Sie sind auf Seite 1von 205

PD. Dr. P.H.

Lesky

Universitt Stuttgart a Wintersemester 2010/11

Mathematik I fur Informatiker und Softwaretechniker


Warnung: Dies ist kein vollstndiger Vorlesungsaufschrieb. Dieses a Skript ist zur Erleichterung beim Mitschreiben gedacht, Ergnzungen a sollen nachgetragen werden.

1
1.1

Grundlagen
Zur Aussagenlogik

1.1 Denition: Eine Aussage ist ein Satz, der entweder wahr oder falsch ist. 1.2 Verkn pfung von Aussagen: u Verknpfung u A in Worten nicht A, Negation von A Denition durch Wahrheitstabelle A A w f AB AB AB AB A oder B, logisches Oder A und B, logisches Und wenn A dann B A genau dann wenn B A B AB AB AB A B w w w f f f w f

Also: Wenn A wahr ist, dann ist auch B wahr. (Wenn A falsch ist, wird keine Aussage uber B gemacht.) Man sagt: A ist hinreichende Bedingung fr B, u B ist notwendige Bedingung fr A. u Z.B. |x 4| < 1 x < 5.

1.3 Implikation: A B bedeutet: Die Aussage A B ist wahr.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 2 u 1.4 Aquivalenz: A B bedeutet: Die Aussage A B ist wahr. Also: Entweder sind beide Aussagen wahr oder beide falsch. Z.B. (x 1)2 4 Z.B. A B |x 1| 2

2 x 1 2

1 x 3.

Beweis durch Wahrheitstafel: (Beweis durch Fallunterscheidung, Auflistung aller mglichen Flle) o a

B A.

A B A B A B B A w w w f f f w f f f w w f f w w

1.5 Wichtige Beweistechniken: 1) Direkter Beweis: Zeige A B, indem aus der Gltigkeit von A durch Umformungen u oder Folgerungen auf die Gltigkeit von B geschlossen wird. u 2) Kontraposition: Zeige A B durch Nachweis von B A. 3) Widerspruchsbeweis: Zeige A B durch Nachweis von A B falsche Aussage (markiert durch oder Widerspruch). 

2) und 3) werden als indirekte Beweise bezeichnet. Z.B. Beweise |x 4| < 1


A

x < 5:
B

1) Direkt: Wir gehen davon aus, dass |x 4| < 1 wahr ist. Fall a) x 4 x 4 = |x 4| < 1 x < 5 Fall b) x < 4 x < 5 2) Kontraposition: B x 5 x4 1

|x 4| = x 4 1


A.

3) Widerspruchsbeweis: Annahme |x 4| < 1 x 5 1 x 4 = |x 4| < 1 1 < 1 x .

Typisches Beispiel fr einen Widerspruchsbeweis: x2 = 2 u Annahme: x2 = 2 x p x2 = 2 x = , wobei p, q teilerfremd q . . . p, q haben den gemeinsamen Teiler 2


(p, q sind teilerfremd)

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 3 u

1.2

Mengen

1.6 Denition (naiv): Eine Menge ist eine Zusammenfassung von Objekten zu einem Ganm M bedeutet: m liegt nicht in M. zen. Bezeichnung: m M bedeutet: Das Objekt m liegt in M (ist in der Menge M enthalten),

Explizit: M := {1, 2, 3}, = {1, 2, 3, . . .}.

(oder {}): Leere Menge, enthlt keine Elemente. a 1.7 Gleichheit: A = B, falls x A x B. 1.8 Teilmenge: A B, falls: x A x B.

Durch charakteristische Eigenschaft: P := {n : n ist Primzahl}

Fr jede Menge A gilt A. u

Veranschaulichung im Venn-Diagramm:

1.9 Verkn pfung von Mengen: u A B := {x : x A x B} (Schnittmenge)

A B := {x : x A x B} (Vereinigungsmenge) A \ B := {x : x A x B} (Dierenzmenge)

Veranschaulichung im Venn-Diagramm:

Zwei Mengen heien disjunkt, wenn ihre Schnittmenge leer ist. 1.10 Gesetze von De Morgan: Seien A, B, C Mengen. Dann gelten: A \ (B C) = (A \ B) (A \ C), 1.11 Potenzmenge: P(A) := {B : B A} Z.B.: A = {1, 2, 3} Z.B.: A = {1}, {2} P(A) = P(A) = A \ (B C) = (A \ B) (A \ C).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 4 u 1.12 Kartesisches Produkt: A B := {(x, y) : x A y B},

(x, y) heit geordnetes Paar (geordnet: Die Reihenfolge ist wichtig) Z.B.: {1, 2} {3, 4} = Z.B.: = {Gitterpunkte}:

Insbesondere: (x, y) = (x , y ) x = x y = y .

Geordnetes Paar deniert durch Mengenlehre: (x, y) := {x, {y}}.

1.3

Quantoren

1.13 Denition: Sei M eine Menge, A(x) eine von x M abhngige Aussage. a x M : A(x) bedeutet: Fr alle x aus der Menge M ist die Aussage A(x) wahr. u

Z.B.: n : n n2 . x M : A(x) ist. Z.B.: n : n 3 . !x M : A(x) bedeutet: Es gibt genau ein x in der Menge M, fr das die Aussage A(x) wahr ist. u Z.B.: !x : x + 4 = 6. 1.14 Negation von Aussagen mit Quantoren: x M : A(x) x M : A(x), x M : A(x) x M : A(x). Z.B.: Lsbarkeit der Gleichung x + a = b im Raum der ganzen Zahlen: o a Negation: a b x :x+a=b b x :x+a=b bedeutet: Es gibt (existiert) mindestens ein x in der Menge M, fr das die Aussage A(x) wahr u

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 5 u

1.4

Abbildungen

1.15 Denition: Seien A, B Mengen. Eine Abbildung f von A nach B ist eine Vorschrift, Funktion. Schreibe: die jedem x A ein eindeutig bestimmtes Element f (x) B zuordnet. Manchmal heit f auch f :AB

oder f : x y = f (x).

oder f : A x y B

oder f : A B : x y = f (x)

A heit Denitionsbereich (engl. domain) von f , B Bildbereich (engl. codomain) von f . Falls y = f (x), heit y Bild von x (engl. image), x heit Urbild (engl. pre-image) von y. Die Menge f (A) := {f (x) B : x A} heit Bild von f (engl. Range), fr C B heit u f 1 (C) := {x A : f (x) C} Urbild von C. Z.B.: f : : x x2 , y = 4, C = [0, 4]. Achtung: f : : x
1 x

ist keine Abbildung.

A = A x A : f (x) = f (x).

1.16 Denition: Zwei Abbildungen f : A B und f : A B heien gleich, falls

1.17 Denition: f : A B heit 1) injektiv, falls fr x, x A u 2) surjektiv, falls f (A) = B. 3) bijektiv, falls f injektiv und surjektiv. Injektiv bedeutet: In jedem y B endet hchstens ein Pfeil o f (x) = f (x ) x = x

bzw.

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

Surjektiv bedeutet: In jedem y B endet mindestens ein Pfeil

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 6 u Bijektiv:

A f

bildung oder inverse Abbildung zu f . Z.B.: f1 : : x x2

1.18 Denition: Ist f : A B bijektiv, so heit f 1 : B A : f (x) x die Umkehrab-

weder injektiv noch surjektiv injektiv, nicht surjektiv nicht injektiv, aber surjektiv injektiv und surjektiv, 1 f4 : y y
2

f3 : [0, [ : x x

f2 : ] , 0] : x x2

f4 : ] , 0] [0, [ : x x2

Einschrnkung von f auf A0 ; f heit Fortsetzung von f0 auf A. Man schreibt f0 = f a Die Abbildung idA : A A : x x heit identische Abbildung.

1.19 Denition: Ist f : A B und A0 A, so heit f0 : A0 B : x f0 (x) := f (x) die


A0

f2 = f1

Z.B.: Seien f1 , f2 aus dem vorigen Beispiel. Dann ist f2 die Einschrnkung von f1 auf ] , 0]: a
],0]

. Umgekehrt ist f1 eine Fortsetzung von f2 auf .

1.20 Verkn pfung von Abbildungen: Sei f : A B, g : B C, B B . Dann heit u g f : A C : x (g f )(x) := g(f (x)) die Verknupfung oder Hintereinanderausfuhrung g nach f . B A B C

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 7 u 1.21 Satz: Ist f : A B bijektiv, so gilt f f 1 = idB , f 1 f (x) = x f 1 f = idA f 1 f = idA .

Beweis:

1) Sei x A.

2) y B x A : y = f (x)

x = f 1 (y) f f 1 (y) = f (x) = y f f 1 = idB

1.22 Abbildungen und Mengenlehre: Sei f : A B. Dann heit G := {(x, f (x)) : x A} A B der Graph von f . Deniere eine Abbildung von A nach B als G A B mit der Eigenschaft x A !yx B : (x, yx ) G. und setze f (x) := yx .

1.5

Relationen

1.23 Denition: Seien A, B Mengen. Eine (zweistellige) Relation ist eine Teilmenge R A B. Fr (a, b) R schreibe aRb: Zwischen a und b besteht die Relation R. u

Z.B.: /2 := {(n, m) : |n m| ist durch 2 teilbar}. Uns interessieren Relationen auf A, d.h. R A A. 1.24 Denition: Eine Relation R A A (d.h. R ist Relation auf A) heit 1) reexiv, falls a A : (a, a) R. 2) symmetrisch, falls (a, b) R (b, a) R. 3) antisymmetrisch, falls (a, b) R (b, a) R a = b. 4) transitiv, falls (a, b) R (b, c) R (a, c) R.

Z.B.: := {(n, m) : n m}.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 8 u 1.25 Ordnungsrelation: Ist eine Relation auf A, die reexiv, antisymmetrisch und transitiv ist. Fr (a, b) R schreibe a b. Es gilt also u ab ba a=b ab bc a c a A : a a

1.26 Aquivalenzrelation: Ist eine Relation auf A, die reexiv, symmetrisch und transitiv ist. Fr (a, b) R schreibe a b. Es gilt also u ab ba a A : a a

ab bc ac a Z.B.: = /2. Dadurch zerfllt in zwei Klassen: {n : n 1} = {1, 3, 5, . . .} = {n : n 3} = . . . {n : n 2} = {2, 4, 6, . . .} = {n : n 4} = . . .

Fr a A ist u

1.27 Aquivalenzrelation ist Klasseneinteilung: Sei eine Aquivalenzrelation auf A. [a] := {b A : b a}

die Aquivalenzklasse von a. Fr Aquivalenzklassen gelten: u 1) a A : a [a], 2) [a] [b] = [a] = [b]. Das bedeutet: Die Menge A := {[a] : a A} P(A) besitzt die Eigenschaften 1)
BA

B = A,

2) Sind B1 , B2 A, so gilt entweder B1 B2 = oder B1 = B2 . Man nennt A eine Klasseneinteilung von A. Beweis der Eigenschaften 1) und 2) der Aquivalenzklassen: Fr jedes a A gilt a a u Sei [a] [b] = c [a] [b] a [a]. acb ab [a] [b] [a].

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 9 u Umgekehrt: Ist A eine Klasseneinteilung von A, so deniert R := {(a, b) A A B A : a B b B} eine Aquivalenzrelation, und die Aquivalenzklassen sind genau die Elemente von A. Beweis, dass R eine Aquivalenzrelation ist: Reexivitt: a Symmetrie: Transitivitt: a Sei a A. Wegen A = aRb bRa
a,bB1 b,cB2 BA

B existiert ein B A mit a B a R a,

klar,

a R b b R c B1 = B2 a, c B1 a R c.

1.28 Beispiele:

[(x, y)] = Kreis um (0, 0) mit Radius r =

1) A = , (x, y) (x , y ) :

x2 + y 2 =

x2 + y 2

x2 + y 2 . die Relation

2) Brche: Zwei Brche p , r sind gleich, wenn p s = r q. Deniere auf u u q s (p, q) (r, s) : p s = r q Ein Bruch ist dann die Aquivalenzklasse [(p, q)] =: p . q

3) Gren von endlichen Mengen: Sei M := {Mengen M mit endlich vielen Elementen}. o Deniere auf M M1 M2 : (f : M1 M2 ) : f ist bijektiv

Die Aquivalenzklassen bestehen aus allen Mengen mit derselben Anzahl von Elementen.

1.6

Die naturlichen Zahlen

1.29 Peano (1889): Die natrlichen Zahlen bilden eine Menge , auf der eine Abbildung u Nachfolger: erklrt ist mit folgenden Eigenschaften: a (1) ! x0 : x0 Nachfolger(). Bezeichnung 1 := x0 . (2) Nachfolger ist injektiv (Nachfolger(n1 ) = Nachfolger(n2 ) n1 = n2 )

(Es existiert genau eine Zahl, die nicht Nachfolger einer anderen Zahl ist).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 10 u (3) (Induktionsaxiom) Ist M mit den beiden Eigenschaften 1 M und n M Nachfolger(n) M,

dann ist M = . M = ).

(Enthlt eine Teilmenge M die 1 und mit jeder Zahl auch ihren Nachfolger, dann ist a

Man schreibt: 2 := Nachfolger(1), 3 := Nachfolger(2), . . . , n + 1 := Nachfolger(n). Aus diesen Axiomen lassen sich alle bekannten Regeln fr die natrlichen Zahlen beweisen, u u z.B. m + n = n + m. 1.30 Vollstndige Induktion: Fr n sei A(n) eine Aussage, die von n abhngt, z.B. a u a 1 + 2 +...+ n = Ziel: Beweise, dass A(n) fr alle n wahr ist. u Verfahren: Beweise 1) A(1) ist wahr (Induktionsanfang), 2) A(n) A(n + 1) fr beliebiges n (Induktionsschritt) u n(n + 1) , 2

(Falls A(n) wahr ( Induktionsannahme), dann ist A(n + 1) wahr ( Induktionsbehaup tung).

Induktionsschluss: Dann ist A(n) wahr fr alle n . u Beweis: Sei M := {n : A(n) ist wahr} . Dann 1 M und n M n + 1 M. Also M = nach (3).

1.31 Beispiele:

1) A(n) : 1 + 2 + . . . + n = 1=
1(1+1) 2

n(n+1) 2

(arithmetische Summe).

Induktionsanfang: A(1) :

ist wahr.
n(n+1) 2

Induktionsschritt: Falls 1 + 2 + . . . + n = 1 + 2 +...+ n + n+ 1 =

(A(n) wahr), dann

n(n + 1) n(n + 1) + 2(n + 1) +n+1 = 2 2 (n + 2)(n + 1) = . 2


n(n+1) . 2

Also: A(n + 1) wahr. Induktionsschluss: n : 1 + 2 + . . . + n =

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 11 u 2) Sei q = 1. A(n) : q 0 +q 1 + . . . + q n =


:=1 1q n+1 1q

(geometrische Summe).

3) A(n): Ist M eine Menge mit n Elementen, so besitzt M ein Maximum: k = max(M) : k M l M : l k.

4) Ist M eine Menge mit n Elementen, so besitzt die Potenzmenge P(M) 2n Elemente.

1.32 Rekursive Denition: 0! := 1

1) Fakultt n!: a

(n + 1)! := (n + 1) n! fr n 0 . u 2) Summen- und Produktzeichen:


0 n+1 n n

ak := 0,
k=1 0 k=1 n+1

ak :=
k=1 n

ak + an+1 , ak
k=1

salopp:
k=1 n

ak = a1 + a2 + . . . + an ak = a1 a2 . . . an

ak := 1,
k=1 k=1

ak :=

an+1 ,

salopp:
k=1

3) Addition und Multiplikation aus Peano-Axiomen: Fr m setze u m + 1 := Nachfolger(m), m + (n + 1) := Nachfolger(m + n).

Damit ist m + n fr alle m, n deniert. u

Jetzt knnen alle Rechengesetze bewiesen werden. o

Analog: m 1 := m, m (n + 1) := m n + m. Damit ist m n fr alle n, m deniert. u

1.33 Binomialkoezient: n k := n! n (n 1) (n k + 1) = (n k)! k! 1 2k (sprich: n uber k)

fr n, k 0 , k n. Dann gelten u 1) 2) 3) n k = n nk = n+1 k+1 fr k n 1. u

n n + k+1 k n 0 = n n =1

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 12 u 4) Pascalsches Dreieck:


0 0 1 0 2 0 3 0 4 0 4 1 3 1 4 2 2 1 3 2 4 3 1 1 2 2 3 3 4 4

1 1 1 1 1 4 3 6 2 3 4 1 1 1 1

1.34 Binomischer Satz: Fr beliebige Zahlen a, b und fr n gilt u u


n

(a + b)

=
k=0

n nk k a b = k

n n n n2 2 n n1 n n b . a b + ...+ a b+ a + n 2 1 0

Z.B.: (a + b)4 = a4 + 4a3 b + 6a2 b2 + 4a b3 + b4 . Beweis: Vollstndige Induktion ab n = 1: a


1

Induktionsanfang:
k=0

1 1k k a b = k

1 0 1 1 1 0 a b = a + b = (a + b)1 stimmt. a b + 1 0

Induktionsschritt: Induktionsannahme: Die Formel gilt fr n. u


n+1

Induktionsbehauptung: (a + b)n+1 =
k=0

n + 1 n+1k k a b . k

Beweis der Induktionsbehauptung: (a + b)n+1 = (a + b) (a + b)n


n

= (a + b)
n

k=0

n nk k a b k
n

=
k=0

n n+1k k a b + k

k=0 = Pn+1
l=1

n nk k+1 a b k
n (l1)an(l1) bl

=
k=0

n n+1k k a b + k
n

n+1

k=1

n an(k1) bk k1 an+1k bk + n 0 n+1 a b n (n+1) n+1

n 0
=(n+1) 0 n+1

an+1 b0 +
k=1

n n + k1 k
=(n+1) k

=
k=0

n + 1 n+1k k a b k

Induktionsschluss: Die Formel gilt fr alle n . u

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 13 u : Idee: 1 = 1 2 = 2 3 = . . . = m (m + 1) = . . . Deniere auf die Aquivalenzrelation (m, n) (m , n ) : m + n = m + n 1) Reexivitt: (m, n) (m, n). a 2) Symmetrie: (m, n) (m , n ) (m , n ) (m, n) 3) Transitivitt: (m, n) (m , n ) (m , n ) (m , n ) (m, n) (m , n ). a Sei := {[(m, n)] : m, n }. Setze 0 = [(1, 1)], n := [(n + 1, 1)], n := [(1, n + 1)]. 1.35 Von zu

Deniere [(m, n)] + [(k, l)] := [(m + k, n + l)] und zeige, dass die Summe unabhngig von den a Reprsentanten der Aquivalenzklassen ist. a ( , +) erfllt alle bekannten Gesetze. u

1.7

Teilbarkeit

1.36 Denition: Sei n . Dann heit m Teiler von n (kurz m | n), falls k : n = k m;

n heit teilbar durch m. Insbesondere: 0 ist durch alle m teilbar. D(n) := {d : d | n} ist die Menge der Teiler von n. Fr n, m heit u ggT(m, n) := max D(m) D(n) der grte gemeinsame Teiler von m und n. o Z.B.: ggT(30, 24):

1.37 Satz: Teiler ist Ordnungsrelation auf .

1.38 Hilfssatz: Seien n, m, l, k , d . Dann gilt d | n d | m d | (k n + l m).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 14 u Beweis: d | n d | m k1 , k2 d | (k n + l m). : n = k1 d m = k2 d.

k n + l m = k k1 d + l k2 d = (k k1 + l k2 ) d

q , r 0 := {0} mit

1.39 Teilen mit Rest: Seien n, m mit n > m. Dann gibt es eindeutig bestimmte Zahlen n = q m + r r m 1. 1) q := max{k : k m n}, r := n q m 0

Beweis:

r 0, r m 1, n = q m + r Existenz

2) Sei q m + r = q m + r m (q q ) = r r falls r r m (q q) = r r falls r < r


|r r|m1

q = q r = r Eindeutigkeit

1.40 Teilen mit Rest erhlt den ggT: Ist n = q m + r wie oben, so gilt a ggT(n, m) = ggT(m, r).

Beweis: Wir zeigen: D(n) D(m) = D(m) D(r). Dann ggT(n, m) = ggT(m.r). 1) d D(n) D(m) n = k1 d m = k2 d

r = n q m = d (k1 q k2 )

d|r d|m
1.38

d D(m) D(r)

2) d D(m) D(r) d | n = q m + r d D(n) D(m)

Z.B.: 30 = 1 24 +

6
r=ggT(30,24)

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 15 u 1.41 Euklidischer Algorithmus: Seien m, n mit m > n. Dann existieren eindeutig m = q1 n + r1 n = q2 r1 + r2 r1 = q3 r2 + r3 . . . . . . mit 0 < r1 n 1 mit 0 < r2 r1 1 ...

bestimmte Zahlen K , r1 , . . . , rK , q1 , . . . , qK+1 mit

rK2 = qK rK1 + rK rK1 = qK+1 rK + 0, und es gilt rK = ggT(m, n).

...

Beweis: Aus Satz 1.39 folgt die Eindeutigkeit der qj , rj . Wegen rj rj1 1 rj2 2 . . . bricht das Verfahren nach hchstens n Schritten ab. o Aus Satz 1.40 folgt, dass ggT(m, n) = ggT(n, r1 ) = ggT(r1 , r2 ) = . . . = ggT(rK1 , rK ) = rK .

1.42 Beispiele:

1) ggT(210, 25):

2) ggT(132, 11): Drei Folgerungen aus dem Euklidischen Algorithmus: 1.43 Hilfssatz: Seien k, m, n . Dann gilt ggT(km, kn) = k ggT(m, n). Beweis: Multipliziere den euklidischen Algorithmus fr m, n mit k: u m = q1 n + r1 n = q2 r1 + r2 . . . rK1 = qK+1 rK + 0 ggT(km, kn) = krK = k ggT(m, n). km = q1 kn + kr1 kn = q2 kr1 + kr2 . . . k rK1 = qK+1 krK + 0

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 16 u 1.44 Folgerung: k | m k | n k | ggT(m, n). Beweis: m = l1 k n = l2 k ggT(m, n) = ggT(k l1 , k l2 ) = k ggT(l1 , l2 ). 1.45 Satz: Seien m, n und M(m, n) := {mx + ny : x, y

genau aus allen Vielfachen von ggT(m, n):

}. Dann besteht M(m, n)

M(m, n) = {z ggT(m, n) : z } =: ggT(m, n) . Beweis: 1) ggT(m, n) | m ggT(m, n) | n ggT(m, n) | (mx + ny) M(m, n) M(m, n).

ggT(m, n) . Fr l1 , l2 u

2) Zeige ggT(m, n) M(m, n). Dann folgt ggT(m, n) k1 = m x1 + n y1 k2 = m x2 + n y2

gilt: k1 , k2 M(m, n) l1 k1 + l2 k2 M(m, n), denn: l1 k1 + l2 k2 = m(l1 x1 + l2 x2 ) + n(l1 y1 + l2 y2 ) M(m, n)

Betrachte den euklidischen Algorithmus: m = q1 n + r1 n = q2 r1 + r2 . . . r1 = m q1 n M(m, n) r2 = n q2 r1 M(m, n)

rK2 = qK rK1 + rK ggT(m, n) = rK M(m, n)

1.8

Primzahlen

1.46 Denition: p mit p 2 heit Primzahl, wenn D(p) = {1, p}. Insbesondere ist 1 keine Primzahl.

1.47 Euklidischer Hilfssatz: Seien m, n , p Primzahl. Dann: p | (m n) p | m p | n. Beweis: Fall p | m: okay

Fall (p | m): p | mn p | pn p | ggT(mn, pn) = n ggT(m, p) = n p | n.

Mit Induktion folgt: p Primzahl p | n1 nk j : p | nj .

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 17 u a 1.48 Fundamentalsatz der Arithmetik: Sei n , n 2. Dann lsst sich n als Produkt von Primzahlen darstellen: n = p1 p2 pk , p1 , . . . , pk Primzahlen.

Die Darstellung ist bis auf die Reihenfolge eindeutig.

Produkt von Primzahlen darstellbar.

u Beweis: Wir beweisen: Fr jedes n gilt: Jede natrliche Zahl j {2, . . . , n} ist als u

1) Induktionsanfang n = 2: 2 = 2 okay 2) Induktionsschritt: Primzahl n + 1 = n + 1, also Produkt aus der Primzahl n + 1 keine Primzahl: n + 1 = k l n+1 = Ind.Ann n + 1 = p p p p = Produkt von Primzahlen i 1 j 1
=k =l

3) Induktionsschluss: Die Aussage gilt fr jedes n mit n 2. u

Primzahlen darstellen lsst. a

Aus der bewiesenen Aussage folgt, dass sich jede Zahl j mit j 2 als Produkt von

1.49 Satz: Es gibt unendlich viele Primzahlen.

Betrachte

Beweis: Annahme: Es gibt nur endlich viele Primzahlen: P = {p1 , . . . , pn }. m := 1 + p1 p2 pn = q1 qk ,



1.48

qj Primzahl

Dann folgt q1 P : Andernfalls q1 = pj q1 | 1 = q1 qk p1 pn  q1 Primzahl q1 P

1.50 Bemerkung: Primzahlsatz (1896 Hadamard, Valle Poussin) e (n) := Anzahl der Primzahlen n lim (n)
n ln n

= 1.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 18 u

1.9

Kongruenzen
heien kongruent modulo m (geschrieben

1.51 Denition: Sei m , m 2. a, b m denselben Rest: Ist

a b (mod m) oder a b (m)), wenn m | (a b). D.h. a, b ergeben beim Teilen mit Rest durch a = q1 m + r1 , 0 r1 m 1 so sind a b (mod m) und r1 = r2 quivalent. a 1.52 Satz: Sei m , m 2 fest. Dann ist (m) eine Aquivalenzrelation auf .

b = q2 m + r2 , 0 r2 m 1

Beweis:

1) a a (mod m) ist erfllt, u

2) a b (mod m) b a (mod m) ist erfllt, u 3) a b (mod m) b c (mod m) m | (a c) = (a b) + (b c) m | (a b) m | (b c)

a c (mod m).

1.53 Satz: + und sind vertrglich mit (m), d.h. a a a (m) b b (m) a + b a + b (m) a b a b (m). 1.54 Rechnen mit Aquivalenzklassen: Sei m , m 2 fest. Dann besitzt die Aquiva lenzrelation (m) genau m Aquivalenzklassen [0], [1], . . . , [m 1], die Restklassen modulo m. Deniere /m := {[0], . . . , [m 1]} [a] [b] := [a b]

[a] + [b] := [a + b], Dann gelten:

[a] + ([b] + [c]) = ([a] + [b]) + [c] (Assoziativgesetz) [a] + [0] = [a] [a] + [a] = [0] [a] + [b] = [b] + [a] (Neutrales Element) (Inverses Element) (Kommutativgesetz)

D.h. (Z/m , +) bildet eine kommutative (abelsche) Gruppe (siehe spter). a

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 19 u Z.B: Multiplikation in /4 : [0] [1] [2] [3]

[0] [0] [0] [0] [0] [1] [0] [1] [2] [3] [2] [0] [2] [0] [2] [3] [0] [3] [2] [1] Hier ist einiges ungewhnlich: o [3] [3] = [1], d.h. [3] =
[1] [3]

[2] [2] = [0], obwohl [2] = [0]. Man nennt [2] einen Nullteiler.

Es gibt keine Zahl [n], so dass [2] [n] = [1]. 1.55 Satz: Sei m , m 2 fest. Dann:

Die Gleichung [2] x = [2] hat zwei Lsungen x = [1] und x = [3]. o

1) [a] besitzt ein inverses Element bezglich (d.h. eine Restklasse [b] mit [a] [b] = [1]), u ggT(a, m) = 1. 2) m ist Primzahl a {1, . . . , m 1} b {1, . . . , m 1} : [a] [b] = [1]

Beweis:

1)

[a] [b] = [1] [ab] = [1] y

m | (ab 1)

: my = ab 1
1=abmy

ggT(a, m) = 1 2) : Aus 1)

1 {ax + my : x, y } = ggT(a, m)

(vgl. Satz 1.45)

: Zeige: m keine Primzahl k : [k] besitzt kein inverses Element. Sei m keine Primzahl k D(m) : k = 1 k = m. Behauptung: [k] besitzt kein inverses Element. Fr l u gilt [k] [l] = [kl] = {kl + ym : y }

Nun gilt: k | (kl + ym) y 1 [kl] [kl] = [1].

: kl + ym = 1.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 20 u

1.10

Darstellung naturlicher Zahlen

Zehnersystem: Stelle alle Zahlen mit den zehn Ziern 0, 1, . . . , 9 dar: 1, 10, 20, . . . 11, 21, 2, . . . 12, . . . 22, . . . 9 19 29 z.B. 13 = 1 10 + 3 1

100, 101, 102, . . . 109

z.B. 108 = 1 102 + 0 101 + 8 100

Entsprechend geht das auch mit weniger oder mehr Ziern: 1.56 Denition: Gegeben seien: die Ziernbasis g , g 2, Die Darstellung
N

die Ziern: Menge mit g Elementen Z = {z0 , . . . , zg1 }. aj g j ,


j=0

n = (aN aN 1 . . . a0 )g :=

wobei N , a0 , . . . , aN Z, heit g-adische Entwicklung von n . Z.B: Zweier-System: g = 2, Z = {0, 1}:

10112 = (1 23 + 0 22 + 1 21 + 1 20 )10 = (8 + 0 + 2 + 1)10 = 1110 . D2A16 = D g 2 + 2 g 1 + A g 0 = (13 256 + 2 16 + 10 1)10 = 337010.

Z.B: Hexadezimalsystem: g = 16, z = {0, 1, . . . , 9, A, B, C, D, E, F }:

existieren eindeutig bestimmte Zahlen N und a0 , . . . , aN Z, so dass n = (aN aN 1 . . . a0 )g aN = z0 . Beweis: Existenz (konstruktiv): Teilen mit Rest: q1 = q2 g + r2 . . . qN 1 = qN g + rN n = q1 g + r1 a0 = r1 a1 = r2

1.57 Satz: Seien g, Z fest. Jede Zahl n besitzt eine eindeutige g-adische Darstellung: Es

qN 2 = qN 1 g + rN 1 aN 2 = rN 1 Verfahren bricht ab, wenn 0 < qN < g. Dann setze noch aN := qN . Rckwrts hochgehen: qN 1 = aN g + aN 1 u a qN 2 = qN 1 g + aN 2 = aN g 2 + aN 1 g + aN 2 aN 1 = rN

qN 3 = qN 2 g + aN 3 = aN g 3 + aN 1 g 2 + aN 2 g + aN 3 . . . n = ... = aN g N + . . . + a1 g + a0

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 21 u Z.B: 2007 im Fnfersystem: 2007 : 5 = 401 Rest 2 a0 = 2 u 401 : 5 = 80 : 5 = 16 : 5 = 16 Rest 0 a2 = 0 80 Rest 1 a1 = 1

3 Rest 1 a3 = 1

Verfahren bricht ab, da 3 < 5. Also a4 = 3 und (2007)10 = (31012)5.

1.11

Mchtigkeit von Mengen a

1.58 Denition: Zwei Mengen A, B heien gleich gro oder gleich mchtig, falls es eine a bijektive Abbildung f : A B gibt. Z.B.: f : {1, 2, 3} {4, 5, 6} : x x + 3 ist bijektiv Mengen gleich mchtig. a Z.B.: f : ] , 3] [3, [ : x 6 x (Spiegelung an 3) ist bijektiv, also sind die

Z.B.: G := {2n : n } und sind gleich mchtig, obwohl G echte Teilmenge von . a Z.B.: ist gleich mchtig wie . a 1.59 Denition: Sei A eine Menge. 1) A heit endlich, falls jede injektive Abbildung f : A A auch surjektiv ist. ( ist automatisch endlich.) 2) A heit unendlich, falls A nicht endlich. D.h. falls es eine injektive Abbildung f : A A A. 3) A heit abzhlbar unendlich, falls A gleich mchtig wie ist. a a 4) A heit uberabzhlbar, falls A unendlich und nicht abzhlbar unendlich ist. a a Z.B.: ist abzhlbar. Spter: ist uberabzhlbar. a a a

gibt, die nicht surjektiv ist, oder falls A gleich mchtig ist wie eine echte Teilmenge von a

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 22 u

2
2.1

Zahlenkorper
Mengen und Verknupfungen

Was ist +? Eine Abbildung: + : : (a, b) a + b. 2.1 Denition: Sei G Menge. Eine Abbildung : G G G : (g, h) g h heit Verknupfung auf G.

1) Eine Verknpfung heit assoziativ, falls u g, h, j G : g (h j) = (g h) j. 2) Eine Verknpfung heit kommutativ, falls u g, h G : g h = h g. 3) Ein Element e G heit neutrales Element, falls g G : e g = g = g e. 4) Sei g G. Ein Element h G heit inverses Element zu g, falls g h = e = h g. Schreibweise: g 1 := h.

Z.B.: (, +). Z.B.: (, ). Z.B.: ( , +). Z.B.: (, ). 2.2 Denition: Sei eine Verknpfung auf G. u 1) (G, ) heit Monoid, falls assoziativ ist und ein neutrales Element existiert. 2) (G, ) heit Gruppe, falls (G, ) ein Monoid ist und jedes Element von G ein inverses Element besitzt. 3) (G, ) heit abelsche Gruppe, falls (G, ) eine Gruppe ist und kommutativ ist. Z.B.: Monoide sind (0 , +), (, ), (P(M), ). Z.B.: Abelsche Gruppen sind ( , +), (, +), ( \ {0}, ).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 23 u Wichtiges Beispiel: Die Permutationsgruppe (S(M), ). Sei M endliche Menge, S(M) := { : M M ist bijektive Abbildung},

: (1 , 2 ) 1 2 (Hintereinanderausfhrung). u Dann ist (S(M), ) eine Gruppe. Falls M 3 ist diese Gruppe nicht kommutativ. 2.3 Satz: In jeder Gruppe gelten: 1) e ist eindeutig. 2) g 1 ist eindeutig. 3) g, h G !x G : g x = h (nmlich x = g 1 h). a 4) g G : (g 1 )1 = g. 5) g, h G : (g h)1 = h1 g 1. 1) Seien e, e zwei Einselemente. Dann: e = e e = e .

Beweis:

2) Sei g g 1 = e = g 1 g und g h = e = h g. h = e h = (g 1 g) h = g 1 (g h) = g 1 e = g 1.

3) Existenz: x := g 1 h g x = g (g 1 h) = (g g 1) h = e h = h. Eindeutigkeit: g x = h g 1 g x = g 1 h x = g 1 h. 4), 5) als Ubung.

Schreibweise: Fr g G und n u

gn

Dann gilt g n g m = g n+m fr n, m . u

setzt man g ... g fr n , u n Mal := e fr n = 0, u 1 g . . . g 1 fr n u


n Mal

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 24 u

2.2

Zwei Verknupfungen

2.4 Denition: Auf der Menge R seien zwei Verknpfungen +, deniert. u 1) (R, +, ) heit Ring, falls a) (R, +) ist abelsche Gruppe, b) (R, ) ist Monoid, c) Es gelten die Distributivgesetze: g, h, j R : (g + h) j = g j + h j g (h + j) = g h + g j. d) 0 = 1 (0 = neutrales Element bezglich + und 1 = neutrales Element bezglich ). u u 2) (R, +, ) heit kommutativer Ring, falls zustzlich zu 1) kommutitativ ist. a 3) (R, +, ) heit Krper (englisch: eld), falls zustzlich zu 1) (R \ {0}, ) eine abelsche o a Gruppe ist. Z.B.: ( , +, ) ist kommutativer Ring. o Z.B.: (, +, ) ist ein Krper. o Z.B.: p Primzahl. Dann ist ( /p , +, ) ein Krper. Z.B.: m keine Primzahl. Dann ist ( /m , +, ) ein kommutativer Ring. Z.B.: R := {f : Abbildung} f g : x f (x) g(x) 2.5 Schreibweisen: f + g : x f (x) + g(x)

Dann ist (R, +, ) ein kommutativer Ring. xy 1 := x1 x x y xn x := Inverses bezglich + u := x + (y) := Inverses bezglich u := x x x,
n mal

:= x y 1 (oder auch x : y) xn := (x1 )n

o u 2.6 Folgerungen: Sei (, +, ) ein Krper. Fr a, b, c, d gelten: 1 = x 6) 1) (x) = x 1 2) 3) 4) 5) 0x =x0 =0 xy =0 x= 0y = 0 (x) y = (x y) (x) (y) = x y 7) 8) 9) a + b a b a : b c d c d c d
x

= = =

ad+bc bd ac bd a d ad = b c bc

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 25 u

2.3

Die reellen Zahlen

ten:

o 2.7 Denition: Die reellen Zahlen (, +, ) bilden einen Krper mit folgenden Eigenschaf-

(O) (, <) ist ein angeordneter Krper, o o (A) (, <) ist ein archimedischer Krper, (V) (, |.|) ist vollstndig. a Die Anordnung in und Folgerungen

2.3.1

o 2.8 Axiom (O): (, <) ist ein angeordneter Krper, d.h. auf ist eine Relation < (kleiner) deniert, so dass: (O1) a, b : Genau eine der Beziehungen a < b, a = b, b < a ist wahr. (O2) a, b, c : a < b b < c a < c (O3) a, b, c : a < b a + c < b + c (Transitivitt). a (Vertrglichkeit mit Addition). a (Vertrglichkeit mit Multiplikation). a

(O4) a, b, c : a < b 0 < c a c < b c 2.9 Bemerkungen:

1) Fr a < b schreibe auch b > a (grer). u o

2) a heit positiv, falls a > 0. Sei

+ := {a : a > 0},
3) Deniere

+ := + {0}. 0

a b : a < b a = b, und sind Ordnungsrelationen auf .

a b : a > b a = b;

4) Ein Ausdruck der Form a < b, a b, a > b, a b heit Ungleichung. 5) Endliche Krper knnen nicht angeordnet werden (siehe (U6) unten). o o

2.10 Folgerungen: (U1) a < b 0 < b a b a > 0 (U2) a < b x < y a + x < b + y. Insbesondere: a < 0 x < 0 a + x < 0; 0 < b 0 < y 0 < b + y.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 26 u (U3) a > 0 a < 0 und a < 0 a > 0. (U4) 0 < a < b 0 < x < y a x < b y. (U5) a < 0 x < y a x > a y. Insbesondere: a < 0 x < 0 a x > 0; a < 0 0 < y 0 > a y, d.h. Multiplikation von Ungleichungen mit negativen Zahlen vertauscht < und >.

(U6) a = 0 a2 > 0. Insbesondere: 1 = 12 > 0. (U7) a > 0


1 a

In endlichen Krpern gibt es keine Ordnung: 1 > 0 = 1 + 1 + . . . + 1. o > 0; a < 0


1 a b a 1 a

< 0.

(U8) 0 < a < b (U9) 0 < a < b

> 1. b > 1.

2.11 Satz (Bernoulli-Ungleichung): Fr x , x 1 und n 0 gilt u (1 + x)n 1 + nx. 2.12 Intervalle: Sei a < b. Deniere [a, b] := {x : a x b} ]a, b[ := {x : a < x < b} [a, b[ := {x : a x < b} ] , b[ ; ]a, [ ; (abgeschlossenes Intervall) (oenes Intervall) (rechts halboenes Intervall) ] , [ = .

[a, [ := {x : a x} analog: ]a, b]; 2.13 , ] , b];

, in :

1) Identiziere als Teilmenge von : Deniere f : durch f (1 ) := 1 , f (n + 1 ) := f (n) + 1 .

Setze := f () = {f (n) : n }.

Nach dem Induktionsaxiom ist f fr alle n deniert. u

Die Abbildung f ist injektiv: Zeige n = m f (n) = f (m): Sei n = m. O.B.d.A. n < m, also m = n + k. f (n) = f (m). f (n) < f (n) + 1 = f (n + 1 ) < f (n + 2 ) < . . . < f (n + k) = f (m).
(O1)

Damit gelten die Peano-Axiome automatisch in mit Nachfolger(n) = n + 1 . Identiziere nun mit , schreibe im Folgenden anstelle von . (Typisches Mathematisches Vorgehen.)

Also: f : ist bijektiv.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 27 u 2) Setze := {k | n, m : k = n m}.

3) Setze := {x | p , q : x = p }. q Wir ubertragen Arithmetik und Ordnung von auf diese Teilmengen, soweit das geht.

2.14 Denition: Der Betrag oder Absolutbetrag von x ist deniert durch |x| := Insbesondere gelten |x| x, |x| = | x| x. x fr x < 0 . u x fr x 0 u

2.15 Eigenschaften von |.| : Fr x, y gelten: u (B1) |x| 0 (|x| = 0 x = 0)

(B2) |x y| = |x| |y| (B3) |x + y| |x| + |y| (Dreiecksungleichung, -Ungleichung)

Beweis: (B1) x > 0 |x| = x > 0

x = 0 |x| = x = 0

x < 0 |x| = x > 0 (nach (U3))

(B1) Unterscheide 4 mgliche Flle x 0 y 0, . . ., getrennt nachrechnen. o a (B1) x + y 0 |x + y| = x + y |x| + |y| x + y < 0 |x + y| = (x + y) = (x) + (y) |x| + |y|

2.16 Denition: Ein Krper (, +, ) mit einem Betrag, d.h. einer Funktion |.| : + mit o 0 (B1), (B2), (B3) heit bewerteter Krper (z.B. auch ). o

2.17 Folgerungen: In jedem bewerteten Krper gelten: o 1) |1| = | 1| = 1, insbesondere | x| = |x|. 2) x y = |x| |y| falls y = 0.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 28 u 3) |x y| |x| |y| |x + y| |x| |y| ( |x| |y|),

(-Ungleichung nach unten).

