Norbert Henze | Günter Last Mathematik für Wirtschaftsingenieure und naturwissenschaftlich-technische Studiengänge
Norbert Henze | Günter Last
Mathematik für Wirtschaftsingenieure
und naturwissenschaftlichtechnische Studiengänge Band 2 Analysis im IRn, Lineare Algebra, Hilberträume, Fourieranalyse, Differentialgleichungen, Stochastik 2., überarbeitete Auflage
STUDIUM
Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über
abrufbar.
Prof. Dr. Norbert Henze [email protected] Prof. Dr. Günter Last [email protected] Karlsruher Institut für Technologie (KIT) Institut für Stochastik Kaiserstr. 89-93 76131 Karlsruhe
1. Auflage 2004 2., überarbeitete Auflage 2010 Alle Rechte vorbehalten © Vieweg +Teubner Verlag | Springer Fachmedien Wiesbaden GmbH 2010 Lektorat: Ulrike Schmickler-Hirzebruch Vieweg+Teubner Verlag ist eine Marke von Springer Fachmedien. Springer Fachmedien ist Teil der Fachverlagsgruppe Springer Science+Business Media. www.viewegteubner.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier. Printed in Germany ISBN 978-3-8348-1441-8
Vorwort Dieses Buch ist der zweite Teil einer zweib¨andigen Einf¨ uhrung in die H¨ ohere Mathematik. Behandelt werden die mehrdimensionale Analysis, das Riemannsche Integral im Rn , Determinanten und Volumenberechnung, normierte R¨ aume und Hilbertr¨aume, Eigenwerte und ihre Anwendungen, das Lebesguesche und das allgemeine Integral, die Fourieranalyse, Differentialgleichungen und die Stochastik. Beide Teile zusammen decken eine viersemestrige mathematische Grundausbildung ab, wie sie etwa den Studierenden der Fachrichtung Wirtschaftsingenieurwesen am Karlsruher Institut f¨ ur Technologie (KIT) vermittelt wird. Das Buch ist aber gleichermaßen f¨ ur Studierende aller Studieng¨ ange geeignet, f¨ ur die eine fundierte, systematische und nachhaltige mathematische Ausbildung, sei es in Diplom- oder Bachelor-Studieng¨angen, integraler Bestandteil des Studiums ist. Dazu geh¨oren viele naturwissenschaftlich-technische Studieng¨ ange (Ingenieurwesen, Physik, Chemie), die Informatik sowie die Wirtschafts- und die Technomathematik. Selbst Studierende der Mathematik sollten das Buch mit Gewinn lesen. Es zeigt sich immer deutlicher, dass die Mathematik eine Schl¨ usselrolle f¨ ur die Weiterentwicklung sowohl der Natur- als auch der Ingenieurwissenschaften und der Informatik einnimmt und damit ein entscheidender Motor des wissenschaftlich-technologischen Fortschritts f¨ ur eine sich im globalen Wettbewerb befindliche Gesellschaft darstellt. Aus diesem Grund steht wie schon in Band 1 auch in diesem Buch nicht nur die Vermittlung reines Faktenwissens im Vordergrund. Derartige, oft nur rezeptartig aufgenommene Kenntnisse tragen nicht weit. Nur mit dem zunehmenden Verst¨andnis der zahlreichen innermathematischen Verbindungen sowie konkreter Anwendungen wird das erworbene mathematische Wissen gefestigt, lebendig und fruchtbar. Den Beweisen der mathematischen Resultate kommt somit eine besondere Bedeutung zu. Erst ein Begreifen“ der in den Beweisf¨ uhrungen zutage tretenden ” vielf¨altigen Probleml¨osungsstrategien erlaubt es, bekannte mathematische Verfahren sinnvoll anzuwenden oder, falls erforderlich, sogar selbst¨ andig kreativ modellbildend t¨atig zu werden. Diesem Credo verpflichtet haben wir keine voneinander getrennten Schubla” den“ wie Analysis“ und Lineare Algebra“ aufgemacht, sondern einen integrati” ” ven, strukturierten Aufbau mit zum Teil relativ kleinen Modulen gew¨ ahlt. Dem Leser sei w¨armstens empfohlen, aktiv mitzuarbeiten und ab und zu auch einmal Papier und Bleistift zur Hand zu nehmen, um einige Argumentationsketten noch ausf¨ uhrlicher nachzuvollziehen. Obwohl die Darstellung im Vergleich zu rein mathematischen Lehrb¨ uchern weniger spezialisiert und abstrakt ist, werden alle wesentlichen Beweise vollst¨ andig
vi gef¨ uhrt. Abschnitte, deren Darstellung vergleichsweise kompakt und anspruchsvoll ist, wurden wie in Band 1 mit einem * gekennzeichnet. Beim Zitieren von Formeln und S¨atzen aus Band 1 wird eine r¨omische I vorangestellt. Satz I.7.20 ist also Satz 7.20 aus Band I, und Formel (7.10) aus Band I wird zu Formel (I.7.10). Analog verfahren wir mit Kapiteln, Abschnitten und Unterabschnitten. Zur Unterst¨ utzung des Selbststudiums wurden zahlreiche Beispiele, Abbildun¨ gen und Lernzielkontrollen aufgenommen. F¨ ur begleitende Ubungsaufgaben sowie weitere Informationen und Hilfen steht unter der Webadresse http://www.math.kit.edu/stoch/∼henze/seite/wiwi2/de ein Online-Service zum Buch zur Verf¨ ugung. Der folgende Graph verdeutlicht die wesentlichen Abh¨ angigkeiten zwischen den einzelnen Kapiteln bzw. Abschnitten. Um etwa das Kapitel 2 lesen zu k¨ onnen, sind Vorkenntnisse aus den Abschnitten 1.1–1.7 erforderlich.
1.8 −O 1.9 1.1 − 1.3
4.1 − 4.2 o
4.3 − 4.5 8.8 o
/ 1.4 − 1.7 xx xx x x xx |xx / 5 o FF FF FF FF FF "
8.1 − 8.6
/
/ 6.1
2
3.1 − 3.2
3.3
/
6.2
/
/ 8.7 o
9 7O
o
/
Hinweise f¨ ur Dozentinnen und Dozenten: Auch dieser zweite Band enth¨alt mehr Stoff, als in zwei Semestern in jeweils vierst¨ undigen Vorlesungen behandelt werden kann. Da die Kapitel nicht streng linear aufgebaut sind, gibt es verschiedene M¨ oglichkeiten des K¨ urzens. Mit lediglich einer Ausnahme (Transformationssatz der mehrdimensionalen Integration) werden alle wichtigen Resultate bewiesen.
vii Kapitel 1 behandelt die mehrdimensionale Analysis. Im Mittelpunkt stehen die Taylorentwicklung und der Satz u ¨ber implizite Funktionen sowie Anwendungen auf Maximierungsaufgaben mit und ohne Nebenbedingungen. In Kapitel 2 wird das aus Band 1 vertraute Riemann-Integral in nat¨ urlicher Weise auf den mehrdimensionalen Fall u ¨ bertragen. Die Theorie des Jordanschen Inhalts wird ausf¨ uhrlich dargelegt und kann bei Bedarf gek¨ urzt werden. Ausgehend von (signierten) Volumina werden im dritten Kapitel Determinanten(formen) als multilineare Abbildungen eingef¨ uhrt. Die bekannten Rechenregeln ergeben sich damit zwangsl¨aufig. (Sie k¨ onnten bei Bedarf auch schon in den ersten beiden Semestern eingef¨ uhrt werden.) Die allgemeine Transformationsformel f¨ ur Integrale wird nur im Fall linearer Transformationen komplett bewiesen. Dieses Vorgehen liefert aber den Schl¨ ussel zum strengen Beweis des allgemeinen ¨ Resultats. Ublicherweise muss man sich in Vorlesungen auf das Vermitteln der (geometrischen) Heuristik und die wichtigen Anwendungen (wie z.B. Polar- und Zylinderkoordinaten) beschr¨anken. Kapitel 4 gibt eine Einf¨ uhrung in die Theorie der (normierten) Vektorr¨ aume. Dazu werden zun¨achst die komplexen Zahlen eingef¨ uhrt und der Fundamentalsatz der Algebra (analytisch) bewiesen. Zentrale Resultate sind der (im Buch mehrfach verwendete) Banachsche Fixpunktsatz sowie die allgemeinen Fourierreihen. In Kapitel 5 wird dann die lineare Algebra weiter ausgebaut. Im Zentrum stehen Theorie und Anwendungen der Eigenwerte linearer Selbstabbildungen eines (reellen oder komplexen) endlichdimensionalen Vektorraumes. In Kapitel 6 wird zun¨achst das Lebesguesche Integral in klassischer Weise (Unter- und Obersummen bzgl. unendlicher Partitionen) eingef¨ uhrt und seine wichtigsten Eigenschaften diskutiert. Einige S¨ atze werden erst im zweiten Abschnitt im Rahmen der allgemeinen Maß- und Integrationstheorie bewiesen. Gegenstand von Kapitel 7 sind die Fourierreihen periodischer Funktionen sowie die Fourier-Transformation integrierbarer Funktionen. Die Lebesguesche Integrationstheorie gestattet es, alle Resultate vollst¨ andig zu beweisen. Sollte nur der Riemannsche Integralbegriff zur Verf¨ ugung stehen, k¨ onnen die wichtigsten Ideen der Fourierreihen immer noch vermittelt werden. Die Behandlung der FourierTransformation geschieht ohne Verwendung funktionalanalytischer Methoden wie etwa Distributionen. Kapitel 8 gibt eine eher knapp gehaltene Einf¨ uhrung in Theorie, Anwendungen und Numerik gew¨ohnlicher Differentialgleichungen. Nach der Diskussion allgemeiner Differentialgleichungen sowie dem Existenz- und Eindeutigkeitssatz von Picard–Lindel¨of werden vor allem lineare Differentialgleichungen behandelt. Im abschließenden Kapitel zur Stochastik stehen zun¨ achst der Begriff der stochastischen Unabh¨angigkeit sowie Zufallsvariablen und ihre Verteilungen im Vordergrund. Hierzu muss die in Abschnitt 6.2 entwickelte Maßtheorie zur Verf¨ ugung stehen. Das Gesetz der großen Zahlen wird in seiner schwachen Form hergeleitet.
