt
(a) Spek(J) =
1
, . . . ,
r
. Die Elemente aus Spek(J) sind im Allgemeinen nicht paarweise
ungleich.
(b) Fr alle Spek(J) gilt
algVf(, J) =

i{1,...,r}
i=
k
i
(Anzahl der s in J) und
geoVf(, J) = [i 1, . . . , r [
i
= [
(Anzahl der zu gehrigen Jordan-Kstchen).
290
7.21 Denition: Form
Beispiel:
Sei
J :=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0
0 1
0 0
3 0
3
0
2 1
0 2
2 1 0
0 2 1
0 0 2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
R
1010
.
Es gilt dann Spek(J) = 0, 2, 3. Auerdem
algVf(0, J) = 1 + 2 = 3,
denn die 0 liegt 3 Mal auf der Hauptdiagonalen von J;
geoVf(0, J) = 2,
denn es gibt 2 Jordan-Kstchen mit der 0 auf ihrer Hauptdiagonalen. Auerdem gilt
algVf(2, J) = 5, geoVf(0, J) = 2
und
algVf(3, J) = 2, geoVf(3, J) = 2.
7.21 Denition: Form
Sei V ein K-Vektorraum. Eine Abbildung V V K heit eine Formauf V , wenn folgende Bedingungen
erfllt sind:
(1) x, y, z V : f(x +y, z) = f(x, z) +f(y, z),
(1

) x, y, z V : f(x, y +z = f(x, y) +f(x, z),


(2) Kx, y V : f(x, y) = f(x, y),
(2

) Kx, y V : f(x, y) = f(x, y),


(3) x, y V : f(x, y) = f(y, x).
Bemerkung:
Aus (3) folgt: x V : (x, x) R.
Ist f : V V K eine form auf V , so heit f positiv denit wenn
x V 0 : f(x, x) > 0
gilt, negativ denit, wenn
x V 0 : f(x, x) < 0
291
7 Eigenwerttheorie, Quadratische Formen und Hauptachsentransformationen
gilt und indenit, wenn
x, y V : f(x, x) < 0 f(y, y) > 0
gilt.
im Falle K = R werden Formen auch als symetrische Bilinearform und im Falle K = R als hermi-
tesche Sesquiinearform bezeichnet.
Bemerkung:
Die positiv deniten Formen auf V sind genau die Skalarprodukte auf V .
7.22 Denition: Quadratische Form
Sei V in K-Vektorraum. Sei f eine Form auf V . Dann heit die Abbildung
Q := Q
f
: V R, x f(x, x)
die zu f gehrige quadratische form auf V .
Beispiel:
Ist (V, [)) ein Skalarproduktraum, so ist die Abbildung
Q : V R, x [x[
2
= x[x)
die zu [) gehrige quadratische Form.
7.23 Denition: Hermitesche und symmetrische Matritzen
Sei A C
nn
. Gilt A

= A, so heit A hermitesch. Gilt A


T
= A, so heit A symetrisch.
Bemerkung:
Im Falle A R
nn
ist A hermitesch, genau dann, wenn A symetrisch ist.
7.24 Satz, Denition: Hermitesche Matritzen zugehrige Form
Sei A K
nn
eine hermitesche Matrix. Dann ist die Abbildung
f
A
: K
n
K
n
K, (u, v) (u) v
eine Form auf
n
. Man nennt f
A
die zu AAA gehrige Form.
Weiter nennt man A positiv denit, wenn f
A
positiv denit ist, negativ denit, wenn f
A
negativ
denit ist und indenit, wenn f
A
indenit ist.
Bemerkung:
Im Falle K = R gilt fr alle u := v := (x
1
, . . . , x
n
) aus K
n
f
A
(u, v) = f
A
(v, u) =
A
(v) u = u
A
(v) = (x
1
, . . . , x
n
) A
_
_
_
x
1
.
.
.
x
n
_
_
_.
292
7.25 Satz: Symetrische Matritzen
Also
Q
fA
(u) = (x
1
, . . . , x
n
) A
_
_
_
x
1
.
.
.
x
n
_
_
_
Beispiel:
Sei K = R, n = 2, A :=
_
2 2
2 2
_
. Dann gilt
Q
fA
((x
1
, x
2
)) = (x
1
, x
2
)
_
2 2
2 2
_

_
x
1
x
2
_
= 2x
2
1
4x
1
x
2
+ 5x
2
2
.
Fr die Analysis wird folgender satz gebraucht:
7.25 Satz: Symetrische Matritzen
sei A := (a
ij
) R
nn
. eine symetrische Matrix. Die folgenden Aussagen sind paarweise quivalent:
(1) A ist positiv denit ber R,
(2) Alle Eigenwerte von A ber R sind positiv,
(3) Fr alle k 1, . . . , n gilt
det
_
_
_
a
11
. . . a
1k
.
.
.
.
.
.
.
.
.
a
k1
. . . a
kk
_
_
_ > 0.
7.26 Satz: Symetrische 2 2 2 2 2 2-Matritzen
Seien a, b, d R. dann ist A :=
_
a b
b d
_
R
22
symetrisch und es gilt
(1) A positiv denit a > 0 ad b
2
> 0,
(2) A negativ denit a < 0 ad b
2
> 0,
(3) A indenit ad b
2
< 0.
7.27 Denition, Bemerkung: Strukturmatrix
Sei V ein n-dimensionaler K-Vektorraum. Sei f : V V K eine Form auf V . Sei B := (v
1
, . . . , v
n
)
eine Basis von V . Dann ist die Matrix
A
f,B
:=
_
_
_
f(v
1
, v
1
) . . . f(v
n
, v
1
)
.
.
.
.
.
.
.
.
.
f(v
1
, v
n
) . . . f8v
n
, v
n
)
_
_
_ K
nn
hermitesch; sie heit Strukturmatrix von f bezglich B.
293
7 Eigenwerttheorie, Quadratische Formen und Hauptachsentransformationen
7.28 Satz: Strukturmatrix zugehgige Form
sei V ein n-dimensionaler K-Vektorraum. sei f : V V K eine Form auf V . Sei B eine Basis von V .
Dann gilt fr alle u, v V
f(u, v) = f
A
f,B
(K
B
(u), K
B
(v)).
7.29 Hauptsatz
Man betrachte den Punktproduktraum (K
n
, ). Sei A K
nn
hermitesch. Dann gilt
(1) Alle Eigenwerte von A sind vektoriell,
(2) Je zwei Eigenvektoren von A, die zu verschiedenen Eigenvektoren gehren, sind zueinander ortho-
gonal,
(3) Es gibt eine Orthogonalbasis von (K
n
, ), die aus lauter Eigenvektoren von A besteht,
(4) Ist B := (v
1
, . . . , v
n
) eine Orthonormalbasis von K
n
, die aus lauter Eigenvektoren besteht und
sind
1
, . . . ,
n
R Eigenwerte von A mit
A
(v
1
) =
1
v
1
, . . . ,
A
(v
n
) =
n
v
n
, so gilt fr die
Strukturmatix der Form f
A
bezglich B
A
fA,B
=
_
_
_
_
_

2
0
0
.
.
.

n
_
_
_
_
_
.
7.30 Satz: Spektralsatz
Sei (V, [)) ein n-dimensionaler Skalarproduktraum. Sei f : V V V K eine Form auf V . Dann
existiert eine Orthonormalbasis B = (v
1
, . . . , v
n
) von V mit folgenden Eigenschaften:
(1) Die Strukturmatrix von f bezglich B ist eine reelle Diagonalmatrix sie hat also die Gestalt
A
fA,B
=
_
_
_
_
_

2
0
0
.
.
.

n
_
_
_
_
_
mit
1
, . . . ,
n
R.
(2) Fr alle x := x
1
v
1
+. . . +x
n
v
n
und alle y := y
1
v
1
+. . . +y
n
v
n
aus V mit x
1
, . . . , x
n
, y
1
, . . . , y
n
K
gilt
f(x, y) =
1
x
1
y
1
+. . . +
n
x
n
y
n
und
Q
f
(x) =
1
[x
1
[
2
+. . . +
n
[x
n
[
2
.
Bemerkung:
Die Geraden Kv
1
, . . . , Kv
n
heien Hauptachsen von f.
294
7.30 Satz: Spektralsatz
Beispiel:
Man betrachte den Punktproduktraum (R
2
, ) und die Form
f : R
2
R
2
R, ((x
1
, x
2
), (y
1
, y
2
)) 3x
1
y
1
+x
1
y
2
+ 3x
2
y
2
.
Sei / := (a
1
, a
2
) die Standardbasis von R
2
.
Die Strukturmatrix von f bezglich / ist die symetrische Matrix
A
f,A
=
_
f(a
1
, a
1
) f(a
2
, a
1
)
f(a
1
, a
2
) f(a
2
, a
2
)
_
=
_
3 1
1 3
_
.
Nach (7.28) gilt fr alle (x
1
, x
2
)(y
1
, y
2
) R
2
f((x
1
, x
2
), (y
1
, y
2
)) = f
A
f,A
((x
1
, x
2
), (y
1
, y
2
)) =
A
f,A
((x
1
, x
2
)) (y
1
, y
2
) = (x
1
, x
2
) A
f,A