Beweis:

1 > 0 1 < 0 | 1| = (1) = 1 2) x =

1) 1 = 12 > 0 |1| = 1.

| x| = | (1 x)| = |(1) x| = | 1| |x| = 1 |x| = |x|. x x |y| Behauptung. y |x| = y y

3) Als Ubung

2.18 Denition: In einem bewerteten Krper ist der Abstand zweier Elemente x, y o deniert durch d(x, y) := |x y|. Die Abstandsfunktion d : + besitzt die Eigenschaften 0 (M1) d(x, y) 0 (d(x, y) = 0 x = y) (Positivitt, Denitheit). a

(M2) d(x, y) = d(y, x) (Symmetrie). (M3) d(x, y) d(x, z) + d(z, y) (-Ungleichung). Diese drei Eigenschaften werden spter dazu bentzt, abstrakt den Begri eines Abstandes a u (Metrik) zu denieren. Z.B.: 2 = , d (x1 , y1 ), (x2 , y2 ) y
T

:=

(x1 x2 )2 + (y1 y2 )2

(euklidischer Abstand).

2.19 Denition: Sei M Menge. Eine Folge in M ist eine Abbildung n xn M. Schreibweise: (xn ) oder (xn )n .

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 29 u o 2.20 Konvergenz: Sei (, |.|) bewerteter Krper. Die Folge (xn ) in heit konvergent gegen x, falls > 0 N n > N : |xn x| < . D.h. fr jedes noch so kleine > 0 ist der Abstand aller xn zu x kleiner als , sobald n > N u gilt. In diesem Fall schreiben wir x = lim xn ,
n

xn x,

xn x fr n ; u

x heit Grenzwert oder Limes der Folge. Eine Folge (xn ) heit konvergent, falls x : x = lim xn .
n

Ist eine Folge nicht konvergent, so heit sie divergent.

o 2.21 Eindeutigkeit des Grenzwertes: Sei (, |.|) bewerteter Krper. Ist lim xn = x, so
n

besitzt (xn ) keinen weiteren Grenzwert.

Beweis: Annahme: x = lim xn y = lim xn x = y.


n n

Whle := a

|x y| . Dann: N n > N : |xn x| < 2 N n > N : |xn y| <

Fr n > max{N , N } folgt u |x y| = |x xn + xn y| |x xn | + |xn y| = |x xn | + |y xn | < 2 = |x y|




2.22 Satz: Sei (xn ) konvergente Folge in und K , N . Dann (n N : xn K) (n N : xn K) 1 > 0, aber lim xn = 0. n n
Beweis spter a n n

lim xn K,

lim xn K.

2.23 Achtung: xn :=

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 30 u 2.3.2 Die archimedische Anordnung

o 2.24 Axiom (A): (, <) ist ein archimedisch geordneter Krper, d.h. es gilt x n : n > x. 2.25 Folgerungen: Aus (A) folgt 1) y x + n : n x > y 2) x + !n 0 : n x < n + 1 0 3) > 0 n :
1 n

Deniere die untere Gauklammer: x := max{n 0 : n x}. <

1 4) x + (n : x < n ) x = 0 0

5) b > 1 x > 0 n : bn > x 6) b ]0, 1[ > 0 n : bn < 2.26 Anwendung auf Folgen: 2) Sei |q| < 1. Dann q n 0. 3) Sei |q| < 1 und sn :=
j=0 n

1)

1 0. n

qj = 1 + q + q2 + . . . + qn.

Dann sn

4) Die Folge (xn ) mit xn = (1)n ist nicht konvergent (Beweis spter). a

1 . 1q

2.3.3

Die Vollstndigkeit a

2.27 Verdichtungsprinzip: Sei (xn ) konvergent. Dann gilt: > 0 N n, m > N : |xn xm | < . Beweis: Sei > 0. Aus xn x: N n > N : |xn x| < Fr n, m > N folgt u |xn xm | = |xn x + x xm | |xn x| + |x xm | < + . 2 2
. 2

()

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 31 u 2.28 Denition: Eine Folge (xn ) in einem bewerteten Krper heit Cauchy-Folge, falls sie o das Verdichtungsprinzip () erfllt. u Also: (xn ) keine Cauchy-Folge (xn ) divergent (xn ) konvergent (xn ) Cauchy-Folge

u 2.29 Dezimalbruche: Sei a0 0 , und fr j sei dj {0, 1, . . . , 9}. Setze an := a0 + d2 dn d1 + + . . . + n . 10 100 10

Schreibe zur Abkrzung an = a0 , d1 d2 . . . dn . Man nennt die Folge (an ) einen Dezimalbruch. u Behauptung: (an ) ist eine Cauchy-Folge.

Beweis: Sei m > n, also m = n + k. Dann gilt |am an | = am an = dn+k dn+1 + . . . + n+k 10n+1 10 9 9 + . . . n+k 10n+1 10 1 1 9 1+ + . . . k1 = n+1 10 10 10
1 9 1 10 = 1 10n+1 1 10 k

9 10 10n+1 9

1 10

1 < fr n > N , da u 10n

1 10

a 2.30 Axiom (V): (, |.|) ist vollstndig, d.h. in konvergiert jede Cauchy-Folge. Also: In gilt (xn ) konvergent (xn ) ist Cauchy-Folge 1) Jeder Dezimalbruch konvergiert gegen eine reelle Zahl.

2.31 Satz:

2) Fr jede relle Zahl x existiert ein Dezimalbruch, der gegen x konvergiert. u Meist identiziert man x mit dem Dezimalbruch, z.B. 2 = 1, 41421 . . .

Beweis:

1) folgt aus (V) und 2.29.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 32 u 2) Sei x + . 0

Setze a0 := x. Dann 0 x a0 < 1 und 0 10(x a0 ) < 10. d1 {0, . . . , 9} Setze d1 := 10(x a0 ) Fr a1 := a0 + d1 gilt 0 x a1 < u 10 Setze d2 := 100(x a1 ) . . . d2 {0, . . . , 9} Fr a2 := a0 + u
d1 10

1 10

d2 100

gilt 0 x a2 <

1 100

u u Fr x fhre Verfahren fr x durch. u

Dann ist (an ) Dezimalbruch und |x an | <

1 , 10n

also an x.

Mit diesem Verfahren erhlt man zu x einen eindeutigen Dezimalbruch. Alle Dezimalbrche a u kommen vor bis auf diejenigen, fr die gilt: u n0 n n0 : dn = 9. Fr x = 3, 2 liefert das obige Verfahren aber x = 3, 200 . . .. u Denn sei z.B. an = 3, 19 . . . 9. |3, 2 an | = 10n 0 an 3, 2.

werden:

2.32 Bemerkung: Entsprechend kann eine g-adische Entwicklung von x konstruiert


n

x = (aN aN 1 . . . a0 , a1 , a2 . . .)g := lim mit N , aj {0, 1, . . . , g 1}. 2.33 Satz ( und ): 1) ist abzhlbar ( a

k=0

aN k g N k

, Cantorsches Diagonalverfahren).

2) ist uberabzhlbar. Insbesondere a

.
n

3) Fr jedes x existiert eine Folge (qn ) in mit x = lim qn . u Man sagt: liegt dicht in .

Beweis:

1) Schon gemacht

2) Zeige: Ist f : , so ist f nicht surjektiv.

Sei also eine Abbildung f : gegeben. Deniere x := 0, d1 d2 . . ., wobei dj := 0 falls f (j) = a0 , d1 d2 . . . und dj = 0 1 falls f (j) = a0 , d1 d2 . . . und dj = 0

x \ f ().

u x x = f (j) fr j

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 33 u 3) Whle (qn ) = zu x konstruierter Dezimalbruch. a u u o Also: Auf dem Zahlenstrahl hat die Menge Lcken. Die Menge der Lcken ist grer als . 2.34 Denition: 1) Eine Folge (an ) heit monoton wachsend / monoton fallend, falls

an+1 an / an+1 an fr n . u 2) Seien (an ), (bn ) Folgen in . Die Folge von Intervallen ([an , bn ]) heit Intervallschachtelung, falls (an ) monoton wachsend, (bn ) monoton fallend, n : an bn ,
n

lim (bn an ) = 0.

2.35 Satz: Ist ([an , bn ])n eine Intervallschachtelung, so konvergieren die Folgen (an ), (bn ) gegen denselben Grenzwert. Auerdem existiert genau ein x mit x x = lim an = lim bn .
n n

[an , bn ], nmlich a

n=1

Beweis: (i) (an ) konvergiert: Sei > 0. Fr m > n > N folgt |am an | = am an bm an bn an < u bn an 0 N n > N |bn an | < .

(an ) ist Cauchy-Folge an a . (ii) bn a: Sei > 0.

bn an 0 N n > N |bn an | <

2 n > N |an a| < an a N 2

fr n > max{N , N } : |bn a| = |bn an + an a| |bn an | + |an a| < . u (iii) a [an , bn ] fr alle n : Sei n fest. u Fr m > n : an am u Fr m > n : am bm bn a = limm am bn u an limm am = a
n [an , bn ] n [an , bn ]

an a bn .

(iv) Eindeutigkeit: y < x n : an > y y y > x n : bn < y y

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 34 u 2.36 Denition: Sei M , M = . 1) a heit eine obere (untere) Schranke von M, falls x M : x a (x a) 2) M heit nach oben beschrnkt, falls M eine (und damit unendlich viele) obere Schrana ke besitzt. Analog: Nach unten beschrnkt. a M heit beschrnkt, falls M eine obere und eine untere Schranke besitzt. a 3) a heit maximales (minimales) Element von M oder Maximum (Minimum) von M, falls a M x M : x a (x a) Schreibe a = max M bzw. a = min M. 4) a heit Supremum von M, falls a kleinste obere Schranke ist: x M : x a (x M : x b) b a . Analog: Inmum = grte untere Schranke. Schreibe a = sup M bzw. a = inf M. o 5) Falls M nicht nach oben beschrnkt ist, besitzt M kein Supremum. Schreibe dann: a sup M = . Genauso inf M = , falls M nicht nach unten beschrnkt. a Z.B.: M1 = ] , 1] M3 = [0, 3[ M2 = ]2, [

1 1 M4 = { n : n } = {1, 2 , 1 , . . .} 3

2.37 Satz(Existenz Inmum/Supremum): Jede nach unten (oben) beschrnkte Menge a = M besitzt ein Inmum (Supremum).

Beweis: Intervallschachtelung. Fr Inmum: Whle a0 untere Schranke, b0 M. Setze x1 := u a Entweder: Oder: Setze x2 := . . . x1 ist untere Schranke. x1 ist keine untere Schranke: y M : a0 y < x1 . a1 + b1 . 2 a0 + b0 . 2 Dann a1 := x1 , b1 := b0 . Dann: a1 := a0 , b1 := y

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 35 u Dann ist [an , bn ] Intervallschachtelung mit n : an ist untere Schranke bn M 0 bn an a :=

1 (b0 a0 ) 2n

[an , bn ] ist Inmum.

n=1

2.38 Hauptsatz ber monotone Folgen: Ist (an ) monoton wachsend und nach oben beu konvergent. a schrnkt (an K fr n ) oder monoton fallend und nach unten beschrnkt, so ist (an ) a u

Beweis: Sei (an ) monoton wachsend, an K. Setze a := sup{an : n }. Behauptung: a = lim an .


n

Sei > 0 fest. a ist keine obere Schranke. N : aN > a . n > N : an aN > a an a

|a an | < .

2.39 Existenz der Wurzel: Sei a + und x0 + . Deniere (xn ) rekursiv durch xn+1 := Dann existiert b := lim xn , n und es gilt b2 = a und b 0, d.h. b =: a (Babylonisches Wurzelziehen, Heron-Verfahren). Beweis: 1) xn > 0: Induktionsanfang: x0 > 0 Induktionsschritt: xn > 0 xn+1 = 2) n : x2 a: n x2 n 1 a = 4 = 1 4 xn1 + a xn1
2

a 1 xn + 2 xn

(n 0 ).

1 2

xn +

a xn

>0

Induktionsschluss: xn > 0 fr alle n 0 . u

a a xn1
2 2

x2 + 2a + n1 xn1 a xn1

4a

1 = 4 0

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 36 u 3) (xn ) ist monoton fallend ab n = 1: xn xn+1 = xn 1 2 xn + a xn = 1 2 xn a xn = 1 x2 a 2xn n
1), 2)

4) Wegen x1 xn > 0 und der Monotonie konvergiert (xn ). b := lim xn 0.


n siehe spter a

Es gilt b > 0: b2 = lim x2 a > 0. n


n

2)

5) b2 = a:
siehe spter a

b = lim xn = lim xn+1


n n

a 2b = b + b a b = 0 b b2 a = 0

a 1 xn + = lim n 2 xn

1 a b+ 2 b

2.40 Bemerkungen: kurze Rechnung

1) Deniert man den relativen Fehler dn := dn+1 d2 . n

xn a , xn

dann zeigt eine

Insbesondere verdoppelt sich die Zahl der richtigen Nachkommastellen bei jedem Schritt. 2) Wir wissen: 2 \ .

Analog: Sei k , k 2. Setze xn+1 := 1 a (k 1)xn + k1 , k xn x0 > 0. k a.

Dann existiert b := lim xn , und es gilt bk = a und b 0. Schreibe b =:


n n

2.41 Die Zahl e: Sei an :=

1 . n Dann ist (an ) monoton und beschrnkt, also konvergent. Der Grenzwert heit Eulersche Zahl: a 1+ e := lim 1+ 1 n
n

= 2, 7182818 . . .

Man kann zeigen: e ist irrational. Neben ist e eine der wichtigsten Zahlen in der Mathematik.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 37 u Monotonie: an an1 = = = =


Bernoulli 1 (1 + n )n 1 (1 + n1 )n1

= =

(n + 1)n (n 1)n1 nn nn1 n (n + 1) (n 1)n n 2n n n1 n n 1 1 2 n n1 n n 1 2 n n1 (n2 n) n n2 (n 1) 1

Also: an an1 . Beschrnktheit: a


n

an

Binomi

k=0 n

n 1 k nk n(n 1) (n k + 1) 1 n nn k!
n

=
k=0

=
k!2k1

k=0

1 k!
n

1+
k=1 n

1 k! 1 2k1 1 2
n

1+
k=1 n1

l=k1

1+
l=0

= = Hier sieht man: e 3.

1+ 1+ 3

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

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 38 u

2.4

Die komplexen Zahlen


{1}
Gruppe Krper o vollst. Krper o Krper o

2.42 Uberblick: 3 + x = 2 hat keine Lsung in . o 3 x = 1 hat keine Lsung in . o x2 = 2 hat keine Lsung in . o Aber: In x2 = 1 hat keine Lsung in . o

gibt es keine Ordnung.

1 {3} { 2} { 1}

Vieles in der Mathematik versteht man leichter in , z.B. Nullstellen von Polynomen, Matrizen, Potenzreihen, Lsungen von Dierentialgleichungen. o

2.4.1

Der Krper der komplexen Zahlen o und 1 =: i , also x + i y u fr

2.43 Idee: Suche Krper ( , +, ) mit o

x, y , i 2 = 1. Falls ( , +, ) Krper, dann o

(x1 + i y1 ) + (x2 + i y2 ) = x1 + i y1 + x2 + i y2 = x1 + x2 + i y1 + i y2 = (x1 + x2 ) + i (y1 + y2 ) und (x1 + i y1 ) (x2 + i y2 ) = x1 x2 + i y1 x2 + x1 i y2 + i y1 i y2 = x1 x2 + (i i) y1 y2 + i y1 x2 + i x1 y2

= (x1 x2 y1 y2 ) + i (y1 x2 + x1 y2 ) Fhrt das zu einem Krper? u o

2.44 Satz:

:= mit den Verknpfungen u (x1 , y1 ) + (x2 , y2 ) := (x1 + x2 , y1 + y2 ) (x1 , y1 ) (x2 , y2 ) := (x1 x2 y1 y2 , x1 y2 + y1 x2 )

ist ein Krper mit o Nullelement Einselement 0 = (0, 0) 1 = (1, 0) (x, y) = (x, y) x y (x, y)1 = , 2 2 + y2 x x + y2 o ( , +, ) heit Krper der komplexen Zahlen. In Krper. o falls (x, y) = (0, 0).

kann man also rechnen wie in jedem

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 39 u Beweis: Durch Nachrechnen, z.B. (x, y) y x , 2 2 + y2 x x + y2 = x2 y 2 x (y) yx 2 , 2 + 2 2 + y2 2 2 x x +y x +y x + y2 = (1, 0)

2.45 als Teilmenge von

: Die Abbildung f :

: x (x, 0) ist injektiv, und es gilt = f (x y) rechne.

f (x) + f (y) = (x, 0) + (y, 0) = (x + y, 0) = f (x + y) f (x) f (y) = (x, 0) (y, 0) Also: Identiziere x mit (x, 0) +, : = (x y, 0) Es ist egal, ob ich in rechne und dann abbilde, oder erst abbilde und dann in

bzw. = f (). Dann sind die Verknpfungen u

Fortsetzungen von +, : . Weiter gilt fr , (x, y) u (x, y) = (, 0) (x, y) = (x, y) = (x, y) .

2.46 Vereinfachung: Sei i := (0, 1). Dann gilt i 2 = 1 . Die komplexe Zahl i heit imaginre Einheit. Es ist a (x, y) = x(1, 0) + y(0, 1) = x + i y (x, y ).

Schreibe statt (x, y) auch x+i y (Normalform einer komplexen Zahl), rechne wie in , beachte i 2 = 1. Z.B.: Berechne 4 + 3i = 1 + 2i. 2i

Veranschaulichung in der Gauschen Zahlenebene. y


T

.
E

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 40 u 2.47 Denition: Sei z = x + i y 1) x heit Realteil von z : mit x, y .

x = Re z. y = Im z.

2) y heit Imaginrteil von z : a

3) z := x i y heit die zu z konjugierte Zahl. Im


T

Re

2.48 Satz: Fr z, z1 , z2 u

gilt:

1) z z = Spiegelung an reeller Achse in der Gauschen Zahlenebene 2) z = z 3) z z = z 4) Re z = z+z , 2 Im z =

zz 2i

5) z1 + z2 = z 1 + z 2 6) z1 z2 = z 1 z 2 , 1 z = 1 z

7) z = x + i y z z = x2 + y 2 + 0 Z.B.: z = 3 + 5i z z = 34. 2.49 Bemerkung: Wegen i 2 = 12 kann nicht angeordnet werden.

2.50 Denition: Sei z = x + i y . Dann heit |z| := zz = x2 + y 2 (siehe Satz 2.48)

der Betrag von z. (Geometrisch: |z| = Lnge von 0 bis z in Gauscher Ebene.) a

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 41 u 2.51 Hilfssatz: 2) |Re z| |z|, 1) |z| = |z| |Im z| |z| = verallgemeinert den Betrag in . x2 + 0 = |x| .

3) z = x |z|

Also: Der Betrag in

o 2.52 Satz: ( , |.|) ist ein bewerteter Krper, d.h. es gelten: (B1) |z| 0; |z| = 0 z = 0.

(B2) |z1 z2 | = |z1 | |z2 |. (B3) |z1 + z2 | |z1 | + |z2 | (-Ungleichung). Insbesondere: z1 z2 = |z1 | , |z1 z2 | |z1 | |z2 | (vgl. Folgerungen 2.17). |z2 |

Beweis: (B1) |z| 0 okay |z| = 0 x2 + y 2 = 0 x = 0 y = 0 z = 0 (B2) |z1 z2 |2 = (z1 z2 ) (z1 z2 ) = z1 z2 z1 z2 = z1 z1 z2 z2 = |z1 |2 |z2 |2 (B3) |z1 + z2 |2 = (z1 + z2 ) (z1 + z2 ) = (z1 + z2 ) (z1 + z2 ) = |z1 |2 + |z2 |2 + 2Re z1 z2 |z1 | + |z2 |
2

= z1 z1 + z1 z2 + z2 z1 + z2 z2
2|z1 z2 |=2|z1 | |z2 |=2|z1 | |z2 |

2.4.2

Folgen in

Denition von Konvergenz: Siehe Denition 2.20 2.53 Hilfssatz Vergleich von Betrgen: Sei z = x + i y. Dann gilt a |z| |x| + |y| 2 |z|.

D.h., wenn |z| klein ist, sind auch |x|, |y| klein und umgekehrt. Beweis: (i) |z|2 = x2 + y 2 = |x|2 + |y|2 |x|2 + |y|2 + 2|x| |y| = (|x| + |y|)2

|z| |x| + |y|.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 42 u (ii) Es gilt 0 (|x| |y|)2 = |x|2 2|x| |y| + |y|2 2|x| |y| |x|2 + |y|2. (iii) (|x| + |y|)2 = |x|2 + 2|x| |y| + |y|2 2(|x|2 + |y|2) = 2|z|2 |x| + |y|
(ii)

2 |z|.

2.54 Folgerung: Seien zn = xn + i yn , z = x + i y. Dann gelten 1) lim zn = z lim xn = x lim yn = y.


n n

2) (zn ) ist Cauchy-Folge in 3) ist vollstndig. a

(xn ), (yn ) sind Cauchy-Folgen in .

2.55 Beispiele:

1) zn =

1 1 +i (2 2 ) 2i n n
0 2

2) zn =

1 +in : n i : n

(Im zn )n ist divergent (zn ) ist divergent. (Re zn )n ist divergent (zn ) ist divergent.

3) zn = (1)n

2.56 Rechenregeln fur konvergente Folgen: Seien (an ), (bn ) konvergente Folgen in . Dann gelten: 1) M + n : |an | M (Eine konvergente Folge ist beschrnkt). a
n n

2) (an + bn ) ist konvergent mit lim (an + bn ) = lim an + lim bn .


n

(endliche Summe und Grenzwert sind vertauschbar) 3) Fr u ist ( an ) konvergent mit lim an = lim an .
n n

4) (|an |) ist konvergent mit lim |an | =


n n

lim an . lim an lim bn .


n

5) (an bn ) ist konvergent und lim an bn =


n

6) Sei lim an = 0. Dann existiert ein N mit an = 0 fr n > N. Setze u cn bn fr n N + 1 u an := 0 fr n N. u


n

lim bn

Dann ist (cn ) konvergent mit lim cn =


n

lim an

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 43 u 7) Sind (an ), (bn ) Folgen in und N , so gelten weiter a) (n N : an bn ) lim an lim bn .
n n

b)

(Sandwich-Satz, Prinzip der Polizisten).

lim an = lim bn (n N : an cn bn ) (cn ) konvergent lim cn = lim an


n n n

Beweis: Zu 1) Sei := 1 n1 n > n1 : |an a| < 1 n > n1 : |an | = |an a + a| |an a| + |a| < 1 + |a| Whle a M := max |a1 |, |a2|, . . . , |an1 |, 1 + |a| . Zu 5) Vorberlegung: u |an bn a b| = |an bn an b + an b a b| |an bn an b| + |an b a b| = |an | |bn b| + |b| |an a| Also: Sei M > 0 mit n : |an | M, sei > 0 fest. Whle n1 mit n > n1 : |bn b| < a 2M (falls b = 0, sonst n2 beliebig) Whle n2 mit n > n2 : |an a| < a 2|b| Whle n := max{n1 , n2 }. Fr n > n gilt a u |an bn a b| M + |b| = 2M 2|b|

Zu 7) an cn bn 0 bn cn bn an , also |bn cn | |bn an | |cn a| = |cn bn + bn a| |cn bn | + |bn a| |bn an | + |bn a| |bn a| + |a an | + |bn a| 0 n2 + i n3 1 + i n2 2 n + i 7n = i n 2 7n

Z.B.: an = Z.B.: an

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 44 u 1 1+ n


n n

Z.B.:

1 e an := 1 + n n 1 bn := ist monoton wachsend und beschrnkt, also in konvergent a k! k=0 e lim bn 3.


n k=0

k=0 n

1 3 (vgl. Beweis von 2.41) k!

Man kann zeigen:

1 := lim bn = e. n k!

2.4.3

Polardarstellung komplexer Zahlen Im


T

Re

2.57 Satz: Fr jedes z u

\ {0} existieren eindeutige Zahlen r + , [0, 2[, so dass z = r(cos + i sin ). ()

Man nennt () die Polardarstellung von z. Es gilt r = |z|, cos = Re z Im z , sin = . |z| |z|

Der Winkel heit Argument von z: = arg(z).

2.58 Tabelle wichtiger Werte: 30 = 45 = 60 = 90 = 6 4 3 2 0 1 2 3 4 sin 2 2 2 2 2 4 3 2 1 0 cos 2 2 2 2 2 Z.B.: z1 = 1 + i, z2 = i, z3 = 1, z4 = 1 3i. 0 2.59 Multiplikation: z1 = r1 (cos 1 + i sin 1 ), z2 = r2 (cos 2 + i sin 2 ) z1 z2 = r1 r2 cos 1 cos 2 sin 1 sin 2 + i (cos 1 sin 2 + sin 1 cos 2 ) = r1 r2 (cos(1 + 2 ) + i sin(1 + 2 ))

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 45 u wegen der Additionstheoreme cos(1 + 2 ) = cos 1 cos 2 sin 1 sin 2 , sin(1 + 2 ) = cos 1 sin 2 + sin 1 cos 2 . Also: Komplexe Zahlen werden multipliziert, in dem man ihre Betrge multipliziert und die a Winkel addiert. Im
T

Re

2.60 Vereinfachung: Wir schreiben ei := cos + i sin ( im Bogenma). Damit wird die Polardarstellung zu z = r ei . Additionstheoreme ei 1 ei 2 = ei(1 +2 ) .

Wichtig: Fr gilt ei = u Z.B.: (1 + i)n .

Multiplikation komplexer Zahlen: r1 ei1 r2 ei2 = r1 r2 ei(1 +2 ) . cos2 + sin2 = 1.

Z.B.: Bestimme alle Lsungen von z 3 = 8. o 2.61 Die n-te Wurzel: Es seien r ]0, [ und [0, [ gegeben. Die Gleichung z n = r ei = r(cos + i sin ) hat genau n verschiedene Lsungen o zk = r 1/n ei
+2k n

= r 1/n cos

+ 2k + 2k + i sin n n

k = 0, 1, . . . , n 1.

D.h. die Gleichung z n = a hat fr a = 0 genau n verschiedene Lsungen. u o Spezialfall n = 2: Fr a \ [0, [ bezeichnen wir mit a eine (egal welche) Lsung von u o z 2 = a. Z.B.:

8i bezeichnet (2 + 2i) oder 2 2i.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 46 u 2.62 Quadratische Gleichungen: Die Gleichung az 2 + bz + c Lsungen o z1/2 = Beweis: b b2 4ac . 2a = 0 (a = 0) hat die

a z2 + b z + c = 0 c b = 0 z2 + z + a a 2 b b b 2 z +2 z+ = 2a 2a 2a 2 1 b b2 4ac = z+ 2a 4a2 b 1 2 z+ = b 4ac 2a 2a 1 2 b b 4ac z = 2a 2a

c a

2.4.4

Polynome 1) Ein Polynom ist eine Funktion


n

2.63 Denition:

P :

:z

ak z k = a0 + a1 z + . . . + an z n
k=0

mit den Koezienten ak . Falls a0 , a1 , . . . , an , heit das Polynom reell (dann n = Grad P . Fr das Nullpolynom: Grad 0 := 1. u 2) Eine rationale Funktion ist eine Funktion z wobei P, Q Polynome sind. 3) Die Menge der komplexen/reellen Polynome: [x], [x]. 2.64 Berechnung: P (z) = (. . . ((an z + an1 ) z + an2 ) z + . . . + a1 ) z + a0 . Hierfr werden u nur n Multiplikationen bentigt statt o Z.B.: P (z) = 4z 3 3z 2 + 2z 1 = Berechnung von P (2): ak z=2
n(n+1) 2

betrachtet man auch P : ). Ist an = 0, so heit n der Grad des Polynoms: P (z) mit geeignetem Denitionsbereich, Q(z)

(Hornerschema).

4 3 4

(4z 3)z + 2 z 1 8 10 5 12 2 1 24 23 = P (2)

Klar ist: Sind P1 , P2 = 0 Polynome, dann ist P1 P2 Polynom mit Grad (P1 P2 ) = (Grad P1 ) + Grad P2 . Philosophie: Rechnen mit Polynomen analog Rechnen mit ganzen Zahlen. Rechnen mit rationalen Funktionen analog Rechnen mit rationalen Zahlen.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 47 u 2.65 Division mit Rest: Seien P, Q Polynome, 1 Grad Q Grad P . Dann gibt es einP = Q P1 + R Grad R < Grad Q.
R

deutig bestimmte Polynome P1 und R, so dass

22z + 2 Z.B.: (4z 4 14z 3 +6z 2 +3z5) : (2z 3 + 3z + 1) = 2z 7 + 3 2z + 3z + 1 4z 4 +6z 2 +2z Q P1 14z 3 + z5 3 14z 21z7 22z+2 2.66 Satz: Sei P [x], Grad P 1, . Dann gilt: P () = 0 (z ) ist Teiler von P, d.h. P (z) = (z )P1 (z). Beweis: klar. : Es gilt P (z) = (z )P1 (z) + R(z), Grad R < 1, also R = konstant. 0 = P () = 0 P1 () + R() R = 0

2.67 Folgerung: Ein Polynom vom Grad n 1 hat hchstens n verschiedene Nullstellen. o Beweis: Annahme: P (j ) = 0, j = 0, . . . , n + 1, alle 1 , . . . , n+1 verschieden. P (z) = (z 1 ) (z n+1 ) Q(x) = Polynom vom Grad > n


2.68 Identittssatz: Sind a


n n

P (z) =
k=0

ak z ,

Q(z) =
k=0

bk z k

gilt P = Q, d. h. ak = bk fr k = 0, 1, . . . , n. u

Polynome vom Grad n, die an mindestens n + 1 verschiedenen Stellen ubereinstimmen, so

Beweis: P Q hat mindestens n + 1 Nullstellen und Grad(P Q) n P Q = 0.

2.69 Denition:

heit k-fache Nullstelle von P oder Nullstelle mit Vielfachheit k,

falls (z )k , aber nicht (z )k+1 Teiler von P ist. D. h. P (z) = (z )k P1 (z) mit P1 () = 0.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 48 u 2.70 Fundamentalsatz der Algebra (C. F. Gau 1799): Sei P Grad n 1: P (z) = an z n + an1 z n1 + . . . + a0 mit an = 0. [x] Polynom vom

Dann gelten 1) P hat in mindestens eine Nullstelle.

2) Es gibt komplexe Zahlen 1 , . . . , n (nicht notwendig verschieden), so dass P (z) = an (z 1 ) (z n ). Die j sind bis auf Nummerierung eindeutig. Zhlt man jede Nullstelle mit ihrer Viela fachheit, so hat P genau Grad P Nullstellen.

2.71 Hornerschema: Seien P (z) = an z n + an1 z n1 + . . . + a0 und z0 ak z = z0 an an1 z0 an =: bn1 an2 z0 bn1 =: bn2 . . . a0 . . . z0 b1 =: b0 = P (z0 )

gegeben.

an an1 + z0 an an2 + z0 bn1 . . . a0 + z0 b1

werden:

Dann kann in der letzten Zeile das Ergebnis der Polynomdivision P (z) : (z z0 ) abgelesen P (z) : (z z0 ) = an z n1 + bn1 z n2 + . . . + b2 z + b1 + b0 z z0

Z.B.: P (z) = z 4 5z 2 2z,

z0 = 2 ak z = 2 1 2 0 5 2 0 4 2 0 0 0

1 2 1

P (z0 ) = 0,

P (z) : (z + 2) = z 3 2z 2 z. Nullstelle, dann ist auch Null-

stelle.

2.72 Reelle Polynome: Ist P reelles Polynom und

Also: Eine Nullstelle ist entweder reell oder ist Fall 1: : Fall 2: \ : P (z) = (z )(z )P1 (z)

\ Nullstelle, dann auch .

P (z) = (z )P1 (z) (P1 reelles Polynom) = (z 2 (2Re )z + ||2 )P1 (z) (P1 reelles Polynom)

Aus dem Fundamentalsatz folgt nun: Ein reelles Polynom ist darstellbar als Produkt von linearen und quadratischen reellen Polynomen, wobei die quadratischen Polynome keine reellen Nullstellen besitzen (d.h. sie sind in irreduzibel).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 49 u Z.B.: P (z) = z 4 + 4z 3 + 2z 2 + 4z + 1 hat Nullstelle z = i weitere Nullstelle z = i (z 4 + 4z 3 + 2z 2 + 4z + 1) : (z 2 + 1) = z 2 + 4z + 1 4 16 4 2 z + 4z + 1 = 0 z1/2 = = 2 3 2 P (z) = (z 2 + 1) (z (2 + 3))(z (2 3)) 2.73 Rationale Nullstellen: Sei P (x) = von P , wobei p, q a b p Nullstelle q k=0 teilerfremd sind, dann ist p Teiler von a0 und q Teiler von an . ak xk mit a0 , . . . , an . Ist x = a b
n

(z i)(z + i) = z 2 + 1

Beweis: 0 = an

+ an1

n1

+ . . . + a0

0 = an an + an1 an1 b + . . . + a0 bn b | an an an an = b(. . .)


a,b teilerfremd

Genauso: bn a0 = a(. . .) a | bn a0 a | a0 Z.B.: P (x) = 1 x3 2x2 6x + 4.

b | an

Wegen an = a3 = 1 sind alle rationalen Nullstellen ganze Zahlen. Wegen a0 = 4 kommen nur x = 1, 2, 4 in Frage.

Probieren: P (2) = 0.

Z.B.: P (x) = 12x4 4x3 + 6x2 + x 1. Teiler von an = a4 = 12 : Teiler von a0 = 1 : 1

1, 2, 3, 4, 6, 12.

1 1 1 1 1 Mgliche rationale Nullstellen x = 1, , , , , . o 2 3 4 6 12 1 Probieren: P ( ) = 0. 3

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 50 u

3
3.1

Lineare Algebra
Linearitt a

3.1 Denition: Ein Vektorraum oder linearer Raum uber einem Krper (z.B. = o

, = , =
(S1) (S2) (S3) (S4)

p)

ist eine abelsche (d.h. kommutative) Gruppe (V, +), versehen mit einer : V V : (, v) v, so dass v+v ( ) v

Skalarenmultiplikation (v + w) = ( v) = 1v = ( + ) v =

v+w

Die Elemente des Vektorraumes heien Vektoren. Das neutrale Element der Gruppe (V, +) heit auch Nullvektor 0. n 1) V1 = = x1 . . . xn + y1 . . . yn x1 x2 : x1 , . . . , xn ist ein Vektorraum uber mit . . . xn x1 x1 + y1 x1 . . . . . , = . = . . . xn xn + yn xn ist ein Vektorraum uber oder uber mit De

Beispiele:

2) V1 =

z1 . . : z1 , . . . , zn . zn nition von +, wie in 1).


n

3) Vektorraum der Folgen: V3 := {(an )n | n : an } ist Vektorraum uber (oder uber ) mit (an ) + (bn ) := (an + bn ), 4) Vektorraum der konvergenten Folgen: V4 := C := {(an )n | n : an ist Vektorraum uber 5) V5 := F := {f : a : an a} (an ) := ( an ).

(oder uber ) mit Denition von +, wie in 3).

}: Vektorraum der komplexen Funktionen mit f + g : x f (x) + g(x), f : z f (z)

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 51 u 6) V6 := P := {P : | P ist Polynom} mit +, wie in 5) ist Vektorraum der Polynome, | P ist Polynom vom Grad n} mit +, wie in 5) ist } ist Untervektorraum von F , P und von Pn .

Untervektorraum von F .

7) V7 := Pn := {P : 8) V8 := {f :

Untervektorraum von F und von P. Gerade im Raum der Polynome

: z zn |

9) (, +, ) ist ein Vektorraum uber . 3.2 Rechenregeln: Sei (V, +, ) ein Vektorraum. Dann gelten: 1) v = 0 = 0 v = 0. 2) (1) v = v (inverses Element zu v).

3) Seien u, v V gegeben. Die Gleichung u + x = v besitzt die eindeutige Lsung o x = v + (u) =: v u.

3.3 Denition: Sei (V, +, ) ein Vektorraum uber . Eine Teilmenge U V heit Unter bezeichnen +, die Einschrnkungen der V -Operationen auf U U bzw. U). a vektorraum oder linearer Teilraum von V , falls (U, +, ) ein Vektorraum uber ist (hier

3.4 Untervektorraumkriterium: Es seien (V, +, ) ein Vektorraum uber und U V . Dann sind quivalent: a

(i) U ist Untervektorraum von V . (ii) U = (v, w U , : v + w U). (iii) U = (v, w U : v + w U) (v U : v U). Beispiele: U1 := U2 := U3 := U4 := 1) V = 3 : x1 x2 : x1 , x2 0 x1 x2 : x1 , x2 1 x1 1 0 : x1 = 0 : 0 0 x1 1 0 : x1 = 0 : 2x1 2

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 52 u 2) V = {(an )n | n : an }. U1 := {(an )n | an 0}. U2 := {(an )n | an 1}. 3) Pn ist Untervektorraum von P. Sei Pj : : z z j (j = 0, . . . , n)
n

Pn =

j=0

j Pj : j

3.5 Denition:

1) Seien n , 1 , . . . , n , v1 , . . . , vn V . Dann heit


n

v :=
j=1

j vj

Linearkombination der Vektoren v1 , . . . , vn . Achtung: Eine Linearkombination ist immer eine endliche Summe. 2) Sei M V . Dann heit LH(M) := =
j=1

Linearkombinationen von Elementen aus M


n

j vj : n , j , vj M

die lineare Hulle von M. Oensichtlich gelten: LH(M) ist ein Untervektorraum von V . LH(M) ist der kleinste Unterraum von V , der M enthlt: a M W W Unterraum von V LH(M) W. Man sagt: M spannt den Untervektorraum LH(M) auf.

Beispiele:

1) V = n 1 0 M1 := 0 1 M2 := 0 : 0 0 1 0 , 0 M3 := 2 0

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 53 u 2) V = {(an ) Folge in }, M := {ej V | j ej = (0, 0, . . . , 0, 1, 0, 0, . . .)} j-tes Folgenglied 3) V = P, M := {Pj : z z j | j = 0, 1, 2, . . .}.

lent:

3.6 Minimale aufspannende Mengen: Sei M V mit LH(M) = V . Dann sind quivaa

(i) m M : LH M \ {m} = V . (ii) Fr jede endliche Teilmenge {m1 , . . . , mn } M gilt u


n

1 , . . . n :
n

j=1

j mj = 0 1 = . . . = n = 0 .

(iii) Ist v =
j=1

j mj mit m1 , . . . , mn M, so sind die Koezienten (Koordinaten) 1 , . . . , n

eindeutig.

3.7 Denition: Seien V, W Vektorrume uber . Eine Abbildung L : V W heit linear a oder Vektorraum-Homomorphismus, falls u, v V : L(u + v) = L(u) + L(v) (i) u V : L( v) = L(v)

oder quivalent a (ii) u, v V , : L( u + v) = L(u) + L(v). 1) L : 3 : x1 x2 x1 x2 x3

Beispiele:

x1 . .

2) L : 2 2 : 3) L : F

a1 x1 + a2 x2 b1 x1 + b2 x2

: f f (1).

4) L : P P : P P . 5) V = C = {(an ) Folge in | (an ) konvergent}, L : C : (an ) lim an .


n

ist auch L K : U W linear.

3.8 Satz: Seien U, V, W Vektorrume uber . Sind K : U V und L : V W linear, dann a

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 54 u 3.9 Denition: Sei L : V W linear. Dann heit Bild (L) := {L(x) : x V } das Bild von L und das Urbild der Menge {0} W Kern (L) := {x V : L(x) = 0} = L1 ({0}) der Kern von L. Beispiele: 1) L : 2 2 : : f f (1). x1 x2 x1 0 .

2) L : F

3) L : Pn Pn : P P . 4) L : C : (an ) lim an .
n

3.10 Eigenschaften linearer Abbildungen: Sei L : V W . Dann gelten: 1) L(0) = 0. 2) Bild (L) ist ein Untervektorraum von W . 3) Kern (L) ist ein Untervektorraum von V . 4) Ist zustzlich L bijektiv, so ist L1 : W V linear. a 3.11 Denition: Sei L : V W linear und bijektiv. Dann heit L Isomorphismus, die

Vektorrume V und W heien isomorph. Man kann dann V und W identizieren, sie sind nur a verschiedene Realisierungen desselben Vektorraumes. a1 . . . an+1

Beispiele:

1) L :

n+1

Pn :

P : z a1 + a2 z + . . . + an+1 z n .

2) L : P {abbrechende Folgen} : P : z a0 + a1 z + . . . + an z n (a0 , a1 , . . . , an , 0, 0, . . .). Anwendung: In einem endlichen Krper mit n Elementen gibt es nur nn verschiedene o Abbildungen f : . Der Raum der Polynome soll aber unendlich viele Elemente Abbildungen sondern durch enthalten. Deshalb deniert man den Vektorraum der Polynome P nicht als Raum von P := {abbrechende Folgen in }. Im Fall von = ist diese Denition quivalent zu unserer ursprnglichen Denition. a u

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 55 u 3.12 Kern und Injektivitt: Fr L : V W linear sind quivalent: a u a (i) Kern (L) = {0}. (ii) L ist injektiv.

Beweis: (i) (ii): Lu = Lv Lu Lv = 0

L(u v) = 0

uv =0

u v Kern (L)

(ii) (i): L(0) = 0 L injektiv L1 ({0}) = {0}.