viii Der Zentrale Grenzwertsatz wird ohne Verwendung charakteristischer Funktionen mit einer auf Lindeberg zur¨ uckgehenden Methode bewiesen. Das Kapitel schließt mit der Herleitung und Diskussion der Black–Scholes-Formel der Finanzmathematik. Danksagung: Wir m¨ochten uns bei allen bedanken, die zur Entstehung dieses Buches beigetragen haben. Die Herren Dr. Martin Folkers und Priv.-Doz. Dr. Manfred Krtscha haben das Projekt von Anfang an mit wohlwollender Kritik und großem Sachverstand begleitet. Herr Dipl.-Math. oec. Volker Baumstark, Herr Dipl.-Math. Matthias Heveling, Frau Dipl.-Math. Gabriela Gr¨ uninger, Herr Dr. Bernhard Klar, Herr Dipl.-Math. Sebastian M¨ uller, Herr Priv.-Doz. Dr. Wolfgang Stummer und Frau Michaela Taßler lasen Teile des Manuskriptes und machten unz¨ ahlige Verbesserungsvorschl¨age. Herr Philipp Koziol hat das vollst¨ andige Manuskript sehr aufmerksam und mit viel Geduld gelesen und aus studentischer Sicht manch wertvollen Hinweis gegeben. Unser Dank gilt auch Frau Schmickler-Hirzebruch und Frau Rußkamp vom Vieweg Verlag f¨ ur die bew¨ ahrte vertrauensvolle Zusammenarbeit. Schließlich m¨ochten wir uns bei unseren Familien bedanken, ohne deren Unterst¨ utzung dieses Buch nicht h¨atte entstehen k¨ onnen.
Karlsruhe, im Oktober 2004
Norbert Henze, G¨ unter Last
Vorwort zur zweiten Auflage In der zweiten Auflage haben wir diverse Druckfehler beseitigt, sowie verschiedene kleinere inhaltliche Verbesserungen und Aktualisierungen vorgenommen. Unser Dank gilt Frau Kathrin Labude vom Vieweg+Teubner Verlag f¨ ur die sehr gr¨ undliche Durchsicht des Manuskripts.
Karlsruhe, im Juli 2010
Norbert Henze, G¨ unter Last
Inhaltsverzeichnis 1 Differentialrechnung im Rn 1.1 Folgen im Rn , Konvergenz . . . . . . . . . 1.2 Topologische Grundbegriffe . . . . . . . . 1.3 Stetigkeit und Grenzwerte von Funktionen 1.4 Differentiation . . . . . . . . . . . . . . . 1.5 Taylorpolynome und der Satz von Taylor 1.6 Lokale Extrema . . . . . . . . . . . . . . . 1.7 Differentiation vektorwertiger Funktionen 1.8 Implizit definierte Funktionen . . . . . . . 1.9 Optimierung unter Nebenbedingungen . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
1 2 7 13 21 45 50 53 60 71
2 Integralrechnung im Rn 2.1 Das Riemann-Integral u ¨ber Rechtecke 2.2 Bereichsintegrale . . . . . . . . . . . . 2.3 Der Jordan-Inhalt . . . . . . . . . . . 2.4 Der Satz von Fubini . . . . . . . . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
83 83 87 91 109
. . . .
. . . .
3 Determinanten 3.1 Determinantenformen . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Lineare Transformation von Integralen . . . . . . . . . . . . . . . 3.3 Der allgemeine Transformationsatz . . . . . . . . . . . . . . . . .
131 . 131 . 148 . 160
4 Normierte R¨ aume und Hilbertr¨ aume 4.1 Die komplexen Zahlen . . . . . . . . 4.2 Reelle und komplexe Vektorr¨aume . 4.3 Normierte Vektorr¨aume . . . . . . . 4.4 Metrische R¨aume . . . . . . . . . . . 4.5 Hilbertr¨aume . . . . . . . . . . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
177 177 193 204 223 225
5 Eigenwerte und Eigenr¨ aume 237 5.1 Matrizen und lineare Abildungen . . . . . . . . . . . . . . . . . . . 237
x
Inhaltsverzeichnis 5.2 5.3
Eigenwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 Symmetrische und unit¨are Matrizen . . . . . . . . . . . . . . . . . 252
6 Das allgemeine Integral 265 6.1 Das Lebesguesche Integral . . . . . . . . . . . . . . . . . . . . . . . 265 6.2 Grundz¨ uge der Maßtheorie* . . . . . . . . . . . . . . . . . . . . . . 295 7 Fourieranalyse 321 7.1 Fourierreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322 7.2 Die Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . 344 8 Differentialgleichungen 8.1 Einf¨ uhrung . . . . . . . . . . . . . . . . . . . . 8.2 Wachstums- und Zerfallsprozesse . . . . . . . . 8.3 Trennbare Differentialgleichungen . . . . . . . . 8.4 Lineare Differentialgleichungen erster Ordnung 8.5 Existenz- und Eindeutigkeitss¨atze . . . . . . . . 8.6 Lineare Differentialgleichungen n-ter Ordnung . 8.7 Die Laplace-Transformation . . . . . . . . . . . 8.8 Numerische Verfahren . . . . . . . . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
353 . 353 . 355 . 360 . 361 . 366 . 370 . 387 . 396
9 Stochastik 9.1 Grundlagen . . . . . . . . . . . . . . . . 9.2 Zufallsvariablen und ihre Verteilungen . 9.3 Stochastische Unabh¨angigkeit . . . . . . 9.4 Rechnen mit Dichten . . . . . . . . . . . 9.5 Kenngr¨ oßen f¨ ur Verteilungen . . . . . . 9.6 Die mehrdimensionale Normalverteilung 9.7 Grenzwerts¨atze . . . . . . . . . . . . . . 9.8 Die Black–Scholes-Formel* . . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
401 401 405 411 417 423 437 440 449
Literaturverzeichnis
457
Symbolverzeichnis
458
Index
459
Kapitel 1
Differentialrechnung im Rn Auch meinte ich in meiner Unschuld, dass es f¨ ur den Physiker gen¨ uge, die elementaren mathematischen Begriffe klar erfasst und f¨ ur die Anwendungen bereit zu haben, und dass der Rest in f¨ ur den Physiker unfruchtbaren Subtilit¨aten bestehe – ein Irrtum, den ich erst sp¨ater mit Bedauern einsah.
Albert Einstein
In diesem Kapitel betrachten wir Funktionen f : D → Rm ,
x → f (x),
(1.1)
deren Definitionsbereich D eine Teilmenge des Rn ist. In Analogie zu Funktionen, die auf Teilmengen von R definiert sind, nennt man die Komponenten des Argumentes x = (x1 , . . . , xn ) die Variablen oder die Ver¨anderlichen. Der K¨ urze halber schreibt man f (x1 , . . . , xn ) anstelle von f ((x1 , . . . , xn )). Funktionen der obigen Art sind sowohl in den Naturwissenschaften als auch in den Ingenieur- und in den Wirtschaftswissenschaften von großer Bedeutung. So wird etwa eine ¨ortlich und zeitlich ver¨anderliche Temperaturverteilung in einem Raumbereich durch eine reellwertige Funktion f von vier Variablen beschrieben; der Wert f (x1 , x2 , x3 , x4 ) ist die Temperatur, die zur Zeit x4 im Raumpunkt (x1 , x2 , x3 ) herrscht. In der Theorie wirtschaftlicher Produktion gibt die Produktionsfunktion f (x1 , . . . , xn ) den maximal m¨oglichen Output an, den ein Produktionsverfahren erzielt, das xj Einheiten des Faktors j verwendet (j = 1, . . . , n). Funktionen des Rn in den Rm von vergleichsweise einfacher Struktur sind die in Kapitel I.8 behandelten linearen Funktionen. Eine lineare Funktion ist von der Form f (x) = Ax, x ∈ Rn , mit einer m × n-Matrix A = (aij ). Wie schon in Band 1 interpretieren wir bei der Matrizenmultiplikation Ax den Vektor x ∈ Rn mit den Komponenten x1 , . . . , xn als Spaltenvektor (x1 , . . . , xn )T (vgl. I.8.7.3). N. Henze, G. Last, Mathematik für Wirtschaftsingenieure und naturwissenschaftlichtechnische Studiengänge, DOI 10.1007/978-3-8348-9785-5_1, © Vieweg+Teubner Verlag | Springer Fachmedien Wiesbaden GmbH 2010
1 Differentialrechnung im Rn
2
Im Folgenden soll die Differentialrechnung f¨ ur Funktionen der Gestalt (1.1) entwickelt werden. Da die Analysis f¨ ur Funktionen einer Variablen auf dem Begriff der Konvergenz reeller Zahlenfolgen beruht, wird zun¨ achst dieser Konvergenzbegriff in nat¨ urlicher und naheliegender Weise verallgemeinert.