_
y
1
y
2
_
.
A
f,A
hat das charakteristische Polynom
p
A
f,A
(x) =

3 x 1
1 3 x

= (3 x)
2
1 = x
2
6x + 8 = (x 2)(x 4).
Also gilt Spek(A
f,A
) = 2, 4. Fr die zugehrigen Eigenrume gilt
Eig(A
f,A
, 2) = L
__
1 1
1 1
_
, (0, 0)
_
= R(1, 1),
Eig(A
f,A
, 4) = L
__
1 1
1 1
_
, (0, 0)
_
= R(1, 1).
Setze w
1
:= (1, 1), w
2
:= (1, 1). Es gilt
|w
1
| =

w
1
w
2
=

2,
|w
2
| =

w
1
w
2
=

2.
Setze v
1
:=
1
w1
w
1
=
_

2
,
1

2
_
, v
2
:=
1
w2
w
2
=
_
1

2
,
1

2
_
.
Dann ist nach (7.29.2) B := (v
1
, v
2
) eine Orthonormalbasis von R
2
und es gilt nach (7.29.4)
A
f,B
=
_
2 0
0 4
_
.
Fr alle Vektoren x = (x
1
, x
2
) =
1
v
1
+
2
v
2
und y = (y
1
, y
2
) =
1
v
1
+
2
v
2
aus R
2
gilt dann
f(x, y) = 3x
1
x
1
+x
1
x
2
+ 3x
2
x
2
= 2
1

1
+ 4
2

2
,
Q
f
(x) = 3x
2
1
+ 2x
1
x
2
+ 3x
2
2
= 2
2
1
+ 4
2
2
.
Man betrachte den Kegelschnitt
E := x R
2
[ Q
f
(x) = 1 = (x
1
, x
2
) R
2
[ 3x
2
1
+ 2x
1
x
2
+ 2 + 3x
2
2
= 1
Es gilt
E =
1
v
1
+
2
v
2
[
1
,
2
R, Q
f
(
1
v
1
+
2
v
2
) = 1 =
1
v
1
+
2
v
2
[
1
,
2
R, 2
2
1
+ 4
2
2
= 1
295
7 Eigenwerttheorie, Quadratische Formen und Hauptachsentransformationen
296
Aufgabensammlung
Aufgabe 1
Anna ist viermal so alt wie Maria war, als Anna so alt war wie Maria jezt. Anna ist 32. Wie alt ist
Maria?
Aufgabe 2
Es seien A, B, C Mengen. Man zeige
(1) (A B) B = A B,
(2) A (A B) = A B,
(3) A (B C) = (A B) (A C),
(4) (A B) (A B) = (A B) (B A),
(5) A B ist quivalent zu jeder der folgenden drei Aussagen:
A B = A, A B = B, A B = .
Aufgabe 3
Seien A, B Mengen Man beweise, dass fr alle a A und b B gilt:
a, a, b Pot(Pot(A B)).
Aufgabe 4
Seien A, B, C Mengen. Man zeige:
Es gilt (A B) C = A (B C) genau dann, wenn C A gilt.
Aufgabe 5
(1) Man zeige: Fr alle nichtleeren Mengen A, B gilt AB = B A genau dann, wenn A = B gilt.
(2) Gilt fr alle Mengen A, B, A

, B

(A B) (A

) = (A A

) (B B

)?
Aufgabe 6
Seien a, b, c, d R mit c ,= 0 und d ,= 0. Man zeige
(1)
a
c
+
b
d
=
ad +bc
cd
,
(2)
a
c

b
d
=
ab
cd
,
(3)
_
c
d
_
1
=
d
c
.
297
Aufgabensammlung
Aufgabe 7
Man bestimme alle x R mit [9 x
2
[ 3 x.
Aufgabe 8
Seien a, b R. Man zeige
(1) maxa, b =
a + b +[a b[
2
,
(2) mina, b =
a +b [a b[
2
,
(3) [a[ +[b[ [a +b[ +[a b[.
Aufgabe 9
Sei a R mit 0 a. Man zeige:
Gilt a < fr alle R
>0
, so ist a = 0.
Aufgabe 10
Sei
M :=
_
1
1
2n

k
m
2

k, m, n N
_
.
Man zeige, dass M nach oben beschrnkt ist und bestimme sup M. Ist M auch nach unten beschrnkt?
Aufgabe 11
Es seien A, B nichtleere, beschrnkte Teilmengen von R. Man zeige:
(1) A B ist nichtleer und beschrnkt,
(2) sup(A B) = maxsupA, sup B,
(3) inf(A B) = mininf A, inf B.
Aufgabe 12
Sei M eine nichtleere Teilmengen von R und sei s R eine obere Schranke von M. Man zeige, dass
folgende Aussagen quivalent sind:
(1) s = sup M.
(2) Zu jedem R
>0
existiert ein x M mit s < x.
Aufgabe 13
Man zeige, dass jede nichtleere, nach unten beschrnkte Teilmenge von R ein Inmum besitzt.
Aufgabe 14
Man zeige: Fr alle n N gilt
1
3
+ 2
3
+ 3
3
+. . . +n
3
=
_
n(n + 1)
2
_
2
.
298
Aufgabe 15
Aufgabe 15
Man zeige: Fr alle n N gilt
n

k=1
1
k
2
2
1
n
.
Aufgabe 16
Sei n N. Seien a
1
, . . . , a
n
R
>0
. Man zeige:
_
n

k=1
a
k
_

_
n

k=1
1
a
k
_
n
2
.
Aufgabe 17
Man beweise duch vollstndige Induktion, dass fr alle n N gilt:
_
2
2
_
+
_
3
2
_
+
_
4
2
_
+. . . +
_
n + 1
2
_
=
_
n + 2
3
_
.
Aufgabe 18
Man beweise duch vollstndige Induktion, dass fr alle n N gilt:

1 +

2 +

3 +. . . +

n n

2 1.
Aufgabe 19
Man untersuche, ob die nachstehenden Folgen in R konvergieren und berechne gegebenenfalls den je-
weiligen Grenzwert:
(1)
_
n
2
n
2
+ 2n + 2
_
nN
,
(2)
_
n + 1

n
_
nN
,
(3)
_
_
n
2
+ 2n n
_
nN
,
(4)
_
2
n
+ (3)
n
(2)
n
+ 3
n
_
nN
.
Aufgabe 20
Sei (a
n
)
nN
eine Folge in R
0
und sei R
0
. Man zeige:
(a
n
)
nN
(

a
n
)
nN

.
Aufgabe 21
Man bestimme die Grenzwerte von
(1)
_
n

233 n
4
+n 2
2 +
n+1

6 3
n
+ 6n
4
_
nN
,
(2)
_
n

K=1
1

n
2
+k
_
nN
.
299
Aufgabensammlung
Aufgabe 22
Seien a, b R
0
. Man zeige:
lim
n
n

a
n
+b
n
= maxa, b.
Aufgabe 23
Welche Zahl ist grer:
(1) 1000
1000
oder 1001
999
?
(2) (1, 00001)
100001
oder 2?
Aufgabe 24
Es seien (a
n
)
nN
und (b
n
)
nN
konvergente Folgen in R. Sei := lim(a
n
)
nN
und := lim(b
n
)
nN
. Man
zeige:
(a
n
+b
n
)
nN
+.
Ist ,= 0, so existiert ein p N
0
mit b
p+n
,= 0 fr alle n N. Man zeige:
_
a
p+n
b
p+n
_
nN

.
Aufgabe 25
Man bestimme die Grenzwerte von
(1)
__
1 +
1
1000 +n
_
n
_
nN
,
(2)
__
1
1
n
2
_
n
_
.
Aufgabe 26
Es sei (a
n
)
nN
eine konvergente Folge in R. Man zeige:
Auch die Folge
_
1
n
n

k=1
a
k
_
nN
ist konvergent und die Grenzwerte beider Folgen sind gleich.
Aufgabe 27
Man zeige, dass die Folge
_
2n

k=n+1
1
k
_
nN
in R konvergent ist.
Aufgabe 28
Man zeige, dass die duch
a
1
:= 4 und a
n+1
:=

a
n
+ 3
fr alle n N gegebene Folge (a
n
)
nN
konvergent ist und berechne ihren Grenzwert.
300
Aufgabe 29
Aufgabe 29
Man zeige, dass die durch
x
1
:= 0, x
2
:= 1 und x
n+2
:=
x
n
+x
n+1
2
fr alle n N denierte Zahlenfolge (x
n
)
nN
konvergent ist.
Aufgabe 30
Man bestimme den Grenzwert der Folge
_
n

(2n)!
(n!)
2
_
nN
.
Aufgabe 31
(1) Man bestimme alle z C mit [z + 1[ > [z 1[.
(2) Man berechne Real- und Imaginrteil von
z :=
2 i
(1 +i)
2

(1 +i)
3
2 i
.
Aufgabe 32
(1) Man bestimme alle z
2
(1 + 2i)z +i = 1.
(2) Gilt die Gleichung

i = i

i?
Aufgabe 33
Man bestimme den Grenzwert der komplexen Zahlenfolge
_
n
2
(n + 1)
2
+ 1
+
_
n + 1
n
_
n+1
i
_
nN
.
Aufgabe 34
Man zeige, dass die folgenden Reihen konvergent sind und die angegebenen Grenzwerte haben:
(1)

k=0
(1)
k
2
k
=
2
3
,
(2)

k=1
3
4
k
= 1,
(3)

k=0
(3)
k
(2 + 5i)
k+1
=
1
10

1
10
i,
(4)

k=1
1
4k
2
1
=
1
2
.
301
Aufgabensammlung
Aufgabe 35
Fr welche x R konvergieren folgende Reihen:
(1)

k=0
_
1
2
+
_
[x[
_
k+3
,
(2)

k=0
3
k+5
(x + 2)
k
?
Aufgabe 36
Man untersuche die folgenden Reihen auf Konvergenz:
(1)

k=1
_
1
1
k

e
_
,
(2)

k=1
(1)
k+1

k
k + 1
,
(3)

k=1
k
10
10
k
,
(4)

k=1
_
1 +
1
k
_
1k
2
,
(5)