3.2

Lineare Gleichungssysteme - Vorluges a

System

u 3.13 Denition: Seien m, n und ajk , bj fr j = 1, . . . , m, k = 1, . . . , n gegeben. Das a11 x1 a21 x1 . . . + a12 x2 + . . . + a1n xn + ... + a2n xn = b1 = b2

()

am1 x1 + . . .

+ amn xn = bm

fr die n Unbekannten x1 , . . . , xn heit lineares Gleichungssystem (LGS). Falls die u rechte Seite verschwindet (d.h. b1 = . . . = bm = 0) heit das LGS homogen, sonst inhomogen. das zugehorige homogene LGS. Krzere Schreibweise fr (): u u
n

Ist () inhomogen, so heit das LGS mit denselben Koezienten ajk , aber b1 = . . . = bm = 0,

ajk xk = bj ,
k=1

j = 1, . . . , m

Praktische Schreibweise fr kleinere LGS: u a11 a12 . . . a1n b1 . . . . . . . . . am1 am2 . . . amn bm 3.14 Bemerkung: Die Abbildung L : n n : x1 . . . xn

. . . n k=1 amk xk

n k=1 a1k

xk

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 56 u ist linear. Also: () lsen bedeutet: L1 o 3.15 Das Gau-Verfahren: beginnt als die erste Zeile: j 2 : min{k : ajk = 0} min{k : a1k = 0}. 2) Durch Addition von Vielfachen der 1. Zeile zu den anderen Zeilen erreiche fhrende u Nullen ab der 2. Zeile: j 2 : min{k : ajk = 0} min{k : a1k = 0} + 1. 3) Vergiss die erste Zeile, betrachte die zweite Zeile als erste und wiederhole den Vorgang. Abbruchbedingung: Fhre das Gau-Verfahren so lange durch, bis das LGS Zeilenstufenu form hat, d.h. dass jede Zeile entweder vom linken Rand her mehr Nullkoezienten als die vorhergehende Zeile hat oder links vom Gleichheitszeichen aus lauter Nullen besteht: a11 x1 + a12 x2 + 0 x1 + a22 x2 + 0 x1 + 0 x1 + ... ... + .. . ... + a1n xn = b1 + a2n xn = b2 + a3n xn = b3 (k l) b1 . bestimmen. . . bm

1) Vertausche die Zeilen, so dass keine Zeile weiter links

0 x2 + a33 x3 ...

alk xk + . . . + aln xn = bl 0 = bl+1 . . . 0 = bm

Klar ist: Falls bl+1 = 0 oder bl+2 = 0 . . . oder bm = 0, dann gibt es keine Lsung. Pech! o Andernfalls kann man das LGS von unten nach oben auflsen. o 3.16 Begrundung: Ist (x1 , . . . , xn ) Lsung von (), dann auch von dem umgeformten System o nach einem Gau-Schritt (Wir haben ja nur Gleichungen addiert). Ist (x1 , . . . , xn ) Lsung des umgeformten Systems, dann knnen wir die ursprnglichen Gleio o u chungen durch Gau-Umformungen rekonstruieren. Also: Ein Gau-Schritt ndert die Lsungsgesamtheit nicht. a o

3.17 Folgerung: Ein homogenes LGS besitzt immer die Lsung x1 = . . . = xn = 0. Im o Fall m n 1 (weniger Zeilen als Variablen) besitzt ein homogenes LGS immer nichttriviale Lsungen. o

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 57 u

3.3

Basis und Dimension

3.18 Denition: Sei (V, +, ) ein Vektorraum uber . 1) Eine Teilmenge M V heit linear unabhngig, falls folgende quivalente Bedingungen a a erfllt sind: u (i) Fr jede endliche Teilmenge {m1 , . . . , mn } M gilt u
n

1 , . . . n :
n

j=1

j mj = 0 1 = . . . = n = 0 .

(ii) Ist v =
j=1

j mj mit m1 , . . . , mn M, so sind die Koezienten 1 , . . . , n eindeutig.

(iii) m M : LH M \ {m} = LH(M). Falls M nicht linear unabhngig ist, heit M linear abhngig. a a 2) Eine Teilmenge B V heit Basis, falls B linear unabhngig ist und LH(B) = V . a Insbesondere besitzt dann jeder Vektor v V eine eindeutige Darstellung
n

v =
j=1

j bj

mit n , j , bj B.

Die Koezienten 1 , . . . , n heien Koordinaten von v bezglich B. Wir schreiben u 1 . v = . . n B 1 0 Beispiele: 1) V = n , e1 := . . . . en := . . 0 B := {e1 , . . . , en } ist die kanonische Basis von 0 . . . . 0 1 n .

u 2) V = n , a1 , . . . an n \ {0}, so dass aj fr j > k mehr Nullen von oben her hat als ak . Dann ist {a1 , . . . , an } Basis von n . 3) V = {(an ) Folge in }, ej = (0, 0, . . . , 0, 1, 0, 0, . . .) j-tes Folgenglied M = {e1 , e2 , . . .} ist linear unabhngig, aber keine Basis. a 4) Seien Pj : {P0 , . . . , Pn } ist Basis von Pn , : z z j , j 0 .

{P0 , P1 , . . .} ist Basis von P.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 58 u 5) V = F = {f : Abbildung}.

a M := {x eax | a } ist linear unabhngig, aber keine Basis.

3.19 Die Idee von Descartes: Sei {v1 , . . . , vn } V . Deniere T : V :


n

x1 . . . xn

j=1

xj vj

Falls T umkehrbar: Jeder Vektor v V besitzt Koordinaten x1 , . . . , xn . Mit Koordinaten kann man rechnen.

3.20 Satz:

1) T ist linear

2) Aquivalent sind: (i) LH {v1 , . . . , vn } = V . (ii) T ist surjektiv. 3) Aquivalent sind: (i) {v1 , . . . , vn } ist linear unabhngig. a (ii) T ist injektiv. 4) Aquivalent sind: (i) {v1 , . . . , vn } ist Basis von V . (ii) T ist bijektiv.

3.21 Folgerung: Sei V Vektorraum uber mit einer endlichen Basis B und n := B. Dann ist V isomorph zu n .

3.22 Satz: Der Vektorraum V besitze eine Basis mit n Elementen. Dann gelten: 1) Jede Menge mit mehr als n Elementen ist linear abhngig. a 2) Jede Basis hat genau n Elemente.

Beweis:

w1 , . . . , wn+1 V . Zu zeigen:

1) Sei B = {b1 , . . . , bn } die Basis. Dann ist T : n V Isomorphismus. Seien nun 1 w1 + . . . + n+1 wn+1 = 0 hat nichttriviale Lsungen o

T 1 (1 w1 + . . . + n+1 wn+1 ) = 0 hat nichttriviale Lsungen o

1 T 1 (w1 ) + . . . + n+1 T 1 (wn+1 ) = 0 hat nichttriviale Lsungen o

wahr, da hier ein homogenes LGS mit n + 1 Unbekannten und n Zeilen vorliegt.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 59 u 2) Seien B, B Basen von V . 1) B B (da B linear unabhngig) a 1) B B

(da B linear unabhngig) a

B = B.

3.23 Denition: Besitzt V eine endliche Basis B, so heit B die Dimension von V : dim V := B. Besitzt V keine endliche Basis, so heit V unendlichdimensional. 1) dim(n ) = n,
n

Beispiele: 2)
n

als Vektorraum uber : dim( 1 1 2 , 0 1 2 , 1 0 0

) = 2n, dim(V ) = 2,

3) V = LH

4) dim(Pn ) = n + 1, 5) P ist unendlichdimensional. 3.24 Folgerung: Falls dim V = n und {v1 , . . . , vn } V linear unabhngig, ist {v1 , . . . , vn } a

eine Basis.

3.25 Basisergnzungssatz: Sei V endlichdimensional, m , m < n := dim V und a {v1 , . . . , vn } eine Basis von V ist. {v1 , . . . , vm } V linear unabhngig. Dann existieren Vektoren vm+1 , . . . , vn V , so dass a

Beweis: Sei {b1 , . . . , bn } Basis von V .


n

v1 =
j=1

j bj v1 = 0 j1 = 0.

Dann kann bj1 durch v1 ersetzt werden, d.h. {b1 , . . . , bn } \ {bj1 } {v1 } ist Basis von V. Genauso folgt, dass es ein bj2 gibt, das durch v2 ersetzt werden kann, und die enstehende Menge ist immer noch Basis von V . So fortfahrend erhalten wir {b1 , . . . , bn } \ {bj1 , . . . , bjm } {v1 , . . . , vm } als gewnschte Basis von V . u

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 60 u 3.26 Bemerkung: Man kann beweisen: Jeder Vektorraum besitzt eine Basis.

3.27 Dimensionsformel: Sei L : V W linear, dim V < . Dann gilt dim V = dim Kern (L) + dim Bild (L) (wobei dim {0} := 0). Beweis: Sei k := dim Kern (L), n := dim(V ). Fall k = n: V = Kern (L) Bild (L) = {0} n = 0 + n stimmt. Fall 1 k n 1: Sei {b1 , . . . bk } Basis von Kern (L). Ergnze zu einer Basis {b1 , . . . , bn } von V a Bild (L) = L(V ) = L LH{b1 , . . . , bn } = LH{Lb1 , . . . , Lbn } = LH{Lbk+1 , . . . , Lbn }. Dann: n = k + (n k) stimmt. Behauptung: {Lbk+1 , . . . , Lbn } ist linear unabhngig. a 0 = k+1 Lbk+1 + . . . + n Lbn = L(k+1 bk+1 + . . . + n bn ) k+1 bk+1 + . . . + n bn Kern (L) k+1 bk+1 + . . . + n bn = 1 b1 + . . . + k bk k+1 = . . . = n = 0. Fall k = 0: Sei {b1 , . . . , bn } Basis von V . Behauptung: {Lb1 , . . . , Lbn } ist linear unabhngig. a Dann: n = 0 + n stimmt. 0 = 1 Lb1 + . . . + n Lbn = L(1 b1 + . . . + n bn ) 1 b1 + . . . + n bn Kern (L) = {0} 1 b1 + . . . + n bn = 0 1 = . . . = n = 0. x1 x2 x3 x4

Beispiele:

1) L : 4 2 :

x2 0

ist linear.

x1 0 : x1 , x3 , x4 Kern (L) = x3 x4 x2 Bild (L) = : x2 0 3 + 1 = 4 = dim(4 )

dim(Kern (L)) = 3 dim(Bild (L)) = 1

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 61 u 2) L : Pn P : P P : dim(Kern (L)) = 1 dim(Pn ) = n + 1 dim(Bild (L)) = n + 1 1 = n

der Abbildung L.

3.28 Denition: Sei L : V W linear. Dann heit Rang(L) := dim Bild (L) der Rang

3.4

Lineare Abbildungen und Matrizen

3.29 Erinnerung: Seien V, W Vektorrume uber . a 1) L : V W heit linear, falls u, v V , : L( u + v) = Lu + Lv. 2) Der Kern von L: Kern (L) := {v V : Lv = 0} = L1 ({0} ist ein Untervektorraum von V. 3) Das Bild Bild (L) := {Lv : v V } ist ein Untervektorraum von W .

Dann existiert genau eine lineare Abbildung L : V W mit

3.30 Lineare Abbildung und Basis: Sei {b1 , . . . , bn } Basis von V , {w1 , . . . , wn } W . L(b1 ) = w1 , . . . , L(bn ) = wn .

Beweis:

1) Annahme: L : V W ist eine lineare Abbildung mit L(bj ) = wj , j = 1, . . . , n.


n

Sei v V

v=

j=1

j bj , j eindeutig
n n

L(v) = Eindeutigkeit von L.


n

j=1

j L(bj ) =

j=1

j wj L(v) ist eindeutig

2) Deniere L : V W : Existenz von L.

j=1

j bj

j=1

j wj Dann ist L linear (durch Nachrechnen)

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 62 u Beispiele: 1) V = n , bj = ej (kanonische Basis) L: 2) L : 2 3 deniert durch L L x y =L x 1 0 1 0 +y x1 . . . xn 0 2 2 0 1
n

j=1

xj wj 0 1 1 0 1 1 = 0 2x y 2x y

, L

0 1 0 2 2

=x

+y

3.31 Satz:

1) Aquivalent sind: (i) LH {w1 , . . . , wn } = W . (ii) L ist surjektiv.

2) Aquivalent sind: (i) {w1 , . . . , wn } ist linear unabhngig. a (ii) L ist injektiv. 3) Aquivalent sind: (i) {w1 , . . . , wn } ist Basis von W . (ii) L ist bijektiv.

Beweis: Siehe 3.20

3.32 Folgerung: Seien B = {b1 , . . . , bn }, C = {c1 , . . . , cm } Basen von V bzw. W , und


m

wk =
j=1

jk cj

(k = 1, . . . , n)

die eindeutigen Darstellungen von w1 , . . . , wn bezglich der Basis C. Dann ist die in 3.30 gegeu bene Abbildung eindeutig bestimmt durch Angabe der jk . Vereinbarung: Schreibe die jk in Matrixform:
C,B M = ML

11 . . . 1n . = ( ) = ( ) . . = . jk jk j = 1, . . . , m . . . k = 1, . . . , n m1 . . . mn

C,B 3.33 Denition: M = ML heit die m n - Matrix der linearen Abbildung L bezglich u

der Basen B und C. Es gelten: 1) Zeilenzahl = dim W (Bildraum), 2) Spaltenzahl = dim V (Urbildraum),

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 63 u 3) in den Spalten stehen die Koordinaten bezglich C der Bilder der Basisvektoren: u . 12 . . . . . . 12 . 22 . . . . . . 22 C,B . L(b2 ) = 12 c1 + . . . + m2 cm =: . ML = . . . . . . . . . . . . . m2 C . m2 . . . . . . Beispiele: 1) L : 2 2 : B= Aber: C = 0 2 , 1 0
C ML ,B =

x1 x2 1 0 ,

0 1

x2 x1
C,B = C ML =

0 1 1 0 0 0 1
1 2

2) Zu : V W : v 0 gehrt immer die Nullmatrix o 0 ... 0 C,B . =: . . M = . . . 0 ... 0 3) Zu IdV : V V : x x 1 0 B,B MIdV = . . . 0

C,B Aber: MIdV sieht anders aus, wenn C = B (Transformationsmatrizen).

gehrt bezglich einer Basis B die Einheitsmatrix: o u 0 ... 0 . .. . . 1 . =: En (n = Anzahl Spalten/Zeilen) .. .. . . 0 ... 0 1

4) Sei L : V W bijektiv, B = {b1 , . . . , bn } Basis von V , C := {Lb1 , . . . , Lbn } (nach 3.31 ist C Basis von W ). 1 0 . . . 0 ... .. . 1 .. .. . . ... 0 0 0 . . . = En 0 1 1 0 = = = 0 0 1 = , 1 4 2 5 3 6 1x1 + 2x2 + 3x3 4x1 + 5x2 + 6x3 0 1 .

C,B ML

Diese Matrix sagt uber die Abbildung nicht viel aus. 5) V = 3 , B = 1 0 0 , 0 1 0 , 0 0 1

, W = 2 , C = L L L 0 1 0 1 0 0 0 1 0 0 0 1

C,B ML =

1 2 3 4 5 6

x1 x2 x3

= L x1

1 0 0

+ x2

+ x3

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 64 u


C,B 3.34 Das Bild eines Vektors: Sei L : V W gegeben durch ML = (jk ), und sei

B = {b1 , . . . , bn }, C = {c1 , . . . , cm }.
n

Fr v V gilt v = u

k=1

vk bk und
n

Lv =
k=1 n

vk L(bk )
m

=
k=1 m

vk
n

j=1

jk cj cj

=
j=1 k=1

jk vk

= Koordinaten von Lv bezglich C u Also L : v Lv v1 . . . vn


n

k=1

1k vk k=1 . . . n mk vk

11 12 . . . 1n . . . =: . . . m1 m2 . . . mn

v1 v2 . . . vn B

D.h.:

1. Koordinate des Bildvektors . . . m-te Koordinate des Bildvektors

= 1. Zeile der Matrix Mal Vektor = m-te Zeile der Matrix Mal Vektor

C,B 3.35 Satz: Seien B = {b1 , . . . , bn }, C = {c1 , . . . , cm } Basen von V bzw. W und ML die

Matrix der Abbildung L : V W . Dann berechnen sich die Koordinaten von Lv bezglich der u Basis C aus den Koordinaten von v bezglich B durch u 11 . . . 1n (Lv)1 . . = . . . . Lv C = . . . (Lv)m C m1 . . . mn v1 . . . vn

C,B = ML vB B

C,B 3.36 Satz: Sei L : V W linear, B Basis von V , C Basis von W und ML = (ajk ) mit den

Spaltenvektoren

ak Dann gelten

a 1k a2k := . . . amk C

(k = 1, . . . , m).

Bild (L) = LH{a1 , . . . , an }, Rang (L) = dim LH{a1 , . . . , an } .

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 65 u 3.37 Satz: Sei L : V W linear, dim(V ) = n, dim(W ) = m. Dann existieren Basen B, C 1 0 . . . 0 1 .. . 0 0 .. . 0 ... ... .. . 1 0 0 . . . 0 ... 0 ... 0 . . . ... 0
T

von V bzw. W so, dass

C,B ML

0 ... 0 ... . . . 0 ...

n k Nullspalten k-te Spalte

k-te Zeile m k Nullzeilen

und es gelten Rang (L) = Anzahl der Spalten ungleich Null = k dim Kern (L) = Anzahl der Nullspalten = n k = dim V k

3.38 Verkn pfung linearer Abbildungen: Seien U, V , W Vektorrume mit endlichen Bau a sen BU , BV , BW und K : U V linear mit Matrix L : V W linear mit Matrix
B MK V ,BU = (jk ) j = 1, . . . , m k = 1, . . . , n B ML W ,BV

= (ij ) i = 1, . . . , l

j = 1, . . . , m

Dann ist die Matrix von L K gegeben durch (ik ) i = 1, . . . , l


k = 1, . . . , n BW B B = MLK,BU =: ML W ,BV MK V ,BU = (ij ) (jk )

wobei das Matrizenprodukt deniert ist durch


m

ik :=
j=1

ij jk

(ik = i-te Zeile der Matrix (ij ) Mal k-te Spalte der Matrix (jk ).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 66 u Beweis: Bu = {a1 , . . . , an }, BV = {b1 , . . . , bm }, BW = {c1 , . . . , cl } (L K)(ak ) = L K(ak )
m

= L
j=1 m

jk bj

=
j=1 m

jk L(bj )
l

=
j=1 l

jk
m

i=1

ij ci ci

=
i=1 j=1

ij jk
=ik

Das Matrizenprodukt A B kann nur gebildet werden, wenn Spaltenzahl von A = Zeilenzahl von B.

3.39 Denition: Die Matrix C = ()ik heit Matrizenprodukt von A und B: C = A B.

Beispiele:

1)

1 2 3 4 5 6 7 8 9

2)

1 2 1 1 0 1 2 2 2 1 0 3 1 2 1 1 0 1 2 2 2 1 0 3

3)

1 4) ( 1 2 1 1 ) 0 = (1). 1 1 1 1 0 5) 0 ( 1 2 1 1 ) = 1 1 1 1 vorigen Beispiel).

1 0 1 1 1 0 = 1 1

1 0 0 0 1 0 0 0 1 2 1 = 1 0

1 2 3 4 5 6 7 8 9

1 5 0 1 1 3 .

1 0 1

(manchmal auch dyadisches Produkt). Insbesondere A B = B A (vergleiche mit dem

2 1 1 0 0 0 2 1 1 2 1 1

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 67 u 3.40 Matrizen und lineare Abbildungen: Zu einer m n-Matrix M = (ajk ) j = 1, . . . , m mit Spaltenvektoren ak =
k = 1, . . . , n

a1k . . . amk

denieren wir die lineare Abbildung LM : n m :

x1 . . . xn

k=1

xk ak = M

x1 . . . xn

E ,E Dann gilt MLM = M, wenn E, E die kanonischen Basen von n bzw. m bezeichnen. Die

Abbildung
E : M LM mit Umkehrabbildung 1 : L ML ,E

ist eine bijektive Abbildung von der Menge aller m n-Matrizen auf die Menge aller linearen Abbildungen L : n m Sei nun M eine m n-Matrix und K eine l m-Matrix. Dann: (M) : n m , (K) :

m l , und

(K,

M)

K M

Matrizenmultiplikation

((K),(M)) (K) (M) Hintereinanderausfhrung u Also: (K M) = (K) (M). So wurde die Matrizenmultiplikation deniert!

3.41 Umkehrabbildungen:

V mit n Elementen. Dann gilt

1) Sei L : V V linear und invertierbar, B eine Basis von 1 .. 0 . 1 0

Die n n-Matrix En heit Einheitsmatrix.

B,B B,B B,B B,B B,B = MId = En := ML ML1 = ML1 ML

2) Sei M eine nn-Matrix (ber ). Falls eine nn-Matrix M 1 existiert mit M M 1 = En , u so gilt auch M 1 M = En . Auerdem ist die Matrix M 1 eindeutig, d.h. die Matrizengleichung M X = En besitzt genau eine Lsung X = M 1 . o 3.42 Denition: Eine n n-Matrix M uber heit invertierbar, falls eine n n-Matrix M 1 existiert mit M M 1 = En . Dann gilt auch M 1 M = En , und die Matrix M 1 heit inverse Matrix zu M.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 68 u


B,B 3.43 Folgerung: Es sei L : V V linear mit Matrix M = ML . Dann sind quivalent: a

(i) L ist invertierbar (d.h. bijektiv). (ii) M ist invertierbar.

B,B Beweis: (i) ML1 = M 1 (ii)

(ii) Setze K : V V : x K(x) mit K(x) L K = IdV , also K = L1 (i)

:= M 1 xB .

B,B B,B B,B B,B B,B Dann: MK = M 1 und MLK = ML MK = M M 1 = E = MIdV

3.44 Satz: Die Menge L : n n GLn( ). L ist linear und bijektiv

mit der Hintereinanderausfhrung als Verknpfung bildet eine Gruppe, die lineare Gruppe u u

gilt

3.45 Folgerung: Sind A, B invertierbare Matrizen, dann ist auch A B invertierbar und es (A B)1 = B 1 A1 .

3.46 Folgerung: Die Menge M M ist invertierbare n n-Matrix uber

mit der Matrizenmultiplikation als Verknpfung bildet eine Gruppe. Sie wird ebenfalls als u lineare Gruppe GLn( ) bezeichnet.

3.5

Lineare Gleichungssysteme II

3.47 Matrizen und lineare Abbildungen: Zu einer m n-Matrix a1k . M = (ajk ) j = 1, . . . , m mit den Spaltenvektoren ak = . . k = 1, . . . , n amk

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 69 u denieren wir die lineare Abbildung LM

E Dann gilt MLM,E = M, wenn E, E die kanonischen Basen von n bzw. m bezeichnen.

x1 . : n m : . . xn

x1 n . xk ak = M . . k=1 xn

Damit deniert M LM Abbildungen L : n m . mit Umkehrabbildung


E L ML ,E

eine bijektive Abbildung von der Menge aller m n-Matrizen auf die Menge aller linearen

3.48 LGS und Matrizen: Sei ein LGS a11 x1 a21 x1 . . . + a12 x2 + . . . + a1n xn + ... + a2n xn = b1 = b2

am1 x1 + . . . mit der Koezientenmatrix

+ amn xn = bm

()

x1 . gegeben. Dann ist x1 , . . . , xn genau dann Lsung von (), wenn der Vektor x := . Lsung o . o xn von b1 . LM x = b := . () . bm ist, oder anders geschrieben: Mx = b 3.49 Folgerung: Das LGS L x = b ist genau dann lsbar, wenn b Bild (L). o 3.50 Lsungsstruktur: Sei L : n m und das inhomogene LGS L x = b gegeben. Ist x0 o x = x0 + Kern (L) := {x0 + y : y Kern (L)} = {x0 + y : Ly = 0}. Man nennt x0 partikulre Lsung, obwohl x0 nur irgendeine Lsung bezeichnet (falls es a o o mehrerere Lsungen gibt). o ( )

a11 . . . a1n . . . M := . . . am1 . . . amn

eine Lsung, dann sind alle Lsungen gegeben durch o o

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 70 u a 3.51 Folgerung: Sei L : n n und das LGS L x = b gegeben. Dann sind quivalent: (i) Das LGS besitzt fr jeden Vektor b n genau eine Lsung. u o (ii) Kern (L) = {0} (iii) Rang (L) = n

Beweis: (i) Kern (L) = {0} (ii) (ii) (iii): Dimensionsformel n = dim(Kern (L)) + dim(Bild (L))
=Rang(L)

o (ii) (i): (ii) (iii) Bild (L) = n b Bild (L) mindestens eine Lsung existiert. (i) (ii) Lsung ist eindeutig o

a1k . 3.52 Denition: Sei M = (ajk ) eine m n-Matrix mit den Spaltenvektoren ak = . . amk (k = 1, . . . , n). Der Rang von M ist deniert durch Rang (M) := Rang (LM ) = dim(Bild (LM )) = dim LH {a1 , . . . , an } .

3.53 Folgerung: Eine n n-Matrix M ist genau dann invertierbar, wenn Rang (M) = n.

Beweis: M invertierbar LM bijektiv

Bild (LM ) = n

(LM surjektiv)

dim(Bild (LM )) = n Rang(LM ) = n

Kern (LM ) = {0} ( LM injektiv)

3.54 Satz: Sei das LGS A x = b gegeben, A := (A b) die erweiterte Koezientenmatrix. Dann sind quivalent: a (i) A x = b besitzt mindestens eine Lsung. o (ii) Rang (A) = Rang (A ).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 71 u Beweis: (i) b LH{a1 , . . . , an }

Rang(A) = Rang(A )

LH{a1 , . . . , an } = LH{a1 , . . . , an , b}

Gaualgorithmus an, bis links vom Trennstrich die Einheitsmatrix steht. Dann steht rechts die inverse Matrix: M En . . . En M 1 .

3.55 Berechnung inverser Matrizen: Sei M eine n n-Matrix. Schreibe M En . Wende

3.6

Basiswechsel

3.56 Denition: Sei V ein Vektorraum mit Basen B, B . Dann heit


B S := MIdV,B

die Basiswechselmatrix von B auf B .

3.57 Eigenschaften:

1) Ist B = {b1 , . . . , bn } und B = {c1 , . . . , cn } und


n n

v =
j=1

xj bj =

j=1

y j cj ,

so knnen die Koordinaten x1 , . . . , xn und y1 , . . . , yn folgendermaen umgerechnet werden: o y1 x1 x1 y1 . . . B,B . = M B ,B . . bzw. . = MIdV . IdV . . . . yn xn xn yn
B B B B B,B 2) S ist invertierbar: S 1 = MIdV .

3) Ist L : V V linear, dann ist


B B B,B B,B ML ,B = MIdV,B ML MIdV

C,B 4) Allgemeiner: Seien L : U V, B, B Basen von U, C, C Basen von V , M := ML , B C R := MIdU,B , S := MIdV,C . Dann gelten

C C C,B ML ,B = MIdV,C ML C,B ML C ML ,B


= S M

C,B B,B ML MIdU

MR1

C C,B B,B = MIdV,C ML MIdU

= SMR1

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 72 u 3.58 Denition: 1) Zwei m n-Matrizen A, B heien quivalent, wenn es invertierbare a B = S A R1 Insbesondere: Rang (A) = Rang (B). 2) Zwei n n-Matrizen A, B heien hnlich, wenn es eine invertierbare n n-Matrix S gibt a mit B = S A S 1 . 3.59 Satz: Es sei M eine m n-Matrix. Die Anwendung des Gau-Algorithmus (Vertauschen
C (vgl. oben ML ,B = S M R1 ).

Matrizen S (m m) und R (n n) gibt mit

D.h. A und B beschreiben bezglich geeigneter Basen dieselbe Abbildung. u

von Zeilen und Addition des Vielfachen einer Zeile zu einer anderen Zeile) ndert den Rang a von M nicht. Insbesondere gilt Rang (M) = maximale Anzahl linear unabhngiger Spalten a = maximale Anzahl linear unabhngiger Zeilen a

Beweis:

M , M sind quivalent, haben denselben Rang. a 2) Addition (1. Zeile) zur 2. Zeile:

1) Vertauschung zweier Zeilen, 0 1 1 0 0 0 M = . . . . . .

z.B. 1. und 2. Zeile: 0 ... 0 0 ... 0 1 0 ... 0 . M En .. . . . 0 . .. . . 0 . 0 0 0 ... 0 1

M , M sind quivalent, haben denselben Rang. a

1 0 ... 1 0 ... . . . M = 0 0 .. . . . . . . . 0 0 ... 0

0 0 M En 0 1

3) Forme M mit Gauschritten um zu Zeilenstufenmatrix M Rang(M) = Rang(M ) = Anzahl der nicht-Null Zeilen in M Gau-Schritte ndern nicht die maximale Anzahl der linear unabhngigen Zeilen. a a

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 73 u

3.7

Lnge von Vektoren a


und V ein -Vektorraum. Eine Abbildung . :

3.60 Denition: Seien = oder =

V : x x heit Norm, falls fr x, y V und gilt: u (N1) (N2) (N3) x 0 ( x = 0 x = 0) (Positivitt) a x x+y = || x x + y (Homogenitt) a (-Ungleichung)

(vgl. Eigenschaften des Betrages in Satz 2.15).

kugel. Ist x = 1, so heit x Einheitsvektor.

3.61 Denition: Ist . eine Norm auf V , so heit B1 (0) := {x V : x 1} Einheits-

3.62 Denition: Sei V Vektorraum uber = oder = d(x, y) := xy

mit Norm . . Dann heit

fr x, y V u

der Abstand von x zu y. Der Abstand besitzt folgende Eigenschaften: (M1) d(x, y) 0 sowie d(x, y) = 0 x = y (M2) d(x, y) = d(y, x) (M3) d(x, y) d(x, z) + d(z, y) (vgl. Abstand in Krpern, Denition 2.18). o (Positivitt, Denitheit). a (Symmetrie). (-Ungleichung).

3.8

Winkel im Vektorraum

3.63 Denition: Sei V Vektorraum uber oder . Eine Abbildung V V : (x, y) x, y heit Skalarprodukt (engl. inner product) auf V , falls (SP1) x, x 0 ( x, x = 0 x = 0)

(SP2) y, x = x, y (SP3) x + y, z = x, z + y, z

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 74 u a Ein Vektorraum mit Skalarprodukt (V, ., . ) heit auch euklidischer ( = ) oder unitrer ( = ) Vektorraum. Beispiele: 1) Standard-Skalarprodukt im n : x1 . . . xn 2) Standard-Skalarprodukt im
n

y1 . . . yn

=
j=1

xj yj .

: x1 . . . xn , y1 . . . yn
n

=
j=1

xj yj .

3) Im n ist auch x1 . . . xn , y1 . . . yn

1 0

0 .. . n

x1 . . . xn

y1 . . . yn

=
j=1

j xj yj

ein Skalarprodukt, falls 1 , . . . , n > 0. 3.64 Eigenschaften:

1) Fr festes y V ist die Abbildung u x x, y

linear nach (SP3). 2) Nach (SP2) und (SP3) x, y + z 3) y V : x, y = 0 x=0 = x, y + x, z .

(Setze y := x, siehe (SP1)).

3.65 Satz (Cauchy-Schwarz-Bunjakowski Ungleichung (CSB)): Fr x, y V gilt u | x, y | Beweis: Fall y = 0 : 0 0 stimmt. x, y Fall y = 0: Setze := . y, y (SP1) 0 = = = y, y x + y, x + y y, y y, y x, x | x, y |2 | x, y |2 + | x, y |2 y, y x, x | x, y |2 x, x + y, x + x, y + ||2 y, y x, x y, y .

| x, y |2 y, y x, x

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 75 u 3.66 Satz: Ist (V, ., . ) ein Vektorraum mit Skalarprodukt, so deniert x
2

:=

x, x

eine Norm auf V . Die Cauchy-Schwarz-Bunjakowski-Ungleichung wird zu | x, y | x


2

y 2.

Beweis: (N1) x (N2) x (N3)


2

0 stimmt, x

= 0 x, x = 0 x = 0.

=
2 2

x, x = = = = x + y, x + y x x x x
2 2 2 2 2 2

||2 x, x = || x 2. = x, x + x, y + y, x + y, y + 2Re x, y + 2| x, y | +2 x
2 2 2

x+y

+ y + y + y
2

2 2 2 2 2 2

+ y

3.9

Orthogonalitt a

3.67 Denition: Sei V ein Vektorraum mit Skalarprodukt ., . . 1) x, y V heien orthogonal (x y), falls x, y = 0. 2) Eine Familie (vi )iI V mit vi = 0 fr i I heit Orthogonalsystem, falls vi vj fr u u i = j, und Orthonormalsystem (ONS), falls vi , vj = ij = 0 fr i = j u 1 fr i = j. u

Ist ein ONS gleichzeitig Basis, so heit es Orthonormalbasis (ONB).

3.68 Satz des Pythagoras: Sei x y. Dann gilt x+y


2 2

2 2

+ y

2 2

3.69 Satz: Ist (vi )iI ein Orthogonalsystem, so ist {vi : i I} linear unabhngig. a

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 76 u Beweis: Sei J I, J endlich und j vj = 0. Fr k J folgt u
2 2

jJ

0=
jJ

j vj , vk

=
jJ

j vj , vk

= k vk

k = 0.

=0 fr j=k u

3.70 Satz: Sei (V, ., . ) Vektorraum mit Skalarprodukt, {v1 , v2 , . . .} V endliche oder abzhlbare linear unabhngige Menge. Dann gibt es ein ONS {e1 , e2 , . . .} mit der Eigenschaft a a k mit k {v1 , v2 , . . .} : LH{v1 , . . . , vk } = LH{e1 , . . . , ek } ONB ergnzen. a Insbesondere gilt: Ist dim V < , so besitzt V eine ONB, und jedes ONS lsst sich zu einer a

Beweis: Verwende das Gram-Schmidtsche Orthogonalisierungsverfahren: Schritt 1: e1 := 1 v1 v1

Schritt 2: f2 := v2 v2 , e1 e1 = 0, da v2 LH{v1 } = LH{e1 }


=1

Es gilt f2 e1 : f2 , e1 = v2 , e1 v2 , e1 e1 , e1 = 0 Setze e2 := 1 f2 f2 {e1 , e2 } ist ONS

LH({e1 , e2 } = LH({v1 , v2 }

. . . Schritt k: Sei {e1 , . . . , ek1} bereits konstruiert.


k1

Dann gilt vk LH{v1 , . . . , vk1 } = LH{e1 , . . . , ek1 } fk := vk


j=1

vk , ej ej = 0

Es gilt fk ej fr j = 1, . . . , k 1: u
k1

fk , ej = vk , ej 1 fk

i=1

vk , ei ei , ej = vk , ej vk , ej = 0.
=ij

Setze ek :=

fk

LH({e1 , . . . , ek } = LH({v1 , . . . , vk }

{e1 , . . . , ek } ist ONS

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 77 u 3.71 Entwicklung nach Orthonormalbasen: Sei B = {e1 , . . . , en } ONB von V . 1) Fr alle v V gilt u v =
j=1 n

v, ej ej ,

d.h. v, e1 , . . . , v, en sind die Koordinaten von v bezglich {e1 , . . . , en }. u


n n

2) Ist u =
j=1

j ej , v =
n

j=1

j ej , so gilt 1 . , . . n
n

u, v Insbesondere gilt

=
j=1

j j =

1 . . . n

=
n
n

(u)B , (v)B

n .

2 2

= u, u =
j=1

|j |

=
j=1

u, ej

(Parsevalsche Gleichung).

Beweis:

1) B Basis v =

j=1

j ej .
n

fr k = 1, . . . , n : v, ek = u
n n n n

j ej , ek = k .
j=1 n

2)

u, v

=
j=1

j ej ,

k=1

k ek

=
j=1 k=1

j k ej , ek

=
j=1

j j

3.72 Folgerung: Der Isomorphismus L: V :


n

x1 . . . xn

j=1

xj ej

erhlt das Skalarprodukt: a x, y


n

= L x, L y

und damit auch die Norm. n und V knnen als identisch angesehen werden. o

Beispiele:

1) V = 2 , B = {e1 , e2 } = x= x1 x2
E

cos sin x=

sin cos

mit festem .
B

x1 cos + x2 sin x1 sin + x2 cos

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 78 u 2) V = C([0, 2]) := {f : [0, 2] f, g f Setze 1 x 2 1 e2n1 : x sin(nx) 1 e2n : x cos(nx) e0 : Nachrechnen: {e0 , e1 , . . .} ist ONS. Fr f LH{e0 , e1 , . . .} gilt u f =
n 2

| f ist stetig}.
2

:=
0

f (x) g(x) dx
2

ist Skalarprodukt
1/2

:=
0

|f (x)| dx

zugehrige Norm o

f, en en = b0 +
2

n=1

an sin(nx) +

n=1

bn cos(nx)

1 2 1 bn = 1 an = b0 =

f (x) dx
0 2

f (x) cos(nx) dx
0 2

f (x) sin(nx) dx
0

Lsst man auch unendliche Summen zu, so kann man praktisch jede Funktion f so a entwickeln: Theorie der Fourierreihen.

3.73 Satz: Seien V ein Vektorraum mit Skalarprodukt, U ein endlichdimensionaler Unterraum, {e1 , . . . , ek } ONB von U und x V fest. Fr y U sind quivalent u a
k

(i) y =
j=1

x, ej ej

(ii) x = y + z mit z U (d.h. U : z y ) y (iii) U : x y y


2

D.h.: y ist das Element von U, das zu x den kleinsten Abstand hat.

x y 2.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 79 u


k

Beweis: (i) (ii): Sei z := x y und y U, y = z, y = =


j=1 k

j=1

j ej .

x y, y
k

= x, y y, y
k

j x, ej j x, ej

x, ej
j=1 k l=1

ej , l el

=
j=1

j=1

x, ej j 1

= 0 (ii) (iii): Sei z := x y U, y U. xy


2 2

= =

x y+y y xy xy
U 2 2 2 2 U

2 2 2 2

+ yy

(iii) (i): Fall x U: Dann y = x =

j=1

x, ej ej

Fall x U: Sei {e1 , . . . , ek , ek+1 } ONB von LH{e1 , . . . , ek , x}. Es gilt


k+1 k+1

x=
j=1

x, ej ej ,

y=
j=1

j ej mit k+1 = 0.
2

k+1

xy

2 2

=
j=1 k+1

( x, ej j ) ej x, ej j
2

=
j=1

= Minimum, falls j = x, ej fr 1 j k u

3.74 Bemerkung: Aus dem Satz: Fr x V ! y U : x y u


k

ist minimal. Es gilt

y =
j=1 k

x, ej ej .

Die Abbildung P : V U : x von V auf U.

j=1

x, ej ej ist linear und heit orthogonale Projektion

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 80 u

3.10

Die adjungierte Matrix


a11 . . . a1n . . . A = . . . am1 . . . amn

3.75 Denition: Sei

eine m n-Matrix. Dann heit die n m-Matrix a11 . . . am1 . . . A := . . . a1n . . . amn

die transponierter Matrix von A. Im Fall = gilt A = AT .

die adjungierte Matrix zu A und die n m-Matrix a11 . . . am1 . . . AT := . . . a1n . . . amn

3.76 Denition: Eine n n-Matrix A heit 1) selbstadjungiert, falls A = A, 2) symmetrisch, falls AT = A, 3) unitr, falls A = A1 . Im Fall = heit A dann auch orthogonal (AT = A1 ). a

C,B 3.77 Satz: Seien B, C zwei ONBs von V . Dann ist MId unitr, d.h. die inverse Matrix ist a B,C C,B besonders einfach zu berechnen: MId = MId

Beweis: Fr V = u

und C = E = kanonische Basis. Sei B = {b1 , . . . , bn }. (b1 )1 . . . (bn )1 E,B . = (b ) , . . . , (b ) . . MId = . 1 E n E . . (b1 )n (bn )n Koord. von b1 bzgl. E Koord. von bn bzgl. E

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 81 u (b1 ) E . (b1 )E . . . (bn )E . . (bn )E b1 , b1 b1 , b2 . . . b1 , bn b2 , b1 . . . bn , b1 ... . . . bn , bn (Einheitsmatrix)

E,B MId

E,B MId =

= E

3.78 Satz: Seien . , .

m n-Matrix. Fr x n , y m gilt u A x, y
m

n ,

.,.

die Standard-Skalarprodukte in n bzw. m , und sei A eine

= x, A y
n

Beweis: j-te Koordinate von Ax: (Ax)j =


k=1

ajk xk
m n

Ax, y Genauso

=
j=1 k=1

ajk xk

yj .

x, A y

=
k=1 n

xk (A y)k
m

=
k=1 m

xk
j=1 n

ajk yj ajk xk yj

=
j=1 k=1

A x, y

3.79 Folgerungen:

1) Ist A selbstadjungierte n n-Matrix, so gilt fr x, y n : u A x, y = x, A y .

2) Ist A unitr, so gilt fr x, y n a u A x, A y Insbesondere gilt Ax Winkel.


2

= x, y .