1.1 1.1.1
Folgen im Rn , Konvergenz Folgen im Rn
Eine Folge (ak )k≥1 (von Vektoren) im Rn ist eine Abbildung k → ak von der Menge N der nat¨ urlichen Zahlen in den Rn . Wie fr¨ uher schreiben wir kurz (ak ). Der Vektor ak ist das k-te Glied der Folge (ak ). Manchmal ist der Definitionsbereich der Abbildung k → ak die Menge {j ∈ Z : j ≥ m} f¨ ur ein m ∈ Z; in diesem Fall schreiben wir auch (ak )k≥m . Jedes Glied ak einer Folge (ak ) im Rn ist ein n-Tupel der Form (k)
ak = (a1 , . . . , an(k) ).
(1.2)
(k)
F¨ ur j ∈ {1, . . . , n} heißt die reelle Zahlenfolge (aj )k≥1 die j-te Koordinatenfolge von (ak ). Jede Folge von Vektoren im Rn ist durch die Angabe dieser n Ko(k) ordinatenfolgen festgelegt. Umgekehrt definieren n reelle Zahlenfolgen (aj )k≥1 (j = 1, . . . , n) u ¨ ber die Festsetzung (1.2) eine Folge im Rn .
1.1.2
Konvergenz, Grenzwert
Eine reelle Zahlenfolge (ak )k≥1 konvergiert genau dann gegen den Wert a, wenn ur jedes k ≥ k0 es zu jedem ε > 0 einen Index k0 mit der Eigenschaft |ak − a| ≤ ε f¨ gibt. Interpretiert man |x − y| als Abstand“ der Punkte x und y auf der reellen ” Zahlengeraden, so ist der Abstand zwischen jedem Folgenglied ak mit k ≥ k0 und dem Grenzwert a h¨ochstens gleich ε. Eine naheliegende M¨ oglichkeit, den Konvergenzbegriff auf Folgen (ak )k≥1 von Vektoren des Rn zu verallgemeinern, besteht darin, die in Abschnitt I.8.4 eingef¨ uhrte euklidische Norm n 2 x2 := xj j=1
eines Vektors x = (x1 , . . . , xn ) ∈ Rn und den darauf beruhenden euklidischen Abstand n x − y 2 = (xj − yj )2 j=1
1.1 Folgen im Rn , Konvergenz
3
uher auftrezwischen x und y = (y1 , . . . , yn ) zu verwenden. Der im Vergleich zu fr¨ tende Index 2 soll dabei andeuten, dass grunds¨ atzlich auch andere M¨ oglichkeiten f¨ ur eine sinnvolle Abstandsmessung im Rn existieren. Wir kommen hierauf in 1.1.4 zur¨ uck. Ein Vektor a heißt Grenzwert einer Folge (ak ), falls es zu jedem ε > 0 ein k0 ∈ N gibt, so dass f¨ ur jedes k ≥ k0 die Ungleichung ak − a2 ≤ ε
(1.3)
erf¨ ullt ist. In diesem Fall sagt man, (ak ) konvergiert gegen a und schreibt lim ak = a
bzw.
k→∞
ak → a
f¨ ur k → ∞.
Diese Begriffsbildung ist f¨ ur den Fall n = 2 in Bild 1.1 veranschaulicht. Die Zahl ε kann dann als Radius eines Kreises mit Mittelpunkt a interpretiert werden. Bedingung (1.3) bedeutet hier, dass alle Folgenglieder ak0 ,ak0 +1 ,ak0 +2 , . . . innerhalb des Kreises liegen; nur endlich viele Folgenglieder fallen somit außerhalb des angt. Kreises. Bild 1.1 zeigt auch, dass der Index k0 vom Radius ε des Kreises abh¨ Je kleiner ε gew¨ahlt wird, desto mehr Folgenglieder fallen außerhalb des Kreises. Man beachte, dass das Bild den durch den Index der Folgenglieder beschriebenen dynamischen Aspekt nur teilweise zum Ausdruck bringen kann. W¨ urden wir hierzu eine dritte Koordinatenachse verwenden, w¨ urde sich in Verallgemeinerung von Bild I.5.2 (Bild 5.2 in Band 1) ein ε-Schlauch ergeben. Liegt Konvergenz vor, so m¨ ussen alle bis auf endlich viele Folgenglieder in diesem Schlauch liegen.
•
•
• •
•
ε2
• •
a
• •
ε1
Bild 1.1: Außerhalb jedes Kreises um den Grenzwert a fallen nur endlich viele Folgenglieder
Mit dem nachstehenden Resultat kann die Konvergenz von Folgen im Rn auf den Konvergenzbegriff f¨ ur reelle Folgen zur¨ uckgef¨ uhrt werden. 1.1 Satz. (Konvergenz der Koordinatenfolgen) Eine Folge (ak )k≥1 im Rn konvergiert genau dann gegen einen Vektor a, wenn jede Koordinatenfolge gegen die entsprechende Koordinate von a konvergiert.
1 Differentialrechnung im Rn
4
Beweis: Es seien a = (a1 , . . . , an ) und j ∈ {1, . . . , n}. Gilt ak → a, so folgt aus (k)
|aj
− aj | ≤ ak − a2
(k)
(1.4) (k)
ur k → ∞. Gilt umgekehrt |aj − aj | → 0 f¨ ur jedes j ∈ die Konvergenz aj → aj f¨ {1, . . . , n}, so ergibt sich aus den in Kapitel I.5 bewiesenen Konvergenzs¨ atzen n (k) ak − a2 = (aj − aj )2 → 0 j=1
f¨ ur k → ∞, was zu zeigen war.
Aus Satz 1.1 k¨onnen einige wichtige Folgerungen gezogen werden. 1.2 Folgerung. (Eindeutigkeit des Grenzwertes) Der Grenzwert einer konvergenten Folge im Rn ist eindeutig bestimmt. Beweis: Wir nehmen an, es g¨alte sowohl ak → a als auch ak → b. Nach Satz 1.1 und der Eindeutigkeit des Grenzwertes f¨ ur reelle Zahlenfolgen stimmt dann jede Komponente von a mit der entsprechenden Komponente von b u ¨ berein; es gilt also a = b.
Eine weitere Folgerung betrifft die Konvergenz von Cauchy-Folgen. Dabei heißt (in v¨olliger Analogie zum Fall n = 1) eine Folge (ak ) im Rn Cauchy-Folge , falls es zu jedem ε > 0 ein k0 ∈ N gibt, so dass gilt: ak − am 2 ≤ ε,
k, m ≥ k0 .
1.3 Folgerung. (Konvergenz von Cauchy-Folgen) Jede Cauchy-Folge im Rn ist konvergent. Beweis: Ist (ak ) eine Cauchy-Folge, so ist nach (1.4) f¨ ur jedes j = 1, . . . , n die Koordina(k) (k) tenfolge (aj ) eine Cauchy-Folge. Nach Satz I.5.23 gibt es ein aj ∈ R mit aj → aj f¨ ur k → ∞. Setzen wir a := (a1 , . . . , an ), so folgt nach Satz 1.1 die Konvergenz ak → a.
Das folgende Analogon von Satz I.5.10. ist ebenfalls eine Konsequenz von Satz 1.1. In diesem Zusammenhang sei an das in I.8.4 definierte Skalarprodukt
a, b =
n
a j bj
j=1
zweier Vektoren a = (a1 , . . . , an ), b = (b1 , . . . , bn ) im Rn erinnert.
1.1 Folgen im Rn , Konvergenz
5
1.4 Satz. (Linearit¨at des Grenzwertes im Rn ) Es seien (ak ) und (bk ) zwei gegen a bzw. b konvergierende Folgen im Rn sowie (λk ) eine gegen λ konvergierende reelle Folge. Dann gilt lim (λkak ) = λa,
k→∞
lim (ak + bk ) = a + b,
k→∞
lim ak , bk = a, b.
k→∞
1.1.3
Beschr¨ ankte Folgen, Satz von Bolzano-Weierstraß
Eine Folge (ak ) im Rn heißt beschr¨ankt , wenn es ein C > 0 mit ak 2 ≤ C,
k ∈ N,
(1.5)
gibt. Im Fall n = 2 liegen also alle Glieder einer beschr¨ ankten Folge innerhalb eines hinreichend großen Kreises um den Koordinatenursprung. Es ist leicht zu sehen, dass jede konvergente Folge beschr¨ ankt ist: zu festem ε > 0 sei k0 ∈ N so gew¨ahlt, dass (1.3) erf¨ ullt ist. F¨ ur jedes k ≥ k0 folgt dann aus der Dreiecksungleichung f¨ ur die euklidische Norm (Folgerung I.8.30) die Absch¨ atzung ak 2 = ak − a + a2 ≤ ak − a2 + a2 ≤ ε + a2 und somit (1.5), wenn C := max(a1 2 , . . . , ak0 −1 2 , ε + a2 ) gesetzt wird. Auch der Satz von Bolzano–Weierstraß kann verallgemeinert werden. 1.5 Satz. (Satz von Bolzano–Weierstraß im Rn ) Jede beschr¨ankte Folge (ak ) besitzt eine konvergente Teilfolge. Beweis: Jede Koordinatenfolge von (ak ) ist beschr¨ ankt. Nach Satz I.5.22 besitzt die ers(k) (k ) te Koordinatenfolge (a1 ) eine konvergente Teilfolge (a1 i )i≥1 . Die Glieder der zweiten (k) Koordinatenfolge (a2 ) zu den Indizes ki , i = 1, 2, . . . bilden ebenfalls eine beschr¨ ankte (k ) Folge, so dass sich erneut eine (der Einfachheit wieder mit (a2 i )i≥1 bezeichnete) konvergente Teilfolge ausw¨ahlen l¨asst. Wiederholt man dieses Verfahren so lange, bis aus (k) (k ) (an ) eine konvergente Teilfolge (an i )i≥1 ausgew¨ ahlt wurde, so konvergieren die Folgen (ki ) (aj )i≥1 f¨ ur jedes j ∈ {1, . . . , n} und somit auch die Folge (aki )i≥1 .