K=1
(k!)
2
(2k)!
,
(6)

k=1
(1)
k+1
(

k + 1

k).
Aufgabe 37
Es sei (a
k
)
kN
eine Folge in R. Man zeige, dass aus der absoluten Konvergenz der Reihe

k=1
a
k
die
Konvergenz der Reihe

k=1
_
[a
k
a
k+1
[ folgt.
Gilt auch die Umkehrung?
Aufgabe 38
Es seien (a
k
)
kN
und (b
k
)
kN
Folgen in R. Man zeige:
Sind die Reihen

k=1
a
2
k
und

k=1
b
2
k
beide konvergent, so sind die folgenden Reihen absolut konvergent:
(1)

k=1
a
k
b
k
,
(2)

k=1
a
k
k
.
302
Aufgabe 39
Aufgabe 39
Es sei (a
n
)
nN
eine Folge in R und (a
kn
)
nN
eine Teilfolge von (a
n
)
nN
.
(1) Man zeige: Ist

n=1
a
n
absolut konvergent, so ist auch

n=1
a
kn
absolut konvergent.
(2) Folgt stets aus der Konvergenz von

n=1
a
n
auch die Konvergenz von

n=1
a
kn
?
Aufgabe 40
Man zeige, dass die Reihe

k=0
(1)
k

k+1
konvergent ist, dass aber das Cauchy-Produkt dieser Reihe mit
sich selbst divergent ist.
Aufgabe 41
Die Folgen (a
k
)
kN0
und (b
k
)
kN0
seien deniert durch
a
0
:= 3, b
0
:= 2 und a
k
:= 3
k
, b
k
:= 2
k
fr alle k N. Man berechne das Cauchy-Produkt der Reihen

k=0
a
k
und

k=0
b
k
und zeige, dass es
absolut konvergent ist.
Aufgabe 42
Es sei (a
k
)
kN
eine Folge in R. Fr alle k N setze man
a
+
k
:= maxa
k
, 0 und a

k
:= mina
k
, 0.
Man zeige:
(1) Die Reihe

k=1
a
k
ist genau dann absolut konvergent, wenn die Reihen

k=1
a
+
k
und

k=1
a

k
beide
konvergieren.
(2) Ist

k=1
a
k
konvergent, aber nicht absolut konvergent, so sind

k=1
a
+
k
und

k=1
a

k
beide divergent.
Aufgabe 43
Man zeige, dass fr alle z C gilt:
Re
e
z
e
z
= cos(2 Imz).
Aufgabe 44
Es sei (a
k
)
kN0
eine Folge in C und die Reihe

k=0
a
k
sei absolut konvergent. Man zeige:
Die Reihen

k=0
a
2k
und

k=0
a
2k+1
sind konvergent und fr die Grenzwerte gilt die Gleichung

k=0
a
k
=

k=0
a
2k
+

k=0
a
2k+1
.
303
Aufgabensammlung
Aufgabe 45
Sei x R. Man zeige:
(1) sin(2x) = 2 sin(x) cos(x),
(2) cos(2x) = cos
2
(x) sin
2
(x),
(3) sin(3x) = 3 sin(x) 4 sin
3
(x),
(4) cos(3x) = 4 cos
3
(x) 3 cos(x),
(5) sin
2
_
x
2
_
=
1cos(x)
2
,
(6) cos
2
_
x
2
_
=
1+cos(x)
2
.
Aufgabe 46
Man betrache die Hyperbelfunktionen
sinh : R R, x
1
2
(e
x
e
x
), cosh : R R, x
1
2
(e
x
+ e
x
)
und zeige: Fr alle x, y R und alle m Z gelten die Regeln
(1) sinh(x +y) = sinh(x) cosh(y) + cosh(x) sinh(y),
(2) cosh(x +y) = cosh(x) cosh(y) + sinh(x) sinh(y),
(3) cosh
2
(x) sinh
2
(x) = 1,
(4) cosh(x) + sinh(x) = e
x
,
(5) sinh(2x) = 2 sinh(x) cosh(x),
(6) cosh(2x) = sinh
2
(x) + cosh
2
(x),
(7) (sinh(x) + cosh(x))
n
= sinh(nx) + cosh(nx).
Aufgabe 47
Sei G R
2
. Man zeige:
G ist genau dann eine Gerade, wenn es a, b, c R gibt mit (a, b) ,= (0, 0) und
G = (x, y) R
2
[ ax +by = c.
Aufgabe 48
Seien v
1
, v
2
, w
1
, w
2
R
3
und
1
,
2
,
1
,
2
R mit v
1
=
1
w
1
+
2
w
2
, v
2
=
1
w
1
+
2
w
2
und
1

1
,= 0. Man zeige:
Span(v
1
, v
2
) = Span(w
1
, w
2
).
Aufgabe 49
Sei n N. Seien v
1
, v
2
, v
3
, v
4
, v
5
R
n
. Man zeige:
Ist (v
1
, v
2
, v
3
, v
4
, v
5
) linear unabhngig, so ist auch (v
1
+ v
2
, v
2
+ v
3
, v
3
+ v
4
, v
4
+ v
5
, v
5
+ v
1
) linear
unabhngig.
304
Aufgabe 50
Aufgabe 50
Man betrachte im R
4
die folgenden Vektoren:
v
1
:= (0, 8, 0, 2), v
2
:= (2, 0, 3, 3), v
3
:= (0, 0, 0, 0),
v
4
:= (0, 4, 0, 1), v
5
:= (2, 4, 3, 2), v
6
:= (2, 4, 3, 4).
(1) Man zeige: Span(v
1
, v
2
, v
3
, v
4
) = Span(v
2
, v
6
).
(2) Man bestimme Rang(v
1
, v
2
, v
3
, v
4
, v
5
, v
6
).
Aufgabe 51
Man berechne die Rnge der Matrizen
(1) A :=
_
_
_
_
0 0 0 0 8
0 2 4 14 10
0 2 7 23 16
0 3 6 21 15
_
_
_
_
,
(2) A :=
_
_
_
_
_
_
3 2 1
2 3 7
19 9 32
0 13 23
10 11 11
_
_
_
_
_
_
.
Aufgabe 52
Fr welche t R ist im R
3
das Vektortripel
((1, 3, 4), (3, t, 11), (1, 4, 0))
linear abhngig?
Aufgabe 53
Sei n N
0
. Seien a
0
, a
1
, . . . , a
n
R mit a
n
,= 0. Man betrachte die reelle Polynomfunktion
f : R R, x a
0
+a
1
x
1
+. . . +a
n
x
n
und zeige:
(1) Es gibt in s R mit f(s) ,= 0.
(2) Ist n ungerade, so gibt es ein t R mit f(t) = 0.
Aufgabe 54
Man berechne die folgenden Grenzwerte:
(1) lim
x
xR>1
(2x + 3)(3x 1)
5x
2
2
,
(2) lim
x1
xR>0
x + 1
(

x + 1)x
,
(3) lim
x1
xR>1
x 1
(

x 1)x
,
(4) lim
x
xR>0
_
4x
2
2x + 3 2x.
305
Aufgabensammlung
Aufgabe 55
Man untersuche, ob die folgenden Grenzwerte existieren und berechne diese gegebenenfalls:
(1) lim
x3
x(1,3)
x
4
10x
2
+ 9
x
2
4x + 3
,
(2) lim
x1
x(0,2)\{1}
_
1
x + 3

2
3x + 5
_
1
x 1
.
Aufgabe 56
Man zeige: Die Hyperbelfunktionen
sinh : R R, x
1
2
(e
x
e
x
) und
cosh : [0, ) [1, ), x
1
2
(e
x
+e
x
)
sind stetige Bijektionen. Ihre Umkehrfunktionen sind die Funktionen Areasinus Hyperbolikus und
Areakosinus Hyperbolikus:
arsinh : R R, x ln(x +

x
2
+ 1) und
arcosh : [1, ) [0, ), x ln(x +

x
2
1).
Die Funktionen arsinh und arcosh heien auch Areafunktionen.
Aufgabe 57
Es sei f : [0, 3] [0, 9] eine stetige Funktion. Man zeige, dass es ein x
0
[0, 3] gibt, mit
f(x
0
) = 9 x
2
0
.
Aufgabe 58
Sei f : [1, 1] R eine stetige Funktion. Fr alle x [1, 1] sei x
2
+ (f(x))
2
= 1. Man zeige: Es gilt
x [1, 1] : f(x) =
_
1 x
2
oder x [1, 1] : f(x) =
_
1 x
2
.
Aufgabe 59
Man zeige, dass f : R (1, 1), x
x
1 +[x[
eine streng monoton steigende, stetige Bijektion ist und
dass auch die Umkehrfunktion f
1
: (1, 1) R stetig ist.
Aufgabe 60
Man untersuche, ob die Funktion
f : Q R, x
_
0 falls x <

2
1 falls x >

2
stetig ist.
306
Aufgabe 61
Aufgabe 61
Sei f : R R eine stetige Funktion mit der Eigenschaft
x, y R : f(x +y) = f(x) +f(y).
Man zeige: Es gibt ein a R mit
x R : f(x) = a x.
Aufgabe 62
Sei x R. Man zeige
(1) sin
_