A x, A x = x 2 . Eine unitre Matrix erhlt Lngen und a a a

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 82 u

3.11

Die adjungierte Abbildung

L : W V , so dass

3.80 Satz und Denition: Sei L : V W . Dann existiert genau eine lineare Abbildung v V w W : L v, w
W

= v, L w

L heit die adjungierte Abbildung zu L. Ist B = {b1 , . . . , bn } ONB von V und C = {c1 , . . . , cm } ONB von W , so gilt
B,C ML = C,B ML

d.h. zur adjungierten Abbildung gehrt die adjungierte Matrix. o

C,B C,B Beweis: Existenz: Sei (Lv)C = ML (v)B . Oensichtlich ist ML eine m n-Matrix und C,B ML

eine n m-Matrix. Deniere

C,B L : W V : (L w)B := ML B,C C,B Dann gilt ML = ML

(w)C .

und = = = = = (v)B , (L w)B


C,B (v)B , ML

v, L w

(w)C
m

C,B ML (v)B , (w)C

(Lv)C , (w)C Lv, w


W

Eindeutigkeit: Sei K : W V mit Lv, w = v, Kw Kw L w = 0. Kw L w, v

= w, Lv w, Lv

= 0 v V

3.81 Eigenschaften der Adjungierten: Es sei L : V W , K : W U. Dann gelten 1) (L ) = L. 2) (K L) = L K (Reihenfolge dreht sich um!). 3) Kern (L) = (Bild (L )) := x W : x, y = 0 y Bild (L ) . 4) Falls L : V V , gilt Rang (L) = Rang (L ).

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 83 u Beweis: 1) Fr x V, y W gilt u x, (L ) y 2) 3) (K L)x, y = K(L(x)), y = L x, y = x, Ly (L ) y = Ly.

= Lx, K y

= x, L (K y) = x, L K y .

x Kern (L) Lx = 0

y W : Lx, y = 0 x (Bild (L ))

y W : x, L y = 0

4) Dimensionsformel: dim V = dim Kern (L) + dim Bild (L). Rang (L) = dim Bild (L) = dim(V ) dim Kern (L) = dim(V ) dim Bild (L ) = dim(V ) dim(V ) dim Bild (L ) = dim Bild (L ) = Rang (L ).

3.82 Denition: Eine Abbildung L : V V heit 1) normal, falls L L = L L. 2) unitr, falls L = L1 . Ist L unitr und gilt = , so heit L auch orthogonal. a a 3) selbstadjungiert, falls L = L. Ist L selbstadjungiert und gilt = , so heit L auch symmetrisch.

3.83 Eigenschaften unitrer Abbildungen: Fr L : V V linear sind quivalent: a u a (i) L ist unitr. a (ii) u, v V : L u, L v = u, v . Insbesondere ist L lngen- und winkelerhaltend. a (iii) L ist isometrisch, d.h u V : L u (iv) L transformiert ONBen in ONBen.
B,B (v) Es existiert eine ONB B, so dass die Spalten von ML eine ONB bilden. B,B (vi) Fr jede ONB B bilden die Spalten von ML eine ONB. u 2

= u 2.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 84 u

3.12

Determinanten

lelogramms ist deniert durch

3.84 Denition: Seien x, y 2 . Die orientierte Flche des von x, y aufgespannten Parala x1 F (x, y) := x1 y2 x2 y1 = x2
d d

y1 y2

3.85 Folgerung: Die orientierte Flche besitzt folgende Eigenschaften: a 1) F (x, y) = 0 {x, y} ist linear abhngig. a 2) F (e1 , e2 ) = 1. 3) F ( x, y) = F (x, y), F (x, y) = F (x, y), F ( x, y) = 2 F (x, y). 4) F (x + z, y) = F (x, y) + F (z, y), F (x, y + z) = F (x, y) + F (x, z). 5) F (y, x) = F (x, y). 3.86 Denition: Seien x, y, z 3 . Dann heit V (x, y, z) := x1 y2 z3 + y1 z2 x3 + z1 x2 y3 z1 y2 x3 x1 zz y3 y1 x2 z3 x1 y1 z1 x1 y1
d d d d d d d2 d2 d2 x2 y z x d d d d d d d d d

y2 y3

x3

y3

z3

x3

das orientierte Volumen des von x, y, z aufgespannten Parallelepipeds.

Eigenschaften besitzt: Ist

Abbildung det : Mn,n () : A det(A) =: |A| heit Determinante, falls sie folgende A = so gelten: (D1) det(En ) = 1. a1 . . . an mit Spaltenvektoren aj n ,

3.87 Denition: Es sei Mn,n () die Menge der n n-Matrizen mit Elementen in . Eine

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 85 u (D2) Fr jedes k {1, . . . , n} gilt: u det a1 . . . ak1 ( ak + b) ak+1 . . . an = = det(a1 . . . ak1 ak ak+1 . . . an + det(a1 . . . ak1 b ak+1 . . . an . D.h. die Abbildung det ist in jedem Argument linear. (D3) Fr alle Paare (k, j) mit k = j gilt: u det(a1 . . . ak . . . aj . . . an = (1) det(a1 . . . aj . . . ak . . . an , d.h. Vertauschung zweier Spalten andert das Vorzeichen.

3.88 Bemerkung: Man kann beweisen, dass es genau eine Determinante det : Mn,n () mit diesen Eigenschaften gibt.

3.89 Satz: Es sei A eine n n-Matrix. Fr die Determinante gelten: u 1) Verschwindet eine Spalte: ak = 0 fr ein k, so gilt det(A) = 0. u 2) Enthlt A a a11 0 3) det . . . minante. zwei gleiche Spalten: ak = aj fr ein Paar (k, j) mit k = j, so gilt det(A) = 0. u 0 ... 0 . . . a22 . . . = a11 a22 ann . .. .. . . 0 0 . . . 0 ann

4) Addition des Vielfachen einer Spalte zu einer anderen ndert nicht den Wert der Detera

3.90 Satz: Es sei A = (a1 . . . an ) eine n n-Matrix mit den Spaltenvektoren aj . Dann gilt: {a1 , . . . , an } ist linear abhngig det(A) = 0. a Oder anders ausgedrckt: Es gilt u Rang (A) < n det(A) = 0 bzw. Rang (A) = n det(A) = 0.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 86 u Beweis: : Es sei 1 a1 + . . . + n an = 0. OBdA 1 = 0 a1 + 2 a2 + . . . + n an = 0 1 1 det(A) = det a1 + 2 n a2 + . . . + an 1 1
=0

a2 . . . an

=0

: Kontraposition: Zeige {a1 , . . . , an } linear unabhngig det(A) = 0. a Sei {a1 , . . . , an } linear unabhngig a 1 0 e1 = . = 1 a1 + . . . + n an wobei k1 : k1 = 0 . . 0 1 1 n e1 = a1 + . . . + ak1 + . . . + an k 1 k 1 k 1 1 n det(A) = det a1 . . . ak1 1 a1 + . . . + ak1 + . . . + an k 1 k 1 1 = det (e1 a1 ak1 1 ak1 +1 . . . an ) k 1 . . . 1 1 1 det(e1 . . . en ) = k 1 k 2 k n = 0

ak1 +1 . . . an

3.91 Lineare Gleichungssysteme: Es sei A eine n n-Matrix. Dann gelten: 1) Das LGS A x = 0 besitzt nichttriviale Lsungen genau dann, wenn det(A) = 0. o 2) Das LGS A x = b ist fr jedes b n eindeutig lsbar genau dann, wenn det(A) = 0. u o

Beweis:

1) det(A) = 0 Rang (A) < n LGS Ax = 0 besitzt mehr als eine Lsung. o

o 2) det(A) = 0 Rang (A) = n LGS Ax = b ist fr jedes b n eindeutig lsbar. u

3.92 Rechenregeln:

1) det(A B) = det(A) det(B). 1 . det(A)

2) Falls A invertierbar ist: det(A1 ) = 3) det(AT ) = det(A).

Insbesondere: Addition des Vielfachen einer Spalte zu einer anderen andert nicht den Wert der Determinante.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 87 u 3.93 Laplace-Entwicklung: Fr A = (ij ) Mn,n setze u 1j Aij := i1 nj in Mn1,n1

(Streichen der i-ten Zeile und j-ten Spalte in A). Fr jedes i {1, . . . , n} gilt u det A =
j=1

(1)i+j ij det Aij

(Entwicklung nach i-ter Zeile), und fr jedes j {1, . . . , n} gilt u


n

det A =
i=1

(1)i+j ij det Aij

(Entwicklung nach j-ter Spalte). 3.94 Geometrische Bedeutung: 1) Fr v1 , . . . , vn n ist u

V (v1 , . . . , vn ) := det v1 . . . vn das orientierte Volumen des von den Vektoren v1 , . . . , vn aufgespannten Parallelepipeds. 2) Sei A eine reelle n n-Matrix. Betrachte L : n n : x A x. Sind v1 , . . . , vn n , so gilt V (L v1 , . . . , L vn ) = det(A) V (v1 , . . . , vn ), d.h. det(A) gibt an, wie sich das Volumen unter der Abbildung L verndert. a 3.95 Denition: Sei L : V V linear und B Basis von V . Dann ist die Determinante von
B,B |L| := det(L) := ML .

L deniert durch

3.96 Bemerkung: Sind B, B Basen von V und ist L : V V linear, so gilt


B,B ML B = ML ,B .

B Beweis: Sei MId ,B die Basiswechselmatrix. Dann gilt: B ML ,B


= =

B B,B B,B MId ,B ML MId

B,B 1 = MId

B B,B B,B MId ,B ML MId

1
B,B MId

B,B B,B ML MId

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 88 u

3.13

Diagonalisierung

3.97 Denition: Sei L : V V linear. 1) heit Eigenwert (EW) von L, falls ein v V mit v = 0 existiert, so dass L v = v. Der Vektor v heit dann Eigenvektor (EV) zum Eigenwert (englisch: eigenvalue, eigenvector). 2) Die Menge (L) := : ist EW von L heit Spektrum von L. 3.98 Satz: Sei L : V V linear, B = {b1 , . . . , bn } Basis von V . Aquivalent sind: (i) B besteht nur aus Eigenvektoren.
B,B (ii) Die Matrix ML hat Diagonalgestalt, d.h. 1 0 B,B .. ML = . 0 n

Sind (i) und (ii) erfllt, so ist bj Eigenvektor zum Eigenwert j : L(bj ) = j bj , und es gilt u
B,B MLk = B,B ML1 =

k 1 0 1 1

0 .. . k n .. .

0 det(L) = 1 n

1 n

(falls L invertierbar)

B,B Beweis: (i) j = 1, . . . , n j : Lbj = j bj ML =

1 0

0 .. . n

3.99 Denition: L heit diagonalisierbar, falls es eine Basis von V aus Eigenvektoren von L gibt.

a 3.100 Satz: Es sei L : V V linear. Dann sind fr quivalent: u (i) ist Eigenwert von L,

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 89 u (ii) det(L Id) = 0.

Beweis: Sei B Basis von V . Dann: (i) v V \ {0} : Lv = v Das LGS

B,B v V \ {0} : ML (v)B = (v)B

B,B det ML E = 0

B,B ML E (v)B = 0 hat nichttriviale Lsungen o

det(L Id) = 0

3.101 Satz und Denition: Sei L : V V linear, dim(V ) = n. 1) pL : pL () := det(L Id) ist Polynom n-ten Grades in . pL heit charakteristisches Polynom von L.
B,B 2) Ist A = ML bezglich einer Basis B von V , so ist u

pL () = det(A E) und hngt nicht von B ab. a 3) Es gilt pL () = (1)n n + (1)n1 (11 + . . . + nn )n1 + . . . + det A. Die Summe der Diagonalelemente von A hngt also nicht von der Basis B ab und heit a Spur von L (oder auch Spur von A). Schreibweise: Sp(L) oder tr(L) (trace) bzw. Sp(A) oder tr(A).

3.102 Folgerung: Fr eine lineare Abbildung L : V V gelten: u 1) ist Eigenwert von L pL () = 0. 2) Falls = besitzt L mindestens einen Eigenwert.

3) L hat hchstens n verschiedene Eigenwerte. o

3.103 Denition: Sei Eigenwert von L. Dann heit na () := Ordnung der Nullstelle von pL die algebraische Vielfachheit von . ng () := dim{v V : L v = v} die geometrische Vielfachheit von .

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 90 u 3.104 Satz: Sei Eigenwert von L. Dann gilt ng () na (). Beweis: Wir bezeichnen den Eigenwert mit 0 . Sei {b1 , . . . , bk } eine Basis des Eigenraumes {v V : Lv = 0 v} (also k 0 0 . . . B,B ML = 0 0 . . . 0 = ng (0 )). Ergnze zu einer Basis B = {b1 , . . . , bn } von V . a 0 ... 0 . . 0 . . . . .. .. . . 0 . . . 0 0 ... 0 0 . . . . A . . ... 0 0 0 0 .. B,B . pL () = det(ML E) = det 0 0 0 ... 0 AE = (0 )k det(A E)

= 0 ist mindestens k-fache Nullstelle von pl , also na (0 ) k = ng (0 ). 3.105 Satz: Sind 1 , . . . , k paarweise verschiedene Eigenwerte von L mit Eigenvektoren

sind linear unabhngig). a

v1 , . . . , vk , so ist {v1 , . . . , vk } linear unabhngig (Eigenvektoren zu verschiedenen Eigenwerten a

Beweis: Induktion nach k: Induktionsanfang k = 1: {v1 } ist linear unabhngig, da v1 = 0. a Induktionsschritt: Sei 1 v1 + . . . + k+1 vk = 0. 0 = (L k+1 Id)(1 v1 + . . . + k+1 vk ) 1 = . . . = k = 0 k+1 = 0 = 1 (1 k+1 ) v1 + . . . + k (k k+1 ) vk + 0

3.106 Hauptsatz: Fr eine lineare Abbildung L : V V sind aquivalent u (i) L ist diagonalisierbar. (ii) pL zerfllt uber in Linearfaktoren (hat also n nicht notwendig verschiedene Nullstellen a = Eigenwerte in ): p() = ( 1 )( 2 ) ( n ), und fr jede Nullstelle gilt geometrische = algebraische Vielfachheit. u

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 91 u Beweis: Sei n := dim V . (i) (ii):

(i) V besitzt Basis aus EVen B = {b1 , . . . , bn } 1 0 B,B .. ML = .

Satz 3.104 folgt ng (j ) = na (j ). (ii) (i):

Da zu jedem j ein Eigenvektor bj aus der Basis gehrt, gilt ng (j ) na (j ). Mit o

0 n B,B pL () = det(ML E) = (1 ) (n )

Seien 1 , . . . , k die paarweise verschiedenen Nullstellen von pL . Da das Polynom in Lik

nearfaktoren zerfllt, gilt a na (j ) = n.


j=1

Wegen der Bedingung na (j ) = ng (j ) folgt


k

ng (j ) = n.
j=1

Sind B1 , . . . , Bk Basen der Eigenrume zu 1 , . . . , k , so folgt aus Satz 3.105, dass B := a B1 . . . Bk linear unabhngig ist. Wegen a
k

B =
j=1

ng (j ) = n = dim V

ist B dann eine Basis von V .

3.14

Sesquilineare Abbildungen

3.107 Denition: Sei V ein Vektorraum uber . Eine Abbildung b : V V mit b(1 v1 + 2 v2 , w) = 1 b(v1 , w) + 2 b(v2 , w), b(w, v) = b(v, w) Dann gilt auch b(v, 1 w1 + 2 w2 ) = 1 b(v, w1 ) + 2 b(v, w2 ) und b(v, 0) = 0 = b(0, w) heit Sesquilinearform auf V . Falls = , heit b auch Bilinearform.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 92 u 3.108 Satz: Sei V Vektorraum mit Skalarprodukt, E = {e1 , . . . , en } Orthonormalbasis von so dass
E V , b eine Sesquilinearform auf V . Dann existiert eine selbstadjungierte Matrix Mb Mn,n (),

b(v, w) =
E Falls = , ist Mb symmetrisch.

E Mb (v)E , (w)E

E Beweis: Sei Mb := (jk ) mit jk := b(ek , ej ).

kj = b(ej , ek ) = b(ek , ej ) = jk , Auerdem:


n n

E also Mb

E = Mb

b(v, w) = b
n j=1 n

v, ej ej ,
=vk

k=1

w, ek ek
=wk
(k-te Koordinate von (w)E )

=
j=1 k=1 n

vj wk b(ej , ek )
n

=
k=1 j=1

kj vj

wk

E Mb (v)E , (w)E n

quilinearformen auf V auf die Menge aller selbstadjungierten n n-Matrizen in deniert.

E 3.109 Bemerkung: Durch b Mb wird eine bijektive Abbildung von der Menge aller Ses-

m n-Matrizen deniert.

tive Abbildung von der Menge alle linearen Abbildungen L : V W auf die Menge aller

B Dies entspricht dem Vorgehen bei linearen Abbildungen: Durch L ML ,B wird eine bijek-

3.110 Satz: Zustzlich zum letzten Satz sei E eine weitere Orthonormalbasis von V und a
E,E S := MId die Basiswechselmatrix von E zu E. Dann gilt E E E Mb = S Mb S = S 1 Mb S .

Beweis: b(v, w) = = = und S = S 1 , da S unitr ist. a


E Mb (v)E , (w)E E,E E,E E Mb MId (v)E , MId (w)E

E S Mb S(v)E , (w)E ,

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 93 u 3.111 Denition: Sei b eine Sesquilinearform auf V . 1) Die Abbildung q : V : v b(v, v) heit die zu b gehrige quadratische Form. o 2) Eine quadratische Form heit positiv semidenit, falls v V : q(v) 0 b heit positiv semidenit, falls die zugehrige quadratische Form positiv semidenit o ist. Eine selbstadjungierte n n-Matrix A heit positiv semidenit, falls x n : A x, x
n

0.

3) Eine Sesquilinearform bzw. die zugehrige quadratische Form heit positiv denit, falls o v V \ {0} : b(v, v) = q(v) > 0. Eine selbstadjungierte n n-Matrix A heit positiv denit, falls x n \ {0} : A x, x
n

> 0.

Bemerkung: Jede positiv denite Sesquilinearform deniert ein Skalarprodukt. 3.112 Satz: Es sei M eine selbstadjungierte n n-Matrix in , und die zugehrige Abbildung o LM : x M x besitze eine Orthonormalbasis E aus Eigenvektoren. 1) Aquivalent sind: (i) M ist positiv semidenit, (ii) Fr alle Eigenwerte von LM gilt 0. u 2) Aquivalent sind: (i) M ist positiv denit, (ii) Fr alle Eigenwerte von LM gilt > 0. u
E,E Beweis: Sei E die ONB aus EVen, S := MId .

S M S = MId
=S 1

E ,E

E,E MLM MId

E,E

q(x) = =

Mx, x S M S(x)E , (x)E

1 0

0 .. . n

= 1 (x1 )2 + . . . n (xn )2 .

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 94 u

3.15

Diagonalisierung mit Orthonormalbasen

3.113 Satz: Sei V Vektorraum mit Skalarprodukt. Ist L : V V normal (d.h. L L = LL ), so gilt: v ist Eigenvektor von L zum Eigenwert v ist Eigenvektor von L zum Eigenwert Beweis: L Id v = =
2 2

L Id v, L Id v

L v, L v L v, v v, L v + v, v
= Lv,Lv = v,Lv = Lv,v = v,v

(L Id) v, (L Id) v

= 0

3.114 Charakterisierung normaler Abbildungen: Sei V Vektorraum uber produkt. Fr eine lineare Abbildung L : V V sind quivalent: u a (i) L besitzt eine ONB aus Eigenvektoren. (ii) L L = L L (d.h. L ist normal). 3.115 Folgerung: Ist L normal, dann gelten: 1) Eigenvektoren zu verschiedenen Eigenwerten sind orthogonal. 2) L ist diagonalisierbar

mit Skalar-

Beweis: (i) (ii): Sei B die ONB aus EVen. 1 0 B,B .. , (i) ML = . 0 n L L = L L

B,B B,B B,B B,B B,B B,B MLL = ML ML = ML ML = ML L

B,B ML =

1 0

0 .. . n

(ii) (i): Vollstndige Induktion nach n = dim V : a Induktionsschritt: Sei dim V = n + 1. Da = 1 1 ist EW. Sei v1 EV zu 1 . Induktionsanfang n = 1: Klar, jede lineare Abbildung besitzt eine ONB {b1 } aus EVen. , besitzt pL mindestens eine Nullstelle

Betrachte W := {v1 } = {v V : v, v1 = 0}. W ist Unterraum von V mit dim W = n.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 95 u () Es gilt L(W ) W : w M Lw, v1 = w, L v1 = w, 1v1 = 0 Lw W. () Es gilt L (W ) W : Beweis genauso. Betrachte nun L := L
W

: W W . Dann gilt L = L
W

.
W

L L = L Also ist L normal.

=L

= L L .

Induktionsvoraussetzung: Es existiert eine ONB {e1 , . . . , en } von W aus EVen von L {e1 , . . . , en , v1 } ist ONB aus EVen von L. v1

3.116 Charakterisierung unitrer Abbildungen: Sei V Vektorraum uber a V linear. Dann sind quivalent: a (i) L ist unitr, a (ii) L ist normal und (L) { : || = 1}.

und L : V

Insbesondere ist jede unitre Abbildung uber a dem komplexen Kreis um 0 mit Radius 1.

diagonalisierbar, und alle Eigenwerte liegen auf

Beweis: (i) (ii): L = L1 L ist normal, also diagonalisierbar mit ONB. 1 0 1 0 B,B B,B .. .. , ML = Sei B ONB aus EVen ML = . . . 0 n 0 n L L = Id |1 |2 = . . . = |n |2 = 1. 1 0 1 0 .. .. = E. . . n n 0 0

(ii) (i): L ist normal, also diagonalisierbar mit ONB. Sei B ONB aus EVen |1 |2 0 B,B B,B B,B .. = E = MId . ML ML = . 0 |n |2

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 96 u 3.117 Satz und Denition: 1) Die unitre Gruppe a
n

U(n) := {L : und (U(n), ) eine Gruppe ist.

| L ist unitr} a

ist eine Untergruppe der linearen Gruppe (GLn ( ), ), d.h. dass U(n) GLn ( ) gilt 2) Die lineare Gruppe GLn () enthlt folgende Untergruppen: a Die orthogonale Gruppe O(n) := {L : n n | L ist orthogonal}, Die spezielle orthogonale Gruppe SO(n) := {L O(n) | det(L) = 1}. Beweis: Zur Erinnerung: (GLn (), ) = {L : n n | L bijektiv}, (GLn (), ) ist eine nicht abelsche Gruppe. 1) Sei U :
n

unitr. a
n

| det(U)| = Also: U(n) GL(). Seien U, V unitr. a

j=1

j = 1 = 0 U ist bijektiv.

U 1 unitr: a

U V unitr: (U V ) = V U = V 1 U 1 = (U V )1 a (U 1 ) = (U ) = U = U 1 )1

(Insbesondere Id = U U 1 U(n))

Damit ist U(n) Untergruppe von (GLn (), ).

2) Wie in 1) folgt, dass O(n) Untergruppe von (GLn (), ) ist.

Es gilt: U O(n) det U = 1. U V SO(n) : det(U V ) = (det U) det V = 1 Seien U, V SO(n) U 1 SO(n) : det(U 1 ) = 1 = 1 det U

3.118 Charakterisierung selbstadjungierter Abbildungen: Sei V Vektorraum uber mit Skalarprodukt und L : V V linear. Dann sind aquivalent: (i) L ist selbstadjungiert, (ii) L ist normal und (L) , (iii) v V : L v, v .

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 97 u Beweis: (i) (ii): L = L L ist normal.

Sei B ONB aus EVen. Dann: 1 0 1 0 B,B B,B .. .. L=L ML = ML = = . . 0 n 0 n j {1, . . . , n} : j .

(ii) (iii): Sei B ONB aus EVen.


B,B Lv, v = ML (v)B , (v)B = 2 |v1 |2 + . . . + n |vn |2 . 1

(iii) (i): Lv, v = v, Lv = L v, v . v V : (L L )v, v = 0. Nun gilt: L L ist normal (Nachrechnen!) Sei B ONB aus EVen von L L , B = {b1 , . . . , bn }. 0 = (L L )bj , bj = j bj L = L , L ist selbstadjungiert.
2

j = 0

3.119 Folgerung: Im Satz 3.112 ist die Voraussetzung LM besitze eine Orthonormalbasis aus Eigenvektoren automatisch erfllt, da M als selbstadjungiert vorausgesetzt wird. u

Dann sind quivalent: a

3.120 Charakterisierung symmetrischer Abbildungen: Sei L : n n : x A x.

(i) A bzw. L ist symmetrisch, (ii) L besitzt eine Orthonormalbasis aus Eigenvektoren. Insbesondere zerfllt das charakteristische Polynom pL in reelle Linearfaktoren, und fr jeden a u Eigenwert von L gilt: na () = ng (). Beweisskizze: (ii) (i): Sei B ONB aus EVen

B,E S = MId ist orthogonal, S A S 1 = D =

1 0

0 .. . n

AT = (S 1 D S)T = (S T D S)T = S T D (S T )T = S T D S = A.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 98 u (i) (ii): Idee: Betrachte L : L ist selbstadjungiert
n

n : x Ax. B ONB aus EVen existiert

n :

Alle Eigenwerte sind reell 1 1 Ist nun Abj = j bj , so folgt fr cj := Re bj = 2 (bj +bj ) n und cj := Im bj = 2 (bj bj ) u Acj = j cj Acj = j cj .

3.121 Anwendung auf quadratische Formen: Auf n sei die quadratische Form q(x) := A x, x mit beliebiger quadratischer Matrix A Mn,n () gegeben. Dann ist (A + AT ) symmetrisch, 1 (A + AT )x, y 2

und q ist die zur Bilinearform

b(x, y) =

1 toren: 2 (A + AT ) bj = j bj . Dann gilt

gehrende quadratische Form. Sei nun B = {b1 , . . . , bn } eine Orthonormalbasis aus Eigenveko q(x) = 1 x2 + . . . + n x2 1 n mit x = (x)B .

3.16

Die Jordansche Normalform


heit die k k-Matrix 0 ... 0 . .. . . 1 . .. .. . . 0 Mk,k () .. . 1 0 0

Jordan-Matrix oder Jordan-Block.

3.122 Denition: Fr 0 und k u 0 1 0 0 . .. (k) . J0 := . . 0 ...

3.123 Satz: Fr eine Jordan-Matrix J0 gelten: u 1) = 0 ist einziger Eigenwert von J0 , 2) na (0 ) = k und ng (0 ) = 1. Insbesondere ist J0 nicht diagonalisierbar fr k 2. u 3) ist nilpotent. J0 0 E
(k) k (k) (k)

(k)

= 0, d.h. die Matrix J0 0 E bzw. die zugehrige lineare Abbildung o

(k)

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 99 u Beweis: 1) Es gilt det(J0 E) = (0 )k .


(k)

2) Folgt aus 0 0 . . . 0 1 0 .. . ... 0 1 .. . ... .. . .. . .. . 0 0 . . . 0 v = 0 1 0 v = 1 0 0 . . . 0

J0 0 Id v = 0

(k)

3) Die Anwendung von J0 0 Id auf einen Vektor v verschiebt alle Koordinateneintrge a um eine Stelle nach oben und setzt die letzte Koordinate auf 0. Da der Vektor genau k Koordinaten hat, sind nach k Anwendungen alle Koordinaten 0, also J0 0 Id
(k) k

(k)

v = 0.

0 besitzt, und fr die gilt: na (0 ) = k, ng (0 ) = 1. Fr eine Basis B von k sind quivalent: u u a


B,B (i) ML = J0 , (k)

3.124 Satz: Es sei k 2 und L : k k eine lineare Abbildung, die nur einen Eigenwert

(ii) Die Basis B = {b1 , . . . , bk } besteht aus einer Vektorkette zum Eigenwert 0 von L, d.h. es gilt (L 0 Id) b1 = 0 (b1 ist Eigenvektor),

(L 0 Id) bj+1 = bj fr j = 1, 2, . . . , k 1. u Das bedeutet, man kommt von einem Element der Vektorkette zum vorherigen durch Anwendung der Abbildung L 0 Id.

Beweis: (i) (ii): Durch Nachrechnen, z.B. 0 1 (k) 0 L b2 = J0 . . . 0

1 0 = 0 . . . 0 B

= b1 + 0 b2
B

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 100 u (ii) (i):

B,B L b1 = 0 b1 ML

= =

0 . . . 0 . . . ... . . . . . .

0 0 0 0 . . . 0

... 1

B,B L b2 = 0 b2 + b1 ML

0 . . . 0 ... . . . . . . . . . 0 ...

...

usw.

zerfllt: a

3.125 Jordansche Normalform: Sei L : V V linear. Falls pL uber in Linearfaktoren pL () = (1 )n1 (k )nk ,

so gibt es eine Basis B von V , so dass = J1 J2 .. 0 . Jr 0 ,

B,B ML

wobei Ji = Ji i Jordan-Blcke sind. L ist genau dann diagonalisierbar, wenn alle Jordan-Blcke o o 1-dimensional sind. Vorsicht: Es kann mehrere Jordan-Blcke zu einem Eigenwert geben. Sind z.B. J1 , . . . , Jl alle o Jordan-Blcke zum Eigenwert 1 , so gilt k1 + . . . + kl = na (1 ) und ng (1 ) = l. o

(k )

Ergnzung: Beweis des Satzes 3.125 a


3.126 Grundvoraussetzung: Fr den Beweis von Satz 3.125 sei im folgenden vorausgesetzt: u L : V V ist linear, und es gilt dim(V ) = n. Fr das charakteristische Polynom von L gilt u pL () = (1 )n1 (k )nk , wobei die Eigenwerte 1 , . . . , k paarweise verschieden sind. D.h. die algebraische Vielfachheit von j ist na (j ) = nj . Insbesondere gilt n1 + . . . + nk = n.

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 101 u Wir betrachten die Untervektorrume a Vj := Kern (L j Id)nj gewhlt. a mit Basis Bj (j = 1, . . . , k).

Zunchst sei Bj ganz allgemein eine Basis von Vj , spter werden diese Basen speziell a a

3.127 Satz:

1) Fr jedes j {1, . . . , k} ist Vj invariant unter L, d.h. es gilt u L(Vj ) Vj .

2) Fr i = j ist die Abbildung (L i Id) u Beweis:

Vj

: Vj Vj bijektiv.

1) Sei j fest. Fr v Vj gilt (L j Id)nj v = 0. Daraus folgt u (L j Id)nj (Lv) = L(L j Id)nj v = 0,

also Lv Vj . 2) Zunchst erhalten wir aus 1), dass fr v Vj auch (L i Id)v = L v i v Vj . a u Sei v Kern (L i Id)
Vj

folgt v = 0. Also gilt Kern (L i Id)


k

und andererseits L v = i v, also (L j Id)nj v = (i j )nj v. Wegen i j = 0


Vj

. Das bedeutet einerseits v Vj , also (L j Id)nj v = 0, = {0}, und daraus folgt die Bijektivitt. a

3.128 Satz: B :=
j=1

Bj ist linear unabhngig (Bj = Basis von Vj , vgl. 3.126). Insbesondere a


k

gilt dim(Vj ) dim(V ) = n.

j=1

Beweis: Wir bezeichnen die Elemente von Bj mit b1 , . . . , bdj , wobei dj := dim(Vj ). Wir zeigen, wie aus
k dj (j)

(j)

(j)

0 =
j=1 l=1

cjl bl

c1 1 = c1 2 = . . . = c1 d1 = 0 folgt. Genauso folgt dann cj l = 0 fr alle j, l, also die lineare u Unabhngigkeit von B. a Wegen (L j Id)nj bl = 0 gilt
k k nj n1 k (j)

0 =
j=2

(L j Id)

nj j=1 l=1

cjl

(j) bl

=
l=1

c1l

j=2

(L j Id)nj

bl

(1)

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 102 u Fr j = 1 ist die Abbildung (L j Id) u
k

unabhngige Mengen auf linear unabhngige Mengen abgebildet werden. Somit ist die Menge a a (L j Id)nj bl
(1)

V1

: V1 V1 bijektiv. Das bedeutet, dass linear

: l = 1, . . . , d1

j=2

linear unabhngig, und es folgt c1 1 = c1 2 = . . . = c1 d1 = 0. a

3.129 Satz: Es gilt dim(Vj ) = nj fr j = 1, . . . , k. u

(letzter Satz) folgt dann die Behauptung.

Beweis: Es gengt, dim(Vj ) nj zu beweisen. Mit dim(V1 ) + . . . + dim(Vk ) n1 + . . . nk u

Wir fhren den Beweis fr j = 1. Dazu sei B eine Basis von V , die durch Ergnzung von B1 u u a entstanden ist. Da V1 invariant unter L ist, folgt
B, ML B =

A1 0

mit einer d1 d1 -Matrix A1 und einer (n d1 ) (n d1 )-Matrix A (d1 = dim(V1 )). Aus dem Entwicklungssatz folgt pL () = det(L Id) = det(A1 Ed1 ) det(A End1 )

Teiler von det(A1 Ed1 ) sein und somit d1 n1 gelten.

(El = l l-Einheitsmatrix). Falls 1 keine Nullstelle von det(A End1 ) ist, muss (1 )n1

Annahme: 1 ist Nullstelle von det(A End1 ). Dann besitzt A einen Eigenvektor zum Eigenwert 1 . Hieraus folgt, dass L einen Eigenvektor zum Eigenwert 1 besitzt, der nicht in V1 (von B1 aufgespannt) liegt. Dies ist ein Widerspruch zu V1 = Kern (L 1 Id)n1 .
k

3.130 Satz: B :=
j=1

Bj ist Basis von V , und es gilt A1 0 . . . 0 ... . A2 . . .. .. . . ... 0 0 0 . . . , 0 Ak

B,B ML

wobei fr j = 1, . . . , k die Matrix Aj eine nj nj -Matrix ist. u

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 103 u Beweis: Nach dem letzten Satz spannt B einen Raum der Dimension n1 + . . . + nk = n = dim(V ) auf, ist also Basis von V .
B,B Die Gestalt der Matrix ML folgt aus der Tatsache, dass die von den Basen Bj aufgespannten

Rume Vj unter L invariant sind. a Mit dem nchsten Satz bzw. der Verallgemeinerung fr Bj folgt dann die Behauptung von a u Satz 3.125. 3.131 Satz: Die Basis B1 von V1 kann so gewhlt werden, dass sie als Vereinigung von a Vektorketten dargestellt werden kann, d.h. es gibt Vektorketten K1 , . . . , Km , so dass B1 = K1 K2 . . . Km . Fr diese Wahl von B1 hat die Matrix A1 im letzten Satz die Form u 0 J1 J2 A1 = , .. . 0 Jm wobei Ji = J1i Jordan-Blcke zum Eigenwert 1 mit ki = Ki sind (i = 1, . . . , m). o Zum Beweis reicht es, eine Basis von V1 zu konstruieren, die nur aus Vektorketten zum Eigenwert 1 von L besteht. Zu jeder Vektorkette (die auch nur aus einem Vektor bestehen kann, das ist dann ein Eigenvektor) gehrt dann in A ein Jordan-Block (vgl. 3.124). Wir untersuchen o zunchst die lineare Unabhngigkeit von Vektorketten. a a 3.132 Satz: E seien l Vektorketten K1 = {v1 , . . .}, . . . , Kl = {v1 , . . .} zum Eigenwert 1 von L gegeben. Dann sind quivalent: a
(1) (l) (k )

(i) K1 . . . Kl ist linear unabhngig. a (ii) {v1 , . . . , v1 } ist linear unabhngig (d.h. die Menge aus allen ersten Vektoren der Vektora ketten).
(1) (l)

Beweis: (i) (ii): Folgt direkt aus {v1 , . . . , v1 } K1 . . . Kl . {w1 , . . . , wj } zwei Vektorketten zum Eigenwert 1 . Ist {v1 , w1 } linear unabhngig, dann auch a K1 K2 . Der allgemeine Beweis geht genauso. Sei 0 =
l=1 i

(1)

(l)

(ii) (i): Wir beweisen folgende einfachere Fassung: Es seien K1 = {v1 , . . . , vi } und K2 =

cl vl +

l=1

dl wl .

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 104 u Annahme: Mindestens einer der Koezienten cl , dl ist von Null verschieden. Dann ist M := max{l : cl = 0 dl = 0} 1. Da alle cl , dl mit l 0 verschwinden, folgt aus der Denition von Vektorketten
M M

0 = (L 1 Id)

M 1 l=1

cl vl +

l=1

dl wl

= cM v1 + dM w1 und aus der linearen Unabhngigkeit von {v1 , w1 } schlielich cM = dM = 0 im Widerspruch a zur Denition von M. Also mssen alle Koezienten cl , dl verschwinden. u

Beweis: (von Satz 3.131, konstruktiv, kann so programmiert werden) Wir ndern die Basis B1 von V1 sukzessive ab, bis sie nur noch aus Vektorketten besteht. Dazu a betrachten wir fr jedes Element v B1 die zugehrige Vektorkette u o K(v) := (L 1 Id)l v, (L 1 Id)l1 v, . . . , v

mit (L 1 Id)l v = 0 (L 1 Id)l+1 v = 0. Aus der Denition von V1 folgt l n1 1. Schritt 1: Wir setzen L(B1 ) := max{K(v) : v B1 } (maximale Kettenlnge), a

Wir stellen fest, wie viele der Vektorketten maximaler Lnge bentigt werden: a o d(B1 ) := dim LH (L 1 Id)L(B1 )1 v : v B1 . Nun seien v1 , . . . , vd(B1 ) B1 so ausgewhlt, dass gilt: a (L 1 Id)L(B1 )1 vl : l = 1, . . . , d(B1 )

ist eine Basis von LH (L 1 Id)L(B1 )1 v : v B1 .

ersetzt durch

B1 \ {v1 , . . . , vd(B1 ) }, das eine Kette K(v) mit maximaler Lnge erzeugt (K(v) = L(B1 )), a
d1

Nun reduzieren wir die Lnge der anderen Ketten maximaler Lnge. Dazu wird jedes v a a

v := v

j=1

cj vj ,

so dass (L 1 Id)L(B1 )1 v = 0.

Dadurch entsteht eine Basis B1 , in der nur die Ketten K(v1 ), . . . , K(vd(B1 ) ) die Lnge K(v) = a L(B1 ) haben. Fr alle anderen Ketten gilt K(v) < L(B1 ). u

Mathematik I fr inf/swt, Wintersemester 2010/11, Seite 105 u Nun verwenden wir den letzten Satz. Aus der Denition der Vektoren v1 , . . . , vd(B1 ) folgt, dass die Menge K(v1 ) . . . K(vd(B1 ) ) linear unabhngig ist. Nun tauschen wir diese Vektoren mit a ebenso vielen passend gewhlten Vektoren aus der Basis B1 aus (Basisaustauschsatz). Dann a haben wir eine Basis B1 von V1 mit K(v1 ) . . . K(vd(B1 ) ) B1 . Schritt 2: Falls C1 := B1 \ K(v1 ) . . . K(vd(B1 ) = 0, fhren wir dieselbe Prozedur fr diese u u Menge durch: Wir bestimmen L(C1 ) und whlen d(C1 ) Vektoren aus C1 aus, so dass gilt: a (L 1 Id)L(C1 )1 vl : l = d(B1 ) + 1, . . . , d(B1 ) + d(C1 )
(2) (1) (1) (1)

ist eine Basis von LH (L 1 Id)L(C1 )1 v : v C1 .

Entsprechend der obigen Vorgehensweise entsteht eine Basis B1 , so dass K(v1 ) . . . K(vd(B1 )+d(B2 ) ) B1 . Dieses Verfahren kann so lange fortgesetzt werden, bis die entstandene Basis B1 nur noch aus Vektorketten (eventuell der Lnge 1, dann enthlt die Vektorkette nur einen Eigenvektor und a a keine anderen Vektoren) besteht.
(l) (2)

3.133 Bemerkungen:

gilt, wobei L(B1 ) n1 .