1.1.4
Der Rn als normierter Raum
Es wurde bereits erw¨ahnt, dass es neben dem euklidischen Abstand weitere M¨ oglichkeiten einer Abstandsmessung zwischen Punkten gibt. Ein ganz praktischer Grund f¨ ur solche Alternativen liegt darin, dass andere Abst¨ ande in manchen Situationen einfacher zu ermitteln sind. Ein mindestens genauso wichtiger Grund
1 Differentialrechnung im Rn
6
ist die mathematische Notwendigkeit, diejenigen Eigenschaften eines Abstands zu extrahieren, auf die es etwa bei den Begriffen Konvergenz“ oder Stetig” ” keit“ letztendlich ankommt. Tats¨achlich werden wir in Kapitel 4 Abstandsbegriffe in deutlich allgemeineren ( unendlichdimensionalen“) R¨ aumen kennenlernen. Sie ” sind ein unentbehrliches Hilfsmittel in der modernen Mathematik. Wir werden zun¨achst einen allgemeinen L¨ angenbegriff einf¨ uhren und darauf aufbauend den Abstand zwischen Punkten definieren. Eine Abbildung · : Rn → [0, ∞),
x → x,
ur alle x, y ∈ Rn und alle λ ∈ R die folgenden heißt Norm (auf Rn ), falls f¨ Bedingungen gelten: x = 0 ⇐⇒ x = 0, (Definitheit) (1.6) λ · x = |λ|·x, x + y ≤ x + y .
(Homogenit¨at)
(1.7)
(Dreiecksungleichung)
(1.8)
Die Zahl x heißt Norm (oder L¨ange) von x. In Abschnitt I.8.4 haben wir gesehen, dass die euklidische Norm · 2 diese drei Eigenschaften besitzt. Weitere Beispiele f¨ ur Normen sind die sogenannte Betragssummennorm n x1 := |xj | (1.9) j=1
und die Maximumsnorm x∞ := max{|xj | : j = 1, . . . , n}.
(1.10)
In beiden F¨allen ist die G¨ ultigkeit von (1.6)–(1.8) unmittelbar einzusehen. Bild 1.2 zeigt die Menge der Endpunkte aller Ortsvektoren x im R2 , deren Norm (L¨ange), gemessen mit Hilfe der Normen · 1 , · 2 und · ∞ , kleiner oder gleich 1 ist.
1.1.5
Norm und Abstand
Ist · eine Norm auf dem Rn , so bezeichnet man wie im Fall der euklidischen Norm die Zahl x − y als Abstand zwischen x und y. Aus (1.6) und (1.7) folgen die Eigenschaft der Definitheit x − y = 0 ⇐⇒ x = y
(1.11)
sowie die Symmetrieeigenschaft x − y = y − x.
(1.12)
Mit (1.8) ergibt sich schließlich die Dreiecksungleichung x − z ≤ x − y + y − z,
x, y , z ∈ Rn .
(1.13)
1.2 Topologische Grundbegriffe
7
x2
−0.5
0.5
x2
x1
−0.5
0.5
x2
x1
−0.5
0.5
x1
Bild 1.2: Die Menge {x ∈ R2 : x ≤ 1} f¨ ur · = · 1 (links), · = · 2 (Mitte) und · = · ∞ (rechts)
1.1.6
¨ Aquivalente Normen und Konvergenz
Zwei Normen · und · auf dem Rn heißen ¨aquivalent , falls es positive Zahlen c1 , c2 gibt, so dass c1 x ≤ x ≤ c2 x, x ∈ Rn . aquivalent. VerantDie Normen · 1 , · 2 und · ∞ sind untereinander alle ¨ wortlich daf¨ ur sind die leicht zu beweisenden Ungleichungen 1 x1 ≤ x∞ ≤ x1 , n √ x∞ ≤ x2 ≤ nx∞ .
(1.14) (1.15)
Wir werden sp¨ater (vgl. 4.3.4) sehen, dass zwei beliebige Normen auf dem Rn ¨aquivalent sind. Nach Definition ist die Konvergenz ak → a gleichbedeutend mit ak − a2 → 0 f¨ ur k → ∞. Wegen (1.14) und (1.15) ist letztere Bedingung sowohl zu ak −a1 → 0 als auch zu ak − a∞ → 0 ¨aquivalent. Weil allgemeiner jede Norm · auf dem Rn ¨aquivalent zur euklidischen Norm · 2 ist, h¨ angt der Konvergenzbegriff n im R nicht von der speziell gew¨ahlten Norm ab: f¨ ur jede Norm · gilt ak − a → 0 ⇐⇒ ak − a2 → 0.
1.2
Topologische Grundbegriffe
In diesem Abschnitt werden einige topologische (von gr. topos: Ort) Begriffe eingef¨ uhrt. Dabei handelt es sich um gewisse Eigenschaften von Teilmengen des Rn und um Lagebeziehungen zwischen Punkten und Mengen.
1 Differentialrechnung im Rn
8
1.2.1
Umgebungen
Die Menge aller Punkte x ∈ R2 mit x − a2 ≤ r ist eine Kreisscheibe mit Mittelpunkt a ∈ R2 und Radius r > 0. Allgemein definiert man f¨ ur a ∈ Rn und eine Zahl r > 0 die abgeschlossene Kugel mit Mittelpunkt a und Radius r durch B(a, r) := {x : x − a2 ≤ r}
(1.16)
und die offene Kugel mit Mittelpunkt a und Radius r durch B ◦ (a, r) := {x : x − a2 < r}.
(1.17)
Die Sprechweise Kugel“ ist dabei an den Spezialfall n = 3 angelehnt. Im Fall ” n = 1 ist B(a, r) das abgeschlossene Intervall [a − r,a + r] und B ◦ (a, r) das offene Intervall (a − r,a + r). Im Fall n = 2 nennt man B(a, r) und B ◦ (a, r) die abgeschlossene bzw. offene Kreisscheibe um a mit Radius r. Eine Menge U ⊂ Rn heißt Umgebung von a ∈ Rn , wenn es ein r > 0 gibt, so dass die Teilmengenbeziehung B(a, r) ⊂ U erf¨ ullt ist. In diesem Sinn ist also B(a, r) f¨ ur jedes r > 0 eine Umgebung von ◦ a, aber auch die Menge B (a, r), denn es gilt B(a, s) ⊂ B ◦ (a, r) f¨ ur jedes s mit 0 < s < r. Aus diesem Grund nennt man die Mengen B(a, r) und B ◦ (a, r) auch Kugelumgebungen von a. Eine Umgebung eines Punktes a ist also dadurch charakterisiert, dass sie eine (m¨oglicherweise sehr kleine) Kugelumgebung von a enth¨ alt (siehe Bild 1.3).
•
U
b
U
•
a
a ist innerer Punkt von U
b ist Randpunkt von U
Bild 1.3: U ist Umgebung von a, aber nicht von b Der Umgebungsbegriff kann zu einer geometrischen Beschreibung der Konvergenz einer Folge (ak ) verwendet werden. Man sagt, dass fast alle Glieder einer Folge eine gewisse Eigenschaft besitzen (zum Beispiel zu einer bestimmten Menge zu geh¨oren), wenn nur endlich vielen Gliedern diese Eigenschaft nicht zukommt.
1.2 Topologische Grundbegriffe
9
1.6 Satz. (Umgebungen und Konvergenz) Eine Folge (ak )k≥1 im Rn konvergiert genau dann gegen a ∈ Rn , wenn in jeder Umgebung von a fast alle Glieder der Folge (ak ) liegen. Beweis: Nach Definition einer Umgebung ist die behauptete Charakterisierung der Konvergenz gleichbedeutend damit, dass f¨ ur jedes ε > 0 die Kugel B(a, ε) fast alle Glieder der ¨ Folge enth¨ alt. Damit folgt die Behauptung aus der Aquivalenz der Aussagen ak −a2 ≤ ε und ak ∈ B(a, ε).