2
_
= 1,
cos
_

2
_
= 0,
(2) sin
_
x +

2
_
= cos x,
cos
_
x +

2
_
= sinx,
(3) sin
_

2
x
_
= cos x,
cos
_

2
x
_
= sinx,
(4) sin(x +) = sinx,
cos(x +) = cos x,
(5) sin(x 2) = sin x,
cos(x 2) = cos x.
Aufgabe 63
Seien , R mit
2
+
2
= 1. Man zeige:
Es existiert genau ein x [0, 2) mit = cos x und = sin x.
Aufgabe 64
Man beweise, dass der R-Vektorraum /BB(N, R) unendlichdimensional ist.
Aufgabe 65
Man zeige, dass T := (x
1
, x
2
, x
3
, x
4
) R
4
[ x
1
+ 2x
2
x
3
= 0 ein Teilraum von R
4
ist und berechne
eine Basis von T.
Aufgabe 66
Man betrachte im Vektorraum R
5
die Vektoren
v
1
:= (2, 1, 0, 0, 1), v
2
:= (1, 2, 3, 1, 1),
v
4
:= (4, 2, 2, 1, 2), v
5
:= (0, 3, 4, 1, 3),
w
1
:= (5, 2, 1, 0, 3), w
2
:= (1, 1, 1, 0, 2).
Sei S := Span(v
1
, v
2
, v
3
, v
4
) und T := Span(w
1
, w
2
).
Man bestimme Basen fr die Teilrume S, T, S T und S +T.
307
Aufgabensammlung
Aufgabe 67
Man berechne die Ableitungen der folgenden Funktionen:
(1) f
1
: R R, x x
2
e
x
,
(2) f
2
: R R, x e
x
cos x,
(3) f
3
: R
>0
R, x
_
x
_
x

x,
(4) f
4
: R R, x ln

1 + cos
2
x,
(5) f
5
: R
>0
R, x x
x
,
(6) f
6
: R R, x arsinhx,
(7) f
7
: R
>1
R, x arcoshx.
Aufgabe 68
Es seien S, T 5-dimensionale Teilrume des R-Vektorraumes R
8
. Man zeige:
(1) Es gilt dim(S T) 2.
(2) Ist dim(S T) 4, so ist dim(S +T) 6.
Aufgabe 69
Eine Funktion f : R R heit eine reelle Polynomfunktion wenn es ein n N
0
und reelle Zahlen
a
0
, a
1
, . . . , a
n
R gibt mit f(x) = a
0
+ a
1
x
1
+ . . . + a
n
x
n
fr alle x R. Die Menge aller reellen
Polynomfunktionen werde mit TO/(R) bezeichnet.
(1) Man zeige, dass TO/(R) ein unendlichdimensionaler Teilraum des R-Vektorraumes /BB(R, R)
ist.
(2) Man gebe fr den Teilraum Span(x
2
, 1 +x
2
, x +x
2
, 1 +x +x
2
, x
5
+x
7
) eine Basis an.
Aufgabe 70
Fr alle Vektoren u := (x
1
, x
2
, x
3
) und v := (y
1
, y
2
, y
3
) aus R
3
deniert man das Kreuzprodukt
(Vektorprodukt) durch
u v := (x
2
y
3
x
3
y
2
, x
3
y
1
x
1
y
3
, x
1
y
2
x
2
y
1
).
Man zeige: Fr alle u, v, w R
3
und alle R gilt:
(1) u u = 0,
(2) u v = (v u),
(3) (u) v = (u v) = u (v),
(4) u (v +w) = (u v) + (u w),
(5) (u, v) linear abhngig u v = 0.
308
Aufgabe 71
Aufgabe 71
Sei M R. Seien f, g, h : M R Funktionen, die auf ganz M dierenzierbar sind. Fr alle x M
gelte g(x) ,= 0, h(x) ,= 0 und f(x) =
g(x)
h(x)
. Man zeige:
Fr alle x M gilt
f

(x)
f(x)
=
g

(x)
g(x)

h

(x)
h(x)
.
Aufgabe 72
Man untersuche, ob die folgenden linearen Gleichungssysteme ber R lsbar (oder eindeutig lsbar)
sind:
(1)
3x
1
+ 2x
2
x
3
= 5,
2x
1
3x
2
+ 7x
3
= 2,
19x
1
9x
2
+ 32x
3
= 25,
13x
2
+ 23x
3
= 4,
10x
1
+ 11x
2
11x
3
= 18.
(2)
x
1
+ 2x
2
5x
3
x
4
+ 7x
5
= 5,
2x
1
x
2
+ 4x
3
+ 3x
4
+ x
5
= 2,
7x
1
+ 4x
2
7x
3
+ 3x
4
+ 23x
5
= 2.
Aufgabe 73
Man lse das folgende lineare Gleichungssystem ber R:
x
1
+ 2x
2
+ 3x
3
+ 4x
4
= 1,
3x
1
+ 2x
2
+ 3x
3
+ 4x
4
= 1,
3x
1
+ 4x
2
+ 6x
3
+ 8x
4
= 1.
Fr welche R hat das lineare Gleichungssystem
x
1
+ x
2
x
3
= 1,
2x
1
+ 3x
2
+ x
3
= 5,
x
1
+ x
2
+ 3x
3
= 1 + 4
(1) keine, (2) genau eine und (3) unendlich viele Lsungen in R?
Aufgabe 74
Man bestimme alle Lsungen des folgenden linearen Gleichungssystems ber C:
ix + (1 +i)y = i,
x iy = 3,
(3 + 2i)x + (2 i)y = 9 + 2i.
Aufgabe 75
Es seine a, b, c, d, e, f K. Man zeige:
Das lineare Gleichungssystem
ax + by = e,
cx + dy = f
ist genau dann eindeutig lsbar ber K, wenn
:= ad bc ,= 0
ist. Ist dies der Fall, so lautet die (eindeutig bestimmte) Lsung:

1
(ed bf, af ec).
309
Aufgabensammlung
Aufgabe 76
Man zeige, dass fr alle x [0, 1] die folgenden Gleichungen gltig sind:
sin(x) + sin(

1 x
2
) =

2
,
cos(x) + cos(

1 x
2
) =

2
.
Aufgabe 77
Aus einem rechteckigen Stck Blech mit den Seitenngen a und b soll nach Herausschneiden von vier
gleich groen quadratischen Eckstcken ein Kasten (ohne Deckel) mit grtmglichem Volumen herge-
stellt werden. Welche Hhe wird der Kasten haben?
Aufgabe 78
Man berechne mit der Regel von de lHspital:
(1) lim
x0
xR\{0}
_
1
x
2

sin(x)
x
3
_
,
(2) lim
x0
xR\{0}
5x
3
x arctan(x)
,
(3) lim
x1
x(1,1)
arcsin(x) +x

1 x
2


2
x 1
,
(4) lim
x1
x(0,)\{1}
x
2
x
1 x ln(x)
.
Aufgabe 79
Man zeige, dass die Funktion
f : [1, 1] R, x arcsin(x) +x
_
1 x
2
auf ganz [1, 1] dierenzierbar ist und dass fr alle x [1, 1] gilt:
f

(x) = 2
_
1 x
2
.
Aufgabe 80
Man berechne mit Hilfe der Formel von Taylor exp
_
1
10
_
mit einem Fehler von hchstens 10
8
.
Aufgabe 81
Sei I := (1, 1). Man zeige, dass die Funktion f : I R, x
e
x
1x
in I. beliebig oft dierenzierbar ist
und berechne die Taylor-Reihe von f an der Stelle x
0
= 0 fr beliebiges x R.
310
Aufgabe 82
Aufgabe 82
Seien
v
1
:= (2, 0, 7, 8), v
2
:= (1, 3, 4, 2), v
3
:= (5, 2, 3, 0)
v
4
:= (9, 5, 11, 2), v

4
:= (9, 5, 11, 3), w
1
:= (6, 5, 5, 1, 1, 3)
w
2
:= (5, 6, 3, 0, 0, 8), w
3
:= (4, 3, 2, 1, 0, 3), w
4
:= (1, 6, 10, 3, 2, 21).
Gibt es eine lineare Abbildung
(1) von R
4
auf R
6
,
(2) von R
4
nach R
6
mit (v
i
) = w
1
fr alle i 1, 2, 3, 4,
(3) von R
4
nach R
6
mit (v
i
) = w
1
, (v
2
) = w
2
, (v
3
) = w
3
und (v

4
) = w
4
,
Aufgabe 83
Es sei eine lineare Abbildung von R
5
nach R
4
mit
(e
(5)
1
) = (13, 23, 4, 5), (e
(5)
2
) = (11, 1, 2, 1), (e
(5)
3
) = (35, 2, 5, 4),
(e
(5)
4
) = (21, 14, 7, 0), (e
(5)
5
) = (15, 9, 0, 3).
(1) Man gebe eine Basis von Kern() an.
(2) Welche Vektoren des R
5
werden durch auf den Vektor (9, 25, 8, 3) abgebildet?
Aufgabe 84
Sei n N. Sei V ein n-dimensionaler R-Vektorraum. Sei (v
1
, . . . , v
n
) eine Basis von V . Fr alle i, k
1, . . . , n mit i k seien Zahlen a
ik
R gegeben. Sei die lineare Abbildung von V nach V , fr die
die Gleichungen
(v
1
) = a
11
v
1
,
(v
2
) = a
12
v
1
+a
22
v
2
,
.
.
.
(v
n
) = a
1n
v
1
+a
2n
v
2
+. . . +a
nn
v
n
erfllt sind. Man zeige:
ist genau dann ein Automorphismus von V , wenn fr alle i 1, . . . , n gilt:
a
ii
,= 0.
Aufgabe 85
Seien
v
1
:= (2, 1, 1), v
2
:= (1, 0, 3), v
3
:= (1, 2, 1),
w
1
:= (1, 1), w
2
:= (1, 1).
(1) Man zeige:
(v
1
, v
2
, v
3
) ist eine Basis von R
3
und (w
1
, w
2
) ist eine Basis von R
2
.
(2) Sei : R
3
R
2
die lineare Abbildung, fr die
M() =
_
0 2 3
1 2 0
_
ist. Man berechne die Koordinatenmatrix von bezglich der Basen (v
1
, v
2
, v
3
) und (w
1
, w
2
). Man
bestimme ferner den Koordinatenvektor von ((4, 1, 3)) bezglich der Basis (w
1
, w
2
).
311
Aufgabensammlung
Aufgabe 86
Die Vektoren v
1
, v
2
, v
3
seien wie in Aufgabe 85 deniert. Seien ferner
w
1
:= v
1
+v
2
+v
3
, w
2
:= v
2
+v
3
, w
3
:= v
1
+v
3
.
Oensichtlich sind / := (v
1
, v
2
, v
3
) und B := (w
1
, w
2
, w
3
) Basen von R
3
.
Es sei : R
3
R
3
die lineare Abbildung, fr die
M
A
A
() =
_
_
0 2 3
1 2 0
0 0 0
_
_
ist.
(1) Man berechne die Koordinatenmatrix M
B
B
().
(2) Man berechne den Vektor v := (w
1
) und seine Koordinatenvektoren K
A
(v) und K
B
(v).
Aufgabe 87
Man zeige, dass die Matrix
A :=
_
_
1 4 0
i 2 i
0 1 0
_
_
C
33
invertierbar ist und berechne die zu A inverse Matrix A
1
.
Aufgabe 88
Seien a, b, c, d K. Man zeige:
Die Matrix
A :=
_
a b
c d
_
K
22
ist genau dann invertierbar, wenn := ad bc ,= 0 ist. Ist dies der Fall, so gilt fr die zu A inverse
Matrix:
A
1
=
1
_
d b
c a
_
.
Aufgabe 89
Seien a, b R mit 0 < a < b. Man untersuche die folgenden Funktionenfolgen (f
n
)
nN
auf punktweise
und gleichmige Konvergenz auf den jeweils angegebenen Mengen:
(1) f
n
(x) :=
n