1) Aus dem letzten Beweis folgt, dass V1 = Kern (L1 Id)L(B1 )

2) Sei pL das charakteristische Polynom von L. Man kann nun in die Variable auch lineare Abbildungen (oder Matrizen) einsetzen, da Potenzen und Linearkombinationen von linearen Abbildungen deniert sind. Dann ist z.B. pL (L) wieder eine lineare Abbildung. Aus der Jordanschen Normalform von L folgt, dass pL (L) := (L 1 Id)n1 (L k Id)nk = . Diese Gleichung heit Gleichung von Cayley-Hamilton. Mit der vorigen Bemerkung folgt sogar (L 1 Id)L(B1 ) (L k Id)L(Bk ) = .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 106 u

4
4.1

Konvergenz
Abstnde a

4.1 Denition: Sei M nichtleere Menge. Eine Metrik oder ein Abstand auf M ist eine Abbildung d : M M mit folgenden Eigenschaften: (M1) x, y M : d(x, y) 0 x, y M : d(x, y) = 0 x = y (M2) x, y M : d(x, y) = d(y, x) (Symmetrie). (M3) x, y, z M : d(x, y) d(x, z) + d(z, y) (M, d) heit metrischer Raum. (Dreiecks-Ungleichung, -Ungleichung). (Positivitt, Denitheit). a

4.2 Satz: Ist (V, . ) ein normierter Vektorraum, dann ist d(x, y) := eine Metrik auf V . xy

4.3 Beispiele:

1) Ist (, |.|) ein bewerteter Krper (z.B. = oder = ), dann ist o d(x, y) := |x y|

eine Metrik auf . 2) Sei V = n oder V =


n

. Aus Satz 4.2


n

d2 (x, y) :=
j=1 n

|xj yj |2 ,

d1 (x, y) :=
j=1

|xj yj |,

d (x, y) := dp (x, y) :=

1jn n

max |xj yj |,
1/p

j=1

|xj yj |p

mit 1 p <

sind Metriken auf V . Je nach Anwendung kann eine andere Metrik passend sein.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 107 u

3) Der Raum der n n-Matrizen V = Mn,n = A+B = aij + bij := aij


n

aij

1in 1jn

: aij

aij + bij

A = aij := AB = A = aij bij aij

:=
l=1

ail blj
i,j

(Matrizenmultiplikation)

:= n max |aij | ist eine Norm ist eine Metrik auf Mn,n |ail blj |
n

d(A, B) = Spezialitt: a AB

aij bij n max = A

l=1

n2 max |aij | max |bij | B Insbesondere gilt: Ak A


b k

fr k . u

4) V = C([a, b] ): Raum der auf [a, b] stetigen reellwertigen Funktionen. f


1

:=
a b

|f (x)| dx ist Norm |f (x) g(x)| dx ist Metrik auf C([a, b] )

d(f, g) :=
a

:=

axb

max |f (x)| ist Norm

d(f, g) :=

axb

max |f (x) g(x)| ist Metrik auf C([a, b] )

5) Metrik auf einer beliebigen Menge: Sei M = . d(x, y) := ist eine Metrik auf M. 0 falls x = y 1 falls x = y

4.4 Dreiecks-Ungleichung nach unten: Sei (M, d) ein metrischer Raum. Fr x, y, z M u gilt d(x, y) d(x, z) d(z, y) . 4.5 Denition: Sei (M, d) ein metrischer Raum, x0 M und R ]0, [ . Dann heit BR (x0 ) := oene Kugel um x0 mit Radius R. x M : d(x, x0 ) < R

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 108 u

4.2

Folgen

4.6 Konvergenz: Sei (M, d) ein metrischer Raum, (xn ) eine Folge in M und x M. 1) (xn ) heit konvergent gegen x, falls > 0 N n > N : d(xn , x) < . In diesem Fall schreiben wir x = lim xn ,
n

xn x,

xn x fr n , u

xn x;

x heit Grenzwert oder Limes der Folge (xn ). 2) (xn ) heit konvergent, falls x M : x = lim xn .
n

Ist eine Folge nicht konvergent, so heit sie divergent. 3) (xn ) heit Cauchy-Folge, falls > 0 N n, m > N : d(xn , xm ) < . 4.7 Satz und Denition: Sei (M, d) ein metrischer Raum. 1) Jede konvergente Folge ist eine Cauchy-Folge. 2) Gilt umgekehrt: Jede Cauchy-Folge ist in M konvergent, dann heit (M, d) vollstndig. a

4.8 Eindeutigkeit des Grenzwertes: Sei (M, d) ein metrischer Raum. Ist lim xn = x, so
n

besitzt (xn ) keinen weiteren Grenzwert. 4.9 Beispiele: 1) M = , d(x, y) = |x y|: xn x > 0 N n > N : |xn x| < . Dies ist der Konvergenzbegri, den wir bereits kennen. (, d) ist nicht vollstndig. a 2) M = mit d(x, y) = |x y| ist vollstndig (vgl. 2.30). a 3) M = , d(z, u) = |z u|. Es gelten (vgl. 2.54) zn z Re zn Re z Im zn Im z (zn ) ist Cauchy-Folge (Re zn ), (Im zn ) sind Cauchy-Folgen. a Da vollstndig ist, ist auch vollstndig. a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 109 u 4) M = , d(z, u) := d (z, u) = max |zj uj | ist vollstndig: a 1jn (zm )1 . Sei (zm ) Cauchy-Folge, zm = . . . (zm )n
n

m, k > N j = 1, . . . , n : |(zm )j (zk )j | d (zm , zk ) < j = 1, . . . , n : ((zm )j )m ist Cauchy-Folge in

Entsprechend kann bewiesen werden: (

u1 . Setze u := . d(zm , u) = max (zm )j uj 0 zm u in ( . 1jn un


n

j = 1, . . . , n : (zm )j uj

, d ).

, dp ) ist vollstndig (vgl. 4.3) a

5) V = Mn,n , d(A, B) = n max |aij bij |: Genauso wie 4): (V, d) ist vollstndig. a Sei A Mn,n mit A < 1. Dann gilt An 0: d(An , 0) = An 0 = An A 6) V = C([1, 1] ), d1 (f, g) = Betrachte (fn ) mit
1 1 n

0.

|f (x) g(x)| dx:

(fn ) ist Cauchy-Folge: Fr n m gilt u


1

0 1 x < 0 1 fn (x) = nx 0 x n 1 1 <x1 n


1/m

d(fn , fm ) =

1 1/m 0

fn (x) fm (x) dx = 1 dx = 1 < m

fn (x) fm (x) dx

1 fr m > . u

Oensichtlich msste fr eine Grenzfunktion f gelten: u u f (x) = 0, 1 x < 0

1, 0 < x 1

a Also: (C([1, 1] ), d1 ) ist nicht vollstndig.


axb

Dann kann f aber nicht stetig sein, (fn ) besitzt keinen Grenzwert in C([1, 1] ).

7) V = C([a, b] ), d (f, g) = max |f (x) g(x)|: Spter: (V, d ) ist vollstndig. a a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 110 u 4.10 Denition: Gilt fr die relle Folge (an ): u M > 0 N n > N : an > M oder M > 0 N n > N : an < M, so heit die Folge (an ) bestimmt divergent. Man schreibt
n

lim an = oder an bzw.

lim an = oder an .

Das bedeutet aber nicht, dass fr solche Folgen ein Kovergenzbegri deniert wird. u 4.11 Beispiele: lim n = , lim n1/1000 = .
n n

Die Folge an = (1)n n ist nicht bestimmt divergent.

4.3

Reihen
n

4.12 Denition: Sei (ak ) eine Folge in einem normierten Vektorraum (z.B. , n , , 1) Die (unendliche) Reihe
n k=0

).

ak bezeichnet die Folge der Partialsummen (sn )n0 mit


k=0 n

sn :=
k=0

ak , d.h.

ak := (sn )n0 =
k=0

ak
n0

Die Folgenglieder ak heien auch die Summanden der Reihe. 2) Die Reihe
k=0

ak heit konvergent, falls (sn ) konvergiert, sonst divergent.

3) Falls die Reihe konvergiert, schreibt man


k=0 n

ak := lim sn = lim
n

ak .
k=0

4) Eine relle Reihe (d.h. die Summanden sind reell) heit bestimmt divergent, falls
n

K NK n > NK : (d.h. sn ) bzw. K NK n > NK : (d.h. sn ). Schreibweise:


k=0 k=k0 k=0

ak > K
k=0

k=0

ak < K

ak = bzw.

ak = .

5) Genauso

ak mit k0 .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 111 u


k=0

Achtung:

ak bzeichnet zwei verschiedene Dinge: (i) Die Teilsummenfolge (sn ), (ii) den Grenzwert der Teilsummenfolge.

4.13 Bemerkung: Jede Folge kann als Reihe dargestellt werden: xn = x1 + x2 x1 + x3 x2 + . . . + xn xn1
=:a1 =:a2 =:a3 =:an k=1

ak = (xn ).

4.14 Beispiele:

1) ak = 1 : sn = n + 1,

k=0

1 = (bestimmt divergent).

2) Die Geometrische Reihe: ak = q k , q


n

\ {1} qk = 1 q n+1 1q

sn =
k=0

|q| < 1 |q| > 1 q q>1

qk =

k=0 k=0 k=0

1 1q

q k ist divergent qk =
k=1

3) Wichtigste divergente Reihe: Harmonische Reihe

1 : k

1 1 1 1 1 1 1 + + ...+ + + ...+ = folgt Aus m+1 m+2 2m 2m 2m 2m 2


2N

s2N =
k=1

1 1 1 1 1 1 = 1 + + + + . . . + . . . + N 1 + ...+ N k 2 3 4 2 +1 2 1
1 2 2

1+ sn 1 +
k=1

N 2

1 2

N fr n 2N fr beliebiges N . u u 2

1 = . k

Sehr langsame Divergenz: s1000 = 7, 4 . . . ; s10 000 = 9, 7 . . .. Auf jedem Taschenrechner konvergiert die harmonische Reihe.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 112 u 4) Dezimalbrche: = 3, 14159 . . . bedeutet u =


k=0

ak 10k

mit a0 = 3, a1 = 1, a2 = 4, . . . .

Die Teilsummenfolge ist monoton: sn+1 sn =

an+1 0 10n+1 n 9 9 und beschrnkt: sn a 10k k=0 k=0

1 10

=9

1 1 . 1 10

Konvergenz (vgl. Hauptsatz uber monotone Folgen 2.38).


k=0 k=0

4.15 Elementare Eigenschaften: sind auch


k=0

1) Sind

ak ,

bk konvergent und , dann

(ak + bk ) und

k=0 k=0

ak konvergent mit
k=0 k=0 k=0 k=0

(ak + bk ) =

ak + ak

bk

ak =

2) Cauchy-Kriterium: Ist

k=0

ak eine Reihe in einem vollstndigen Vektorraum, dann ist sie a

genau dann konvergent wenn


m

> 0 n n, m > n :

ak
k=n+1 = sm sn =d(sm ,sn )

<

3) Sind (ak ) und (bk ) Folgen, die sich nur an endlich vielen Stellen unterscheiden, so ist genau dann konvergent, wenn sein.) 4) Ist
k=0 k=0

k=0

ak

bk konvergiert. (Die Grenzwerte knnen verschieden o

ak konvergent, dann ist lim ak = 0. Die Umkehrung gilt nicht:


k

k=1

1 . k

Nullfolge-Kriterium: (an 0)

ak ist divergent.
k=0

u a 5) Ist ak , ak 0 fr k , und sind die Partialsummen beschrnkt, so ist konvergent.

ak

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 113 u

4.4

Konvergenzkriterien fur Reihen

4.16 Leibniz-Kriterium: Sei (ak ) in eine positive, monoton fallende Nullfolge, d.h. ak 0, ak ak+1 und lim ak = 0.
k

Dann ist die alternierende Reihe


k=0

k=0

(1)k ak konvergent. und es gilt


n

(1) ak

k=0

(1)k ak an+1 .

Beweis: Setze sn :=
k=0

(1)k ak .

1) (s2k )k ist monoton fallend: s2(k+1) s2k = a2k+2 a2k+1 0 2) (s2k+1 )k ist monoton wachsend: Genauso 3) Es gilt: s1 s2k+1 = s2k a2k+1 s2k s0 . (s2k ), (s2k+1 ) sind monoton und beschrnkt, also konvergent. a Wegen s2k+1 s2k = ak+1 0 gilt lim s2k = lim s2k+1 =: s.
k

(sn ) ist konvergent, lim sn = s.


n

4) Fehlerabschtzung: a s2k1 s s2k |s s2k1 | = s s2k1 s2k s2k1 = a2k , s2k+1 s s2k |s s2k | = s2k s s2k s2k+1 = a2k+1 .

4.17 Beispiel:

k=1

(1)k1 ist konvergent (gegen ln 2). k

4.18 Denition: Die Reihe falls

an heit absolut konvergent, falls

an konvergiert bzw.

nicht absolut konvergiert, heit bedingt konvergent.

|an | konvergiert (wenn (an ) reelle oder komplexe Folge). Eine konvergente Reihe, die

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 114 u


k=1

4.19 Beispiel:

(1)k ist bedingt konvergent. k

4.20 Satz: In einem vollstndigen Vektorraum ist jede absolut konvergente Reihe konvergent. a

Beweis: Cauchy-Kriterium:
m m

sm sn

=
k=n+1

ak

ak
k=n+1

<

fr m n > N . u

4.21 Majorantenkriterium: Es sei (an ) eine Folge in einem vollstndigen Vektorraum und a (cn ) eine reelle Folge. Falls n0 n n0 : an cn dann konvergiert auch Die Reihe an absolut. an .
n=0

cn konvergent,

cn heit Majorante fr u

Beweis: Cauchy-Kriterium:
m m m

sm sn

=
k=n+1

ak

ak
k=n+1

ck <
k=n+1

fr m n > N . u

4.22 Minorantenkriterium: Sind (an ), (cn ) relle Folgen, und gilt n0 n n0 : an cn 0 dann ist an bestimmt divergent:
n=0 n=0

cn = ,

an = .

4.23 Beispiele:

1)

n=0

(1)n konvergiert absolut wegen 2 n + 3n


n=0

1 1 n, n + 3n 2 3

1 3

1 1

1 3

(konvergent).

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 115 u


n=1 n=0

2)

1 1 1 = wegen fr n . u n n n n konvergiert absolut wegen 4n n n = n n 4 2 (1 + 1)n


Bernoullie Ungl.

3)

n 1 = n und nn 2 2

n=0

1 1 = . n 2 1 1 2

4)

k=1

1 1 1 konvergiert wegen 2 fr k 2 und u 2 k k k(k 1) 1 k(k 1) = 1 1 k1 k


n k=2

1 = k(k 1)

k=2

1 k1

k=2

1 1 = 1 1. k n

4.24 Wurzelkriterium: Es sei (an ) eine Folge in einem vollstndigen Vektorraum. a 1) Falls es ein q mit 0 q < 1 gibt, so dass n n0 : (fr irgendein n0 ), dann ist u Aus
n n

an q

n=0

an absolut konvergent.

an 1 fr n n0 folgt Divergenz. u
n

2) Falls die Folge

an

konvergiert, setze q := lim


n

an .

Dann gilt: q<1 q>1 an konvergiert absolut, an divergiert,

q = 1 Mit Wurzelkriterium keine Aussage mglich. o

Beweis: b)

1)

a)

n n0 : an q n q n konvergent

an absolut konvergent an divergent.


n

an 1n = 1 fr n n0 (an 0) u 1q > 0. Fr n > N gilt u 2

2) Sei q < 1. Setze :=

an < q + =

q+1 < 1. 2

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 116 u


n=0

4.25 Beispiel:

n konvergiert absolut wegen 4n


n

lim

n 1 n1/n siehe unten 1 = lim = lim (n1/n ) = < 1. n n 4 n 4 4 4

4.26 Satz: Es gilt lim n1/n = 1.


n

Beweis: n > 1 n1/n > 1.

Setze n := n1/n 1 n1/n = 1 + n , n > 0


n

n = (1 + n )n =
2 n

j=0

n j nj 1 j n
0

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

n1/n = 1 + n 1

2n 0 n(n 1) 0

4.27 Quotientenkriterium: Sei (an ) eine relle oder komplexe Folge mit an = 0 fr n n0 . u 1) Falls es ein q mit 0 q < 1 gibt mit n n0 : dann ist Aus
n=0

an+1 q, an

an absolut konvergent.

an+1 1 fr n n0 folgt Divergenz. u an an+1 an konvergiert sei q := lim


n

2) Falls die Folge

an+1 . Dann gilt: an

q<1 q>1

an konvergiert absolut, an divergiert,

q = 1 Mit Quotientenkriterium keine Aussage mglich. o

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 117 u


n=0

4.28 Beispiele: fr |z| 1: u

1)

n2 z n mit z

ist absolut konvergent fr |z| < 1 und divergent u n


2

Wurzelkriterium: Quotientenkriterium:

an+1 an

|n2 z n | = =

(n + 1) |z| n2 z n

n2 |z| =
2

n1/n =

n+1

|z| |z|, n+1 n


2

|z| |z|

Fr |z| = 1: |n2 z n | = n2 (n2 z n 0) u 2)


n=0

n2 z n ist divergent.

zn konvergiert absolut fr alle z : u n! Quotientenkriterium:


z n+1 (n+1)! zn n! 1 (n+1)2 1 n2

= |z|

1 0. n+1

3)

n=0 n=0 n=0

1 ist konvergent, und n2 1 ist divergent, und n


n

1 1 bzw. n2
1 n+1 1 n

1 1 bzw. n

4)

(2 + (1)n )n ist absolut konvergent: 4n


n

Wurzelkriterium:

|an | =

3n 3 = fr gerades n, u n 4 4 absolute Konv. 1n 1 = fr ungerades n. u 4n 4 1 n+1 (4) n = 3 (4) = 3 n+1 (4) 1 n = (4)
1 43n+1 3n+1 4

Aber Quotientenkriterium:

an+1 an

fr gerades n u fr ungerades n u

Mit dem Quotientenkriterium ist keine Aussage mglich! o

Das Wurzelkriterium ist strker als das Quotientenkrtiterium (ohne Beweis). a

4.29 Produkt von Reihen: Es seien

an und
n

bn absolut konvergent und

cn :=
j=0

aj bnj .

Dann konvergiert das Cauchy-Produkt


n=0

cn absolut, und fr die Grenzwerte gilt u


n=0

an

bn

n=0

cn .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 118 u 1 = (1 q)2


n=0 n=0

4.30 Beispiele: gent.

1)

qn

u q n , Reihe ist fr |q| < 1 absolut konvern

cn = 1 = (1 q)2 2)
n=0 j=0 n=0

q q

nj

=
j=0 n

q n = (n + 1)q n =
n=1

(n + 1)q

n q n1.

(1)n ist bedingt konvergent. n+1

Cauchy-Produkt mit sich selber:


n

cn =
j=0

(1)j (1)nj = (1)n j+1 nj +1

j=0

1 . j+1 nj+1

Die Produktreihe

cn ist divergent:

Fr festes n betrachte u f (x) = x(n + 2 x) = x (n + 2)x +


2 2 2 2

n+2 2

n+2 + 2

n+2 2

=(x n+2 )2 0 2

1 2 fr 0 < x < n + 2 gilt u bzw. f (x) n+2 1 1 2 = n+2 j+1 nj+1 f (j + 1) n 2(n + 1) 2 = |cn | n+2 n+2 j=0 (cn 0) cn ist divergent.

1 f (x)

2 n+2

4.5

Potenzreihen
und (an ) eine komplexe Folge. Dann heit f (z) =
n=0

4.31 Denition: Sei z0

an (z z0 )n

die Potenzreihe reell.

Potenzreihe um z0 mit den Koezienten an . Falls z, z0 und (an ) reelle Folge, so heit

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 119 u 4.32 Beispiel: 1 1 1 = 2z 2 1 oder 1 1 = = 2z 1 (z 1) 4.33 Konvergenzradius: Sei
z 2

1 = 2

n=0

z 2

n=0 n=0

1 2

n+1

zn

fr u

z < 1 bzw. |z| < 2 2

(z 1)n

fr |z 1| < 1 u

an (z z0 )n Potenzreihe.

1) Es gibt eine eindeutig bestimmte Zahl R [0, ], so dass


n=0

an (z z0 )n ist

absolut konvergent divergent

fr |z z0 | > R. u

fr |z z0 | < R, u

Potenzreihe. 2) Falls

(Fr |z z0 | = R kann alles passieren.) Die Gre R heit Konvergenzradius der u o

r := lim

an+1 an

oder

r := lim

|an |

existiert oder r = (bestimmte Divergenz), so gilt 1 r falls r > 0 R = falls r = 0 0 falls r = Im Allgemeinen: r = lim sup
n
n

|an | (Limes superior = grter durch Teilfolge erreicho

barer Grenzwert), R wie oben.

Beweis: Sei z0 = 0. Zum Beweis von 2) wende das Wurzelkriterium an:


n

Genauso: Anwendung des Quotientenkriteriums liefert die andere Formel fr den Konvergenzu radius.

|an z n | = n |an | |z| lim n |an | |z| < n 1 |z| < falls lim n |an | > 0 n n lim |an | n z beliebig falls lim n |an | = 0
n

soll sein

4.34 Beispiele:

1)

1 zn : an = n! n!

1 an+1 = 0 R = . an n+1

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 120 u 2) n2 z n : R = 1, Reihe ist konvergent fr |z| < 1, divergent fr |z| 1 (vgl. Beispiel u u 2n 2n n (z 1) : an = 2 n2 n (n + 1)2 an+1 = 22 an n2 absolute Konvergenz fr |z 1| < u Divergenz fr |z 1| > u
1 2 1 2

auf Seite 117). 3)

1 R = , also: 2 Fr |z 1| = u 1 : 2

1 2n (z 1)n = 2 Konvergenz (Majo-Kriterium 4.21). 2 n n


n=0 n

4) Geometrische Reihe:

z 2

1 . 1 + z2

Also R = 1. Die Funktion f (z) =

1 hat in z = i eine Singularitt (Nennernullstela 1 + z2 le). Deshalb kann der Konvergenzradius nicht grer sein. o (3 + (1)n )n z n :
n

5)

|an | =

2, n ungerade 4, n gerade

1 R= . 4
n=0

4.35 Identittssatz: Seien f (z) = a

mit positiven Konvergenzradien. Existiert eine Folge (zk ) mit zk z0 , zk = z0 und f (zk ) = g(zk ) fr k , so folgt an = bn , also auch f = g. u Insbesondere ist jede Funktion auf hchstens eine Weise als Potenzreihe um z0 darstellbar. o 4.36 Multiplikation: Seien f (z) =
n=0

n=0

an (z z0 ) und g(z) =

bn (z z0 )n Potenzreihen

an (z z0 ) mit Konvergenzradius R1 > 0 und g(z) =

n=0

bn (z z0 )n mit R2 > 0.

Dann gilt wenigstens fr |z z0 | < min{R1 , R2 }: u f (z) g(z) =


n=0

cn (z z0 )n

mit cn =
k=0

ak bnk .

Beweis: f (z), g(z) sind absolut konvergent fr |z| < min{R1 , R2 }. Aus Satz 4.29 (Cauchyu Produkt von Reihen): Fr jedes feste z u f (z) g(z) = cn =
k=0

mit |z| < min{R1 , R2 } gilt:

cn ,
n

n=0 n

ak (z z0 ) bnk (z z0 )

nk

= (z z0 )

n k=0

ak bnk .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 121 u

4.6

Spezielle Funktionen

4.37 Denition: Wir setzen: e


z

:=

n=0 n=0 n=0 n=0

zn n!

fr z , u mit |z 1| < 1,

ln z := sin z := cos z :=

(1)n (z 1)n+1 fr z u n+1 (1)n 2n+1 z (2n + 1)! (1)n 2n z (2n)! fr z , u fr z . u

4.38 Eigenschaften:
0

1) ez+w = ez ew fr z, w , insbesondere gilt ez = u


1

1 . ez

1 = e, e1/2 e1/2 = e1 = e e1/2 > 0 e1/2 = e. n! n=0 q Mit Induktion folgt e = q-te Potenz von e fr q . u Weiter gilt e = 1, e = 2) Spter: Die reelle Exponentialfunktion e(.) : ]0, [ : x ex ist bijektiv. Die Umkehra d.h. es gilt ln(ex ) = x = eln x . abbildung stimmt fr |x 1| < 1 mit der oben denierten Logarithmusfunktion uberein, u

3) sin(z) = sin z, cos(z) = cos z. 4) eiz = cos z + i sin z (Eulersche Formel) bzw. ei z + ei z = cos z, 2 Insbesondere gilt die Formel von Moivre: (cos z + i sin z)n = ei z
n

ei z ei z = sin z. 2i

= ei nz = cos(nz) + i sin(nz)

fr n . u

5) sin2 z + cos2 z = 1. Insbesondere ei t = 1 fr t . u 6) Additionstheoreme: sin(z1 + z2 ) = sin z1 cos z2 + cos z1 sin z2 , cos(z1 + z2 ) = cos z1 cos z2 sin z1 sin z2 7) Spter: Fr z = x stimmen sin x, cos x mit der rellen (bereits bekannten) Sinusa u bzw. Cosinusfunktion uberein. Daraus folgt: a) Die Abbildung [0, 2[ t eit parametrisiert den Einheitskreis in gilt ei/2 = i, ei = 1, ei3/2 = i, e2i = 1. . Insbesondere

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 122 u b) Die komplexe Exponentialfunktion e(.) : ez+2i = ez : z ez hat die Periode 2i: fr z . u

c) Die komplexe Sinus- und Cosinusfunktion haben die Periode 2: sin(z + 2) = sin z, cos(z + 2) = cos z fr z , insbesondere fr z . u u

4.39 Denition: Sei V = Mn,n der vollstndige Vektorraum der n n-Matrizen mit Norm a A = (aij ) = n max |aij |. Wir setzen
1i,jn k=0

:=

Ak k!

fr A Mn,n u

mit A0 := En (Einheitsmatrix)

(Exponentialfunktion fr Matrizen). Dann gilt u eA e


A

Weiter sind die Sinus- und Cosinusfunktionen deniert durch sin(A) := cos(A) :=
n=0 n=0

(1)n A2n+1 fr A Mn,n u (2n + 1)! (1)n 2n A (2n)! fr A Mn,n u


1

4.40 Eigenschaften:

1) eA+B = eA eB fr A, B Mn,n , insbesondere gilt eA = eA u

2) sin(A) = sin A, cos(A) = cos A. 3) eiA = cos A + i sin A 1 0 1 n! 0 2 n 1 0 0 n 2 n 1 0


n 1 n!

4.41 Beispiele:

1) A =
n=0

An = =

0 n 2 0
n 2 n!

e 1 0 1

e1 0

0 e2

2) A =

eA =

e e 0 e

(Ubungen).

4.42 Die geometrische Reihe fur Matrizen: Fr A Mn,n mit A < 1 gilt u
n=0

An = (E A)1

(Neumannsche Reihe).

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 123 u

5
5.1

Stetigkeit
Um was gehts?

5.1 Denition und Satz: Seien (E, dE ) und (F, dF ) metrische Rume und f : E D F , a x0 D (D = Denitionsbereich von f ). Dann heit f stetig in x0 , falls

(i) > 0 > 0 x D : dE (x, x0 ) < dF (f (x), f (x0 )) < (--Kriterium fr Stetigkeit) u oder quivalent a (ii) Fr jede Folge (xn ) in D mit xn x0 gilt f (xn ) f (x0 ), d.h. lim f (xn ) = f lim xn u
n n

(Folgenkriterium fr Stetigkeit). u f heit stetig, falls f in jedem Punkt x0 D stetig ist. Zur Aquivalenz: (i) (ii): Sei (xn ) Folge in D mit xn x0 . Zu > 0 whle > 0, so dass gilt: dE (x, x0 ) < dF (f (x), f (x0 )) < . a f (xn ) f (x0 ). (ii) (i): Zeige (i) (ii): (i) > 0 > 0 x D : dE (x, x0 ) < dF (f (x), f (x0 )) a Fr n whle n := u
1 n

Whle N mit dE (xn , x0 ) < fr n > N . Fr n > N folgt dF (f (xn ), f (x0 )) < a u u

(ii),

xn x0 f (xn ) f (x0 ) 1) Das Bild:

: xn D : dE (xn , x0 ) <

1 n

dF (f (xn ), f (x0 ))

5.2 Diskussion: F

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 124 u 2) Konstante Funktionen sind stetig und id : E E : x x ist stetig. (Das sind die wichtigsten stetigen Funktionen.) 3) Heaviside Funktion, Einschaltfunktion h::x 0, x < 0 1, x 0

ist unstetig in x0 = 0, sonst stetig.

4) f : : x ist nirgends stetig.

0, sonst

1, x

5) Unglaublich, aber wahr: D :=

, f : D : n

1 n gerade 0 n ungerade

ist stetig.

f : \ {0} : x 6) f : 2 : (x, y) x y ist stetig.

1 ist stetig. x

5.3 Rechenregeln fur stetige Funktionen in Vektorrumen: Seien E, F Vektorrume a a uber oder und f, g : E D F stetig in x0 D. Dann gelten:

1) f + g, f , f : x f (x) sind stetig in x0 . 2) Ist F = oder F = , so ist f g : x f (x) g(x) stetig in x0 . Ist zustzlich g(x0 ) = 0, so sind auch a 1 1 :x , g g(x) stetig in x0 . 3) Ist F = , so sind Ref und Imf stetig in x0 . f f (x) :x g g(x)

5.4 Anwendung: Aus 1): C( ) := {f : | f ist stetig} ist ein Vektorraum. 5.5 Komposition stetiger Funktionen: Sei f stetig in x0 , g stetig in f (x0 ), dann ist auch g f : x g(f (x)) stetig in x0 .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 125 u 5.6 Beispiele: 1) Polynom P : : z a0 + a1 z + . . . + an z n ist stetig auf ganz . P stetig. Q

2) P, Q Polynome, D := {z

: Q(z) = 0}. Dann ist

a 3) Seien p, q fest. Spter: f : [0, [ [0, [ : x x1/q ist stetig. Setze g(y) := y p g f : x xp/q ist stetig.

5.2

Stetige Funktionen sind gute Funktionen

5.7 Satz: Sei f : E D F stetig in x0 D und f (x0 ) = y0 . Dann > 0 x D : dE (x, x0 ) < f (x) = y0 . 5.8 Zwischenwertsatz von Bolzano: Sei f : [a, b] stetig. Dann nimmt f auch f (a) < 0 f (b) > 0 x ]a, b[ : f (x) = 0. Beweisidee: Sei f (a) < 0 < f (b). Intervallschachtelung: Setze a0 := a, b0 := b, x0 := a0 + b0 2 Falls f (x0 ) = 0, sind wir fertig Falls f (x0 ) > 0: Setze a1 := a0 , b1 := x0 Falls f (x0 ) < 0: Setze a1 := x0 , b1 := b0 f (a1 ) < 0 < f (b1 )

jeden Wert zwischen f (a) und f (b) wenigstens einmal an. Insbesondere:

b1 a1 = b0 a0 . 2 Fhre Verfahren fort. Dann Nullstelle in endlich vielen Schritten oder an x mit f (x) = 0. u 5.9 Diskussion: 1) Dazu wichtig: [a, b] hat keine Lcher, also Vollstndigkeit. o a

2) Beweis gibt iteratives Verfahren zur Bestimmung der Nullstelle. 3) Es folgt: Jedes Polynom ungerader Ordnung hat mindestens eine reelle Nullstelle: P (x) an = a0 + a1 x + . . . + an xn = an xn
> 0 fr x > 0 u < 0 fr x < 0 u

1+

a0 an1 + ...+ an x an xn
1 fr x u

x1 , x2 : f (x1 ) < 0 < f (x2 ).

also P (x) = 0.

Der Zwischenwertsatz garantiert nun die Existenz mindestens eines x mit

P (x) = 0, an

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 126 u 5.10 Satz: Sei f : [a, b] stetig. Dann nimmt f auf [a, b] das Maximum und Minimum x1 , x2 [a, b] x [a, b] : f (x1 ) f (x) f (x2 ) nimmt f auf D das Maximum und Minimum an. a Verallgemeinerung: Ist f : D F stetig und D n beschrnkt und abgeschlossen, dann

an, d.h.

mit f (xn ) M. (ohne Beweis).

Beweisidee: Sei M := sup{f (x) : a x b} (eventuell M = ). Whle Folge (xn ) in [a, b] a

Diese Folge besitzt eine Teilfolge (xnk )k , die in [a, b] konvergiert: xnk x0 [a, b] fr k u f (xnk ) M fr k u

f (xnk ) f (x0 ) fr k u

M = f (x0 ), insbesondere M < .

5.11 Beispiele: x [1, 2].

u 1) f : [1, 2] : x (x 1)(x 2): f (3/2) f (x) f (1) fr

1 : Weder Minimum noch Maximum wird angenommen. x 3 fr x = 1 u Weder Minimum noch Maximum wird 3) f : [1, 4] : x x fr 1 < x < 4 : u angenommen. 2 fr x = 4 u 2) f : ]0, 1[ : x 5.12 Folgerung: Sei F normierter Vektorraum und f : [a, b] F stetig. Dann ist f beschrnkt, das heit a K x [a, b] : f (x) K. Beweis: Setze g(x) := f (x) g : [a, b] ist stetig.

x1 , x2 [a, b] : g(x1 ) g(x) = f (x) g(x2 ), d.h. g(x2 ) ist obere Schranke fr f (x) . u

5.3

Umkehrfunktionen

monoton fallend, streng monoton fallend), falls

5.13 Denition: f : D heit monoton wachsend (streng monoton wachsend, x, y D : x < y f (x) f (y) (f (x) < f (y), f (x) f (y), f (x) > f (y)).

5.14 Beispiele:

1) f : : x 1 ist monoton wachsend und monoton fallend.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 127 u 2) f : : x x ist streng monoton wachsend. x fr x < 1, u 3) f : : x 1 fr 1 x 2, u x fr x > 2, u ist monoton wachsend. 5.15 Satz: Es sei f : D streng monoton wachsend oder streng monoton fallend.

Dann ist f injektiv.

Beweis: Sei f streng monoton wachsend. x1 = x2 Entweder x1 < x2 f (x1 ) < f (x2 ) x1 > x2 f (x1 ) > f (x2 ) f (x1 ) = f (x2 )

oder

5.16 Satz: Sei f : [a, b] stetig und streng monoton wachsend. Dann bildet f das Intervall stetig und streng monoton wachsend. Intervalle. Beweis:

[a, b] bijektiv auf das Intervall [f (a), f (b)] ab. Die Umkehrfunktion f 1 : [f (a), f (b)] [a, b] ist Analog fr streng monoton fallende Funktionen f : [a, b] [f (b), f (a)] und auch fr oene u u

Da f stetig, folgt mit dem Zwischenwertsatz, dass f surjektiv ist. f bijektiv. 2) f 1 ist streng monoton wachsend: Sei y1 < y2 mit yj = f (xj ). Annahme: f 1 (y1 ) f 1 (y2 ) x1 = f 1 (y1 ) f 1 (y2 ) = x2 y1 = f (x1 ) f (x2 ) = y2 

1) f streng monoton wachsend f injektiv f ([a, b]) [f (a), f (b)].

3) f 1 ist stetig: Seien y0 = f (x0 ) und > 0 fest. Wegen der strengen Monotonie gilt f (x0 ) < f (x0 ) < f (x0 + ). Whle nun > 0 so klein, dass f (x0 ) < f (x0 ) und a f (x0 ) + < f (x0 + ). Fr |y y0 | < gilt nun u y ]f (x0 ) , f (x0 ) + [ [f (x0 ), f (x0 + )] = f ([x0 , x0 + ]) f 1 (y) [x0 , x0 + ] |f 1 (y) x0 | < . 1 . f

5.17 Bemerkungen:

1) f 1 =

2) Graph von x = f 1 (y): derselbe wie der von y = f (x). Graph von y = f 1 (x): Spiegelung des Graphen von y = f (x) an y = x.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 128 u 5.18 Wurzelfunktionen: Fr festes n sei f : + + : x xn . u 0 0 1) f ist stetig. 2) f ist streng monoton wachsend. 3) f ist surjektiv. Also existiert die Umkehrfunktion f 1 : + + : x 0 0 streng monoton wachsend. y T y = x3 x= 3y n x. Wie oben: f 1 ist stetig und

y=

Allgemeiner folgt:

Fr jedes q mit q 0 ist f : [0, [ [0, [ : x xq stetig. u Fr jedes q mit q < 0 ist f : ]0, [ ]0, [ : x xq stetig. u

5.4

Stetigkeit von Grenzfunktionen


1) Sei fn : : x x2n .

5.19 Beispiele f r Funktionenfolgen: u Die Folge fn (x)


n

konvergiert nicht fr alle x D = . u |x| < 1 fn (x) 0 |x| = 1 fn (x) 1

|x| > 1 fn (x) 2) Sei fn : : x fn (x)


n

Wir setzen f (x) := lim fn (x) fr x D. u


n

1 . 1 + x2n konvergiert fr n in jedem Punkt x D = . u

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 129 u 1 |x| < 1 1 f (x) = |x| = 1 2 0 |x| > 1

Alle fn sind stetig, aber f nicht.

3) Sei fn : [2, 2] : x 1 +

Alle fn sind stetig, und die Grenzfunktion f : x 1 auch. 5.20 Denition: Seien f, fn : E D F Funktionen. 1) Die Folge (fn ) heit punktweise konvergent gegen f , falls lim fn (x) = f (x) fr alle u
n

1 x. n Fr jedes x D = [2, 2] gilt fn (x) 1. u

x D, d.h. x D > 0 N n > N : dF (fn (x), f (x)) < .


N darf von x abhngen a

2) Die Folge (fn ) heit gleichmig konvergent gegen f (auf D), falls a > 0 N n > N x D : dF (fn (x), f (x)) < .
gilt unabhngig von x a

Schreibweise: lim fn = f punktweise/gleichmig; f heit Grenzfunktion der Folge (fn ). a


n

5.21 Diskussion:

1) fn f gleichmig bedeutet: a

> 0 N n > N : Der Graph von fn liegt im -Schlauch um f


T

2) Beispiel 1: nicht punktweise konvergent, nicht gleichmig konvergent. a Beispiel 2: punktweise konvergent, aber nicht gleichmig konvergent. a Beispiel 3: punktweise und gleichmig konvergent. a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 130 u 3) gleichmig konvergent punktweise konvergent. a

Aber gleichmig konvergent ist wesentlich mehr als punktweise konvergent. a

4) Rechenregeln fr konvergente Folgen ubertragen sich auf Funktionenfolgen. u 5) Reihen: Eine Reihe (bzw. die Folge der Partialsummen) kann punktweise oder gleichmig a konvergieren, bedingt oder absolut.

5.22 Satz: Der gleichmige Grenzwert stetiger Funktionen ist stetig: a a fn stetig fr n fn f gleichmig f ist stetig. u

Beweis: Seien x0 D und > 0 fest. Whle N , so dass a dF fn (x), f (x) < 3 fr n > N , x D. u

Da fN +1 stetig ist, kann > 0 so gewhlt werden, dass a dF fN +1 (x), fN +1 (x0 ) < Fr dE (x, x0 ) < folgt u dF (f (x), f (x0 )) dF f (x), fN +1 (x) + dF fN +1 (x), fN +1 (x0 ) + dF fN +1 (x0 ), f (x0 ) + + = . < 3 3 3 3 fr dE (x, x0 ) < . u

5.23 Kriterien f r gleichmige Konvergenz: u a vollstndiger metrischer Raum. Falls a

1) Cauchy-Kriterium: Sei (F, dF ) ein

> 0 N n, m > N x D : dF (fn (x), fm (x)) < , dann existiert eine Funktion f : D F mit f = lim fn gleichmig. a 2) Weierstra-Kriterium: Falls F vollstndiger Vektorraum und (cn ) reelle Folge mit a cn 0 und dann konvergieren cn < und fn (x) cn fr x D, n n0 , u fn und fn gleichmig auf D. a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 131 u Beweis: 1) Wir betrachten nur den Fall F = , d(x, y) = |x y|. Der allgemeine Fall wird
n

entsprechend bewiesen.

Deniere f (x) := lim fn (x) fr x D. u


n

Fr festes x D ist fn (x) u

eine Cauchy-Folge. also konvergent.

Aus fn (x) fm (x) < fr m, n > N und x D folgt (mit Satz 2.56) u |fn (x) f (x)| = lim |fn (x) fm (x)|
m n

fr n > N , x D. u

2) Wir zeigen, dass die Teilsummenfolge (sn ) das Cauchy-Kriterium aus 1) erfllt: u Mit sn (x) :=
k=0 n n

fk (x) gilt

sn (x) sm (x)

=
k=m+1 n

f (x) ck <
k=m+1

f (x)
k=m+1

fr n > m > N . u
n=0

Also konvergiert (sn ) gleichmig gegen f mit f (x) = a

fn (x).

5.24 Beispiele:

1) Die geometrische Reihe: 1 Bekannt: zn = punktweise fr |z| < 1. u 1z n=0

a) Sei 0 < q < 1, q fest. Dann ist b) Aber: Auf {z : |z| < 1} ist

z n gleichmig konvergent fr |z| q. a u z n nicht gleichmig konvergent. a

2) Sei fn : ] 1, 1] : x xn . fn ist stetig und es gilt fn (x) f (x) = 0, |x| < 1 1, x = 1 punktweise.

Die Grenzfunktion ist unstetig, also konvergiert (fn ) nicht gleichmig auf ] 1, 1]. a 5.25 Potenzreihen: Es sei Dann gilt: an (z z0 )n eine Potenzreihe mit Konvergenzradius R ]0, ].

1) Ist ]0, R[, so konvergiert die Potenzreihe in {z : |z z0 | } gleichmig. a 2) Die Grenzfunktion f (z) =
n=0

an (z z0 )n fr |z z0 | < R ist stetig. u

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 132 u Beweis: 1) Weierstra-Kriterium: |an (z z0 )n | |an |n , |an n | ist konvergent.

2) Sei |z1 z0 | < R ]0, R[ : |z1 z0 | < . Aus 1) und Satz 5.22: f ist stetig in der Menge {z : |z z0 | < }, also insbesondere in z = z1 .

5.26 Anwendung:

1) Die Funktionen e(.) , sin, cos sind stetig auf . : |z 1| < 1}.

2) Die Funktion ln ist stetig auf {z

3) Fr A Mn,n ist die Funktion t etA Mn,n stetig auf . u 5.27 Der relle Logarithmus: Fr die Funktion e(.) : ] , [ ]0, [ gelten: u (i) e(.) ist stetig. (ii) e(.) ist streng monoton wachsend, insbesondere injektiv. (iii) e(.) ist surjektiv. Also existiert eine Umkehrfunktion ln : ]0, [ ] , [. Sie ist stetig und streng monoton wachsend.

1
E

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 133 u

5.5

Grenzwerte von Funktionen


1) Heaviside-Funktion:

5.28 Beispiele: h(x) =

0 x<0 1 x0

Fr x von oben gegen 0 strebt h(x) gegen 1 u Fr x von unten gegen 0 strebt h(x) gegen 0 u 2) Sei f : : n n. Grenzwert von f (x) fr x x0 ist nicht sinnvoll. u

Hufungspunkt von M, falls a

5.29 Hufungspunkte: Sei (E, d) ein metrischer Raum und M E, x0 E. Dann heit x0 a > 0 : B (x0 ) \ {x0 } M =

oder quivalent a (xn ) : xn M xn = x0 xn x0 . x0 M heit isolierter Punkt von M, falls x0 kein Hufungspunkt von M ist. a 5.30 Denition: Sei f : E D F und x0 E. 1) Schreibe
xx0

lim f (x) = a,

falls x0 Hufungspunkt von D ist und fr jede Folge (xn ) in D mit xn x0 gilt: a u
n

lim f (xn ) = a.