1.2.2
Innere Punkte, Randpunkte
Es sei M ⊂ Rn eine Menge. (i) Ein Punkt x ∈ M heißt innerer Punkt von M , falls es eine Umgebung U von x mit x ∈ U und U ⊂ M gibt. Die mit M ◦ bezeichnete Menge aller inneren Punkte von M heißt das Innere von M . (ii) Ein Punkt x ∈ Rn heißt Randpunkt von M , wenn jede Umgebung U von x mindestens einen Punkt aus M und mindestens einen Punkt aus Rn \ M enth¨alt, wenn also U ∩ M = ∅
und U ∩ (Rn \ M ) = ∅
gilt. Die mit ∂M bezeichnete Menge aller Randpunkte von M heißt der Rand von M . Diese Begriffsbildungen sind in Bild 1.3 veranschaulicht. Der Punkt a in Bild 1.3 links ist ein innerer Punkt der Menge U und der Punkt b in Bild 1.3 rechts ein Randpunkt von U . Die Menge U ist Umgebung von a, aber nicht von b. Man beachte, dass sich die Definitionen eines inneren Punktes und eines Randpunktes gegenseitig ausschließen; es gilt also M ◦ ∩ ∂M = ∅. Weiter gilt M ◦ ⊂ M , d.h. jeder innere Punkt von M geh¨ort zu M . Nach Definition gilt ferner ∂M = ∂(Rn \ M ). Wie die folgenden Beispiele zeigen, kann ein Randpunkt einer Menge M zu M geh¨oren oder auch nicht. 1.7 Beispiel. Die Menge M := {x = (x1 , x2 ) ∈ R2 : x2 = 0} beschreibt die x1 -Achse in einem kartesischen x1 x2 -Koordinatensystem. Da jede Umgebung U eines Punktes x aus M eine Kreisscheibe B(x, r) enth¨alt und U ∩ (R2 \ M ) = ∅ gilt (der Punkt (x1 , r) geh¨ort zu U , aber nicht zu M ), folgt M ◦ = ∅ und ∂M = M . Die Menge M enth¨alt also keine inneren Punkte (Bild 1.4 links).
1 Differentialrechnung im Rn
10
1.8 Beispiel. (Topologische Eigenschaften von Kugeln) F¨ ur die offene Kugel M := {x ∈ Rn : x2 < r} mit Mittepunkt 0 und Radius r gilt M ◦ = M und ∂M = {x ∈ Rn : x2 = r}. F¨ ur einen formalen Beweis dieser sehr anschaulichen Aussagen sei x ∈ M beliebig gew¨ ahlt. Wegen x2 < r ist d := r − x2 > 0. Wir behaupten die G¨ ultigkeit der Inklusion B(x, d/2) ⊂ M.
(1.18)
Hieraus w¨ urde M ⊂ M ◦ und damit M = M ◦ folgen. Zum Beweis von (1.18) sei y ∈ B(x, d/2) beliebig gew¨ahlt. Aus y − x2 ≤ d/2 ergibt sich dann mit Hilfe der Dreiecksungleichung die Absch¨atzung y 2 = y − x + x2 ≤ y − x2 + x2 ≤
d +r−d
und somit (1.18). Analog folgt ∂M = {x ∈ Rn : x2 = r} (Bild 1.4 rechts). x2
x2
M = ∂M, M ◦ = ∅ x1
M◦ •
Bild 1.4: Inneres und Rand einer Menge
1.2.3
Offene und abgeschlossene Mengen
Es sei M ⊂ Rn eine Menge. (i) M heißt offen :⇐⇒ M = M ◦ . (ii) M heißt abgeschlossen :⇐⇒ ∂M ⊂ M . (iii) Die Menge M := M ◦ ∪ ∂M heißt abgeschlossene H¨ ulle von M .
∂M
r
x1
1.2 Topologische Grundbegriffe
11
Eine offene Menge enth¨alt definitionsgem¨ aß nur innere Punkte; sie ist auch Umgebung jedes ihrer Punkte. Eine abgeschlossene Menge enth¨ alt jeden ihrer Randpunkte. F¨ ur jede Menge M gilt die Inklusionskette M◦ ⊂ M ⊂ M. Aus den Definitionen ergibt sich, dass das Innere M ◦ , der Rand ∂M und das ¨ Außere (Rn \ M )◦ einer Menge M paarweise disjunkt sind und zusammen ganz ” n R aussch¨opfen“, d.h. es gilt Rn = M ◦ ∪ ∂M ∪ (Rn \ M )◦ .
(1.19)
Nach Beispiel 1.8 ist eine offene Kugel B 0 (a, r) offen. Satz 1.10 (oder eine direkte Argumentation) zeigt, dass ihr Rand {x ∈ Rn : x2 = r} und ihre abgeschlossene H¨ ulle B(a, r) abgeschlossen sind. Es l¨asst sich leicht zeigen, dass die Vereinigung beliebig vieler offener Mengen und der Durchschnitt endlich vieler offenen Mengen wieder offene Mengen sind. Damit folgt aus dem nachstehenden Satz 1.9 (i) durch Komplementbildung und den De Morganschen Regeln, dass die Vereinigung endlich vieler abgeschlossener Mengen und der Durchschnitt beliebig vieler abgeschlossener Mengen wieder abgeschlossene Mengen sind. 1.9 Satz. (Charakterisierung abgeschlossener Mengen) (i) Eine Menge M ⊂ Rn ist genau dann abgeschlossen, wenn ihr Komplement Rn \ M offen ist. (ii) Eine Menge M ⊂ Rn ist genau dann abgeschlossen, wenn der Grenzwert jeder konvergenten Folge mit Gliedern aus M ebenfalls zu M geh¨ ort. Beweis: (i) Es seien Rn \ M offen und x ∈ ∂M (= ∂(Rn \ M )). Um x ∈ M zu zeigen, nehmen wir indirekt an, es g¨alte x ∈ Rn \ M . Dann gibt es eine Umgebung U von x mit U ⊂ Rn \ M . Dieser Widerspruch zu x ∈ ∂(Rn \ M ) beweist x ∈ M und damit die Abgeschlossenheit von M . Die andere Implikation ergibt sich analog. (ii) Ist M abgeschlossen, so besitzt jeder Punkt aus Rn \ M eine Umgebung U mit U ⊂ Rn \ M . Damit kann kein Punkt von Rn \ M Grenzwert einer Folge mit Gliedern aus M sein. Wir setzen jetzt umgekehrt voraus, dass der Grenzwert jeder konvergenten Folge mit Gliedern aus M zu M geh¨ort und w¨ahlen ein x ∈ ∂M . Nach Definition von ∂M gibt ur k → ∞. Damit ist x ∈ M . es dann eine Folge xk ∈ M , k ∈ N, mit xk → x f¨
1.10 Satz. (Topologische Eigenschaften von M 0 , ∂M und M ) Das Innere einer Menge M ist offen. Der Rand und die abgeschlossene H¨ ulle von M sind abgeschlossen.
1 Differentialrechnung im Rn
12
Beweis: Ist x ∈ M 0 so gibt es ein ε > 0 mit B ◦ (x, ε) ⊂ M . Nach Beispiel 1.8 gibt es f¨ ur jedes y ∈ B ◦ (x, ε) ein ε > 0 mit B ◦ (y , ε ) ⊂ B ◦ (x, ε) ⊂ M . Also ist B ◦ (x, ε) ⊂ M 0 und M 0 damit offen. Damit ist auch (Rn \ M )◦ offen. Aus (1.19) sowie Satz 1.9 (i) ist dann ∂M als Komplement der offenen Menge M ◦ ∪ (Rn \ M )◦ abgeschlossen. Analog folgt, dass M als Komplement der offenen Menge (Rn \ M )◦ abgeschlossen ist.
1.2.4
Folgenkompaktheit
Analog zur Beschr¨anktheit einer Folge (vgl. 1.1.3) heißt eine Menge M ⊂ Rn beschr¨ankt ,wenn es ein C > 0 mit x2 ≤ C,
x ∈ M,
gibt. Jede beschr¨ankte Teilmenge des R2 ist also in einem gen¨ ugend großen Kreis um den Koordinatenursprung enthalten. 1.11 Satz. (Folgenkompaktheit) ankt und abgeschlossen, wenn jede Eine Menge M ⊂ Rn ist genau dann beschr¨ Folge mit Elementen aus M eine Teilfolge besitzt, welche gegen einen Grenzwert in M konvergiert. Beweis: Ist M beschr¨ankt und ist (ak ) eine Folge in M , so besitzt (ak ) wegen des Satzes von Bolzano–Weierstraß eine konvergente Teilfolge. Ist M außerdem abgeschlossen, so muss der Grenzwert dieser Teilfolge nach Satz 1.9 (ii) in M liegen. Wir setzen jetzt umgekehrt die G¨ ultigkeit des Teilfolgenkriteriums voraus. Dann ist klar, dass M beschr¨ankt ist, weil man anderenfalls eine Folge (xk ) in M mit der Eigenurde. Eine solche Folge besitzt keine konvergente Teilfolge. schaft xk 2 → ∞ finden w¨ Die Abgeschlossenheit von M ergibt sich direkt aus Satz 1.9 (ii).