x auf [0, 1],


(2) f
n
(x) :=
_
0 falls x n
x n falls x > n
auf [a, b] und auf R.
Aufgabe 90
Fr welche Zahlen x R konvergieren die folgenden Potenzreihen?
(1)

k=1
1
k
(x 2)
k
,
(2)

k=1
1

k
(x + 1)
k
,
312
Aufgabe 91
(3)

k=1
(1)
k1

x
2k1
2k 1
,
(4)

k=1
e
k+1
(x + 3)
k
.
Aufgabe 91
Sei f : (0, ) R deniert duch f(x) = x
2x
.
Man berechne die Ableitungen f

, f

und bestimme das 2. Taylor-Polynom von f an der Stelle x


0
= 1.
Aufgabe 92
Man bestimme die Taylor-Potenzreihe der Funktion f : R R, x e
5x8
an der Stelle x
0
= 2 und
berechne ihren Konvergenzradius.
Aufgabe 93
Man berechne den Konvergenzradius und das Konvergenzintervall fr die Potenzreihe

k=0
a
k
(x 2)
k
mit a
k
:= (1 + (1)
k
) 2
k1
+
1
2
(1 (1)
k
) 3
k
fr alle k N
0
.
Aufgabe 94
Man berechne die Ableitung der Summenfunktion der Potenzreihe

k=1
1
2k
(x 3)
k
in x
0
=
15
4
.
Aufgabe 95
Sei V die Menge aller reellen Polynomfunktionen f : R R, x a
0
+a
1
x
1
+a
2
x
2
+a
3
x
3
mit beliebigen
Elementen a
0
, a
1
a
2
, a
3
R.
(1) Man zeige, dass V ist ein Teilraum des R-Vektorraumes /BB(R, R) ist und dass / := (1, x, x
2
, x
3
),
B := (1, 1 +x, 1 +x +x
2
, 1 +x +x
2
+x
3
) Basen von V sind.
(2) Man zeige, dass das Ableiten : V V, p(x) p

(x) eine lineare Abbildung ist und berechne


die Transformationsmatrizen S
B
A
, S
A
B
und die Koordinatenmatrizen M
A
A
(), M
B
A
(), M
B
B
().
(3) Man berechne den Koordinatenvektor von (x + 8x
3
) bezglich der Basis B.
Aufgabe 96
Man berechne
2
_
0
x
3
dx mit Hilfe Riemannscher Summen.
Aufgabe 97
Man berechne den Flcheninhalt der Punktmenge
(x, y) R
2
[ 0 x 1 und x
3
y
3

x.
313
Aufgabensammlung
Aufgabe 98
Sei a R
>0
. Sei f : [a, a] R eine Riemann-integrierbare Funktion. Man zeige:
(1) Ist f ungerade, so gilt
a
_
a
f(x) dx = 0,
(2) Ist f gerade, so gilt
a
_
0
f(x) dx =
1
2
a
_
a
f(x) dx,
(3)
1
_
1
x e
x
2
dx = 0.
Aufgabe 99
Man berechne die folgenden Integrale:
(1)
2
_
1
4x
2
2

x
x
dx,
(2)

4
_
0
cos(2x) dx,
(3)
8
_
1
1
3

x
dx,
(4)
1
_
1
1
1 +x
2
dx,
(5)
e
_
1
ln(x)
x
dx,
(6)
1
_
1
_
1 x
2
dx.
Aufgabe 100
Man berechne die folgenden unbestimmten Integrale:
(1)
_

2x + 3 dx,
(2)
_
x
cos
2
(x)
dx,
(3)
_
x
2

1 5x
3
dx,
314
Aufgabe 101
(4)
_
1 + tan(x)
sin(2x)
dx,
(5)
_
x
2
sin(2x) dx,
(6)
_
x
3
arctan(x) dx,
(7)
_
x + 1
x(x
3
+ 1)
dx,
(8)
_
x
7
x
4
+ 2
dx.
Aufgabe 101
Man berechne die folgenden unbestimmten Integrale:
(1)
_
x + 1
x(x
3
1)
dx,
(2)
_
x
4
x
3
x 1
x
3
x
2
dx,
(3)
_
x
5
x
4
+ 4x
3
4x
2
+ 8x 4
(x
2
+ 2)3
dx,
(4)
_
x
3
+x
2
+x + 2
x
4
+ 3x
2
+ 2
dx.
Aufgabe 102
Man berechne die folgenden uneigentlichen Integrale:
(1)

2
_
0
cos(x)
_
1 sin(x)
dx,
(2)

1
e
x
+e
x
dx,
(3)

_
1
ln(x)
x
dx,
(4)

_
0
e
x
sin(x) dx,
(5)

_
2
1
x(ln
2
(x))
dx,
(6)

_
1
ln(x)
x
2
dx.
315
Aufgabensammlung
Aufgabe 103
Man beweise die folgende Regel von Sarrus:
Fr alle a
1
, a
2
, a
3
, b
1
, b
2
, b
3
, c
1
, c
2
, c
3
K gilt

a
1
a
2
a
3
b
1
b
2
b
3
c
1
c
2
c
3

= a
1
b
2
c
3
+a
2
b
3
c
1
+a
3
b
1
c
2
a
1
b
3
c
2
a
2
b
1
c
3
a
3
b
2
c
1
.
Aufgabe 104
Man berechne die Determinante der komplexen Matrix
A :=
_
_
0 i 2
2 +i i 0
i 1 1
_
_
(1) durch Umformungen in eine untere Dreiecksmatrix,
(2) mit Hilfe des Laplaceschen Entwicklungssatzes,
(3) mit Hilfe der Regel von Sarrus.
Aufgabe 105
Man lse mit Hilfe der Cramerschen Regel folgendes Gleichungssystem ber R:
2y + 2x = z + 1,
3x + 2z = 8 5y,
3z 1 = x 2y.
Aufgabe 106
Es seien A
1
, A
2
quadratische (reelle) Matrizen und es sei A eine (reelle) Matrix von der Gestalt
A =
_
A
1
0
A
2
_
.
Man zeige:
det(A) = det(A
1
) det(A
2
).
Aufgabe 107
Sei a R Z. Man zeige:
Fr alle x [, ] gilt
cos(ax) =
sin(a)