()

2) Im Fall f : D F schreibe
xx0

lim f (x) = a (oder

xx0 +

lim f (x) = a),

xn > x0 gilt.
xx0

falls x0 Hufungspunkt von D ]x0 , [ ist und () fr jede Folge (xn ) in D mit xn x0 , a u Analog lim f (x) = a.

3) Falls x0 Hufungspunkt von D ist und fr jede Folge (xn ) in D mit xn x0 die Folge a u (f (xn )) bestimmt gegen + () divergiert, schreibe
xx0

lim f (x) = + ()

(uneigentlicher Grenzwert).

4) Alles analog fr x +, x . u

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 134 u 1 1 = , lim = , x0 x x 1 = 0, x x lim x2 1 = 2. x1 x 1 lim

5.31 Beispiele: lim


x0

5.32 Bemerkungen:

1) Die Rechenregeln fr konvergente Folgen ubertragen sich sinnu

gem auf das Rechnen mit Grenzwerten. a 2) Gilt x0 D und lim f (x) = a, so ist
xx0

f : D {x0 } F : x

f (x) fr x D, u a fr x = x0 u

stetig in x0 . Man sagt: f ist stetig ergnzbar in x0 oder stetig fortsetzbar nach x0 . a 2 (x 1)(x + 1) x 1 = z.B.: f : \ {1} : x x+1 x+1 f : :xx1 a 3) Sei f : D F und x0 D Hufungspunkt von D ]x0 , [ und von D ] , x0 [ . Dann sind quivalent: a (i) f ist stetig in x0 . (ii) f (x0 ) = lim f (x) = lim f (x).
xx0 xx0

5.33 Grenzwerte mit Potenzreihen: Zum Beispiel lim Nenner: x (e 1) = x


2 x 2 n=1

xn1 xn = x3 n! n! n=1
=:f (x)

sin x x cos x = ?. x0 x2 (ex 1)

Da f durch eine Potenzreihe dargestellt wird, ist f stetig. Auerdem gilt f (0) = Zhler: sin x x cos x = a
n=0 3

1 = 1. 1!

(1)n 2n (1)n x2n+1 x x (2n + 1)! (2n)! n=0


n=1

= x

(1)n 2n2 (1)n x2n2 x (2n + 1)! (2n)! n=1


=:g(x)

g ist stetig mit g(0) = lim

1 1 1 1 1 = = . 3! 2! 2 6 3

g(0) 1 x3 g(x) g(x) sin x x cos x = lim 3 = lim = = . 2 (ex 1) x0 x f (x) x0 f (x) x0 x f (0) 3

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 135 u

6
6.1

Dierentialrechnung in einer Variablen


Die Ableitung

y T Tangente Sekante y = f (x) Gegeben: y = f (x). Frage: Tangente in (x0 , f (x0 ))? Fr x1 x0 nhert sich Sekante u a

an Tangente

Sekantengleichung: y = f (x0 ) + (x x0 ) f (x1 ) f (x0 ) x1 x0

Steigung der Sekante

6.1 Denition: Sei = oder = von D.

und f : D , x0 D, x0 Hufungspunkt a f (x) f (x0 ) heit Dierenzenquotient. x x0

1) Die Abbildung f : D \ {x0 } : x

2) f heit dierenzierbar in x0 , falls f in x0 stetig ergnzbar ist, d.h. falls a lim df df (x) f (x) f (x0 ) =: f (x0 ) =: (x0 ) =: x x0 dx dx

x x0 x D, x = x0

x=x0

existiert. In diesem Fall heit der Grenzwert die Ableitung von f in x0 (oder Dierentialquotient). 3) f heit dierenzierbar (in D), falls f in jedem Punkt x0 D dierenzierbar ist. Die Funktion f heit Ableitung von f .

6.2 Beispiele:

1) Konstante Funktion f :

: z c ist dierenzierbar: f (z) = 0.

2) Identische Funktion id:

: z z ist dierenzierbar: id (z) = 1. : z ez ist dierenzierbar: (ez ) = ez .

3) Die Exponentialfunktion f :

4) f : : x |x| ist in x0 = 0 nicht dierenzierbar.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 136 u 6.3 Satz: f : D dierenzierbar in x0 f stetig in x0 . 6.4 Bemerkung: Komplexe dierenzierbare Funktionen haben erstaunliche Eigenschaften und heien holomorphe oder analytische Funktionen Funktionentheorie

6.5 Rechenregeln: Seien f, g : D dierenzierbar (in x0 D). Dann gilt 1) f ( fest) ist dierenzierbar (in x0 ), und es gilt ( f ) (x0 ) = f (x0 ). 2) f + g ist dierenzierbar (in x0 ), und es gilt (f + g) (x0 ) = f (x0 ) + g (x0 ). 3) f g ist dierenzierbar (in x0 ) mit (f g)(x0 ) = f (x0 ) g(x0 ) + f (x0 ) g (x0 ) (Produktregel). 4) Falls g(x0 ) = 0, ist f g

f dierenzierbar in x0 mit g f (x0 ) g(x0 ) f (x0 ) g (x0 ) g 2 (x0 ) (Quotientenregel).

(x0 ) =

5) Ableitung der Umkehrfunktion: Sei D = [a, b] und f : D stetig und streng monoton, f 1 : f (D) D sei die Umkehrfunktion. Ist f in x0 dierenzierbar und f (x0 ) = 0, dann ist f 1 in y0 := f (x0 ) dierenzierbar und f 1 (y0 ) =

1 f (x0 )

(=

1 f f
1

(y0 )

).

6) Seien f : D , g : D mit f (D) D . Sei f in x0 D dierenzierbar, g in f (x0 ) D dierenzierbar. Dann ist g f : D in x0 dierenzierbar und (g f ) (x0 ) = g (f (x0 )) f (x0 ) (Kettenregel).
a uere Ableitung innere Ableitung

6.6 Beispiele:

1) Fr festes n u

und f :

\ {0}

: z z n gilt f (z) = n z n1 .

2) Fr festes q \ {0} sei f : ]0, [ ]0, [ : x xq . Dann gilt f (x) = q xq1 . u 3) f (x) = x2 + 1 = (x2 + 1)
1/2

. 1 d ln x = . dx x

4) Fr den reellen Logarithmus ln : ]0, [ ]0, [ : x ln x gilt u

u 5) Aus der Schule: f : [ , ] [1, 1] : x sin x ist bijektiv mit f (x) = cos x. Fr die 2 2 1 d arcsin x . = Umkehrabbildung arcsin gilt dx 1 x2

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 137 u

6.2

Hohere Ableitungen

6.7 Oene Mengen: Sei (M, d) ein metrischer Raum, D M. 1) x0 D heit innerer Punkt von D, falls > 0 : B (x0 ) D. Falls M = n oder M =
n

mit der ublichen Metrik, dann ist jeder innere Punkt

automatisch Hufungspunkt von D. a 2) D heit oen, falls alle Elemente von D innere Punkte sind.

6.8 Beispiele: ]a, b[ , {z [a, b[ , {(x, y) 2 :

x2 + y 2 2} 2 sind nicht oen.

: |z| < 1} sind oen;

6.9 Denition: Sei f : D und k . 1) f heit im inneren Punkt x0 D k-mal dierenzierbar, falls f auf einer Kugel B (x0 ) D (k 1)-mal dierenzierbar ist und die (k 1)-te Ableitung von f in x0 dierenzierbar ist. Schreibe f (k) (x0 ) := dk f d f (k1) (x0 ) (x0 ) := k dx dx (f (2) =: f , f (3) =: f , f (0) =: f ).

2) Sei nun D oen. Dann heit f k-mal dierenzierbar auf D, falls f in jedem x0 D manchmal 0-te Ableitung von f .

k-mal dierenzierbar ist; x f (k) (x) heit die k-te Ableitung von f auf D; f heit

3) f heit auf D k-mal stetig dierenzierbar, falls f k-mal dierenzierbar auf D und f (k) stetig auf D ist. Die Menge der auf D k-mal stetig dierenzierbaren Funktionen bildet einen Vektorraum, bezeichnet mit C k(D ), C (D ) ist der Vektorraum der beliebig oft dierenzierbaren Funktionen auf D.

6.10 Bemerkung: Die Rechenregeln gelten analog fr hhere Ableitungen. Insbesondere: u o


n

(f g)

(n)

=
k=0

n (k) (nk) f g k

(Leibnizregel)

(Beweis durch vollstndige Induktion.) a

6.11 Beispiel: (x ex )(1000) = (x + 1000) ex .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 138 u

6.3

Ableitung von Potenzreihen


n=0

6.12 Satz: Sei f (z) =

an (z z0 )n

eine (komplexe) Potenzreihe mit Konvergenzradius R > 0. Dann hat die Potenzreihe g(z) =
n=1

n an (z z0 )n1

denselben Konvergenzradius, und es gilt f (z) = g(z) auf BR (z0 ). Das bedeutet, eine Potenzreihe kann auf dem ganzen Konvergenzkreis gliedweise dierenziert werden. Veranschaulichung: Seien R der Konvergenzradius von f , R der Konvergenzradius von g: R= 1
n

lim

|an |

R =

1
n

lim

|nan |

1 lim n n

|an |

=R

6.13 Folgerung: Jede Potenzreihe mit positivem Konvergenzradius ist beliebig oft dierenzierbar. Eine Funktion, die als Potenzreihe darstellbar ist, heit analytische Funktion.

6.14 Beispiele:

1)
n=2

2 = (1 z)3

1 = 1z

n=0

zn

1 = (1 z)2

n=1

n z n1

n(n 1) z n2 . dex = ex fr x . u dx 1 fr x ]0, [ . u x

2) (ez ) = ez fr z , u 1 fr z u z

insbesondere gilt fr die reelle Exponentialfunktion: u

3) ln(z) =

mit |z 1| < 1. Frheres Beispiel: (ln x) = u

u 4) cos(z) = sin z fr z , genauso fr den reellen Cosinus. u 5) sin(z) = cos z fr z , genauso fr den reellen Sinus. u u 6) arctan(x) = 1 fr x . u 1 + x2 1 fr x ] 1, 1[ . u 1 x2

7) arcsin(x) =

8) arccos(x) =

1 fr x ] 1, 1[ . u 1 x2

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 139 u

6.4

Extrema

6.15 Denition: Sei (M, d) metrischer Raum. Die Funktion f : M D hat in x0 D ein lokales Maximum (bzw. lokales Minimum), falls > 0 x D : d(x, x0 ) < f (x) f (x0 ) (bzw. f (x) f (x0 )). Ein lokales Maximum oder Minimum heit auch lokales Extremum. Falls f (x) = f (x0 ) nur fr x = x0 , so heit das lokale Extremum strikt oder isoliert. u Falls x D : f (x) f (x0 ) / f (x) f (x0 ), hat f in x0 ein globales Maximum/globales Minimum.

6.16 Notwendiges Kriterium f r Extremum: Sei f : D dierenzierbar in u x0 D und x0 innerer Punkt von D. Hat f in x0 ein lokales Extremum, so gilt f (x0 ) = 0: f hat in x0 ein lokales Extremum f (x0 ) = 0. Ist f dierenzierbar in x0 und f (x0 ) = 0, so heit x0 stationrer oder kritischer Punkt a von f .

Beweis: f habe ein lokales Maximum in x0 . Dann folgt f (x0 ) = lim f (x0 + h) f (x0 ) 0 h0 h f (x0 + h) f (x0 ) f (x0 ) = lim 0 h0 h

f (x0 ) = 0

6.17 Beispiele:

1) f : : x x4 x3 = x3 (x 1): 3 Kritische Punkte: x = 0 x = . 4 3 In x0 = hat f ein lokales und globales Minimum, in x0 = 0 kein Extremum. 4 Keine kritischen Punkte, aber bei x0 = 1 hat f ein lokales und globales Maximum, bei

2) f : [0, 1] : x x:

x0 = 0 ein lokales und globales Minimum.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 140 u

6.5

Mittelwertstze und Anwendungen a

6.18 Satz von Rolle: Sei f : [a, b] stetig, dierenzierbar auf ]a, b[. Dann gilt: f (a) = f (b) ]a, b[ : f () = 0. Beweis: 5.10 f nimmt auf [a, b] Minimum und Maximum an. Fall 1) Minimum und Maximum liegen in a und b. f (x) = const = f (a) fr x [a, b] f (x) = 0 in [a, b] u Fall 2) Maximum oder Minimum in x0 ]a, b[ .
6.16

f (x0 ) = 0.

6.19 Mittelwertsatz der Dierentialrechnung: Sei f : [a, b] stetig, dierenzierbar auf ]a, b[. Dann gilt: ]a, b[ : f () = f (b) f (a) . ba

Beweis: Setze F (x) := f (x)

F erfllt die Voraussetzungen des Satzes von Rolle (F (a) = f (a) = F (b)) u f (b) f (a) . ]a, b[ : 0 = F () = f () ba 6.20 Verallgemeinerter Mittelwertsatz: Seien f, g : [a, b] stetig, dierenzierbar auf ]a, b[ : f (b) f (a) f () = . g(b) g(a) g ()

f (b) f (a) (x a). ba

]a, b[. Dann gilt: Ist g (x) = 0 x ]a, b[, so gilt

6.21 Nullableitung: Sei f : [a, b] stetig, dierenzierbar auf ]a, b[. Dann gilt: x ]a, b[ : f (x) = 0 f = konstant auf [a, b].

Beweis: Sei y ]a, b]. f erfllt die Voraussetzungen des Mittelwertsatzes im Intervall [a, y]. u ]a, y[ : f () =
=0

f (y) f (a) f (y) = f (a) ya

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 141 u 6.22 Monotonie: Sei f : [a, b] stetig, dierenzierbar auf ]a, b[. 1) Falls x ]a, b[ : f (x) 0 monoton fallend). 2) Ist f auf [a, b] monoton wachsend/fallend, so gilt: f (x) 0/f (x) 0 auf ]a, b[ . Beweis: 1) Folgt aus Mittelwertsatz und f (x1 ) f (x2 ) = f ()(x2 x1 ) f (x) f (x0 ) . Vorzeichenberlegung! u xx0 x x0 (f (x) > 0 / f (x) 0 / f (x) < 0),

so ist f auf [a, b] monoton wachsend (streng monoton wachsend/monoton fallend/ streng

2) f (x) = lim

6.23 Lokale Extrema: Sei D = [a, b] , f : D stetig auf [a, b] und dierenzierbar auf ]a, b[, x0 ]a, b[ .

1) Gibt es ein > 0, so dass f (x) 0 (f (x) > 0) fr x0 < x < x0 , u f (x) 0 (f (x) < 0) fr x0 < x < x0 + , u so hat f in x0 ein lokales (striktes) Maximum: x B (x0 ) : f (x) f (x0 ) (f (x) < f (x0 )). Entsprechend fr Minimum. u 2) Ist f in x0 zweimal dierenzierbar und f (x0 ) = 0, f (x0 ) < 0 (f (x0 ) > 0), so besitzt f in x0 ein striktes lokales Maximum/Minimum. 3) Ist f in x0 zweimal dierenzierbar und besitzt f in x0 ein lokales Maximum/Minimum, so ist f (x0 ) = 0 und f (x0 ) 0/ 0. Beweis: 1) Aus letztem Satz: f ist monoton wachsend fr x0 x x0 u f ist monoton fallend fr x0 x x0 + u 2) f (x0 ) = 0 lim f (x) 0 = f (x0 ) < 0 xx0 x x0

> 0 : f (x)

< 0 fr x0 < x < x0 + u > 0 fr x0 < x < x0 u

f (x) < 0 fr x0 < x < x0 x0 < x < x0 + u x x0

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 142 u 3) 6.16 f (x0 ) = 0. Wre f (x0 ) > 0 Minimum a  6.24 Achtung: f (x0 ) = 0, f (x0 ) = 0 bedeutet gar nichts! Z.B. f : x x4 oder f : x x5

bei x0 = 0. In diesem Fall muss man hhere Ableitungen betrachten. o

6.25 Regeln von de lHospital: Seien f, g : ]a, b[ dierenzierbar, lim f (x) = 0


xa

lim g(x) = 0 g (x) = 0 auf ]a, b[ . Dann gilt:


xa

lim
xa

f (x) = c g (x)

lim
xa

f (x) = c. g(x)

zierbar auf ]a, x[ . Verallgemeinerter Mittelwertsatz auf [a, x]: x ]a, x[ : f (x) f (a) = g(x) g(a)
= g(x)
f (x)

Beweis: Setze f (a) := 0, g(a) := 0. Dann gilt fr x ]a, b[ : f, g : [a, x] stetig, dierenu f (x ) g (x )
c fr xa u

6.26 Varianten:

1) Typ

: lim f (x) = = lim g(x). Dann xa xa lim


xa

f (x) f (x) = lim xa g (x) g(x)

2) Dasselbe fr x b oder x + oder x . u 3) Typ 0 : lim f (x) = 0, lim g(x) = : lim f (x) g(x) = lim f (x)
1 g(x)

4) Typ 1 : lim f (x) = 1, lim g(x) = : f (x)g(x) = eg(x)ln f (x) geht mit vorigem Fall. 5) Alle Varianten gelten auch bei bestimmter Divergenz: lim f f = + () lim = + (). g g

6.27 Beispiele: 2) 3) lim

1) lim

1 1 cos x = . 2 x0 x 2

ln x = 0. x x
x

lim x1/x = 1.

4) lim x ln x = 0.
x0

5)

lim x2 ex = 0.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 143 u

6.6

Der Satz von Taylor

6.28 Vorbemerkung: Sei f : ]a, b[ n-mal stetig dierenzierbar auf ]a, b[ , x0 ]a, b[ . Es gibt genau ein Polynom Tn n-ten Grades, so dass
(k) Tn (x0 ) = f (k) (x0 )

fr 0 k n. u

Fr dieses Polynom gilt u Tn (x) =

j=0

f (j) (x0 ) (x x0 )j . j!

Tn heit das n-te Taylorpolynom fr f , Rn (x) := f (x) Tn (x) das n-te Restglied. u 6.29 Beispiel: f : x ex , x0 = 0: f (k) (0) = e0 = 1 fr k 0 . u
n

Tn (x) =
n

j=0

1 j x, j!

Rn (x) = e

j=0

xj . j!

x0 = 1: f

(k)

(1) = e Tn (x) =

j=0

e (x 1)j . j!

6.30 Satz (Taylor, Lagrange): Sei f (n + 1)-mal stetig dierenzierbar auf ]a, b[ , x0 ]a, b[ und x ]x0 , b[ . Dann existiert ]x0 , x[ , so dass f (x) = Tn (x) + f (n+1) () (x x0 )n+1 (n + 1)!
=Rn (x)

(gilt genauso fr x ]a, x0 [ , nur dann ]x, x0 [ ). u

6.31 Bemerkungen:

1) Fr n = 0 ist dies wieder der Mittelwertsatz. u

2) Tn approximiert f an einer Stelle x0 bis zur n-ten Ableitung. Erst durch Diskussion des Restgliedes erkennt man, wie gut die Approximation durch Tn in einer Umgebung von x0 ist.

6.32 Beispiele:

bestimmt werden.

1) f : x ex , x0 = 0, x = 1: e1 soll bis auf Genauigkeit 105 durch Tn (1)

0<<1 ! e e1 3 (1 0)n+1 105 (n + 1)! (n + 1)! (n + 1)! 5 (n + 1)! 3 10 n 8 (9! = 362880)

|Rn (1)| =

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 144 u Das bedeutet: e T8 (1) < 105 . Mit Rechner: T6 (1) = 2.7180556, T7 (1) = 2.7182540, T8 (1) = 2.7182788, e1 = 2.7182818 . . . R6 = 2.262 104 R7 = 2.78 105 R8 = 3.0 106

u 2) f : : x ex , x0 = 0. Was passiert fr n ? |Rn (x)| =

|x|n+1 e (x 0)n+1 max{ex , 1} 0 (n + 1)! (n + 1)!


j=0

fr n bei jedem festen x . u ex = (wie bereits bekannt). 3) f (x) = e1/x , x = 0, 0, x = 0.


2

xj j!

fr x u

, x0 = 0.

u Es gilt f (n) (0) = 0 fr n 0 , also auch Tn (x) = 0 fr n , x . Diese Funktion f u ist um x0 = 0 nicht durch das Taylorpolynom approximierbar. 4) Die Binomialreihe: Fr r \ 0 gilt u (1 + x) =
r j=0

r j x j

fr x ] 1, 1[ u

r j

:=

r (r 1) (r j + 1) ). j!

6.7

Extrema: Hinreichende Bedingungen

6.33 Satz: Sei D oen, f C m (D ), x0 D und f (x0 ) = . . . = f m1 (x0 ) = 0, f (m) (x0 ) = 0. 1) Ist m ungerade, so hat f in x0 einen Sattelpunkt, d.h. Wendepunkt mit waagrechter Tangente. 2) Falls m gerade ist: a) Ist f (m) (x0 ) > 0, so hat f in x0 ein striktes lokales Minimum. b) Ist f (m) (x0 ) < 0, so hat f in x0 ein striktes lokales Maximum.
m1

Beweis: Aus Satz von Taylor: f (x) = f (x0 ) +


j=1

0+

f (m) () (x x0 )m , m!

und f (m) () hat konstantes Vorzeichen fr | x0 | < . u 6.34 Beispiele: y = x6 , y = x7 .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 145 u

6.8

Ableitung II

6.35 Denition: Sei : [a, b] n stetig. Die Menge K := (t) : t [a, b] n

heit Kurve im n , (, [a, b]) heit Parameterdarstellung von K. Ist (a) = (b), so heit K geschlossen. Ist
[a,b[

injektiv, so heit K Jordan-Kurve.

6.36 Beispiele:

1) : [0, 2] 2 : t 2 cos 2t sin 2t cos(2t) sin(2t) t t cos(2t) t sin(2t)

2 cos t sin t

2) : [0, ] 2 : t 3) : [0, 2] : t
3

: Dieselbe Kurve wie in 1).

(Schraubenline).

4) : [0, 2] 2 : t

(Archimedische Schneckenlinie).

a 6.37 Denition und Satz: Sei f : D n und x0 Hufungspunkt von D. Dann heit f dierenzierbar in x0 , falls f (x0 ) := lim 1 f (x) f (x0 ) x x0

x x0 x D, x = x0

existiert. Dies ist genau dann der Fall, wenn jede Koordinate fj von f in x0 dierenzierbar ist (j = 1, 2, . . . , n). Ist f in x0 dierenzierbar, so gilt f1 (x0 ) . . f (x0 ) = . fn (x0 ) 6.38 Beispiele: 1) f (x) = x2 e
x2 x

f (x) =

2x (2x 1) ex
2 x

2) Seien A Mn,n , v n und g : n : t etA v. Dann gilt g (t) = A etA v. 3) Man kann die obige Denition der Ableitung auf f : D V erweitern, wobei V ein dann f (t) = A etA . normierter Vektorraum ist. Mit V = Mn,n , A Mn,n und f : Mn,n : t etA folgt

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 146 u 6.39 Geometrische Bedeutung der Ableitung: Ist : [a, b] n in t0 dierenzierbar Punkt (t0 ). (t0 ) gibt die Momentangeschwindigkeit an, mit der K durchlaufen wird. 2 cos t sin t

mit (t0 ) = 0, so ist (t0 ) ein Tangentenvektor (Richtungsvektor der Tangente an K) im

6.40 Beispiele: (t0 ) =

1) : [0, 2] 2 : t

2 sin t0 cos t0

ist Tangentenvektor im Punkt (2 cos t0 , sin t0 ). 2 cos 2t sin 2t :

2) : [0, ] 2 : t
0 ( t2 ) =

4 sin t0 ist Tangentenvektor im Punkt (2 cos t0 , sin t0 ). Die Ellipse wird 2 cos t0 mit doppelter Geschwindigkeit durchlaufen.

6.41 Achtung bei (t0 ) = 0: Sei z.B. (t) :=

t2 fr 1 t < 0, (t) := u 0 0 t 1. Dann gilt C 1 ([a, b] 2 ), aber K hat eine Ecke in (0, 0).

0 t2

fr u

6.42 Denition: Sei : I = [a, b] stetig. 1) Ist in t0 I dierenzierbar mit (t0 ) = 0, so heit T (t0 ) := einheitsvektor in t0 . (t0 ) der Tangenten (t0 )

2) heit regulr, falls dierenzierbar auf I ist mit (t) = 0 auf I. a 3) heit singulr in t0 I, falls (t0 ) = 0. a

6.43 Bemerkung: Besitzt die Kurve K eine regulre Parameterdarstellung (, [a, b]), so hat a K keine Ecken.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 147 u

7
7.1

Dierentialrechnung im n
Ableitung III

D oen, so ist der Graph von f G =

7.1 Der Graph von Funktionen mehrerer Vernderlicher: Ist f : 2 D und a x1 , x2 , f (x1 , x2 ) 3 : (x1 , x2 ) D

eine (gekrmmte) Flche im 3 . u a Allgemeiner: Ist f : n D und D oen, so ist der Graph von f G = eine Hyperche im n+1 . a x, f (x) n+1 : x D

7.2 Wichtige Idee: Zur Untersuchung oder Veranschaulichung des Graphen in der Umgebung eines Punktes x0 , f (x0 ) kann man das Verhalten von f lngs der Geraden x = x0 + t v a mit geeigneten Ebenen: (t ) mit festem Richtungsvektor v n betrachten. Anders ausgedrckt: Man schneidet G u E := E G = (x0 + t v, s) n+1 : t, s

x0 + t v, f (x0 + t v) : t D

(D geeignet).

Diese Schnittkurve E G kann man als Kurve im 2 auassen: K := t, f (x0 + t v) : t D .

Vorteil: Man untersucht die Funktion t f (x0 + t v), die nur von einer reellen Variablen abhngt. a

7.3 Beispiele:

Graph von f : G = (x1 , x2 , x3 ) : x2 + x2 < 1 x3 = 1 2

1) f : D = {(x1 , x2 ) : x2 + x2 1} : (x1 , x2 ) 1 2

1 x2 x2 1 2

1 x2 x2 : 1 2

(obere Halbkugel).

2) f : 2 : (x1 , x2 ) x2 + 4x2 (elliptisches Paraboloid). 1 2 3) f : 2 : (x1 , x2 ) x1 x2 (Der Graph ist eine Sattelche). a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 148 u a a 7.4 Beobachtung: Seien f : D und x0 Hufungspunkt von D. Dann sind quivalent: (i) f ist dierenzierbar in x0 . (ii) Es existiert eine Zahl a , so dass
x x0 x D, x = x0

lim

1 f (x) f (x0 ) a(x x0 ) |x x0 |

= 0

Sind diese Bedingungen erfllt, so gilt a = f (x0 ). u

7.5 Denition: Sei f : n D , D oen und x0 D. Dann heit f dierenzierbar in x0 , falls eine 1 n-Matrix A = (a1 , . . . , an ) (aj ) existiert mit
x x0 x D, x = x0

lim

1 x x0

f (x) f (x0 ) A(x x0 )

= 0

oder quivalent: a f (x) = f (x0 ) + A(x x0 ) + x x0 r(x) Wir schreiben f (x0 ) := A = (a1 , . . . , an ). mit lim r(x) = 0.
xx0

Die Matrix A ist durch diese Bedingung eindeutig bestimmt und heit Ableitung von f in x0 .

7.6 Die Idee:: Die Funktion g(x) := f (x0 ) + f (x0 )(x x0 ) ist die optimale lineare Appro ximation von f bei x0 . Oder anders ausgedrckt: Der Graph von g: u E := x, f (x0 ) + f (x0 )(x x0 ) : x n

beschreibt die Tangentialebene (falls n = 2) bzw. Tangentialhyperebene an den Graphen G von f im Punkt x0 , f (x0 ) .

7.7 Beispiele:

1) f : 2 :

x1 x2

x1 x2 . x1 x2 1 x2 x2 . 1 2

2) f : {(x1 , x2 ) : x2 + x2 < 1} : 1 2

7.8 Satz: Ist f dierenzierbar in x0 , so ist f stetig in x0 .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 149 u 7.9 Partielle Ableitungen: Sei f : n D , D oen und f dierenzierbar in x0 D. Dann existiert fr jedes j {1, . . . , n} der Grenzwert u
h0 h=0

lim

f f (x0 + h ej ) f (x0 ) (x0 ) =: xj f (x0 ) =: j f (x0 ). =: h xj

Dieser Grenzwert heit partielle Ableitung von f nach xj . Es gilt f (x0 ) = Der Vektor x1 f (x0 ), x2 f (x0 ), . . . , xn f (x0 ) . 1 f (x0 ) . . f (x0 ) := . n f (x0 ) 1 x x0

heit Gradient von f .

Beweis: 0 =

x x0 x = x0

lim

f (x) f (x0 ) f (x0 )(x x0 ) f (x0 + h ej ) f (x0 ) f (x0 )(x0 + h ej x0 )


=h f (x0 )
j

0 =

h0 h=0

lim

1 x0 + h ej x0
1 = |h|

h0 h=0

lim sign(h)

f (x0 + h ej ) f (x0 ) f (x0 ) h

xj f (x0 ) = f (x0 ) =

h0 h=0

lim

f (x0 + h ej ) f (x0 ) h

(j = 1, . . . , n) existieren und

x1 f (x0 ), x2 f (x0 ), . . . , xn f (x0 ) .

7.10 Bemerkung: f (x0 )(x x0 ) = f (x0 ), x x0 ,

f (x0 ) = f (x0 )T (transponierte Matrix).

7.11 Geometrische Bedeutung der partiellen Ableitung: Schneide den Graphen von f mit der Ebene E := (x0 + t ej , s) n+1 : t, s .

Die Schnittkurve ist der Graph der Funktion t f (x0 + t ej ). Fr die Ableitung dieser Funktion im Punkt t = 0 gilt u d f (x0 + t ej ) dt
t=0

= xj f (x0 ).

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 150 u 7.12 Geometrische Bedeutung des Gradienten: Fr festes v n mit v = 1 schneide u den Graph von f mit der Ebene E := (x0 + t v, s) : t, s .

Die Steigung der Schnittfunktion t f (x0 + t v) im Punkt t = 0 ergibt sich zu d f (x0 + t v) dt die Steigung den Wert f (x0 ) .
t=0

= f (x0 ) v = f (x0 ), v .

Die Steigung (in Abhngigkeit von v) ist am grten, wenn v parallel zu f (x0 ) ist. Dann hat a o Also: Der Gradientenvektor zeigt in die Richtung der grten Zunahme von f (x). o

renzierbar, und es gilt f (x0 ) = x1 f (x0 ), . . . , xn f (x0 ) . Also: Fr Dierenzierbarkeit in x0 ist notwendig: u Fr Dierenzierbarkeit in x0 ist hinreichend: u

partiellen Ableitungen j f existieren in D und seien stetig in x0 D. Dann ist f in x0 dief ist stetig und f (x0 ) existiert. und f ist stetig in x0 . f ist stetig, f existiert in D,

7.13 Ein Kriterium fur Dierenzierbarkeit: Sei f : n D stetig, D oen, alle

k-ten Ordnung auf D existieren und stetig sind.

Fr k 0 ist C k (D ) der Raum aller Funktionen, deren partielle Ableitungen bis zur u

7.14 Ergnzung: Die Existenz aller partiellen Ableitungen in einem Punkt x0 garantiert nicht a die Dierenzierbarkeit in x0 . Sei z.B. f : 2 mit f x y := 0 falls (x, y) = (0, 0) y = x 1 falls y = x x = 0

Dann gilt x f (0, 0) = 0, y f (0, 0) = 0, aber die Funktion f ist in (0, 0) unstetig, also sicher nicht dierenzierbar.

7.2

Extrema

ein Extremum besitzt. Wenn f in x0 ein Maximum besitzt, dann haben auch alle Funktionen gv : t f (x0 + t v) mit beliebigen Vektoren v n fr t = 0 ein Maximum (genauso mit Minimum). Wir wissen: u

Sei f : n D , D oen und f dierenzierbar in x0 D. Wir wollen feststellen, ob f in x0

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 151 u


Notwendig fr ein lokales Extremum ist gv (0) = 0. u Hinreichend fr ein striktes lokales Extremum ist gv (0) = 0 und gv (0) > 0 oder gv (0) < 0. u

Weiter ist bekannt:


n gv (t)

= f (x0 + t v) v =

j=1

xj f (x0 + t v)vj .

Daraus folgt sofort: 7.15 Notwendige Bedingung: Sei f : n D , D oen und f dierenzierbar in x0 D. Dann gilt: f hat in x0 ein Extremum f (x0 ) = x1 f (x0 ), . . . , xn f (x0 ) = 0. Nun nehmen wir an, dass die partiellen Ableitungen n D x xj f wieder dierenzierbar dxj f (x0 + t v) = dt
n n

sind. Dann gilt

k=1

xk (xj f )(x0 + t v) vk

gv (t)

=
j,k=1 n

xk (xj f )(x0 + t v) vk vj xk (xj f )(x0 ) vk vj

gv (0) =

j,k=1

x1 x1 f (x0 ) x1 x2 f (x0 ) . . . x1 xn f (x0 ) . . . . . . xn x1 f (x0 ) xn x2 f (x0 ) . . . xn xn f (x0 )


=:Hf (x0 ) (Hessematrix)

v1 . , . . vn

v1 . . . vn

die Hessematrix von f in x0 . Dann gelten:

7.16 Hinreichende Bedingung: Sei D n oen, f C 2 (D ), x0 D und Hf (x0 ) 1) Falls f (x0 ) = 0 und Hf (x0 ) positiv denit ist, besitzt f in x0 ein striktes lokales Minimum. 2) Falls f (x0 ) = 0 und Hf (x0 ) negativ denit ist (d.h. Hf (x0 ) ist positiv denit), besitzt f in x0 ein striktes lokales Maximum.

Beweis: Wenn 1) erfllt ist, zeigt die obige Rechnung, dass alle Funktionen gv in t = 0 u ein Minimum besitzen. Dies veranschaulicht, dass die Bedingung 1) fr das Vorliegen eines u Minimums sinnvoll ist. Den strikten Beweis kann man erst mit dem Satz von Taylor (Satz 7.32) fhren. u Wir werden spter sehen: Hf (x0 ) ist symmetrisch. Das bedeutet, dass Hf (x0 ) diagonalisierbar a ist. Deshalb kann man den letzten Satz auch anders formulieren:

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 152 u 7.17 Satz: Sei D n oen und f C 2 (D ), x0 D mit f (x0 ) = 0. Dann gilt: 1) Hat die Hesse-Matrix Hf (x0 ) nur positive Eigenwerte, so hat f in x0 ein striktes lokales Minimum. 2) Hat die Hesse-Matrix Hf (x0 ) nur negative Eigenwerte, so hat f in x0 ein striktes lokales Maximum. 3) Ohne Beweis: Hat die Hesse-Matrix Hf (x0 ) positive und negative Eigenwerte, so hat f in x0 einen Sattelpunkt: In jeder Umgebung von x0 gibt es Punkte x mit f (x) > f (x0 ) und Punkte mit f (x) < f (x0 ).

7.18 Beispiele: 2) f x y

1) f

x y

= (x2 y 2) ln x in D := {(x, y) 2 : x > 0}.

= 4xy x3 y xy 3

3) f : D =

x x x y: 2 : x2 + y 2 1 : y y Einziger kritischer Punkt: (x, y) = (0, 0) mit f (0, 0) = 0. Hier liegt ein Sattelpunkt vor.

Also hat f im Inneren von D kein Extremum. Da D beschrnkt und abgeschlossen ist, nimmt f auf D das Maximum und Minimum an. a Also muss f das Minimum und Maximum am Rand von D annehmen. Untersuche f am Rand: Maximum f
1 2 1 2

1 = , Minimum f 2

1 2 1 2

1 2

7.3

Ableitung IV

in x0 , falls eine m n-Matrix A existiert mit


x x0 x D, x = x0

7.19 Denition: Sei f : n D m , D oen und x0 D. Dann heit f dierenzierbar lim 1 x x0 f (x) f (x0 ) A(x x0 ) = 0

oder quivalent: a f (x) = f (x0 ) + A(x x0 ) + x x0 r(x) Wir schreiben f (x0 ) := A. mit lim r(x) = 0.
xx0

Die Matrix A ist durch diese Bedingung eindeutig bestimmt und heit Ableitung von f in x0 .

7.20 Bemerkungen:

1) Im Fall m = 1 ist dies genau die Denition 7.5.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 153 u 2) Ist f in x0 dierenzierbar, so gilt x1 f1 x2 f1 . . . xn f1 x1 f2 x2 f2 . . . xn f2 f (x0 ) = . . . . . . x1 fm x2 fm . . . xn fm Die m n-Matrix Jf (y) = i fj (y)
i,j

heit auch Jacobi-Matrix von f .

7.21 Beispiel: f (x, y) =

x ey xy

Jf (x, y) = f (x, y) =

ey x ey y x

7.22 Ableitung des Gradienten: Sei f : n D dierenzierbar in D, D oen. Dann gilt f : D n . Ist f in x0 D dierenzierbar, so ist die Jacobi-Matrix von f : 2 1 f (x0 ) 2 1 f (x0 ) . . . n 1 f (x0 ) . . . . (f ) (x0 ) = . . 2 1 n f (x0 ) 2 n f (x0 ) . . . n f (x0 ) die Hesse-Matrix von f .

7.23 Beispiel: f (x, y) = x e

f (x, y) =

ey x ey

(f ) (x, y) =

ey

ey x ey

7.4

Mittelwertstze und mehr a

x0 , y0 D, so dass die Verbindungsstrecke in D liegt: {x0 + t (y0 x0 ) : 0 t 1} D. Dann ]0, 1[ : f (y0 ) f (x0 ) = f x0 + (y0 x0 ) , y0 x0 .

7.24 Mittelwertsatz bei mehreren Variablen: Seien D n oen, f C 1 (D ) und

Beweis: Setze g(t) := f x0 + t (y0 x0 ) fr 0 t 1. Da f dierenzierbar ist, gilt u g (t) = f x0 + t (y0 x0 ) (y0 x0 ) = Der Mittelwertsatz 6.19 liefert f (y0 ) f (x0 ) = g(1) g(0) = g ( ) 1 = f x0 + (y0 x0 ) , y0 x0 f x0 + t (y0 x0 ) , y0 x0 .

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 154 u 7.25 Satz von Schwarz: Fr f C 2 (D ) gilt j k f = k j f in D. Insbesondere ist die u Hesse-Matrix von f symmetrisch. Entsprechend: Sei f C m (D ), 1 , 2 mit 1 + 2 m. Dann gilt
j 1 k 2 f = k 2 j 1 f

in D.

7.26 Fehlerfortpanzung: Bei Berechnungen mit Maschinenzahlen treten im Allgemeinen mindestens Rundungsfehler auf, d.h. die Ergebnisse weichen vom exakten Wert ab. Fhrt man u mit einem fehlerbehafteten Wert eine neue Rechnung durch, so wird sich die ursprngliche u Abweichung auf das Ergebnis auswirken. Dies nennt man Fehlerfortpanzung. Sei nun x n der exakte Wert und x + x n der fehlerbehaftete Wert. Wir schtzen fr a u Mittelwertsatz 7.24: eine Funktion f C 1 (n ) ab, wie gro die Abweichung f (x + x) f (x) ist. Mit dem f (x + x) f (x) = f (x + x), x f (x), x . Z.B. folgt fr die Funktion f (x, y) = xy bei xy = 0 u f (x + x, y + y) f (x, y) yx + xy f (x + x, y + y) f (x, y) x y + . f (x, y) x y bzw. fr den relativen Fehler u x y f (x + x, y + y) f (x, y) + . f (x, y) x y Also: Bei Produktbildung addieren sich die relativen Fehler 7.27 Kettenregel: Sei f : n D m , g : m D k mit f (D) D . Ist f in x0 D und g in f (x0 ) dierenzierbar, so ist h := g f in x0 dierenzierbar mit h (x0 ) = g f (x0 ) f (x0 ). und

7.28 Beispiele:

1) f : 2 : x y1 y2

x2 ex

: f (x) = : g (y) = 2x ex y2 1

2x ex y1 1 ex (x2 + 2x) 2x ex

g : 2 2 : y =

y1 y2 y1 y2 ex 1 x2 1

Kettenregel: (g f ) (x) = Direkt: g f (x) = x2 ex x2 ex

(g f ) (x) =

ex (x2 + 2x) 2x ex

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 155 u x1 x2 x3 x2 1 + x2 2 + x2 3

2) g(x1 , x2 , x3 ) =

, f (y1 , y2 ) = ey1 y2 .

3) Wichtiges Beispiel: g : n , f : n .

7.29 Multiindizes: Fr partielle Ableitungen hherer Ordnung ist folgende Notation geu o schickt:
1 n f := x1 xn f

fr = (1 , . . . , n ) n u 0

( sprich Nabla). Zum Rechnen mit sogenannten Multiindizes , n vereinbart man: 0 || := 1 + . . . + n 1 1 . . . n n ! := (1 !) (n !) ! := = ! ( )! 1 1 n 2 n 2

7.30 Leibniz-Formel: Seien D n oen und f, g C m (D ). Fr n mit || m u 0 gilt: (g f ) = f g in D.

n , 0

7.31 Ableitungen lngs einer Geraden: Fr f : n D , x0 D, v n und a u dierenzierbar mit {x0 + t v : 0 t 1} D setze g(t) := f (x0 + t v). Falls f C m (D ), so ist g m-Mal g (m) (t) =
||=m wobei v := v1 1 vn n .

m! ( f ) (x0 + t v) v , !

Beweis:

g (t) =
j1 =1 n

j1 f (x0 + t v) vj1
n

g (t) = . . . g
(m) j2 =1 j1 =1 n

j2 j1 f (x0 + t v) vj1 vj2


n

||=1

f (x0 + t v) v

(t) =
jm =1 jm1 =1

...
j1 =1

jm j1 f (x0 + t v) vj1 vj2 vjm .