Eine Menge M ⊂ Rn , welche dem Folgenkriterium von Satz 1.11 gen¨ ugt, heißt folgenkompakt (oder kompakt ) Wir beenden diesen Abschnitt mit einer weiteren grundlegenden Eigenschaft kompakter Mengen. Sie ist eine Konsequenz von Satz 1.11 Der interessierte Leser ist aufgefordert, den indirekten Beweis durch Intervallschachtelung zu f¨ uhren. Details finden sich etwa in (Heuser, 2002). 1.12 Satz. (Satz von Heine1 –Borel2 ) Gegeben seien eine folgenkompakte Menge M ⊂ Rn sowie offene Teilmengen Ui , i ∈ N, von Rn mit M ⊂ ∪i∈N Ui . Dann gibt es ein m ∈ N mit M ⊂ ∪m i=1 Ui . 1
Eduard Heine (1821–1881), Professor in Bonn (ab 1848) und in Halle (ab 1856). Hauptarbeitsgebiete: Reelle Analysis, trigonometrische Reihen. 2 Emile Borel (1871–1956), ab 1909 Professor an der Sorbonne in Paris. Borel war politisch aktiv (1924 als Mitglied der Abgeordnetenkammer, 1925 Marineminister, 1941 wegen seiner politischen Aktivit¨ aten Inhaftierung durch die faschistischen Besatzer). Hauptarbeitsgebiete: Funktionentheorie, Mengenlehre, Maßtheorie, Wahrscheinlichkeitstheorie, Spieltheorie.
1.3 Stetigkeit und Grenzwerte von Funktionen
1.3
13
Stetigkeit und Grenzwerte von Funktionen
In diesem Abschnitt werden der Stetigkeitsbegriff sowie die Definition des Grenzwertes einer Funktion verallgemeinert. Die Ausf¨ uhrungen sind v¨ ollig analog zum Fall eines eindimensionalen Definitionsbereiches; lediglich der Begriff des linksseitigen (bzw. rechtsseitigen) Grenzwertes macht in allgemeinen Dimensionen keinen Sinn. Wir betrachten von Beginn an vektorwertige Funktionen, d.h. Funktionen f : D → Rm mit D ⊂ Rn und m ∈ N.
1.3.1
Stetigkeit
(i) Die Funktion f heißt stetig in (einem Punkt) x0 ∈ D, wenn f¨ ur jede Folge (xk ) mit Elementen in D aus der Konvergenz xk → x0 f¨ ur k → ∞ die Konvergenz f (xk ) → f (x0 ) f¨ ur k → ∞ folgt. (ii) Die Funktion f heißt stetig (auf D), wenn sie in jedem Punkt x0 ∈ D stetig ist. Eine vektorwertige Funktion f : D → Rm l¨ asst sich in der Form f (x) = (f1 (x), . . . , fm (x)),
x ∈ D,
schreiben. Dabei sind die Komponenten f1 , . . . , fm von f Funktionen von D in R. Wegen Satz 1.1 ist f genau dann stetig, wenn jede Komponente fj stetig ist. Sind f und g Funktionen von D ⊂ Rn in Rm , so werden durch die Festsetzungen (f + g)(x) := f (x) + g(x),
f, g(x) := f (x), g(x),
x ∈ D,
die Summe f + g : D → Rm und das Skalarprodukt f, g : D → R von f und g definiert. Ist ferner h : D → R eine reellwertige Funktion, so ist hf : D → R die durch (hf )(x) := h(x)f (x), x ∈ D, erkl¨arte Funktion. Wegen Satz 1.4 und obiger Bemerkung erhalten wir analog zu Satz I.6.1: 1.13 Satz. (Stetigkeit von Summe und Produkt stetiger Funktionen) Sind f, g : D ⊂ Rn → Rm im Punkt x0 ∈ D stetige Funktionen, so sind die Funktionen f + g und f, g ebenfalls stetig in x0 . Ist h : D → R stetig in x0 ∈ D, so auch das Produkt hf . 1.14 Beispiele. (i) Es sei · eine Norm auf Rn . Aus (1.8) folgt wie im Fall n = 1: |x − y | ≤ x − y,
x, y ∈ Rn .
Deshalb (und im Vorgriff auf Satz 4.57) ist die Funktion x → x stetig.
1 Differentialrechnung im Rn
14
(ii) Die Abbildung x = (x1 , . . . , xn ) → xj von Rn nach R ist f¨ ur jedes j ∈ {1, . . . , n} stetig. Sie heißt Projektion auf die j-te Koordinate. (iii) Es sei f : Rn → R eine lineare Funktion. Nach I.8.3.3 gibt es dann einen Vektor a := (a1 , . . . , an ) ∈ Rn mit f (x) =
n
aj xj = a, x,
x = (x1 , . . . , xn ) ∈ Rn .
j=1
Nach (ii) und Satz 1.13 ist f stetig.
1.3.2
Quadratische Formen
Neben den linearen Funktionen x → nj=1 aj xj liefert die folgende Definition eine weitere wichtige Klasse stetiger Funktionen. Ist A = (ajk ) ∈ M (n, n) eine n × n-Matrix, so heißt die durch QA (x) :=
n
ajk xj xk ,
x = (x1 , . . . , xn ) ∈ Rn ,
(1.20)
j,k=1
definierte Abbildung QA : Rn → R quadratische Form von A. Die in der Definition (1.20) verwendete Doppelsumme wird formal als n n
ajk xj xk
j=1 k=1
erkl¨art. Wegen des Kommutativgesetzes der Addition kann hier auch zuerst u ¨ ber k und dann u ¨ ber j summiert werden. In der Definition einer quadratischen Form QA kann ohne Beschr¨ ankung der Allgemeinheit vorausgesetzt werden, dass die Matrix A symmetrisch ist. Definiert ur j = k sowie man n¨amlich die Matrix B = (bjk ) durch bjk := (ajk + akj )/2 f¨ bjj = ajj f¨ ur j ∈ {1, . . . , n}, so ist B eine symmetrische Matrix, und es gilt QA (x) = QB (x), x ∈ Rn . Ist A bereits symmetrisch, so gilt nat¨ urlich B = A. Unter Benutzung der Matrizenmultiplikation bzw. des Skalarproduktes kann eine quadratische Form auch als QA (x) = x T · A · x = x, A · x geschrieben werden. Man beachte, dass x in einem Matrizenprodukt immer als Spaltenvektor interpretiert wird! (Spalten- und Zeilenvektor sind Begriffe der Matrizenrechnung. Der Definition eines Vektors x als n-Tupel folgend, notieren wir die Koordinaten eines Vektors zun¨achst immer in Zeilenform.)
1.3 Stetigkeit und Grenzwerte von Funktionen
15
Nach Beispiel 1.14 (ii) und Satz 1.13 ist jede quadratische Form stetig. Ferner sind quadratische Formen homogen vom Grad 2, d.h. es gilt QA (λx) = λ2 QA (x),
x ∈ Rn , λ ∈ R.
(1.21)
Wir werden sp¨ater sehen, dass quadratische Formen bei der lokalen Approximation einer differenzierbaren Funktion eine große Rolle spielen.
1.3.3
Definitheitseigenschaften von Matrizen
Die folgenden Begriffsbildungen sind im Zusammenhang mit quadratischen Formen und Matrizen von grundlegender Bedeutung. (i) Eine symmetrische Matrix A heißt positiv definit , falls gilt: QA (x) > 0,
x ∈ Rn , x = 0.
(ii) Eine symmetrische Matrix A heißt positiv semidefinit , falls gilt: QA (x) ≥ 0,
x ∈ Rn .
(iii) Eine symmetrische Matrix A heißt negativ definit , falls gilt: QA (x) < 0,
x ∈ Rn , x = 0.
(iv) Eine symmetrische Matrix A heißt negativ semidefinit , falls gilt: QA (x) ≤ 0,
x ∈ Rn .
(v) Eine symmetrische Matrix A heißt indefinit , wenn es Vektoren x, y ∈ Rn mit der Eigenschaft QA (x) > 0 und QA (y ) < 0 gibt. Diese Begriffsbildungen werden synonym auch f¨ ur die zugeh¨ orige quadratische Form QA verwendet. Offensichtlich ist eine symmetrische Matrix A genau dann positiv (semi)definit, wenn die Matrix −A negativ (semi)definit ist. Man beachte auch, dass eine symmetrische Matrix genau dann indefinit ist, wenn sie weder positiv semidefinit noch negativ semidefinit ist. Bild 1.5 zeigt (von links nach rechts) die Graphen der quadratischen Formen (x1 , x2 ) → x21 + x22 , (x1 , x2 ) → −x21 − x22 (diese werden auch als Rotationsparaboloide bezeichnet) und (x1 , x2 ) → −x21 +x22 , welche positiv definit bzw. negativ definit bzw. indefinit sind. In Bild 1.6 sind die Graphen der positiv semidefiniten quadratischen Form (x1 , x2 ) → x21 und der negativ semidefiniten quadratischen Form (x1 , x2 ) → −x21 veranschaulicht. Positiv definite Matrizen werden in diesem Kapitel noch eine wichtige Rolle spielen. Eine 1 × 1-Matrix A = (a) ist nat¨ urlich genau dann positiv definit, wenn a > 0 gilt.