_
1
a
+

k=1
(1)
k
2a
a
2
k
2
cos(kx)
_
.
Aufgabe 108
Man stelle fr das Intervall (0, ) die Kosinusfunktion durch eine reine Sinus-Fourier-Reihe dar.
316
Aufgabe 109
Aufgabe 109
Sei c([1, 1]) die Menge aller stetigen Funktionen von [1, 1] nach R. Oensichtlich ist c([1, 1]) ein
Teilraum des R-Vektorraumes /BB([1, 1], R). Fr alle f, g c([1, 1]) sei
f[g) :=
1
_
1
f(x) g(x) dx .
Man zeige:
(1) [) ist ein Skalarprodukt auf c([1, 1]).
(2) Die Funktionen 1, x, x
2
, x
3
aus c([1, 1]) sind linear unabhngig im R-Vektorraum c([1, 1]).
(3) Man berechne mit Hilfe des Schmidtschen Orthonormalisierungsverfahrens ausgehend von dem
Tupel (1, x, x
2
, x
2
) ein Orthonormalsystem (f
0
, f
1
, f
2
, f
3
) in c([1, 1]) mit Span(1, x, x
2
, x
3
) =
Span(f
0
, f
1
, f
2
, f
3
).
Aufgabe 110
Sei (V, [)) ein Euklidischer Vektorraum. Fr alle u, v V 0 heit
(u, v) := arccos
u[v)
|u| |v|
[0, ]
der Winkel zwischen u und v. Man zeige:
(1) u, v V : |u +v|
2
= 2 |u|
2
+ 2 |v|
2
,
(2) u, v V : u[v) =
1
4
_
|u +v|
2
|u v|
2
_
,
(3) u, v V 0 : |u v|
2
= |u|
2
+|v|
2
2 |u| |v| cos
_
(u, v)
_
.
Aufgabe 111
Man beweise fr den Euklidischen Vektorraum (R
3
, ) die folgenden Aussagen:
(1) u, v R
3
: (u v) Span(u, v),
(2) u, v R
3
0 : |u v| = |u| |v| sin
_
(u, v)
_
,
(3) u, v, w R
3
: (u v) w = (u w)v (v w)u.
Aufgabe 112
Es sei (V, [)) ein unitrer Vektorraum. Man zeige :
Fr alle u, v V gilt
u[v) =
1
4
_
|u +v|
2
|u v|
2
+i|u +v|
2
i|u v|
2
_
.
Aufgabe 113
Man betrachte in dem unitren Vektorraum (C
3
, ) den von den Vektoren w
1
:= (1, i, 0) und w
2
:=
(1, 2, 1 i) aufgespannten Teilraum W := Span(w
1
, w
2
) und berechne die beste Approximation des
Vektors v := (i, 0, 0) in W.
317
Aufgabensammlung
Aufgabe 114
Man untersuche die folgenden Teilmengen von R
2
auf Abgeschlossenheit, Oenheit und Kompaktheit:
A := (x, y) R
2
[ x
2
+ 2y
2
> 1,
B := (x, y) R
2
[ x
2
+ 2y
2
= 1,
C := (x, y) R
2
[ x
2
+ 2y
2
1,
D := (x, y) R
2
[ sin(x) < y.
Aufgabe 115
Man betrache die Abbildung
f : R
2
R, (x, y)
_
xy
2
x
2
+y
4
falls x ,= 0,
0 falls x = 0
und zeige
(1) f ist nicht stetig in (0, 0).
(2) Fr jeden Vektor v R
2
mit |v| = 1 existiert die Richtungsableitung von f an der Stelle (0, 0)
in Richtung v.
Aufgabe 116
Seien m, n N. Sei f : R
n
R
m
eine stetige Abbildung. Seien A eine abgeschlossene und B eine oene
Teilmenge von R
m
. Man zeige:
(1) f
1
(A) ist abgeschlossen,
(2) f
1
(B) ist oen,
(3) (x
1
, . . . , x
n
, y
1
, . . . , y
n
) R
m+n
[ f(x
1
, . . . , x
n
) = (y
1
, . . . , y
m
) ist abgeschlossen.
Aufgabe 117
Sei f : R
3
R deniert durch
f(x, y, z) = x
2
+
2
3
y
3
.
Man berechne die Richtungsableitung von f an der Stelle v
0
:= (5, 2, 8) in Richtung v :=
1
5
(3, 0, 4).
Aufgabe 121
Sei n N. Man zeige: Fr alle A O(n) gilt Spek
R
(A) 1, 1.
Aufgabe 122
Seien a, b, d R. Man zeige, dass fr die symmetrische Matrix A :=
_
a b
b d
_
R
22
die folgenden
Aussagen quivalent sind:
(1) A ist positiv denit ber R,
(2) Alle Eigenwere von A sind positiv,
(3) a > 0 und ad b
2
> 0.
318
Aufgabe 123
Aufgabe 123
Man betrachte den Euklidischen Vektorraum (R
2
, ) und die Form
f : R
2
R
2
R, ((x
1
, x
2
), (y
1
, y
2
)) x
1
y
1
5x
1
y
2
5x
2
y
1
+x
2
y
2
.
Man berechne eine Orthogonalbasis (v
1
, v
2
) von (R
2
, ) mit der Eigenschaft, dass die Strukturmatrix
von f bezglich (v
1
, v
2
) eine Diagonalmatrix ist.
Von welchem Typ ist der Kegelschnitt v R
2
[ f(v, v) = 1.
319
Aufgabensammlung
320
Literaturhinweise
Hhere Mathematik fr Ingenieure, Band 1: Analysis
Burg, Haf, Wille;
6. Auage, Februar 2003;
616 Seiten;
Treubner-Verlag;
ISBN: 3519529556;
37,90 e.
Hhere Mathematik, Band 1:
Dierential- und Integralrechnung, Vektor- und Matrizenrechnung
Meyberg, Vachenauer;
6. Auage, September 2001;
530 Seiten;
Springer-Verlag;
ISBN: 3540418504;
34,95 e.
Repetitorium der hheren Mathematik
Merziger, Wirth;
1. Auage, 1991;
576 Seiten;
Binomi-Verlag;
ISBN: 3923923333;
18,80 e.
Lehrbuch der Analysis, Teil 1
Heuser;
15. Auage, Februar 2003;
643 Seiten;
Treubner-Verlag;
ISBN: 3519622335;
29,90 e.
321
Literaturhinweise
322
Index
Abbildung, 23
Determinanten-, 267
Grenzwertregeln, 118
Koordinaten-, 257
lineare, 249
Dimensionsformel, 252
Umkehr-, 129
abgeschlossen, 198
abgeschlossene Hlle, 198
abgeschlossene Kugel, 199
abgeschlossener Quader, 199
abgeschlossenes Intervall, 198
Ableitung, 147
mehrfache, 161
partielle, 207
hhere, 208
Richtungs-, 207
totale, 211
Zwischenwertsatz, 158
Ableitungsregel, 152
Abschluss, 198
absolute Konvergenz, 94
Abstand, 197
Achsen
Haupt-, 294
Addition, 26, 29, 79, 231, 260
inverses Element der, 29, 79, 217
Matrix-, 254
Monotonie der, 33
neutrales Element der, 29, 79, 217
Vektor-, 215
adjugierte Matrix, 281
hnlich Matrix, 286
algebraische Vielfachheit, 288
allgemeine Potenz, 138
Allquantor, 47
Anordnungsaxiome, 33
Anordnungseigenschaft, 33, 87
antilinear, 275
Antinomie, Russellsche, 26
Approximation, beste, 280
Aproximationssatz, 280
quivalenz, 47
ESU-, 226
EZU-, 226
Archimedes, Satz von, 43
Arcuskosinus, 155
Arcussinus, 155
Arcustangens, 156
Areafunktion, 306
Areakosinus Hyperbolikus, 306
Areasinus Hyperbolikus, 306
arithmetisches Mittel, 70
Assoziativgesetz, 29, 217
asymptotisch gleich, 189
Aufspann, 219, 232
Aussage, 47
Aussageform, 47
Aussonderungsprinzip, 19
Automorphismus, 252
babylonisches Wurzelziehen, 72
Basis, 234
Orthogonal-, 279
Orthonormal-, 279
Standard-, 234
Transformations-, 265
Basisauswahl, 236
Basisergnzung, 237, 239
Berhrungspunkt, 116, 198
Bereich
Bild-, 24, 250
Denitions-, 24
Werte-, 24
Bernoullische Ungleichung, 51
beschrnkt, 39, 62, 200
nach oben, 39, 62
nach unten, 39, 62
besondere Zerlegung, 175
besondere Zerlegungs-Nullfolge, 175
Besselsche Ungleichung, 278
beste Approximation, 280
Betrag, 35, 81
Rechenregeln, 36
Betragsfunktion, 35
Beweis
direkter, 48
durch Kontraposition, 48
Induktions-, 49
Widerspruchs-, 48
Bijektion, 101
Bijektionskriterium, 130
bijektiv, 101
323
Index
Bild, 24, 250
Bildbereich, 24, 250
Bildmenge, 24
Bilinearform
symetrische, 292
Binomialkoezienten, 51
Binomische Formel, 53
dritte, 54
Bolzano-Weierstrass, Satz von, 70, 200
Cauchy
Konvergenzkriterium von, 74, 198
fr reelle Reihen, 91
Restglieddarstellung von, 162
Wurzelkriterium von, 97
Cauchy-Folge, 73, 198
Cauchy-Hadamard, Satz von, 171
Cauchy-Produkt, 99
Cauchy-Schwarzsche Ungleichung, 276
charakteristische Funktion, 25
charakteristisches Polynom, 287
Cramersche Regel, 272
dAlembert, Quotientenkriterium von, 97
denit
negativ, 291
positiv, 275
positv, 291
denit, negativ, 292
denit, positiv, 292
Denitionsbereich, 24
de lHspital, Regel von, 160
Determinante, 267
Determinantenabbildung, 267
Determinantenform, 267
Determinantenmultiplikation, 271
diagonalisierbare Matrix, 288
Diagonalmatrix, 288
Dierenzeirbarkeit
totale, 210
dierenzierbar, 147
beliebig oft, 161
mehrfach, 161
partiell, 207
mehrfach, 209
stetig, 147
mehrfach, 161
Dierenzmenge, 20
symmetrische, 20
Dimension, 237
Dimensionsformel, 239
fr lineare Abbildungen, 252
direkter Beweis, 48
disjunkt, 20
Disjunktion, 47
Distributivgesetz, 29, 217
divergent, 61
Divergenz, 61
Division, 30
Polynom-, 185
Drehung, 259, 284
Dreieck, Pascalsches, 52
Dreiecksmatrix
obere, 270
untere, 270
Dreiecksungleichung, 36, 81
der Integration, 179
der Norm, 276
fr Reihen, 95
nach unten, 36
dritte binomische Formel, 54
Durchschnitt, 20
echte Teilmenge, 18
Eigenraum, 285
Eigenvektor, 285
Eigenwert, 285
Einheitsmatrix, 262
Einheitsvektor, 219
Einheitswurzel, 146
Eins, 29
Einschrnkung, 177