In dieser m-fachen Summe kommen genau alle f mit || = m vor, manche mehrfach.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 156 u a Wie oft kommt ein n mit || = m vor? Kombinatorik: Verteile m = 1 + . . . + n Eintrge 0 auf die Pltze j1 , . . . , jm : Das sind m! Mglichkeiten. Davon sind aber 1 Mglichkeiten gleich, a o o 2 , . . . , n Mglichkeiten gleich. o g (m) (t) = m! f (x0 + t v). 1 ! n !

||=m

Verbindungsstrecke ganz in D liegt: {x0 + t (x x0 ) : 0 t 1} D. Dann existiert ein ]0, 1[ , so dass


m

7.32 Satz von Taylor II: Sei D n oen, f C m+1 (D ), x, x0 D so dass die

f (x) =
k=0 ||=k

1 f (x0 ) (x x0 ) + !

||=m+1

1 f !

x0 + (x x0 ) (x x0 ) .

Beweis: Wende den Satz von Taylor 6.30 auf die Funktion g(t) := f x0 + t (x x0 ) an, verwende den letzten Satz fr g (m) (t). u

7.33 Beispiel: f (x, y) = ex

2 +xy+y 2

bei (x0 , y0 ) = (0, 0).

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 157 u

8
8.1

Integration
Treppen- und Regelfunktionen
T

Gegeben: Funktion f : [a, b] . Typisch Mathematiker:

Gesucht: Flche zwischen y = f (x) und x-Achse. a

Existiert diese Flche uberhaupt? a Idee: Alles auf Rechteckchen aufbauen. a


E

8.1 Denition:

1) Fr I , I = heit u I : : x 0 sonst 1 falls x I,

charakteristische Funktion von I ( sprich chi). 2) f : [a, b] heit Treppenfunktion auf [a, b], falls es a = x0 < x1 < . . . < xn = b gibt, so dass f jeweils auf ]xi1 , xi [ konstant ist (1 i n). 3) Zwei Treppenfunktionen f, g heien gleich fast uberall (f = g f..), falls f (x) = g(x) u fr x [a, b] mit hchstens endlich vielen Ausnahmen. u o Die Relation gleich fast uberall ist eine Aquivalenzrelation auf der Menge alle Funktio nen auf [a, b].

8.2 Beispiel:

f = 3 [0,1] + 4 [1,2] + 2 [2,3] f.. u 8.3 Satz: 1) f : [a, b] ist Treppenfunktion

3, 0 x < 1 1, x = 1 f (x) = 4, 1 < x 2 2, 2 < x 3

Es gibt Intervalle Ik [a, b] und Konstanten ck mit f =

ck Ik f.. u
k=1

2) Die Menge der Treppenfunktionen auf [a, b] mit der ublichen Addition und Multiplika tion mit Konstanten bildet einen Vektorraum. Auerdem sind Produkt und Betrag von Treppenfunktionen wieder Treppenfunktionen.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 158 u


n

8.4 Denition: Ist f Treppenfunktion auf [a, b] und f =


k=1 b n

ck ]xk1 ,xk [ f.., so heit u

f (x) dx :=
a k=1

ck (xk xk1 )
b

das (bestimmte) Integral von f . Schreibe auch


a b b

f.

Insbesondere: f = g f.. u
d

f=
a b a

g. f [c,d] .

Falls a c d b setze

f :=
c a

8.5 Denition: f : [a, b] heit Regelfunktion, falls es eine Folge (tn ) von Treppenfunkbeschrnkt. a

tionen auf [a, b] gibt mit f = lim tn gleichmig auf [a, b]. Insbesondere ist jede Regelfunktion a

Beweis der Beschrnktheit: Whle = 1. Dann: a a N1 n > N1 x [a, b] : |f (x) tn (x)| < 1. tN1 +1 ist Treppenfunktion max |tN1 +1 (x)| existiert.
axb

|f (x)| |f (x) tN1 +1 (x)| + |tN1 +1 (x)| < 1 + max |tN1 +1 (x)| =: M
axb

|f (x)| M

fr x [a, b]. u

8.6 Welche Funktionen sind Regelfunktionen: Sei f : [a, b] . 1) f ist stetig oder monoton f ist Regelfunktion. Genauer: f ist Regelfunktion f besitzt an jeder Stelle x [a, b] einen links- und rechtsseitigen Grenzwert. 2) R([a, b]) := Menge der Regelfunktionen ist ein Vektorraum (bliche Addition von Funku tionen, Multiplikation von Funktionen mit Skalaren). Auerdem: Produkt und Betrag von Regelfunktionen sind Regelfunktionen. f

:= sup |f (x)| ist eine Norm auf R([a, b]),


[a,b]

R([a, b]), .

ist ein vollstndiger normierter Raum (Banachraum). a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 159 u 8.7 Satz und Denition: Sei f : [a, b] Regelfunktion, (tn ) eine Folge von Treppenfunktionen mit f = lim tn gleichmig. Dann existiert der Grenzwert a
b b b

f :=
a a

f (x) dx := lim

tn (x) dx
a

und ist unabhngig von der gewhlten Folge (tn ). a a


b

f (x) dx heit das (bestimmte) Regel- oder Cauchy-Integral von f , f heit auch (Regel-) integrierbar.
a a b a

Es ist
a

f = 0. Wir setzen
b

f :=

f
a

fr a < b. u

Beweis: Sei In :=
a

tn (x) dx.

Schritt 1: Beweise, dass (In ) eine Cauchy-Folge ist. Dann konvergiert (In ) in . Sei > 0 fest. Es existiert ein N , so dass fr n > N u |tn (x) f (x)| < Fr m, n > N folgt u |tn (x) tm (x)| |tn (x) f (x)| + |f (x) tm (x)| < Whle a = x0 < x1 < . . . < xK = b, so dass a
K K

2(b a)

fr x [a, b]. u

ba

fr x [a, b]. u

tn =
k=1

ck [xk1 ,xk ] f.. und tm = u


k=1

dk [xk1 ,xk ] f.. u

|ck dk | < |In Im | Also konvergiert (In ).

ba

|ck dk |(xk xk1 ) <

ba

(xk xk1 ) = .

Schritt 2: Eindeutigkeit des Grenzwerts: Ist (tn ) eine weitere Folge von Treppenfunktionen, die
b

gleichmig gegen f konvergiert und In := a


a

tn (x) dx, so betrachte die Folge t1 , t1 , t2 , t2 , . . ..

Diese konvergiert ebenfalls gleichmig gegen f . Somit konvergiert auch die Folge I1 , I1 , I2 , I2 , . . .. a Dann mssen die Teilfolgen (In ) und (In ) gegen denselben Grenzwert konvergieren. u

8.8 Eigenschaften des Integrals: Seien a < b und f, g R([a, b]). Dann gilt
b b b

1) Linearitt: a
a

( f + g) =
a

f +
a

fr , . u

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 160 u


b

2) Monotonie: f 0 auf [a, b] f g auf [a, b] Spezieller und besser:

f 0, f
a

g.
b

u Ist f : [a, b] stetig, f 0 auf [a, b], f (x0 ) > 0 fr ein x0 [a, b], dann ist
b b

f > 0.
a

3) f = g f.. u
b b

f=
a a

g.
. ,

4)
a

|f | (b a) f
b b a

Insbesondere:

g (b a) f g
b a

d.h. die Abbildung R([a, b]) f

f ist stetig.
b

5) Ist f stetig auf [a, b], dann existiert ein [a, b] mit

f = (b a) f ().
b b a

Allgemeiner: Ist g 0 und f stetig, dann existiert [a, b] mit (Mittelwertsatz der Integralrechnung). 6) Fr a c d b setze u
c b c b d b

f g = f ()

g
a

f :=
a

f [c,d] .

Fr a c b gilt u

f =
a a

f+
c

f . Diese Formel gilt auch fr a b c, falls f u

integrierbar uber [a, c].

Beweis: Zu 1), 3) und 4): Klar fr Treppenfunktionen. u Grenzbergang Aussage gilt auch fr Regelfunktionen. u u Zu 2): Sei f 0 und tn f gleichmig auf [a, b]. Setze tn (x) := max{0, tn (x)}. Dann gelten a tn ist Treppenfunktion,
b

tn 0, also

tn 0,
f positiv

tn f gleichmig auf [a, b], da |f (x) tn (x)| a


b b

|f (x) tn (x)|.

f = lim
a

tn 0.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 161 u f (x0 ) . Aus der 2 f (x0 ) . 2

Sei nun f stetig auf [a, b], f (x) 0 auf [a, b] und f (x0 ) 0. Whle = a Stetigkeit von f folgt fr x0 < x < x0 + : u

f (x) = f (x0 ) + f (x) f (x0 ) f (x0 ) |f (x) f (x0 )| > f (x0 ) = 0 |x x0 | f g mit g(x) := f (x0 ) |x x0 | < 2 b b f (x0 ) f g = 2 > 0. 2 a a


4)

Achtung: Diese Aussage gilt nicht, wenn die Stetigkeit von f weggelassen wird: Betrachte f auf [0, 2] mit f (x) = 0 fr x = 1 und f (x) = 1 fr x = x0 = 1. u u Zu 5): Sei m := min f (x), M := max f (x).
[a,b] [a,b] 2) b b b

m
a

gf M
b

g
a b

[m, M] :

g=
a a

fg

Zwischenwertsatz (siehe 5.8): [a, b] : = f (). Zu 6): Folgt aus f = f [a,c] + f [c,b] f.. u

8.2

Stammfunktionen

8.9 Wichtige Idee: Ist f : [a, b] integrierbar, dann heien die Abbildungen F : [a, b] : x Flcheninhaltsfunktionen. a
x

f (t) dt,
a

G : [a, b] : x

f (t) dt
x

8.10 Satz: Ist f : [a, b] integrierbar, dann sind die Flcheninhaltsfunktionen stetig. a
x x0 x

Beweis: |F (x) F (x0 )|

=
a 8.8, Teil4

f
a

=
x0

f falls |x x0 | <
b a

|x x0 | f

<

Also ist F stetig. Die Stetigkeit von G folgt aus G(x) =

f F (x).

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 162 u 8.11 Hauptsatz der Integral- und Dierentialrechnung(1667): Sei f : [a, b] steF = f. tig und F : [a, b] : x
x

f (t) dt. Dann ist F dierenzierbar auf ]a, b[, und es gilt
a

Also: Integration ist Umkehrung der Dierentiation.


Flchenproblem a Tangentenproblem

Beweis: Sei x0 ]a, b[ , (x) :=

F (x) F (x0 ) fr x = x0 . Zeige u x x0

x x0 x = x0 x

lim

(x) = f (x0 .

|(x) f (x0 )|

= =
8.8, Teil 4

x x0 1 f (t) dt f (t) dt x x0 a a x 1 (f (t) f (x0 )) dt |x x0 | x0 1 |x x0 | max |f (t) f (x0 )|. t[x,x0 ] |x x0 |

f (x0 ) dt
x0

Da f stetig ist, gibt es ein > 0, so dass |f (t) f (x0 )| < |(x) f (x0 )| fr |t x0 | < u fr |x x0 | < . u

8.12 Denition: Sei f : [a, b] . Eine Funktion F : [a, b] heit Stammfunktion von f , falls F stetig auf [a, b], dierenzierbar auf ]a, b[ und F = f auf ]a, b[ ist. Falls f stetig ist, besitzt f eine Stammfunktion (Hauptsatz 8.11). Alle Stammfunktionen zu f : (i) F Stammfunktion (ii) F, G Stammfunktionen F + c ist Stammfunktion fr beliebige Konstante c. u (F G) = f f = 0 F G = const.
6.21

fr a c d b: u

8.13 Flchenberechnung: Ist f : [a, b] stetig und F eine Stammfunktion von f , so gilt a
d c

f (t) dt = F (d) F (c) =: F (x)


x

d x=c

=:

F (x)

d x=c

Beweis: Sei G(x) :=


a

Hauptsatz

G ist Stammfunktion

F = G+
d d c

f =
c a

f = G(d) G(c) = F (d) (F (c) ) = F (d) F (c)

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 163 u


2 1 2

8.14 Beispiele:

1)
0

|x 1| dx =

1 0x<1 2) Sei f (x) := 2x 1x<2 1 2x3 x x F (x) := f (t) dt =


0

(1 x ) dx +

(x2 1) dx = . . . = 2.

F ist in x = 1 dierenzierbar, in x = 2 nicht.

+ 2x x 1 2

1 2

x2 2

0x<1

2x<3

1x<2

8.15 Denition: Die Menge aller Stammfunktionen f (x) dx := F : [a, b] F ist Stammfunktion von f f (x) dx = {F + c : c }, und wir schreiben kurz

heit das unbestimmte Integral von f . Ist F eine Stammfunktion von f , so gilt

f (x) dx = F (x) + c.

8.3

Wie ndet man Stammfunktionen?

Wichtigste Methode: Raten. Z.B. x+1 x dx = + c ( = 1), +1

ex dx = ex + c, 1 dx = x 8.16 Ratehilfen: ln x + c, fr x > 0, u

ln(x) + c, fr x < 0, u

1 dx = arctan x + c, 1 + x2 1 kurz: dx = ln |x| + c fr x = 0. u x

sin x dx = cos x + c,

1) Seien u, v : [a, b] dierenzierbar in ]a, b[. Dann gilt u v = u v u v (Partielle Integration).

2) Sei f : [a, b] stetig, : [, ] [a, b] stetig dierenzierbar. Dann gilt f ((t)) (t) dt = f (x) dx
x=(t)

(Integration durch Substitution).

Wichtig: Diese Formel kann von links nach rechts und von rechts nach links bentzt u werden: Ist invertierbar, so gilt f (x) dx = f ((t)) (t) dt (Integration durch Substitution)
t=1 (x)

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 164 u

8.17 Beispiele: 2) 3) 4)

1)

x sin x dx = x cos x + sin x + c

ln x dx = x ln |x| x + c fr x = 0. u cos2 x dx = 1 (cos x sin x + x) + c. 2

2t sin (t2 + 1) dt = cos(t2 + 1) + c. Dies htte man auch erraten knnen! a o 1 x2 dx = 1 x 1 x2 + arcsin x + c 2 (Substitution x = sin t).

5) Fr x ]1, 1[: u 6) Fr x > 3 4: u

3 1 dx = x2/3 12x1/3 +48 ln(x1/3 +4)+c (Substitution x = t3 ). 1/3 4+x 2

8.4

Integration rationaler Funktionen


P (x) (P, Q Polynome) als Summe einfa Q(x)

Ziel: Darstellung einer rationalen Funktion f (x) = cher Brche, die dann integriert werden knnen u o

8.18 Hilfssatz: Seien P, Q teilerfremde Polynome mit Grad P < Grad Q, und sei n-fache Nullstelle von Q: Q(z) = (z )n Q1 (z) mit Q1 () = 0. Dann gibt es ein a1 und ein Polynom P1 , so dass

P (z) P (z) a1 P1 (z) = = + ; n Q (z) n Q(z) (z ) 1 (z ) (z )n1 Q1 (z) a1 und P1 sind eindeutig, und es gilt Grad P1 < (Grad Q) 1. Fortsetzung dieses Verfahrens: P (z) a1 a2 an Pn (z) = + + ...+ + n n1 1 Q(z) (z ) (z ) (z ) Q1 (z) mit Grad Pn < (Grad Q) n = Grad Q1 . 4z 6 5z + 8 (z i)4 (z + 1 + i)(z 4)2 a2 a3 a4 b c1 c2 a1 + + + + + + . = 2 3 4 z i (z i) (z i) (z i) z + 1 + i z 4 (z 4)2

8.19 Beispiel:

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 165 u 8.20 Komplexe Partialbruchzerlegung: Seien P, Q teilerfremd mit Grad P < Grad Q, Q(z) = an (z 1 )n1 (z k )nk , 1 , . . . , k paarweise verschieden (d.h n1 , . . . , nk sind die (algebraischen) Vielfachheiten der Nullstellen 1 , . . . , k ). Dann existieren eindeutig bestimmte Zahlen aj,i , so dass P (z) = Q(z)
k

i=1

a2,i a1,i ani ,i + + ...+ 2 i ( i ) ( i )ni

8.21 Bemerkungen:

1) Falls Grad P Grad Q: Erst abdividieren: mit Grad R < Grad Q, P1 Polynom,

R P = P1 + Q Q dann 8.20 auf R anwenden. Q

2) Falls P und Q gemeinsame Nullstellen haben: Durch grtes gemeinsames Teilerpolynom o krzen. u 4x2 + 9x 4 P (x) = Q(x) (x 1)(x + 2)2 a b c + + . x 1 x + 2 (x + 2)2

8.22 Beispiel: f (x) =

Theorie

Zuhaltemethode: Multipliziere mit (x 1):

9 4x2 + 9x 4 x=1 = a + (x 1)(. . .) a = 2 = 1. 2 (x + 2) 3 Zuhaltemethode: Multipliziere mit (x + 2)2 : 4x2 + 9x 4 = c + (x + 2)(. . .) x1


x=2

c=

6 = 2. 3

b kann nicht durch die Zuhaltemethode bestimmt werden. Einen x-Wert einsetzen: 4x2 + 9x 4 1 b 2 b 1 x=0 4 = + + = 1 + + b = 3. (x 1)(x + 2)2 x 1 x + 2 (x + 2)2 4 2 2 f (x) dx = 3 2 1 + + x 1 x + 2 (x + 2)2 dx = ln |x 1| + 3 ln |x + 2| 2 + c. x+2

8.23 Wiederholung reelle Polynome: Sei Q ein reelles Polynom, d.h. die Koezienten von Q sind reell. Dann gilt Q = 0 Q = 0. Ist \ Nullstelle der Vielfachheit n, so folgt Q(x) = x
n n

Q1 (x),

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 166 u wobei Q1 wieder ein reelles Polynom ist und Q1 () = 0 gilt. Mit x x = x2 2Re() x + ||2 =: x2 + x +

ergibt sich als reelle Faktorisierung Q(x) = an (x 1 )n1 (x k )nk (x2 + k+1 x + k+1 )nk+1 (x2 + l x + l )nl (1 , . . . , k : reelle Nullstellen; k+1, k+1 , . . . , l , l nichtrelle Nullstellen, j := 2Re(j ), j := |j |2 ). 8.24 Relle Partialbruchzerlegung: Sind P, Q teilerfremde reelle Polynome mit Grad P < P (x) als Summe von Termen Grad Q, und hat Q die oben stehende relle Zerlegung, dann kann Q(x) der Form a (x j )i (j = 1, . . . , k; 1 i nj ), (x2 bx + c + j x + j )i (j = k + 1, . . . , l; 1 i nj )

dargestellt werden. Berechnung durch 1) Zuhaltemethode, 2) Einsetzen verschiedener x-Werte fhrt auf lineares Gleichungssystem. u 3) Hauptnenner und Koezientenvergleich,

8.25 Beispiele:

Grad P 10, P (1) = 0, P (2) = 0, P (1 i) = 0:

1) Q(x) = (x 1)4 (x + 2)(x (1 + i))3 (x (1 i))3 , P Polynom mit

(x (1 + i)) (x (1 i)) = x2 + 2x + 4. Also gibt es Konstanten, so dass P (x) a1 a2 a3 a4 b = + + + + 2 3 4 Q(x) x 1 (x 1) (x 1) (x 1) x+2 a2 x + d2 a3 x + d3 a1 x + d1 + 2 + 2 + 2 2 x 2x + 4 (x 2x + 4) (x 2x + 4)3 2)
1 1 x + 2 x4 + x3 + x 3 = x+1 3 23 x3 + 1 x+1 x x+1

= x+1 x4 + x3 + x dx x3 + 1 =

1 1 1 2x 1 1 1 + . 2 x+1 2 x+1 3 x+1 6 x 2x

x2 1 1 1 + x ln |x + 1| + ln(x2 x + 1) 2 3 6 2

4 arctan 3

1 4 x 3 2

+c

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 167 u

8.5

Uneigentliche Integrale

Ziel: Erweiterung des Integralbegris auf unbeschrnkte Intervalle und unbeschrnkte Funka a tionen. 8.26 Denition: Sei I beliebiges Intervall; f : I heit lokal integrierbar, falls die Einschrnkung von f auf jedes Intervall [a, b] I integrierbar ist. a 8.27 Beispiele: 1) f : I = [0, [ : x

1 ist lokal intergrierbar. x+1

2) f : I = ]0, 1] : x

1 ist lokal integrierbar. x

3) Ist f : I = [a, b] integrierbar, dann ist f auf I lokal integrierbar. 8.28 Denition: Sei I = [a, b[ , < a < b , f : I lokal integrierbar. Dann heit f uneigentlich integrierbar uber I, falls
b

lim
b a b

f (x) dx =:
a

f (x) dx

existiert. Wir sagen auch:


a

f (x) dx konvergiert.
b

Falls der Grenzwert fr b nicht existiert: u Genauso: I = ]a, b], a < b:


b

f (x) dx divergiert.
a

f (x) dx := lim
a a

f (x) dx,

I = ]a, b[ , a < b :
b c

f (x) dx := lim
a a

f (x) dx + lim
b c

f (x) dx,

c ]a, b[ beliebig.

8.29 Beispiele: 2) 3)
1 1

1)
0

ex dx = 1.

1 dx = . 1 + x2 1 dx ist divergent x 1 fr s > 1, u 1 s1 dx = divergent fr s 1. xs u

4)

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 168 u 1 fr s < 1, u 1 1s dx = divergent fr s 1. xs u

5)
0

bar. Falls

8.30 Vergleichskriterium fur uneigentliche Integrale: Sei f : [a, b[ lokal integrier x [a, b[ : |f (x)| g(x) g uber [a, b[ uneigentlich integrierbar,

dann ist auch f uneigentlich integrierbar uber [a, b[. Entsprechend fr uneigentliche Integrale uber ]a, b] oder ]a, b[ . u
xn

Beweis: Sei (xn ) Folge in [a, b[ , xn b und yn :=


xn

f (x) dx. Fr n > m gilt u


a xn

|yn ym | = <

xm xn xm

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

xm xn

|f (x)| dx
xm

g(x) dx

g(x) dx
a

fr n > m > N . u

(yn ) ist Cauchy-Folge in , also konvergent. Genauso zeigt man: Ist (xn ) eine weitere Folge in [a, b[ mit xn b, so gilt
n xn e a

lim

f (x) dx = lim yn .
n

8.31 Beispiele: 2)
1

1)
1

xs dx konvergiert fr s < 1, divergiert fr s 1. u u 1 + x2

x2

1 dx. + 3x + 2

8.32 Integralkriterium fur Reihen: Sei f : [1, [ [0, [ monoton fallend. Dann gilt:
1

f (x) dx konvergiert

f (n) konvergiert.

n=1

Beweis:
m

(i) :
m

n=2

f (n)

1 n=1 n=1

f (x) dx

f (x) dx

f (n) ist beschrnkt a f (n) ist konvergent

f (n)0

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 169 u (ii) : Deniere g(x) := f (n) fr n x < n + 1. u 0 f (x) g(x) g(x) dx = f (n) ist konvergent
1 n=1

f (x) dx ist konvergent.

8.33 Beispiel:

1 ist konvergent fr s > 1 und divergent fr s 1. u u ns

8.6

Parameterabhngige Integrale a
2

8.34 Beispiele:

1)
1 1/t

sin(tx) dx =

1 (cos t t

cos 2t) t = 0

t=0

2) Fr t = 0: u
t

ex dx = e1/t et .
b

8.35 Satz: Sei f C 1 (2 ), I(t) := I (t) =

f (t, x) dx. Dann gilt


a b

1 f (t, x) dx.
a

(Ableitung und Integration sind vertauschbar)


(t)

8.36 Folgerung: Seien , C 1 ( ), f C 1 (2 ), I(t) := gilt


(t)

f (t, x) dx. Dann


(t)

I (t) =
(t)

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


u2

Beweis: Setze F (u1 , u2 , u3) :=


u1

f (u3 , x) dx

1 F (u1, u2 , u3) = f (u3 , u1 )

Kettenregel 7.27 anwenden auf I(t) = F ((t), (t), t):

F (u1, u2 , u3) = f (u3 , u2 ) 2 u2 F (u , u , u ) = f (u3, x) dx 3 1 2 3 u1 1

I (t) = (1 F ) (t) + (2 F ) (t) + (3 F ) 1.

t2

8.37 Beispiel: I(t) =

e
t

tx2

t2

dx I (t) =

(x2 )etx dx + et 2t et

1 2 t

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 170 u

8.7

Einfuhrung in die numerische Integration


b 1

Problem:
a

f nicht explizit berechenbar (z.B.


0

ex dx,
0

sin x dx). x
b

1. Idee (Interpolation): Whle Stutzstellen a = x0 < x1 < . . . < xn = b, berechne a


b

Interpolationspolynom Pn durch (xj , f (xj )) und hoe


a

Pn .
a

8.38 Denition: Sei f : [a, b] , a = x0 < x1 < . . . < xn = b. Das Polynom Pn n-ten Grades mit P (xj ) = f (xj ), fr j = 0, . . . , n u

heit Interpolationspolynom zu f und {x0 , . . . , xn }. Existenz: Sei P (x) = a0 + a1 x + . . . + an xn . Bestimme die Koezienten aj als Lsung von o P (xj ) = f (xj ) a0 + a1 xj + . . . + an xn = f (xj ) j Dies ist ein LGS mit n + 1 Gleichungen fr n + 1 Unbekannte. u Aus dem Identittssatz 2.68 wissen wir: Es gibt hchstens eine Lsung. Fr unser LGS bedeutet a o o u das: Die Koezientenmatrix hat Hchstrang. Oder anders o 1 x0 x2 . . . xn 0 0 1 x1 x2 . . . xn 1 1 . . . . . . . . . . . . 1 xn x2 . . . xn n n Die Koezientenmatrix ist invertierbar Es existiert eine eindeutige Lsung o = 0. (j = 0, . . . , n).

8.39 Satz: Sei f C n+1 ([a, b] ), Pn das Interpolationspolynom zu den Sttzstellen u x0 , . . . , xn und Rn := f Pn . Dann gibt es ein ]a, b[ , so dass 1 f (n+1) () Rn (x) = (n + 1)!
n

j=0

(x xj ).

Insbesonder kann der Fehler Rn abgeschtzt werden durch a 1 |Rn (x)| max f (n+1) (t) (n + 1)! t[a,b]
n

j=0

|x xj |.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 171 u


n

Beweis: Sei (x) :=


j=0

(x xj ) = xn+1 + cn xn + . . . + c0 (n+1) (x) = (n + 1)!.

Fr festes x [a, b], x = x0 , . . . , xn betrachte u (t) := Rn (t) Wegen Rn (xj ) = 0, (xj ) = 0 fr j = 0, . . . , n gilt u (x0 ) = 0, . . . , (xn ) = 0, (x) = 0. Also hat mindestens n + 2 verschiedene Nullstellen in [a, b].
Satz von Rolle

Rn (x) (t). (x)

hat mindestens n + 1 verschiedene Nullstellen in ]a, b[ hat mindestens n verschiedene Nullstellen in ]a, b[ . . . (n+1) hat mindestens eine Nullstelle in ]a, b[ d.h. ]a, b[ : 0 = (n+1) () =
(n+1) Rn () =(f Pn )(n+1) =f (n+1)

Rn (x) (n + 1)! (x)

f (n+1) () =

Rn (x) (n + 1)! (x)

8.40 Die groe Enttuschung: f : [4, 4] : x a 5 Sttzstellen u


1

1 : 1 + x2 17 Sttzstellen u
1 x 2

9 Sttzstellen u
1

0.8 0.8 0.6 0.6 0.4

1 0

0.4

2 0.2

3 0.2 4 3 2 1 0 1 2 x 0.2 4 3 2 1 0 1 2 x 0.2 0.6 3 4 0.4 5 4 3 4

Mit wachsender Anzahl der Sttzstellen wird die Approximation schlechter. Warum? u

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 172 u 1 f (n+1) (x) : (n + 1)! n=8
0.8 0.6

Bestimme Maximum von n=4


0.8

n = 16
0.8

0.6

0.6

0.4

0.4

0.4

0.2

0.2

0.2

2 x

2 x

1 0.2

2 x

0.2

0.2

0.4

0.4

0.4

0.6

0.6

0.6

0.8 0.8

0.8

Bestimme
j=0

|x xj |: n=8
4000 1e+07

n=4
100

n = 16
1.5e+07

50

2000 5e+06

2 x

2 x

2 x

5e+06 50 2000

1e+07 4000 1.5e+07

100

8.41 Bemerkung: Man kann die Sttzstellen geschickter whlen (nicht quidistant), damit u a a
n

das Polynom
j=0

|x xj | nicht so gro wird (Nullstellen von Tschebysche-Polynomen).

Man beschrnkt sich deshalb auf Polynome kleiner Ordnung. a Zunchst der Fall n = 1, d.h. f wird durch ein Polynom 1. Grades ( Gerade) approximiert: a 8.42 Satz: Sei f C 2 ([a, b] ). Dann gilt die Trapezregel
b a

(b a)3 ba f (a) + f (b) + R mit |R| f (x) dx = f 2 12

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 173 u 1 Beweis: |R| max |f (t)| 2!
8.39 b a

|x a| |x b| dx.
= (ba) 6
3

Der Fall n = 2, dh. f wird durch ein Polynom 2. Grades ( Parabel) approximiert: 8.43 Satz: Es sei f C 4 ([a, b] ). Dann gilt die Simpson-Formel (Keplersche Fassregel):
b

f (x) dx =
a

ba 6

f (a) + 4f

a+b 2

+ f (b) + R mit |R|

(b a)5 2880

f (4)

2. Idee (Summation): Unterteile [a, b] in Teilintervalle [a, a + h], [a + h, a + 2h], . . . , [b h, b], wende in jedem Teil die Trapezregel (oder Simpson-Formel) an. 8.44 Satz: Sei f C 2 ([a, b]), h :=
b

ba mit einem k . Dann gilt k

f = T (h) + R :=
a

h (f (a) + 2f (a + h) + 2f (a + 2h) + . . . + 2f (b h) + f (b)) + R, 2

h2 f |R| (b a) 12

(summierte Trapezregel).

8.45 Diskussion: intervalle). 2) Whlt man h = a

(b a)2 1) Der Fehler ist von Ordnung h = (k = Anzahl der Teilk2


2

ba , so kann man Rechenoperationen beim Ubergang von l auf l + 1 2l sparen, da die alten Sttzstellen beibehalten werden. u

3) Man knnte auch Simpson summieren. o 3. Idee Romberg-Extrapolation (genial!): Beweise eine genauere Fehlerabschtzung a
b a

f (x) dx = T (h) + c1 h2 + c2 h4 + . . . + h2k (h)

mit beschrnkten (h) fr h 0 (Taylorentwicklung). a u


b

h f = T 2

+ c1

h 2

+ c2

h 2

+ ...+

h 2

2k

h 2

Subtraktion der ersten Abschtzung von 4-mal der zweiten eliminiert den 1. Fehlerterm: a
b

3
a

f = 4T

h 2

T (h) + c2

4 1 h4 + . . . . 16

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 174 u Also Verfahren: T0 := T (b a) ba T1 := T 2 ba T2 := T 4 . . . 4 T1 T0 3 4 T2 T1 := 3 . . . :=

T1 T2

(1)

(1)

T2

(2)

:= . . .

42 T2 T1 42 1

(1)

(1)

..

Dieses Verfahren liefert gute Ergebnisse, wenn f gengend oft dierenzierbar ist. u Fr ein Beispiel siehe Meyberg/Vachenauer. u

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 175 u

9
9.1

Gewhnliche Dierentialgleichungen o
Beispiele

1) Heier Tee mit Temperatur y(t) (t = Zeit), die Auentemperatur yauen sei konstant. Physik: Der Verlauf von y(t) ist bestimmt durch: a) b) Anfangstemperatur y0 : Abieen der Wrme: a y(0) = y0 , y (t) Anderung der Temperatur Mathematik: Zu b) Seien , yauen vorgegeben. Die Dierentialgleichung y (t) = y(t) yauen Einsetzen: besitzt die Lsungen y(t) = c et + yauen (c beliebig): o linke Seite: rechte Seite:
!

= y(t) yauen abieende Wrme ( > 0) a

y (t) = c et

stimmt uberein

y(t) yauen = c et

Zu a) y0 = y(0) = c e0 + yauen = c + yauen c = y0 yauen Mathematik besttigt Physik: a Sind , yauen , y0 vorgegeben, so ist der Temperaturverlauf eindeutig: y(t) = (y0 yauen ) et + yauen .
T

y0

ya
E

9.1 Beobachtung: Die Dierentialgleichung hat unendlich viele Lsungen. Die Anfangsbeo dingung y(0) = yauen whlt die richtige aus. a Fr eine eindeutige Lsung werden Dierentialgleichung und Anfangsbedingung bentigt. u o o

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 176 u 2) Senkrechter Wurf (eines Steins) nach oben: Sei y(t) die Hhe des Steins uber dem See. o Physik: Beschreibung der Bewegung y(t) durch a) b) Startpunkt Startgeschwindigkeit

y(0) = y (0) = m y (t)


Trgheitskraft a

h v
Gewichtskraft

c) Einwirkung der Gewichtskraft: Mathematik:

m g

1 Zu c) y (t) = g y (t) = g t + c1 y(t) = g t2 + c1 t + c2 . 2 Die Dierentialgleichung besitzt unendlich viele Lsungen o 1 y(t) = g t2 + c1 t + c2 2 1 ! Zu a) h = y(0) = g 0 + c1 0 + c2 c2 = h 2 Zu b) v = y (0) = g 0 + c1 c1 = v. 1 Eindeutige Lsung y(t) = g t2 + v t + h. o 2 y
T
!

(c1 , c2 )

Hchster Punkt: o y (t) = 0 g t + v = 0 t = v g

ymax =

g 2

v g

+v

v2 v +h = + h. g 2g

Eintauchzeitpunkt: 0 = y(t) =
E

g 2 t + vt + h ... 2

In y eingesetzt: Eintauchgeschwindigkeit. t

9.2 Beobachtung: Die Dierentialgleichung hat unendlich viele Lsungen. Die Anfangsbeo dingung y(0) = h y (0) = v whlt die richtige aus. a Fr eine eindeutige Lsung werden Dierentialgleichung und Anfangsbedingung bentigt. u o o

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 177 u 9.3 Denition: Sei f : n und I ein Intervall. 1) Die Gleichung y (n) (x) = f x, y(x), y (x), y (x), . . . , y (n1) (x)
Term, der von x, y(x), y (x), . . . , y (n1) (x) abhngen darf a

fr x I u

()

fr die unbekannte Funktion y heit (explizite) gewohnliche Dierentialgleichung nu ter Ordnung. Eine n-mal stetig dierenzierbare Funktion y, die diese Gleichung erfllt, u heit Losung. 2) Seien y0 , y1 , . . . , yn1 und x0 I gegeben. Die Bedingung y(x0 ) = y0 , y (x0 ) = y1 , . . . , y (n1) (x0 ) = yn1 ()

heit Anfangsbedingung (n-ter Ordnung). 3) () + () heit Anfangswertproblem (n-ter Ordnung).

9.4 Bemerkungen:

1) n-ter Ordnung: Die hchste auftretende Ableitung ist y (n) . o

2) Die Dierentialgleichung heit gewhnlich, weil y nur von x 1 abhngt (y hngt von o a a x n ab: partielle Dierentialgleichung). 3) Abkrzende Schreibweise: y (n) = f (x, y, y , . . . , y (n1) ). u 4) Es gibt auch implizite Dierentialgleichung, z.B. (y + x)2 y = 0. 5) Es gibt keine allgemeine Theorie zur Lsung von Dierentialgleichungen. Im Folgenden: o Verfahren fr einige spezielle Typen von Dierentialgleichungen. u 1) y (4) = (x + y)2 y y , y(1) = 0, y (1) = 1, y (1) = 2, y (1) = 3
=f (x,y,y ,y ,y )

9.5 Beispiele:

(Anfangswertproblem 4. Ordnung). Lsung? o 2) y = 2xy, y(0) = 1: Lsung y(x) = ex . o Beobachtungen: a) Die Lsung ist auch links von der Anfangsbedingung deniert. Oft wird kein Ino tervall fr die Dierentialgleichung angegeben. Bei Konstruktion der Lsung wird u o das Intervall mitgeliefert. b) Die Lsung existiert fr alle x : globale Losung. o u 3) y = 1 + y 2 , y
2

= 1: Lsung y(x) = tan x fr < x < : lokale Losung. o u 4 2 2

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 178 u 9.6 Geometrische Veranschaulichung: Eine Lsung der Dierentialgleichung o y (x) = f x, y(x) hat im Punkt (x0 , y0 ) die Steigung y = f (x0 , y0 ). x o o Z.B. y = : Man kann die Lsungssteigungen einzeichen (Richtungsfeld) und den Lsungsy verlauf erraten oder numerisch berechnen ( NumStoch, 3. Semester)
T

Vermutung: Die Lsungen sind Halbkreise o y(x) = r 2 x2 = (r 2 x2 )1/2

Nachrechnen: x 1 1 (2x) = . y (x) = 2 x2 )1/2 2 (r y

fr r < x < r. u

9.2
9.2.1

Ein paar Lsungsmethoden o


Nur integrieren y (x) = f (x),
f stetig x

x [a, b]

y(x) =
a

f (t) dt + c
dies sind alle Lsungen o

Durch Anfangsbedingung y(x0 ) = y0 ist c eindeutig bestimmt. 9.2.2 Trennung der Variablen

9.7 Denition: Seien f, g : . Die Dierentialgleichung y = f (y) g(x) heit separierbare Dierentialgleichung.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 179 u 9.8 Beispiele: y = 2x cos y


g(x) f (y) 2

ist separierbar

y = 1 + y = 1 (1 + y 2) ist separierbar
g(x) f (y)

y = 2x + cos y

ist nicht separierbar

9.9 Lsung durch Trennung der Variablen: o

1) Wo ist f (y) = 0?

f () = 0 y = const = ist Lsung ( spezielle Lsung). o o 2) Sei y(x) { : f () = 0}. y = f (y) g(x) y = g(x) (Variablen getrennt!) f (y) y (x) g(x) dx dx = f (y(x))
u=y(x)

1 du f (u)

= [H(u)]u=y(x) + c (H =
u=y(x)

1 ) f

H(y(x)) =

g(x) dx = G(x) + c (G = g)

y(x) = H 1 G(x) + c (Da H (u) = 1 = 0, ist H lokal streng monoton, also invertierbar) f (u)

Also Kochrezept fr die separierbare Dierentialgleichung y (x) = f (y) g(x): u I) f () = 0 y(x) = ist (spezielle) Lsung. nicht vergessen! o II) Fr y {Nullstellen von f }: u y = dy = f (y) g(x) dx

dy = g(x) dx f (y) Lse entstehende Gleichung nach y auf. o

III) Allgemeine Lsung aus 1) und 2). o IV) Freie Konstante bestimmen: Allgemeine Lsung in Anfangsbedingung einsetzen. o 9.10 Beispiele: 1) y = x y 2 :
g(x) f (y)

I) Spezielle Lsung y(x) = 0. o 2 II) y = 0: y(x) = 2 , c . x +c

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 180 u 2 , c oder y = 0. +c IV) Fr die Anfangsbedingung y(x0 ) = y0 folgt: u x2 Fall y0 = 0: Gesuchte Lsung ist y(x) = 0. o Fall y0 = 0: Gesuchte Lsung ist y(x) = o 2 x2 +
2 y0

III) Allgemeine Lsung: y = o

x2 0

Also: Durch jeden Punkt der x, y - Ebene geht genau eine Lsung, d.h. fr beliebige o u x0 , y0 besitzt das Anfangswertproblem y = x y 2 genau eine Lsung. o Manche Lsungen sind global, manche lokal: o 2 y(1) = 1 y(x) = 2 fr x : globale Lsung u o x +1 2 fr x > 2 : lokale Lsung u y(2) = 1 y(x) = 2 o x 2 fr x > c (c ) u fr x < c (c ) u y(x0 ) = y0

2) y = |y 1|1/2 : f (y) = |y 1|1/2 , g(x) = 1. 1 Allgemeine Lsung: y(x) = 1 + (x + c)2 o 4 1 y(x) = 1 (x + c)2 4 y(x) = 1 fr x u Lsungen: Jede der Funktionen o 1+ y(x) = 1 1

Achtung: Das Anfangswertproblem y = |y 1|1/2 , y(1) = 2 besitzt unendlich viele 1 (x + 1)2 fr x > 1, u 4 fr c x 1, u 1 (x + c)2 fr x < c u 4 (c 1 beliebig) ist Lsung. Im Intervall [1, [ ist der Lsungsverlauf eindeutig. Dies ist o o

der Bereich, in dem y(x) 1 ist. 9.2.3

Die Ahnlichkeitsdierentialgleichung y = f

y x

Sei y Lsung von o y = f Deniere u : x

y . x

y(x) . Welche Dierentialgleichung erfllt u? u x 1 y y y 1 y y y = f 2 = u = x x x x x x x 1 u = (f (u) u) x Hurra! Die entstehende Dierentialgleichung ist separierbar.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 181 u Also Lsungsverfahren fr y = f o u y y : Setze u := , x x 1 lse Dierentialgleichung u = (f (u) u), o x Rcksubstitution y(x) = x u(x). u

9.11 Beispiel: y =

y 2 (nicht separierbar). x 1 + u2 u . 4 1 1 1 (c ). Allgemeine Lsung u(x) = oder u(x) = + o 2 2 ln |x| + c 1 + 4 y 1 u(x) := u (x) = x x 1 1 1 x oder y(x) = x + 2 2 ln |x| + c ax + by + c x + y + (c )

Rcksubstitution: y(x) = u

9.2.4

Die Dierentialgleichung y = f

Fall 1: = = 0, also y = f (Ax + By + C): Die Substitution u(x) := Ax + By(x) + C fhrt auf u u = A + By = A + Bf (u) Fall 2: = 0 oder = 0 Fall 2a: a b =0 : a b = (Zeilen sind linear abhngig) a (separierbar).