1 Differentialrechnung im Rn
16 QA (x)
QA (x) x1
QA (x) x2 x2
x1 x1
x2
positiv definit
indefinit
negativ definit
Bild 1.5: Graphen definiter und indefiniter quadratischer Formen
1.3.4
Determinantenkriterien fu ¨ r Definitheit im R2
Wir betrachten eine symmetrische Matrix A der Form a c A= . c b
(1.22)
Die Zahl ab − c2 heißt Determinante von A. F¨ ur die Definitheitseigenschaften solcher Matrizen existieren die folgenden Kriterien. 1.15 Satz. (Determinantenkriterien f¨ ur Definitheit) Gegeben sei eine symmetrische 2 × 2-Matrix A der Gestalt (1.22). (i) Die Matrix A ist genau dann positiv definit, wenn gilt: a>0
und
ab − c2 > 0.
(1.23)
Dabei kann in (1.23) die Bedingung a > 0 durch b > 0 ersetzt werden. (ii) Die Matrix A ist genau dann positiv semidefinit, wenn die Ungleichungen ullt sind. a ≥ 0, b ≥ 0 und ab − c2 ≥ 0 erf¨ (iii) Die Matrix A ist genau dann negativ definit, wenn die Ungleichungen a < 0 (bzw. b < 0) und ab − c2 > 0 erf¨ ullt sind. (iv) Die Matrix A ist genau dann negativ semidefinit, wenn die Ungleichungen a ≤ 0, b ≤ 0 und ab − c2 ≥ 0 erf¨ ullt sind. (v) Die Matrix A ist genau dann indefinit, wenn ab − c2 < 0 gilt.
1.3 Stetigkeit und Grenzwerte von Funktionen
17 QA (x)
QA (x) x1
x1
x2
x2
positiv semidefinit
negativ semidefinit
Bild 1.6: Graphen semidefiniter quadratischer Formen
Beweis: (i): Es gilt QA (x) > 0 f¨ ur jedes x = 0 genau dann, wenn die Ungleichungen QA (z, 0) > 0,
z = 0,
(1.24)
z ∈ R, y = 0,
(1.25)
und QA (zy, y) > 0, 2
erf¨ ullt sind. Wegen QA (z, 0) = az ist (1.24) zu a > 0 ¨ aquivalent. Wir setzen jetzt a > 0 voraus und zeigen, dass dann (1.25) zu ab − c2 > 0 ¨ aquivalent ist. Damit w¨ are der Beweis beendet. F¨ ur festes y = 0 ist QA (zy, y) = az 2 y 2 + by 2 + 2czy 2 genau dann f¨ ur jedes z ∈ R positiv, falls √ √ az 2 + b + 2cz = ( az + c/ a)2 − c2 /a + b f¨ ur jedes z ∈ R positiv ist. Letzteres ist gleichbedeutend mit ab − c2 > 0. (ii): Die Behauptung ergibt sich aus einer einfachen Modifikation des Beweises von (i). (iii),(iv): Die Matrix A ist genau dann negativ (semi)definit, wenn −A positiv (semi)definit ist. Deshalb ergeben sich die Aussagen (iii) und (iv) aus (i) und (ii). (v): Die Matrix A ist genau dann indefinit, wenn sie nicht positiv semidefinit und nicht negativ semidefinit ist. Nach (i) und (iii) ist das ¨ aquivalent zur G¨ ultigkeit der Aussage
(ab − c2 < 0) ∨ (a < 0) ∨ (b < 0) ∧ (ab − c2 < 0) ∨ (a > 0) ∨ (b > 0) . Eine Fallunterscheidung nach den Vorzeichen von a und b zeigt, dass das zur G¨ ultigkeit der Ungleichung ab − c2 < 0 a¨quivalent ist.
In Kapitel 5 werden wir diesen Satz f¨ ur beliebige Dimensionen formulieren und beweisen.
1 Differentialrechnung im Rn
18 1.16 Beispiel. Die Matrizen A=
5 3 , 3 2
B=
2 4 , 4 8
5 4 C= 4 3
sind positiv definit bzw. positiv semidefinit bzw. indefinit.
1.3.5
Schnittfunktionen
Es seien D ⊂ Rn und f : D → R eine reellwertige Funktion. Will man etwa ¨ den Einfluss der Variablen x1 auf das Anderungsverhalten von f untersuchen, so liegt es nahe, die u brigen Variablen x , . . . , x festzuhalten und die Schnitt¨ 2 n ¨ funktion x1 → f (x1 , . . . , xn ) zu betrachten. In Ubereinstimmung mit der schon fr¨ uher verwendeten Punkt-Schreibweise bezeichnen wir diese Funktion auch mit f (·, x2 , . . . , xn ). Bei fixierten Variablen x2 , . . . , xn ist diese Schnittfunktion eine Funktion einer reellen Variablen, die auf der (von x2 , . . . , xn abh¨ angenden) Menge {x1 : (x1 , . . . , xn ) ∈ D} definiert ist. F¨ ur beliebiges j ∈ {1, . . . , n} definiert man die Schnittfunktion von xj bei Festhalten aller u ¨ brigen Variablen analog. Bild 1.7 motiviert die Bezeichnung Schnittfunktion. Die Abbildung zeigt einen Ausschnitt des Graphen G := {(x1 , x2 , f (x1 , x2 )) : x1 , x2 ∈ R} einer auf der ganzen Ebene R2 definierten Funktion f als hellgraue Fl¨ ache im R3 . Wird der Variablen x2 der feste Wert a2 zugewiesen, so schneidet man diese Fl¨ ache mit der dunkelgrau gezeichneten Ebene H := {(x1 , x2 , x3 ) : x1 , x3 ∈ R, x2 = a2 }. Der Graph der Schnittfunktion x1 → f (x1 , a2 ) wird dann als Durchschnitt G ∩ H der Mengen G und H sichtbar. Die Stetigkeit von f impliziert die Stetigkeit aller Schnittfunktionen. Wie das folgende Beispiel zeigt, kann man aber von der Stetigkeit der Schnittfunktionen nicht auf die Stetigkeit der Funktion selbst schließen. 1.17 Beispiel. Die Funktion f : R2 → R sei durch f (x, y) :=
xy x2 +y2 ,
falls (x, y) = (0, 0),
0,
falls (x, y) = (0, 0),
definiert. Man erkennt leicht, dass f in jedem Punkt (x, y) = (0, 0) stetig ist. Wegen f (x, 0) = f (0, y) = 0 sind die Schnittfunktionen x → f (x, 0) und y → f (0, y) stetig. Andererseits gilt f (1/k, 1/k) = 1/2 = 0 f¨ ur jedes k ∈ N, was zeigt, dass f im Punkt (0, 0) nicht stetig ist.
1.3 Stetigkeit und Grenzwerte von Funktionen f (x1 , x2 )
19 Schnittebene“ ” {(x1 , x2 , x3 ) : x2 = a2 } Graph der Schnittfunktion x1 → f (x1 , a2 )
a2
x2
x1 Bild 1.7: Zur Definition der Schnittfunktion
1.3.6
Eigenschaften stetiger Funktionen
Die εδ-Charakterisierung der Stetigkeit einer Funktion in einem Punkt (Satz I.6.4) l¨asst sich fast w¨ ortlich auf den allgemeineren Fall einer Funktion f : D → Rm n mit D ⊂ R u ¨bertragen. Die Funktion f ist genau dann stetig in x0 ∈ D, wenn es zu jedem ε > 0 ein δ > 0 gibt, so dass gilt: f (x) − f (x0 )2 ≤ ε
f¨ ur jedes x ∈ D mit x − x0 2 ≤ δ.
ultig ist (vgl. Satz 1.5), Da der Satz von Bolzano–Weierstraß auch im Rn g¨ k¨onnen wir jetzt die f¨ ur den Fall m = n = 1 formulierten S¨ atze I.6.5 und I.6.6 auf die allgemeine Situation u bertragen. Dabei benutzen wir die folgende Definition. ¨ n Eine auf einer Teilmenge D ⊂ R definierte reellwertige Funktion f heißt beschr¨ankt , wenn das Bild f (D) eine beschr¨ ankte Menge ist, wenn es also ein C > 0 mit der Eigenschaft f (x)2 ≤ C f¨ ur jedes x ∈ D gibt. 1.18 Satz. (Eigenschaften stetiger Funktionen) Sind D ⊂ Rn eine beschr¨ankte, abgeschlossene Menge und f : D → R eine stetige Funktion, so gilt: (i) Die Funktion f ist beschr¨ankt. (ii) Die Funktion f nimmt auf D ihr Minimum und ihr Maximum an, d.h. es gibt x1 , x2 ∈ D mit f (x1 ) = min{f (x) : x ∈ D},
f (x2 ) = max{f (x) : x ∈ D}.
1 Differentialrechnung im Rn
20
Wie das folgende Beispiel zeigt, ist die Abgeschlossenheit des Definitionsbereichs D eine wesentliche Voraussetzung f¨ ur die G¨ ultigkeit der Behauptungen (i) und (ii). 1.19 Beispiel. Die auf der beschr¨ankten Menge D = {x ∈ Rn : x2 < 1} des Rn definierte Funktion f (x) = 1/(1 − x2 ) ist stetig, aber nicht beschr¨ ankt. Sie nimmt auf D zwar ihr Minimum (= 1), aber nicht ihr Maximum an. Man beachte, dass die Menge D nicht abgeschlossen ist. Auch der Beweis des n¨achsten Satzes ist ganz analog zu dem von Satz I.7.7. 1.20 Satz. (Gleichm¨aßige Stetigkeit) ankte Menge und Es seien m, n ∈ N, D ⊂ Rn eine abgeschlossene und beschr¨ g : D → Rm eine stetige Funktion. Dann gibt es zu jedem ε > 0 ein δ > 0, so dass g(x) − g(x0 )2 ≤ ε
f¨ ur alle x, x0 ∈ D mit x − x0 2 ≤ δ.