Element, 17
grtes, 38
inverses, 29, 79, 217
kleinstes, 38
neutrales, 29, 79, 217
elementare Umformungen, 223, 232
Spalten-, 226
Zeilen-, 226
Elementbeziehung, 17
endlich, 21
endlich erzeugbar, 234
endlichdimensional, 234
entwickelbar in in Taylor-Reihe, 164
Entwicklungssatz, Laplacescher, 269
Epsilonrelation, 17
erweiterte Matrix, 243
Erzeugendensystem, 234
Erzeugnis, 219, 232
ESU-quivalenz, 226
Eudoxos, Satz von, 43
Euklidische Lnge, 277
Euklidische Norm, 277
Euklidischer Vektorraum, 275
Euler-Schwarz, Satz von, 209
Eulersche Form, 109
Eulersche -Funktion, 188
Eulersche Zahl, 68
Existenzquantor, 47
324
Index
Exponentialfunktion
komplexe, 103
reelle, 107
Extensionalittsprinzip, 18
Extremalsatz, 126, 203
Extremum, 157
globales, 157
lokales, 157
EZU-quivalenz, 226
Fakultt, 51
fallend
monoton, 67, 133, 159
streng, 67, 133, 159
Feinheit, 175
Feinheitsfolge, 175
Fibonacci-Folge, 71
Fibonacci-Zahlen, 71
Folge, 59
Betrags-, 64
Cauchy-, 73, 198
Einschnrung von, 64
Feinheits-, 175
Fibonacci-, 71
Funktionen-, 167
Grenzwertregeln, 65
harmonische, 59
Koezienten-, 171
konstante, 59
Null-, 60
Zerlegungs-, 175
rekursive Denition, 71
Riemann, 175
Teil-, 67
Vergleich von, 63
Form, 291
quadratische, 292
Fortsetzung, 177
Fourier-Koezienten, 192
Fourier-Polynom, 192
Fourier-Reihe, 192
Funktion, 24
Ableitungs-, 147
mehrfache, 161
Area-, 306
Betrags-, 35
charakteristische, 25
Determinanten, 267
Exponential-
komplexe, 103
reelle, 107
Gamma-, 188
gerade, 194
Grenzwertregeln, 118
Hyperbel-, 112
Identitts-, 25
Indikator-, 25
Koordinaten-, 202, 257
lineare, 249
Dimensionsformel, 252
Logarithmus-, 136
Partialsummen-, 168
Polynom-, 115
rationale, 116
Restglied-, 161
Signum-, 35
Stamm-, 179
Summen-, 172
Umkehr-, 129
ungerade, 194
Vorzeichen-, 35
Wurzel-, 55, 116
Funktionalmatrix, 210
Funktionenfolge, 167
Funktionengrenzwert, 116, 201
Funktionenraum, 231, 232
Funktionenreihe, 168
Funktionsgraph, 24
Funktionswert, 24
Gammafunktion, 188
ganze Zahlen, 17
Gausssche Zahlenebene, 83
geometrische Reihe, 89
geometrische Summenformel, 54
geometrische Vielfachheit, 288
geometrisches Mittel, 70
geordnetes Paar, 21
Gerade, 218
Ursprungs-, 218
gerade Funktion, 194
Gleichheitsprinzip, 18
gleichmige Konvergenz, 167
gleichmige Stetigkeit, 123, 203
Gleichung, Parsevalsche, 279
globale Stetigkeit, 121
globales Extremum, 157
globales Maximum, 157
globales Minimum, 157
grte untere Schranke, 40
grtes Element, 38
Grad, 115
Gradient, 209
Graph, 24
Grenzwert, 59, 85, 116, 201
/-Kriterium, 119
Funktionen-, 116, 201
komplexer, 85
uneigentlicher, 76, 118
Grenzwertregeln
325
Index
fr Folgen, 65
fr Funktionen, 118
fr Funktionenfolgen, 168
fr Grenzwerte
komplexe, 85
uneigentliche, 77
fr Reihen, 93
Grundintegral, 181
harmonische Folge, 59
harmonische Reihe, 75, 88
Hufungspunkt, 147
Hufungswert, 170
Hauptachsen, 294
Heine-Borel, Satz von, 201
hermitesch, 275, 292
hermitesche Matrix, 292
hermitesche Sesquilinearform, 292
Hintereinanderausfhrung, 129
hhere partielle Ableitung, 208
homogen, 241
positiv, 276
Hlle, abgeschlossene, 198
Hyperbel, 124
Hyperbelfunktion, 112
Hyperbolikus
Kosinus, 112
Area-, 306
Sinus, 112
Area-, 306
Identitt, 25
Identittsmatrix, 262
imaginre Einheit, 80
Imaginrteil, 80
Implikation, 47
indenit, 292
Indikatorfunktion, 25
Induktion, vollstndige, 49
Induktionsbeweis, 49
Inferior, Limes, 170
Inmum, 40
-Kriterium, 43
inhomogen, 241
Injektion, 101
injektiv, 101
Inklusion, 18
innerer Punkt, 204
Inneres, 204
Integral
Grund-, 181
Riemann, 176
unbestimmtes, 180
Integration
Mittelwertsatz der, 179
partielle, 182
Intervall, 115
abgeschlossenes, 198
Konvergenz-, 171
leeres, 115
oenes, 199
inverse Matrix, 263
inverses Element, 29, 79, 217
invertierbare Matrix, 262
irrationale Zahlen, 45
Isometrie, 283
Isomophismus, 252
isomorph, 252
Jacobi-Matrix, 210
Jordan-Kstchen, 290
Jordan-Matrix, 289
Jordansche Normalform, 290
Kstchen, Jordan-, 290
Kantenlnge, 200
kartesisches Produkt, 22, 23
Kstchensatz, 273
Kern, 250
Kettenregel, 153
kleiner-Relation, 26, 32
kleinste obere Schranke, 40
kleinstes Element, 38
Koezienten, Fourier-, 192
Koezientenfolge, 171
Koezientenmatrix, 241
Kommutativgesetz, 29, 217
kompakt, 201
Komplement, 20
orthogonales, 277
komplexe Einheitswurzel, 146
komplexe Exponentialfunktion, 103
komplexe Matrix, 225
komplexe Wurzel, 83, 84
komplexe Zahlen, 17, 79
konjugiert, 81
Polardarstellung, 145
Rechenregeln, 81
komplexer Vektorraum, 231
komponentenweise Konvergenz, 198
Kompositum, 129
Komprehensionsprinzip, 19
konjugierte Matrix, 281
Konjunktion, 47
konstant, 67, 133, 159
konstante Folge, 59
Kontraposition, 48
Kontrapositionsbeweis, 48
konvergent, 59, 61, 197
Konvergenz, 61, 197
326
Index
absolute, 94
gleichmige, 167
komponentenweise, 198
punktweise, 167
uneigentliche, 76
Konvergenzintervall, 171
Konvergenzkriterium
von Cauchy, 74, 198
fr reelle Reihen, 91
von Leibniz, 92
Konvergenzradius, 171
konvex, 115
Koordinatenabbildung, 257
Koordinatenfunktion, 202
Koordinatenmatrix, 258
Koordinatentransformation, 266
Koordinatenvektor, 257
Krperaxiome, 29, 79
Krpereigenschaft, 29, 79
Kosinus, 109
Arcus-, 155
Kosinus Hyperbolicus, 112
Area-, 306
Kosinusreihe, 194
Kotangens, 123
Kreiszahl, 141
Kreuzprodukt, 308
kritischer Punkt, 158
Kugel, 199
abgeschlossene, 199
oene, 199
Kuratowski, Satz von, 27
Lnge, 277
Euklidische, 277
Lagrange, Restglieddarstellung von, 161
Laplacescher Entwicklungssatz, 269
leere Menge, 19
leeres Intervall, 115
Leibniz, Konvergenzkriterium von, 92
Limes, 59, 85
Limes Inferior, 170
Limes Superior, 170
linear, 249, 275
anti-, 275
semi, 275
sesqui-, 275
lineare Abbildung, 249
Dimensionsformel, 252
lineare Abhngigkeit, 220, 222, 224, 232
lineare Unabhngigkeit, 220, 222, 232
lineares Gleichungssystem, 241
Hauptsatz, 243, 245
Linearfaktoren, Zerfall in, 288
Linearkombination, 218, 232
Logarithmusfunktion, 136
Logarithmusreihe, 165
lokale Stetigkeit, 121
lokales Extremum, 157
lokales Maximum, 157
lokales Minimum, 157
Lsung, 241
Ludolphsche Zahl, 141
Mchtigkeit, 21
Majorante, 96
Matrix, 225
adjugierte, 281
Rechenregeln, 281
hnlich, 286
Diagonal-, 288
diagonalisierbare, 288
Dreiecks-
obere, 270
untere, 270
Einheits-, 262
erweiterte, 243
Funktional-, 210
hermitesche, 292
Identitts-, 262
inverse, 263
invertierbare, 262
Jacobi-, 210
Jordan-, 289
Koezienten-, 241
komplexe, 225
konjugierte, 281
Rechenregeln, 281
Koordinaten-, 258
Null-, 226
orthogonale, 282
spezielle, 283
Rechenregeln, 256
reelle, 225
regulre, 262
singulre, 262
Streichungs-, 269
Struktur-, 293
symetrische, 292
transponierte, 256
Rechenregeln, 256
unitre, 282
Zeilenstufen-, 227
Matrixaddition, 254
Matrixmultiplikation, 255
Matrixprodukt, 255
Maximum, 38, 157
globales, 157
lokales, 157
mehrfach dierenzierbar, 161
327
Index
mehrfach stetig dierenzierbar, 161
mehrfache Nullstelle, 287
Menge, 17
Bild-, 24
Dierenz-, 20
symmetrische, 20
leere, 19
Potenz-, 21
Russell-, 26
Schnitt-, 20
Teil-, 18
echte, 18
Urbild-, 24
Vereinigungs-, 19
Minimum, 38, 157
globales, 157
lokales, 157
Mittel
arithmetisches, 70
geometrisches, 70
Mittelpunkt, 199
Mittelwertsatz, 159
der Integration, 179
verallgemeinerter, 159
monoton, 67, 133
streng, 67, 133
stckweise, 193
monoton fallend, 67, 133, 159
streng, 67, 133, 159
monoton steigend, 67, 133, 159
streng, 67, 133, 159
Monotonie, 67, 133
der Addition, 33
der Integration, 179
der Multiplikation, 33
der Wurzelfunktion, 56
Monotoniekriterium, 90
Multiplikation, 26, 29, 79, 231, 232, 260
Determinanten-, 271