Also: y = f

x + y + c x + y + u + c u+ (separierbar)

Substitution u(x) := x+y u = +y = +f Fall 2b: a b = 0: Transformation x := x + , y := y +

a ( ) + b ( ) + c x y ax + by + c = x + y + ( ) + ( ) + x y ax + by + c a b = x + y + = ax + by x + y falls a b = 0).

a + b = c + =

Seien , Lsung dieses LGS (existiert wegen o Neue Dierentialgleichung: y := a + b x y + y x

y = f

d dx y d y = = y 1 d x dx d x y a+b falls x=0 x (Ahnlichkeitsdierentialgleichung) = f y + x

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 182 u 4x + 3y 1 : 3x + 4y + 1 4 +3 = 1 4 3 3 4

9.12 Beispiele:

1) y =

= 16 9 = 7 = 0

3 +4 =

= 1, = 1

Transformation x = x 1, y = y + 1 4x+3y y = 3x+4y Lsung als Ubung. o 2) y = 1 . x + 2y + 3 y falls x=0 x = y 3+4 x 4+3

2 u = 1 + . u Aber diese Dierentialgleichung ist nicht explizit lsbar. o u := x + 2y + 3

9.3

Theorie

Es stellen sich drei Fragen: 1) Existiert eine Lsung? o 2) Ist die Lsung eindeutig? o 3) Hngt die Lsung stetig von den Anfangsdaten ab? a o 9.13 Hauptsatz ber lokale Existenz (Picard (1890), Lindelf (1894)): Gegeben sei das u o Anfangswertproblem y = f (x, y), und es gelte 1) f ist stetig im Rechteck R := [x0 a, x0 + a] [y0 b, y0 + b] und M := max |f (x, y)| > 0,
R

y(x0 ) = y0 ,

2) f gengt auf R einer Lipschitz-Bedingung: u L > 0 (x, y1 ), (x, y2 ) R : |f (x, y1) f (x, y2 )| L|y1 y2 |. Dann besitzt das Anfangswertproblem eine eindeutige lokale Lsung o y : [x0 h, x0 + h] mit h := min a, b . M

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 183 u Veranschaulichung:


T

y0 + b y0

y0 b

x0 a Wegen |y | M bendet sich die Lsung in R. o Beweisskizze: 1) Aquivalente Integralgleichung: y C [x0 h, x0 + h] Behauptung: y Lsung von () o : y Lsung von () o y(x) y(x0 ) = : y Lsung von () o y (x) = f x, y(x) ,
x0

x0

x0 + a

y(x) = y0 +

f t, y(t) dt
x0

()

y C 1 [x0 h, x0 + h]
x x0

y = f (x, y) y(x0 ) = y0
() x

()

y (t) dt =

f t, y(t) dt.
x0

insbesondere y C 1 . . . ,

y(x0 ) = y0 +
x0

. . . dt = y0 .

Philosophie: Integralgleichungen sind besser zu behandeln als Dierentialgleichungen. 2) Approximation: Deniere Folge (n ) in C [x0 h, x0 + h] durch 0 (x) := y0 ,
x

n (x) := y0 +
x0

f t, n1 (t) dt,

(n ). |f (t)|.

Zeige: (n ) ist Cauchy-Folge bezglich g u Zeige: Dies ist die gesuchte Lsung. o

:=

gleichmige Konvergenz n y : x lim n (x). a


n

x[x0 h,x0 +h]

max

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 184 u 9.14 Bemerkung: Dies ist Anwendung einer allgemeinen Methode: Ist Lsung y von y = o F (y) gesucht (Fixpunkt), versuche ob die rekursiv denierte Folge yn := F (yn1) mit geeignet gewhltem y0 gegen den Fixpunkt konvergiert (siehe Banachscher Fixpunktsatz). a 9.15 Beispiele: 1) y = x y 2 =: f (x, y):
2 2 x (y1 y2 ) = |x (y1 + y2 ) (y1 y2 )| x[x0 a,x0 +a]

|f (x, y1 ) f (x, y2 )| =

max

|x|

y1 ,y2 [y0 b,y0 +b]

max

|y1 + y2 | |y1 y2 |.

=max{|x0 a|,|x0 +a|}2max{|y0 b|,|y0 +b|}=:L

Aus Satz: Das Anfangswertproblem y = x y 2 , y(x0 ) = y0 besitzt fr jedes (x0 , y0 ) G u genau eine lokale Lsung. o 2) y = |y 1|1/2 =: f (x, y). Fr y1 = 1 gilt keine Lipschitz-Bedingung: u |f (x, 1) f (x, y2)| |y2 1|1/2 1 = = |1 y2 | |1 y2 | |1 y2 |1/2 fr y2 1. u

Dies erklrt, warum das Anfangswertproblem in Beispiel 9.10, Teil 2), unendlich viele a Lsungen besitzt. o 9.16 Bemerkung: Einerseits typisch Mathematiker: Existenz und Eindeutigkeit klar, aber keine allgemeine Lsungstheorie. o Andererseits: Wenn eine Lsung numerisch berechnet wird, muss man wissen, ob es eine gibt. o Wenn sie nicht eindeutig ist, muss man uberlegen, was der Computer berechnet. u 9.17 Abhngigkeit vom Anfangswert: Es sei f : 2 stetig und genge der (globalen) a L > 0 (x, y1 ), (x, y2 ) 2 : |f (x, y1 ) f (x, y2)| L|y1 y2 |. Sind y, y zwei Lsungen von y = f (x, y), so gilt o |y(x) y (x)| |y(x0) y (x0 )| eL|xx0| , d.h. eine Anderung des Anfangswertes y(x0) panzt sich hchstens exponentiell wachsend fort. o 9.18 Beispiele: 1) y = y =: f (x, y): |f (x, y1) f (x, y2 )| = |y1 y2 | L = 1. Die Lsung y mit y(x0 ) = y0 ist gegeben durch y(x) = y0 exx0 . o Sind y, y zwei Lsungen mit y(x0 ) = y0 , y (x0 ) = y0 , so folgt o |y(x) y (x)| = |y0 y0 | exx0 = eL(xx0 ) . Der Abstand wchst exponentiell, wie im Satz angegeben. a

Lipschitzbedingung

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 185 u 2) Es kann auch besser sein: y = y =: f (x, y) in G = {(x, y) 2 : x 1}: x |y1 y2 | y1 y2 L = 1. |f (x, y1) f (x, y2 )| = x 1 y0 Lsung y mit y(x0 ) = y0 : y(x) = o x. x0 |y0 y0 | |x|. |y(x) y (x)| = x0 Hier wchst der Abstand nur linear. a

9.4

Systeme von Dierentialgleichungen

9.19 Beispiel: Gegeben sei das zeitabhngige Vektorfeld a f (t, x1 , x2 ) = Gesucht: Kurve , die fr t = 0 in u Eindeutige Lsung : t o 9.20 Denition: et /2 et
2

t x1 x2

1 1 .

startet, und an die das Vektorfeld tangential ist.

1) Eine Abbildung f : n D n heit Vektorfeld. y (t) = f (t, y(t))

a 2) Sei f : n I D n ein zeitabhngiges Vektorfeld. Die Gleichung fr die Unbekannte y : I I n heit System von Dierentialgleichungen u

1. Ordnung oder kurz System 1. Ordnung. 3) Sei t0 I, y0 D. Die Bedingung heit Anfangsbedingung.

y(t0 ) = y0

(t0 , y0 ) I D. Weiter gelte:

a 9.21 Picard-Lindelf: Es sei f : n I D n ein zeitabhngiges Vektorfeld und o 1) f ist stetig im Quader R := [t0 a, t0 + a] [y0 b, y0 + b] und M := max f (t, y) > 0,
R

2) f gengt auf R einer Lipschitz-Bedingung: u L > 0 (t, y1 ), (t, y2 ) R : f (t, y1) f (t, y2) L y1 y2 . Dann besitzt das Anfangswertproblem y = f (t, y), eine eindeutige lokale Lsung. o y(t0 ) = y0 ,

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 186 u

9.5

Lineare Systeme

Im Folgenden sei I ein beliebiges Intervall 9.22 Denition: Sei A : I (n


2)

g : I n . Das System

eine n n-Matrix mit zeitabhngigen Eintrgen und a a (oder y = A(t)y + g(t) )

y (t) = A(t) y(t) + g(t)

Ist g = 0, so heit das System homogen, sonst inhomogen. 1 t 9.23 Beispiel: y (t) = 0

fr y : I n heit lineares System (von Dierentialgleichungen 1. Ordnung). u

1 1 y(t) t

y1 =

y 2

1 y1 + y2 t 1 = y2 t

9.24 Satz: Sind A und g stetig auf I und y0 n , so besitzt das Anfangswertproblem y = A(t) y + g(t), y(t0 ) = y0

eine eindeutige Lsung y C 1 (I n ). Insbesondere: Ist I = , so ist die Lsung global, o o d.h. ees gilt y C 1 ( n ).

9.5.1

Homogene Systeme
2)

Fr A : I (n u

betrachte das homogene System y = A(t) y. ()

9.25 Satz:

eine Lsung von (). o

1) Sind y[1] , y[2] Lsungen von () und , , so ist auch y := y[1] + y[2] o

2) Ist A stetig auf I, so bildet die Menge aller Lsungen o V := y C 1 (I n ) : y = A(t) y

einen Vektorraum der Dimension n. Eine Basis {y[1] , . . . , y[n] } von V heit Fundamentalsystem zum Dierentialgleichungssystem ().

Beweis:

1) y = y[1] + y[2] = A y[1] + A y[2] = A y[1] + y[2] = A y.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 187 u 2) Nach 1) bildet V einen Vektorraum (mit der ublichen Addition von Funktionen und skalarer Multiplikation). Sei t0 I fest und o Tt0 : n V : y0 y := Lsung von y = A y y(t0) = y0 . Dann ist Tt0 sinnvoll deniert, da die Lsung y existiert und eindeutig ist (Satz 9.24). o Tt0 ist oensichtlich linear, und surjektiv: Ist y V gegeben, so setze y0 = y(t0 ) y = Tt0 y0 . Dimensionsformel (3.27): n = dim n = dim Bild(Tt0 ) +dim Kern(Tt0 )
=V ={0}, da injektiv

injektiv: y = y y0 = y(t0 ) = y(t0 ) = y0

= dim V.

9.26 Beispiel: Das System y = besitzt die Lsungen y[1] (t) = o 1 0 0


t

1 0 0 0 1 2 0 2 1 e , y[2] (t) =

y 0 1 1 e , y[3] (t) =
t

0 1 1

e3t ,

V = y = c1 y[1] + c2 y[2] + c3 y[3] : cj . Die Abbildung T0 (mit t0 = 0) ist gegeben durch T0 : n V : y[1] + + y[2] + y[3] . 2 2

9.27 Folgerung: Seien y[1] , . . . , y[n] Lsungen von (). Dann gilt: o y[1] , . . . , y[n] linear unabhngig in V, a d.h. c1 y[1] + . . . + cn y[n] = 0 c1 = . . . = cn = 0
t0 war beliebig

u y[1] (t0 ), . . . , y[n](t0 ) linear unabhngig im n fr ein t0 I a y[1] (t), . . . , y[n](t) linear unabhngig im n fr alle t I a u

auf linear unabhngige Vektoren ab. a

Beweis: Tt0 : n V ist Vektorraumisomorphismus, bildet also linear unabhngige Vektoren a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 188 u 9.28 Satz: Seien y[1] , . . . , y[n] Lsungen von (). Dann sind quivalent: o a (i) y[1] , . . . , y[n] ist ein Fundamentalsystem.

(ii) W (t) := det y[1] (t) . . . y[n](t) = 0 fr ein t I. u (iii) W (t) := det y[1] (t) . . . y[n] (t) = 0 fr alle t I. u W (t) heit die Wronskideterminante.

9.29 Beispiel: Auf I := ]0, [ besitzt

1 t y = 0 das Fundamentalsystem y[1] , y[2] := t2 t ,

1 1 y t t 0 , denn

W (t) = t2 t

t2 t t 0

= t2 = 0 auf I t 0 .

Allgemeine Lsung: y(t) = c1 o

+ c2

9.5.2

Inhomogene Systeme
2

Fr A : I (n ) , g : I n betrachte das inhomogene System u y = A(t) y + g(t). 9.30 Satz: 1) Sei y[1] eine Lsung von (). Fr y[2] C 1 (I n ) sind quivalent: o u a ()

(i) y[2] ist Lsung von (). o (ii) y := y[1] y[2] ist Lsung des zugehrigen homogenen Systems y = A(t) y. o o 2) Ist y[1] eine Lsung von () (eine partikulre Lsung), so ist der ane Raum V aller o a o Lsungen von () gegeben durch o V = y[1] + V = Beweis: y[1] + y : y C 1 (I n ) y = A(t) y .

1) (i) y = y[1] y[2] = A y[1] + g (A y[2] + g) = A y[1] y[2] = A y (ii).

(ii)) y[2] = (y[1] y) = A y[1] A y + g = A y[1] y + g = A y[2] + g (ii).

2) Folgt direkt aus 1).

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 189 u 9.31 Wie man eine partkulre Lsung ndet (Variation der Konstanten): Sei a o y[1] , . . . , y[n] ein Fundamentalsystem des homogenen Systems () und y := c1 (t) y[1] + . . . + cn (t) y[n]. Dann sind quivalent: a (i) y ist Lsung des inhomogenen Systems (). o c1 . ist eindeutige Lsung des linearen Gleichungssystems . (ii) c = o . cn y[1] . . . y[n] c (t) = g(t).
n n-Matrix mit Hchstrang o

Beweis: Durch Nachrechnen.

9.32 Bemerkung: Variation der Konstanten funktioniert auch im Fall n = 1 (kein System, eine lineare Dierentialgleichung).

9.33 Beispiele:

1 t 1) Auf I = ]0, [ : y = 0 5 3 t 2 2 3t + c1

Allgemeine Lsung: y(t) = o

t2 t

1 1 y + t + c2

2t2 3t t 0

2) y = (sin x)y + xe cos x . Allgemeine Lsung: y = o

x2 cos x e + c e cos x . 2

9.6

Lineare Systeme mit konstanten Koezienten

9.34 Satz: Sei A eine relle konstante n n-Matrix. Fr jeden Vektor y0 n und jede u Anfangszeit t0 besitzt das Anfangswertproblem y = A y, die eindeutige globale Lsung o y(t) = e(tt0 )A y0 fr t . u y(t0) = y0

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 190 u Zur Existenz der Lsung: o e
A

= =

j=0

Aj j!

mit A0 = Id, insbesondere e0 = Id = A etA et0 A y0 = A y(t)

d (tt0 )A e y0 dt

d tA t0 A e e y0 dt

9.35 Fundamentalsystem: Sei A eine reelle konstante n n-Matrix. Ist {v1 , . . . , vn } n linear unabhngig, so bildet a etA v1 , etA v2 , . . . , etA vn ein Fundamentalsystem fr y = A y. u Beweis: 1) y = etA vk y = A y siehe letzter Satz.

2) Wronski-Determinante und Satz 9.28 W (0) = det(e0A v1 , . . . , e0A vn ) = det(v1 , . . . , vn ) = 0.

9.36 Satz: Sei A eine relle konstante n n-Matrix. 1) Ist v n ein Eigenvektor von A zum Eigenwert , so gilt etA v = et v. 2) Ist {v1 , . . . , vn } eine Basis aus reellen Eigenvektoren zu den Eigenwerten 1 , . . . , n , so ist e1 t v1 , . . . , en t vn ein Fundamentalsystem fr y = A y. u 9.37 Beispiel: y = 8 2 2 5 e9t 2 1 , e4t 1 2

y. Fundamentalsystem:

9.38 Komplexe Eigenwerte: {v1 , . . . , vn } Dann ist


n

1) Sei A eine relle konstante n n-Matrix und

eine Basis aus Eigenvektoren zu den Eigenwerten 1 , . . . , n . e1 t v1 , . . . , en t vn

ein komplexes Fundamentalsystem fr das relle lineare System y = A y. u 2) Ist v


n

, so sind y(t) := Re etA v , y(t) := Im etA v

zwei relle Lsungen des Dierentialgleichungssystems y = Ay. o

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 191 u 0 2 0 0 0 2 9.39 Beispiel: y = 1 1 0 Fundamentalsystem {y[1] , y[2] , y[3] }:

y.

y[1] (t) = e

2t

1 1 1 cos t 2 2 1 2 2 1

, 2 0 1 2 0 1

y[2] (t) = e

sin t + cos t

y[3] (t) = et sin t

Also Lsungsmethode fr y = A y + g(t) mit diagonalisierbarer Matrix A: o u 1) Eigenwerte 1 , . . . , n und Basis aus zugehrigen Eigenvektoren b1 , . . . , bn bestimmen. o 2) Fr relle Eigenwerte j whle y(t) := ej t bj als Element des Fundamentalsystems. u a Elemente des Fundamentalsystems. Falls j

\ und k = j : Whle y(t) = Re ej t bj und y(t) = Im ej t bj als a

Dies liefert ein Fundamentalsystem y[1] , . . . , y[n] von y = A y. 3) Bestimme eine partikulre Lsung ypart von y = A y + g(t) mit Variation der Konstanten. a o 4) Allgemeine Lsung: y = ypart + c1 y[1] + . . . + cn y[n] (cj ). o Eigenwert , d.h. es gilt 9.40 Satz: Sei A eine relle konstante n n-Matrix und {v1 , . . . , vk } eine Vektorkette zum A v1 = v1 (vgl. Jordansche Normalform). Dann folgt etA v1 = et v1 , (v1 ist Eigenvektor)

A vj = vj + vj1 fr j = 2, . . . , k. u

etA v2 = et (v2 + t v1 ), etA v3 = et v3 + t v2 + . . .


k1

t2 v1 , 2

etA vk = et 9.41 Beispiel: y = Fundamentalsystem: 0 1 4 4 1 e2t 2

j=0

tj vkj j!

y , e2t 1 1 +t 1 2

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 192 u

9.7

Dierentialgleichungen hoherer Ordnung und Systeme


y = 2y + y 2y . Dann erfllt u die Dgl. u 0 1 0 0 0 1 2 1 2 1 1 1 ()

9.42 Beispiel: Geniale Idee: Setze u = u1 u2 u3 := y y y

u = Allgemeine Lsung von (): o u(t) = c1 e


t

()

1 1 1

+ c2 e

+ c3 e

2t

1 2 4

Die allgemeine Lsung von () erhlt man aus der ersten Koordinate von u:: o a y(t) = u1 (t) = c1 et + c2 et + c3 e2t . Allgemeines Vorgehen: Gegeben sei das Anfangswertproblem hherer Ordnung o y (n) = f x, y, y , . . . , y (n1) y(x0 ) = y0 , mit n 2. Setze y (x0 ) = y1 , . . . , y (n1) (x0 ) = yn1 ()

Umgekehrt: Ist u Lsung von () und y := u1 , dann ist y Lsung von (). o o

y u1 (x) u2 (x) y u(x) = . := . . . . . (n1) un (x) y u2 y0 . y1 . . , u = F (x, u) := u(x0 ) = u0 := . . . un yn1 f (x, u1, . . . , un )

()

o o 9.43 Satz: y C n (I ) Lsung von () u C 1 (I n ) Lsung von (). Also: Satz von Picard-Lindelf liefert Eindeutigkeit und lokale Existenz der Lsung von () o o und damit auch der Lsung von (). o

9.8

Lineare Dierentialgleichungen hoherer Ordnung

9.44 Denition: Seien a0 , . . . , an1 , g C(I ). Die Dierentialgleichung y (n) + an1 (t) y (n1) + . . . + a0 (t) y = g(t) (1) heit lineare Dierentialgleichung (n-ter Ordnung). Ist g = 0, so heit sie homogen, sonst inhomogen.

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 193 u 9.45 Bemerkungen: 1) Die Abbildung y y (n) + an1 y (n1) + . . . + a0 y ist linear. 2) Deniert man wie oben u1 := y, . . . , un := y (n1) , so gilt 0 1 0 ... 0 .. .. . . 0 1 0 . . .. u = . . . . . 0 ... 0 1 a0 (t) a1 (t) . . . an1 (t) D.h. u ist Lsung eines linearen Systems. o

u+

0 0 . . . 0 g(t)

(2)

Beachte: Ist u Lsung, so ist y := u1 Lsung der ursprnglichen Dierentialgleichung. o o u 9.46 Homogene Dierentialgleichung: V := 1) Die Menge aller Lsungen o

y C n (I ) : y (n) + an1 (t) y (n1) + . . . + a0 (t) y = 0

bildet einen Vektorraum der Dimension n. Eine Basis von V heit Fundamentalsystem. 2) n Lsungen o y[1] , . . . , y[n] der homogenen Dierentialgleichung bilden genau dann ein y[1] (t) y[1] (t) . . . y[1]
(n1)

Fundamentalsystem, wenn ... ... y[n] (t) y[n] (t) . . .


(n1)

t I : W (t) :=

= 0

(t) . . . y[n]

(t)

(W (t) =: Wronskideterminante). In diesem Fall gilt W (t) = 0 fr alle t I. u 9.47 Inhomogene Dierentialgleichung: ferentialgleichung (1). Dann ist V := ypart + V der ane Raum aller Lsungen von (1). o 2) Variation der Konstanten: Ist y[1] , . . . , y[n] ein Fundamentalsystem der zugehrigen hoo mogenen Dierentialgleichung, so ist y := c1 (t) y[1] + . . . + cn (t) y[n] genau dann Lsung von (1), wenn o y[1] (t) . . . y[n] (t) 0 c1 (t) y[1] (t) . . . y[n] (t) c (t) . . 2 . . . = . . . 0 . . . . (n1) (n1) cn (t) g(t) y[1] (t) . . . y[n] (t) 1) Sei V der Lsungsraum der zugehrigen o o

homogenen Dierentialgleichung und ypart eine partikulre Lsung der inhomogenen Difa o

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 194 u 9.48 Beispiel: y 2y y + 2y = et : 1) Homogene Lsung: yhom (x) = c1 ex + c2 ex + c3 e2x (vergleiche Beispiel am Anfang). o x 2) Partikulre Lsung: ypart (x) = ex a o 2 x 3) Allgemeine Lsung: y(x) = ex + c1 ex + c2 ex + c3 e2x o 2

9.49 Bemerkung: Bei homogenen Dierentialgleichungen der Ordnung n 2 gibt es das Prinzip Reduktion der Ordnung: Ist y[1] Lsung der Dierentialgleichung, so fhrt der Ano u kann aus der Lsung y[1] eine linear unabhngige Lsung y[2] gewonnen werden. o a o satz y[2] := c(x) y[1] eingesetzt auf eine Dierentialgleichung der Ordnung n 1 fr c . Damit u

9.50 Beispiel: y 1) Homogen: y

9 5 y + 2 y = x2 : x x 5 9 y + 2 y = 0: x x

a) Geraten: y(x) = x3 ist Lsung. o b) Fr weitere Lsung Ansatz y(x) = c(x) x3 y(x) = x3 ln |x|. u o c) Also allgemeine Lsung: yhom (x) = c1 o x3
=:y[1] (x)

+c2 x3 ln |x|,
=:y[2] (x)

{y[1] , y[2] } ist Fundamentalsystem: W (x) = 0. 2) Partikulre Lsung: Ansatz ypart = c1 (x) y[1] + c2 (x) y[2] a o ypart = x4 ln |x| + x4 + x4 ln |x| = x4 . 3) Allgemeine Lsung: y(x) = x4 + c1 x3 + c2 x3 ln |x| (c1 , c2 ). o

9.9

Lineare Dierentialgleichungen mit konstanten Koezienten

Fr a0 , . . . , an1 betrachte die homogene Dierentialgleichung u y y . . . y (n1) y (n) + an1 y (n1) + . . . + a0 y = 0. ()

Fr u := u

gilt

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 195 u 0 0 . . . . . . 0 a0 1 0 0 ... 1 0 .. .. . . .. . ... ... .. . .. . 0 0 0 . . . 0 1 an1

u =

... a1 . . .
=:A

()

gleichung (): y(t) = et . Eingesetzt in ():

Bekannt: () hat Lsungen der Form u(t) = et v. Also Ansatz fr Lsung der Dierentialo u o et n + an1 n1 + . . . + a0
=:p()

= 0.

Das Polynom p heit charakteristisches Polynom und ist bis auf das Vorzeichen gleich dem charakteristischen Polynom der Matrix A. Besitzt p eine Nullstelle mit Vielfachheit grer o als 1, so ist A nicht diagonalisierbar, und () hat Lsungen der Form o
k1

j=0

tj vkj j!

Dies liefert fr () Lsungen der Form tj et . u o Also Kochrezept fr die Dierentialgleichung u y (n) + an1 y (n1) + . . . + a0 y = g(t) mit a0 , . . . , an1 und g C(I ). 1) Homogene DGl: Der Ansatz y(t) = et eingesetzt: et n + an1 n1 + . . . + a0
=:p()

= 0.

Konstruktion des Fundamentalsystems {y[1] , . . . , y[n] }: Sei p(j ) = 0, 1 j n. a a) Falls j einfache Nullstelle: Whle y[j](t) := ej t . b) Falls j , j+1 = j \ einfache Nullstellen:

y[j](t) := eRe (j )t cos Im (j )t , y[j+1](t) := eRe (j )t sin Im (j )t . c) Falls j = j+1 = . . . = j+k1 k-fache Nullstelle: y[j](t) := ej t , y[j+1](t) := t ej t , . . . , y[j+k1](t) := tk1 ej t . d) Analog fr komplexe Nullstellen der Ordnung k: u tm eRe (j )t cos Im (j )t , tm eRe (j )t sin Im (j )t fr 0 m k 1. u

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 196 u 2) Partikulre Lsung uber Variation der Konstanten. a o 3) Allgemeine Lsung = partikulre L. + allgemeine L. der homogenen Dierentialgleichung o a 9.51 Beispiele: 1) y y y + y = 0: p() = 3 2 + 1 = ( 1)2 ( + 1)

Fundamentalsystem: y[1] (t) = et , y[2] (t) = t et , y[3] (t) = et . Allgemeine Lsung: y(t) = c1 et + c2 t et + c3 et o 2) y (4) + 8y + 16y = 0: p() = (2 + 4)2 : Fundamentalsystem: y[1] (t) = cos(2t), y[2] (t) = sin(2t), y[3] (t) = t cos(2t), y[4] (t) = t sin(2t). 3) y 4y = e2t a) Homogen: y 4y = 0: Fundamentalsystem y[1] (t) = e2t , y[2] (t) = e2t .

b) Partikulre Lsung: y = c1 (t) e2t + c2 (t) e2t (Variation der Konstanten) a o ypart = c) Allgemeine Lsung: y(t) = o 1 1 2t t e e2t 4 16

1 2t t e + c1 e2t c2 e2t (c1 , c2 ). 4

This is the end !

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 197 u

Inhaltsverzeichnis
1 Grundlagen 1.1 Zur Aussagenlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Quantoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Relationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6 Die natrlichen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . u 1 1 3 4 5 7 9

1.7 Teilbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.8 Primzahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.9 Kongruenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.10 Darstellung natrlicher Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 u 1.11 Mchtigkeit von Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 a 2 Zahlenkorper 22

2.1 Mengen und Verknpfungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 u 2.2 Zwei Verknpfungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 u 2.3 Die reellen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.3.1 2.3.2 2.3.3 Die Anordnung in und Folgerungen . . . . . . . . . . . . . . . . . . . . 25 Die archimedische Anordnung . . . . . . . . . . . . . . . . . . . . . . . . 30 Die Vollstndigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 a

2.4 Die komplexen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 2.4.1 2.4.2 2.4.3 2.4.4 Der Krper der komplexen Zahlen . . . . . . . . . . . . . . . . . . . . . . 38 o Folgen in . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

Polardarstellung komplexer Zahlen . . . . . . . . . . . . . . . . . . . . . 44 Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 50

3 Lineare Algebra

3.1 Linearitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 a 3.2 Lineare Gleichungssysteme - Vorluges . . . . . . . . . . . . . . . . . . . . . . 55 a

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 198 u 3.3 Basis und Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 3.4 Lineare Abbildungen und Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . 61 3.5 Lineare Gleichungssysteme II . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 3.6 Basiswechsel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 3.7 Lnge von Vektoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 a 3.8 Winkel im Vektorraum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 3.9 Orthogonalitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 a 3.10 Die adjungierte Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 3.11 Die adjungierte Abbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 3.12 Determinanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 3.13 Diagonalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 3.14 Sesquilineare Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 3.15 Diagonalisierung mit Orthonormalbasen . . . . . . . . . . . . . . . . . . . . . . 94 3.16 Die Jordansche Normalform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 4 Konvergenz 106

4.1 Abstnde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 a 4.2 Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 4.3 Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 4.4 Konvergenzkriterien fr Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 u 4.5 Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 4.6 Spezielle Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 5 Stetigkeit 123

5.1 Um was gehts? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 5.2 Stetige Funktionen sind gute Funktionen . . . . . . . . . . . . . . . . . . . . . . 125 5.3 Umkehrfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 5.4 Stetigkeit von Grenzfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 5.5 Grenzwerte von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 199 u 6 Dierentialrechnung in einer Variablen 135

6.1 Die Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 6.2 Hhere Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 o 6.3 Ableitung von Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 6.4 Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 6.5 Mittelwertstze und Anwendungen . . . . . . . . . . . . . . . . . . . . . . . . . 140 a 6.6 Der Satz von Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 6.7 Extrema: Hinreichende Bedingungen . . . . . . . . . . . . . . . . . . . . . . . . 144 6.8 Ableitung II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 7 Dierentialrechnung im n 147

7.1 Ableitung III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 7.2 Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 7.3 Ableitung IV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 7.4 Mittelwertstze und mehr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 a 8 Integration 157

8.1 Treppen- und Regelfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 8.2 Stammfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 8.3 Wie ndet man Stammfunktionen? . . . . . . . . . . . . . . . . . . . . . . . . . 163 8.4 Integration rationaler Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 164 8.5 Uneigentliche Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 8.6 Parameterabhngige Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169 a 8.7 Einfhrung in die numerische Integration . . . . . . . . . . . . . . . . . . . . . . 170 u 9 Gewhnliche Dierentialgleichungen o 175

9.1 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 9.2 Ein paar Lsungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 o 9.2.1 9.2.2 9.2.3 Nur integrieren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 Trennung der Variablen . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 y Die Ahnlichkeitsdierentialgleichung y = f . . . . . . . . . . . . . 180 x

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 200 u ax + by + c

9.2.4

Die Dierentialgleichung y = f

9.3 Theorie

. . . . . . . . . . . . 181 x + y + . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182

9.4 Systeme von Dierentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . 185 9.5 Lineare Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 9.5.1 9.5.2 Homogene Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 Inhomogene Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188

9.6 Lineare Systeme mit konstanten Koezienten . . . . . . . . . . . . . . . . . . . 189 9.7 Dierentialgleichungen hherer Ordnung und Systeme . . . . . . . . . . . . . . . 192 o 9.8 Lineare Dierentialgleichungen hherer Ordnung . . . . . . . . . . . . . . . . . . 192 o 9.9 Lineare Dierentialgleichungen mit konstanten Koezienten . . . . . . . . . . . 194

Stichwortverzeichnis
Abbildung, 5 adjungierte, 82 analytisch, 138 beschrnkt, 126 a bijektiv, 5 Bild, 5, 54, 61, 64, 70, 82 Determinante, 87 Einschrnkung, 6 a Fortsetzung, 6 identische, 6 injektiv, 5 inverse, 6, 67 invertierbar, 68 isometrisch, 83 Kern, 54, 61, 65, 69, 82 linear, 53 monoton, 126 nilpotent, 98 normal, 83, 94 orthogonal, 83 Rang, 61, 64, 65, 70, 72, 82 selbstadjungiert, 83, 96 Spur, 89 stetig, 123 surjektiv, 5 symmetrisch, 83, 97 Umklehrabbildung, 6 unitr, 83, 95 a Urbild, 5 Verknpfung, 6 u abelsche Gruppe, 22 Ableitung, 135, 148, 152 partiell, 149 Abstand, 28, 73, 106 abzhlbar, 21 a adjungierte Abbildung, 82 adjungierte Matrix, 80 Aquivalenzklasse, 8 Aquivalenzrelation, 8 algebraische Vielfachheit, 89 Anfangsbedingung, 177, 185 Anfangswertproblem, 177 Anordnung eines Krpers, 25 o antisymmetrische Relation, 7 Archimedische Anordnung, 30 Argument einer komplexen Zahl, 44 assoziativ, 22 Banachraum, 158 Basis, 57 Basiswechselmatrix, 71 Bedingung hinreichende, 1 notwendige, 1 Bernoullie Ungleichung, 26 beschrnkt, 34 a bestimmt divergent, 110 bestimmt divergent, 110 Betrag, 27, 40 Beweis direkt, 2 durch Kontraposition, 2 durch Widerspruch, 2 indirekt, 2 bijektiv, 5 Bild einer Abbildung, 5, 54 Bildbereich, 5 Bilinearform, 91 Binomialreihe, 144 Cauchy-Folge, 31, 42, 108 Cauchy-Kriterium, 112 Cauchy-Produkt, 117 201

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 202 u a Cauchy-Schwarz-Bunjakowski Ungleichung, 74 Flche charakteristisches Polynom, 89 charakteristisches Polynom, 195 Cosinusfunktion fr komplexe Zahlen, 121 u fr Matrizen, 122 u Denitionsbereich, 5 Determinante, 84, 87 Diagonalgestalt, 88 diagonalisierbar, 88 dichte Menge, 32 Dierentialgleichung, 177 linear, 186, 192 separierbar, 178 System, 185 Dierenzenquotient, 135 dierenzierbar, 135, 145 mehrfach, 137 Dimension, 59 Dimensionsformel, 60 direkter Beweis, 2 Distributivgesetz, 24 divergent, 29, 108 bestimmt, 110 Dreiecksungleichung, 27, 41, 73 Eigenwert, 88 Einheitskugel, 73 Einheitsmatrix, 67 Einheitsvektor, 73 Einschrnkung einer Abbildung, 6 a Euklidischer Algorithmus, 15 Eulersche Zahl, 36 Exponentialfunktion fr komplexe Zahlen, 121 u fr Matrizen, 122 u Extremum, 139 Fehlerfortpanzung, 154 orientierte, 84 Flcheninhaltsfunktion, 161 a Folge, 28 Cauchy, 31, 108 Fortsetzung einer Abbildung, 6 Fundamentalsystem, 186, 193 Funktion, 5 analytisch, 138 rationale, 46 Gauklammer, 30 geometrische Vielfachheit, 89 Gleichung Parsevalsche, 77 Gleichungssystem, 55 Zeilenstufenform, 56 Gradient, 149 Grenzwert, 29, 108 uneigentlicher, 133 Gruppe, 22, 50 lineare Gruppe, 68, 96 unitre Gruppe, 96 a Untergruppe, 96 Hufungspunkt, 133 a Hesse-Matrix, 151, 153 hinreichende Bedingung, 1 homogen Dierentialgleichung, 186, 192 Gleichungssystem, 55 Homomorphismus, 53 Hornerschema, 46 identische Abbildung, 6 imaginre Einheit, 39 a Imaginrteil, 40 a indirekter Beweis, 2 Inmum, 34 inhomogen

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 203 u Dierentialgleichung, 186, 192 inhomogenes lineares Gleichungssystem, 55 injektiv, 5 Integral, 158 unbestimmtes, 163 integrierbar, 159 lokal, 167 uneigentlich, 167 Interpolationspolynom, 170 Intervallschachtelung, 33 invariant, 101 inverse Abbildung, 6, 67 inverse Matrix, 67, 71, 80 inverses Element, 22 invertierbare Abbildung/Matrix, 67, 68, 70, 71 isolierter Punkt, 133 isometrische Abbildung, 83 isomorph, 54 Isomorphismus, 54 Jacobi-Matrix, 153 Jordan-Kurve, 145 Jordan-Matrix, 98 Jordansche Normalform, 100 Krper, 24 o Anordnung, 25 bewertet, 27 der komplexen Zahlen, 38 vollstndig, 31 a Kern einer linearen Abbildung, 54, 61, 65, 69, 82 Kettenregel, 136 Koezienten, 46 Koezientenmatrix, 69 erweiterte, 70 kommutativ, 22 komplexe Zahlen, 38 Exponentialfunktion, 121 konjugierte Zahl, 40 Kontraposition, 2 Konvergenz, 29, 108 absolute/bedingte, 113 punktweise/gleichmig, 129 a Reihe, 110 Konvergenzradius, 119 Koordinaten, 57 Kriterium Cauchy-, 112 Leibniz, 113 Majoranten-, 114 Minoranten-, 114 Nullfolge-, 112 Quotienten-, 116 Wurzel-, 115 kritischer Punkt, 139 Kurve regulr/singulr, 146 a a Leibniz-Kriterium, 113 Limes, 29, 108 linear Abbildung, 53 Dierentialgleichung, 186, 192 Gleichungssystem, 55 lineare Gruppe, 68, 96 lineare Hlle, 52 u linearer Teilraum, 51 Raum, 50 unabhngig bzw. abhngig, 57 a a Linearkombination, 52 Lipschitz-Bedingung, 182 Mchtigkeit von Mengen, 21 a Majorante, 114 Majorantenkriterium, 114 Matrix, 62 ahnlich, 72 a quivalent, 72 adjungiert, 80

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 204 u Basiswechsel, 71 Cosinusfunktion, 122 Determinante, 84 Einheits-, 67 Exponentialfunktion, 122 Hesse-, 151, 153 inverse, 67, 71, 80 invertierbar, 67 Jacobi-, 153 Jordan-, 98 nilpotent, 98 orthogonal, 80 Rang, 70, 85 selbstadjungiert, 80, 92 Sinusfunktion, 122 Spur, 89 symmetrisch, 80, 92, 97, 98 transponiert, 80 unitr, 80 a Matrizenprodukt, 65 Maximum, 34, 139 Menge, 3 Mchtigkeit, 21 a Metrik, 28, 106 Minimum, 34, 139 Minorantenkriterium, 114 Monoid, 22 monotone Folge, 33 Multiindex, 155 Negation von Aussagen, 4 neutrales Element, 22 nilpotent, 98 Norm, 73 normale Abbildung, 83, 94 notwendige Bedingung, 1 Nullfolge-Kriterium, 112 Nullstelle, 47 Ordnungsrelation, 8 orientierte Flche, 84 a orientiertes Volumen, 84 orthogonal, 75 Abbildung, 83 Matrix, 80 orthogonale Projektion, 79 Orthogonalisierungsverfahren, 76 Orthogonalsystem, 75 Orthonormalbasis, 75 Orthonormalsystem, 75 Parsevalsche Gleichung, 77 Partialsumme, 110 partielle Ableitung, 149 partielle Integration, 163 partikulre Lsung, 69, 188 a o Pascalsches Dreieck, 12 Polardarstellung, 44 Polynom, 46 charakteristisches, 89, 195 Interpolations-, 170 positiv denit, 93 positiv semidenit, 93 Potenzreihe, 118 Produktregel, 136 quadratische Form, 93, 98 Quantoren, 4 Quotientenkriterium, 116 Quotientenregel, 136 Rang einer linearen Abbildung, 61 einer Matrix, 70, 72 rationale Funktion, 46 Raum metrischer, 106 Realteil, 40 Reduktion der Ordnung, 194 reelle Zahlen, 25

Mathematik II fr inf/swt, Sommersemester 2010/11, Seite 205 u reexive Relation, 7 Reihe, 110 Relation, 7 Restglied, 143 Rhomberg-Verfahren, 173 Richtungsfeld, 178 Ring, 24 Sattelpunkt, 144 Schranke, 34 selbstadjungiert Abbildung, 83, 96 Matrix, 92 selbstadjungierte Matrix, 80 separierbar, 178 Sesquilinearform, 91 Simpson-Formel, 173 Sinusfunktion fr komplexe Zahlen, 121 u fr Matrizen, 122 u Skalarenmultiplikation, 50 Skalarprodukt, 73 Spur einer Matrix/Abbildung, 89 Stammfunktion, 162 stationrer Punkt, 139 a Substitution, 163 Supremum, 34 surjektiv, 5 symmetrisch Abbildung, 83 Abstand, 28, 73 Matrix, 80, 92, 97, 98 Relation, 7 System (Dierentialgleichung), 185, 186 Tangenteneinheitsvektor, 146 Taylorpolynom, 143 transitive Relation, 7 transponierte Matrix, 80 Trapezregel, 172 Zeilenstufenform, 56 uberabzhlbar, 21 a Umkehrabbildung, 6, 67 Ungleichung, 25 Bernoulli, 26 Cauchy-Schwarz-Bunjakowski, 74 Dreiecks-, 27, 41, 73 unitr a Abbildung, 83, 95 Gruppe, 96 Matrix, 80 Vektorraum, 74 Untergruppe, 96 Untervektorraum, 51 Urbild, 5 Vektorfeld, 185 Vektorkette, 99 Vektorraum, 50 euklidischer, 74 unitrer, 74 a Untervektorraum, 51 Verknpfung, 22 u Abbildungen, 6 Aussagen, 1 Mengen, 3 Vielfachheit algebraische/geometrische, 89 einer Nullstelle, 47 Vollstndige Induktion, 10 a vollstndiger Raum, 25, 31, 42, 108 a Volumen orientiertes, 84 Widerspruchsbeweis, 2 Wronskideterminante, 188, 193 Wurzelkriterium, 115