inverses Element der, 29, 79
Matrix-, 255
Monotonie der, 33
neutrales Element der, 29, 79, 217
Skalar-, 215, 254
Nabla, 209
natrliche Zahlen, 17
Negation, 47
negativ, 33
negativ denit, 291, 292
neutrales Element, 29, 79, 217
Norm, 276, 277
Euklidische, 277
Normalform, Jordansche, 290
normierter Raum, 276
Null, 29
Nullfolge, 60
Zerlegungs-, 175
Nullmatrix, 226
Nullpolynom, 115
Nullpunkt, 215
Nullstelle
mehrfache, 287
Nullvektor, 215
obere Dreiecksmatrix, 270
obere Schranke, 39
kleinste, 40
oen, 199
oene Kugel, 199
oener Quader, 199
oenes Intervall, 199
Ordnung, 208
orthogonal, 277
Orthogonalbasis, 279
orthogonale Matrix, 282
spezielle, 283
orthogonales Komplement, 277
Orthogonalittsrelation, 191
Orthogonalsystem, 277
Orthonormalbasis, 279
Orthonormalisierungsverf., Schmidtsches, 279
Orthonormalsystem, 277
Paar, geordnetes, 21
Parsevalsche Gleichung, 279
Partialbruchzerlegung, 185
Partialsumme, 87
Partialsummenfunktion, 168
partielle Ableitung, 207
hhere, 208
partielle Integration, 182
Pascalsches Dreieck, 52
Periode, 194
Permutation, 101
Polardarstellung komplexer Zahlen, 145
Polynom, 115
charakteristisches, 287
Fourier-, 192
Null-, 115
Produktdarstellung, 184
Taylor-, 161
trigonometrisches, 191
Polynomdivision, 185
Polynomfunktion, 115
positiv, 33
positiv denit, 275, 291, 292
positiv homogen, 276
Potenz, 50
allgemeine, 138
328
Index
komplexe von e, 108
Rechenregeln, 50, 138
Potenzmenge, 21
Potenzreihe, 171
Taylor-, 171
Produkt
Cauchy-, 99
kartesisches, 22, 23
Kreuz-, 308
Matrix-, 255
Punkt-, 275
Skalar-, 275
Standard-, 275
Vektor-, 308
Produktdarstellung, 184
Produktregel, 151
Produktzeichen, 53
Punkt, 215
Berhrungs-, 116, 198
Hufungs-, 147
innerer, 204
kritischer, 158
Mittel-, 199
Null-, 215
Punktprodukt, 275
Punktproduktraum, 275
punktweise Konvergenz, 167
Pythagoras, Satz von, 278
Quader
abgeschlossener, 199
oener, 199
quadratische Form, 292
Quantor
All-, 47
Existenz-, 47
Quotientenkriterium, 97
Quotientenregel, 151
Radius, 199
Rand, 206
Rang, 223, 227, 232
Spalten-, 227
Zeilen-, 227
rationale Funktion, 116
rationale Zahlen, 17
Raum
Eigen-, 285
Funktionen-, 231, 232
normierter, 276
Punktprodukt-, 275
Senkrecht-, 277
Skalarprodukt-, 275
Spalten-, 240
Teil-, 232
trivialer, 232
Vektor-, 217, 231
Euklidischer, 275
komplexer, 231
reeller, 231
unitrer, 275
Zeilen-, 240
Realteil, 80
Rechenregeln
fr Betrge, 36
fr komplexe Zahlen, 81
fr Matrizen, 256
adjugierte, 281
konjugierte, 281
transponierte, 256
fr Potenzen, 50, 138
fr Wurzeln, 56
reelle Exponentialfunktion, 107
reelle Matrix, 225
reelle Zahlen, 17, 29
erweiterte, 76
reeller Vektorraum, 231
Regel von de lHspital, 160
Regel von Sarrus, 268, 316
Regel, Cramersche, 272
regulre Matrix, 262
Reihe, 87
Fourier-, 192
Funktionen-, 168
geometrische, 89
Grenzwertregeln, 93
harmonische, 75, 88
Kosinus-, 194
Logarithmus-, 165
Potenz-, 171
Taylor-, 171
Sinus-, 194
Taylor-, 164, 171
entwickelbar in, 164
trigonometrische, 191
unendliche, 87
Rekursionsformel, 52
Relation, 26
Epsilon-, 17
kleiner-, 26, 32
Orthogonalitts-, 191
Restglieddarstellung von Cauchy, 162
Restglieddarstellung von Lagrange, 161
Restgliedfunktion, 161
Restriktion, 177
Richtung, 207
Richtungsableitung, 207
Richtungsvektor, 207
Riemann-Folge, 175
Riemann-Integral, 176
329
Index
Riemann-Integrierbar, 176
Riemannsche Summe, 175
Rolle, Satz von, 159
Russell-Menge, 26
Russellsche Antinomie, 26
Sarrus, Regel von, 268, 316
Satz von Archimedes, 43
Satz von Bolzano-Weierstrass, 70, 200
Satz von Cauchy-Hadamard, 171
Satz von Eudoxos, 43
Satz von Euler-Schwarz, 209
Satz von Heine-Borel, 201
Satz von Kuratowski, 27
Satz von Pythagoras, 278
Satz von Rolle, 159
Satz von Schwarz, 209
Satz von Stirling, 189
Satz von Taylor, 161
Schmidtsches Orthonormalisierungverf., 279
Schnittmenge, 20
Schranke
obere, 39
kleinste, 40
untere, 39
grte, 40
Schwarz, Satz von, 209
semilinear, 275
senkrecht, 277
Senkrechtraum, 277
sesquilinear, 275
Sesquilinearform, 275
hermitesche, 292
Signumfunktion, 35
singulre Matrix, 262
Sinus, 109
Arcus-, 155
Sinus Hyperbolicus, 112
Area-, 306
Sinusreihe, 194
Skalarmultiplikation, 215, 254
Skalarprodukt, 275
Standard-, 275
Skalarproduktraum, 275
Spaltenrang, 227
Spaltenraum, 240
Spaltenvektor, 226
Spektrum, 285
spezielle orthogonale Matrix, 283
Stammfunktion, 179
Standardbasis, 234
Standardskalarprodukt, 275
steigend
monoton, 67, 133, 159
streng, 67, 133, 159
stetig, 121, 201
stetig dierenzierbar, 147
mehrfach, 161
Stetigkeit, 121, 201
/-Kriterium, 123, 203
gleichmige, 123, 203
globale, 121
lokale, 121
Stirling, Satz von, 189
Streichungsmatrix, 269
streng monoton fallend, 67, 133, 159
streng monoton steigend, 67, 133, 159
Strukturmatrix, 293
stckweise monotoon, 193
Stufe, 227
Substitutionsregel, 182
Subtraktion, 26, 30
Summe
Partial-, 87
Riemannsche, 175
Summenformel, geometrische, 54
Summenfunktion, 172
Partial-, 168
Summenzeichen, 53
Superior, Limes, 170
Supremum, 40
-Kriterium, 43
Surjektion, 101
surjektiv, 101
symetrisch, 292
symetrische Bilinearform, 292
symetrische Matrix, 292
symmetrische Dierenzmenge, 20
System
Erzeugenden-, 234
Orthogonal-, 277
Orthonormal-, 277
Tangens, 123
Arcus-, 156
Taylor, Satz von, 161
Taylor-Polynom, 161
Taylor-Potenzreihe, 171
Taylor-Reihe, 164, 171
entwickelbar in, 164
Taylorsche Formel, 161
Teilfolge, 67
Teilmenge, 18
echte, 18
Teilmengenbeziehung, 18
Teilraum, 232
trivialer, 232
totale Ableitung, 211
totale Dierenzeirbarkeit, 210
Transformationsbasis, 265
330
Index
Transitivitt, 33
transponierte Matrix, 256
Trichotomie, 33
trigonometrische Reihe, 191
trigonometrisches Polynom, 191
trivialer Teilraum, 232
Tupel, 22
Faktor, 23
Komponente, 23
Umformungen
elementare, 223, 232
Spalten-, 226
Zeilen-, 226
Umkehrfunktion, 129
Umordnungssatz, 102
unbestimmtes Integral, 180
unendlich, 21
unendlichdimensional, 234
unendliche Reihe, 87
ungerade Funktion, 194
Ungleichung
Bernoullische, 51
Besselsche, 278
Cauchy-Schwarzsche, 276
Dreiecks-, 36, 81
der Integration, 179
der Norm, 276
fr Reihen, 95
nach unten, 36
unitre Matrix, 282
unitrer Vektorraum, 275
untere Dreiecksmatrix, 270
untere Schranke, 39
grte, 40
Urbildmenge, 24
Ursprungsgerade, 218
Vektor, 215
Eigen-, 285
Einheits-, 219
Koordinaten-, 257
Null-, 215
Richtungs-, 207
Spalten-, 226
Zeilen-, 226
Vektoraddition, 215
Vektorprodukt, 308
Vektorraum, 217, 231
Euklidischer, 275
komplexer, 231
reeller, 231
unitrer, 275
Vektorraumaxiome, 217
Vektorraumeigenschaft
von /BB(M, K), 231
von K
mn
, 254
von /(V, W), 260
verallgemeinerter Mittelwertsatz, 159
Vereinigungsmenge, 19
Verknpfung, 24
Vielfachheit, 287
algebraische, 288
geometrische, 288
vollstndige Induktion, 49
Vollstndigkeit, 40
Vollstndigkeit nach unten, 44
Vorzeichen, 35
Vorzeichenfunktion, 35
Wert, Eigen-, 285
Wertebereich, 24
Widerspruchsbeweis, 48
Winkel, 317
Wohlordnungsprinzip, 44
Wunderformel, 77
Wrfel, 200
Wurzel, 55
Einheits-, 146
komplexe, 83, 84
Monotonie der, 56
Rechenregeln, 56
Wurzelfunktion, 55, 116
Wurzelkriterium, 97
Wurzelziehen, babylonisches, 72
Zahl
Eulersche, 68
Ludolphsche, 141
Zahlen
Fibonacci-, 71
ganze, 17
irrationale, 45
komplexe, 17, 79
konjugiert, 81
Polardarstellung, 145
Rechenregeln, 81
natrliche, 17
rationale, 17
reelle, 17, 29
erweiterte, 76
Zahlenebene, Gausssche, 83
Zeilenrang, 227
Zeilenraum, 240
Zeilenstufenmatrix, 227
Zeilenvektor, 226
Zerfall in Linearfaktoren, 288
Zerlegung, 175
Zerlegungs-Nullfolge, 175
Zwischenwertsatz, 125
331
Index
fr Ableitungen, 158
332
Index
333