(1.26)
Schließlich notieren wir noch die folgende n¨ utzliche Charakterisierung der Stetigkeit. 1.21 Satz. (Charakterisierung der Stetigkeit) Es seien D ⊂ Rn eine offene Menge und f : D → Rm eine Funktion. Dann sind die folgenden Aussagen ¨aquivalent: (i) Die Funktion f ist stetig. (ii) Das Urbild f −1 (U ) jeder offenen Menge U ⊂ Rm ist offen. Beweis: (i)⇒(ii): Es sei U ⊂ Rm eine offene Menge. Wir w¨ ahlen ein x0 ∈ f −1 (U ) und −1 haben zu zeigen, dass x0 ein innerer Punkt von f (U ) ist. Es sei y0 := f (x0 ) ∈ U . Weil U offen ist, gibt es ein ε > 0 mit B(y0 , ε) ⊂ U , und nach der obigen εδ-Charakterisierung der Stetigkeit in x0 gibt es ein δ > 0 mit f (x) ∈ B(y0 , ε) ⊂ U
f¨ ur jedes x ∈ B(x0 , δ) ∩ D.
Weil D offen ist, kann man δ so klein w¨ahlen, dass B(x0 , δ) ⊂ D gilt. Folglich ist unscht. B(x0 , δ) ⊂ f −1 (U ), wie gew¨ (ii)⇒(i): Es seien x0 ∈ D und ε > 0. Nach Voraussetzung ist das Urbild G von B ◦ (f (x0 ), ε) (unter der Abbildung f ) offen. Also gibt es ein δ > 0 mit B(x0 , δ) ⊂ G. Das bedeutet aber f (x)− f (x0 )2 ≤ ε f¨ ur alle x ∈ B(x0 , δ). Damit ist der Satz bewiesen.
1.3.7
H¨ aufungspunkte, Grenzwerte von Funktionen
Ein Punkt a ∈ Rn heißt H¨ aufungspunkt einer Menge D ⊂ Rn , falls jede Umgebung von a unendlich viele (verschiedene) Punkte aus D enth¨ alt.
1.4 Differentiation
21
aufungspunkt von D, wenn es Offenbar ist ein Punkt a ∈ Rn genau dann ein H¨ eine gegen a konvergierende Folge (xk ) in D gibt, so dass jedes Folgenglied xk von a verschieden ist. Gleichbedeutend hiermit ist die Aussage, dass jede Umgebung von a mindestens einen Punkt aus D \ {a} enth¨ alt. Jeder innere Punkt von D ist auch H¨aufungspunkt von D. Wie das Beispiel D = {0} zeigt, muss ein Randpunkt einer Menge nicht notwendig H¨aufungspunkt der Menge sein. Ist D eine abgeschlossene Kugel, so ist jeder Punkt von D auch H¨ aufungspunkt von D. Gleiches gilt f¨ ur Quader der Form {x = (x1 , . . . , xn ) : bj ≤ xj ≤ cj f¨ ur j = 1, . . . , n}. Hierbei gelte bj < cj f¨ ur j = 1, . . . , n. Das Wort Quader“ ist dabei durch den Fall ” n = 3 motiviert. In den F¨allen n = 1 und n = 2 ist ein Quader ein abgeschlossenes Intervall bzw. ein abgeschlossenes Rechteck. Es seien D ⊂ Rn , a ∈ Rn ein H¨aufungspunkt von D und f : D → R eine ¯ Grenzwert von f an der Stelle a, wenn Folgendes Funktion. Dann heißt y ∈ R richtig ist: f¨ ur jede gegen a konvergierende Folge (xk ) in D mit der Eigenschaft xk = a f¨ ur jedes k ∈ N gilt limk→∞ f (xk ) = y. In diesem Fall schreibt man lim f (x) = y
x→a
oder f (x) → y f¨ ur x → a. 1.22 Beispiel. Wie in Beispiel 1.17 betrachten wir die auf D := R2 \ {(0, 0)} definierte Funktion f (x, y) :=
x2
xy . + y2
Der Punkt (0, 0) ist ein H¨aufungspunkt von D. F¨ ur jedes c ∈ R und jedes k ∈ N 2 gilt f (1/k, c/k) = c/(1 + c ). Damit besitzt f keinen Grenzwert an der Stelle (0, 0). Insbesondere kann man den Funktionswert f (0, 0) nicht so festlegen, dass die dann auf ganz R2 definierte Funktion f im Punkt (0, 0) stetig w¨ are.
1.4
Differentiation
In diesem Abschnitt fixieren wir eine Menge D ⊂ Rn , deren Inneres D ◦ nichtleer ist, sowie eine Funktion f : D → R. Wie im Fall einer Funktion einer Variablen (vgl. Kapitel I.6) soll der Frage nachgegangen werden, wie sich die Werte f (x) ¨ bei Anderungen des Argumentes x verhalten. Im Gegensatz zu fr¨ uher besteht ein wesentlicher Unterschied im Fall n ≥ 2 darin, dass die Ann¨ aherung x → a an den Punkt a von ganz verschiedenen Richtungen aus“ erfolgen kann. Ist etwa n = 2 ” und somit x = (x1 , x2 ) sowie a = (a1 , a2 ), so k¨ onnten wir x2 := a2 setzen und
1 Differentialrechnung im Rn
22
x1 eine gegen a1 konvergierende Folge durchlaufen lassen. In diesem Fall w¨ urden wir uns dem Punkt a in einem kartesischen Koordinatensystem von Ost-West“, ” also auf einer zur Abszisse parallelen Achse durch den Punkt a, ann¨ ahern. In gleicher Weise k¨ onnten wir uns dem Punkt a aber auch in Nord–S¨ ud-Richtung“ ” n¨ahern, wenn wir x1 := a1 setzen und x2 eine gegen a2 konvergierende Folge durchlaufen lassen. Man beachte, dass es unz¨ ahlige weitere M¨ oglichkeiten der Wahl von Folgen mit dem Grenzwert a gibt. Die beiden Spezialf¨ alle, eine der beiden Variablen konstant zu lassen und nur das jeweils andere Argument zu ver¨andern, f¨ uhren uns auf vertrautes Terrain; nur der im Folgenden vorgestellte Begriff der partiellen Ableitung ist neu.
1.4.1
Partielle Ableitungen
¨ Um den Einfluss einer bestimmten Variablen xj auf das Anderungsverhalten einer Funktion f der n Variablen x1 , . . . , xn zu untersuchen, fixiert man die u ¨brigen Variablen x1 , . . . , xj−1 , xj+1 , . . . , xn und betrachtet die Schnittfunktion x → f (x1 , . . . , xj−1 , x, xj+1 , . . . , xn ) (vgl. 1.3.5). Ist diese Funktion an der Stelle xj differenzierbar, so nennt man die Ableitung die partielle Ableitung von f nach der Variablen xj im Punkt (oder an der Stelle) (x1 , . . . , xn ). Die ausf¨ uhrliche Definition ist wie folgt: Die Funktion f heißt in einem inneren Punkt a = (a1 , . . . , an ) von D partiell differenzierbar nach (der j-ten Variablen) xj , wenn der Grenzwert ∂f f (a1 , . . . , aj−1 , x, aj+1 , . . . , an ) − f (a) (a) := lim x→aj ∂xj x − aj f (a1 , . . . , aj−1 , aj + h, aj+1 , . . . , an ) − f (a) = lim h→0 h
(1.27)
existiert und endlich ist. Dieser auch mit ∂f (a) ∂f := (a), ∂xj ∂xj
fxj (a) :=
∂f (a) ∂xj
oder ∂j f (a) :=
∂f (a) ∂xj
bezeichnete Grenzwert heißt dann partielle Ableitung von f nach xj im Punkt (oder an der Stelle) a. Man erh¨alt also die partielle Ableitung von f nach xj , indem man alle anderen Variablen als Konstanten betrachtet und die dann nur noch von xj abh¨ angende Funktion in gewohnter Weise nach xj differenziert. Ist die Funktion f in jedem Punkt x ∈ D ◦ partiell differenzierbar nach xj , so heißt die Funktion x → fxj (x) von D ◦ in R partielle Ableitung von f nach xj . ∂f Andere u ur fxj sind ∂x oder ∂j f . ¨bliche Bezeichnungen f¨ j
1.4 Differentiation
23
F¨ ur n = 1 stimmt die partielle Ableitung nat¨ urlich mit der Ableitung u ¨ berein. In diesem Fall schreibt man auch df (a) := f (a) dx
bzw. (etwas ungenauer)
df (x) := f (x), dx
(1.28)
verwendet also ein gew¨ohnliches d“ im Gegensatz zur Notation ∂“, welche aus” ” schließlich der partiellen Ableitungsbildung vorbehalten ist. Bild 1.8 illustriert die geometrische Bedeutung der partiellen Ableitung. Die Abbildung zeigt einen Ausschnitt des Graphen einer auf der ganzen Ebene R2 definierten Funktion f als hellgraue Fl¨ache im R3 . Der Schnitt dieser Fl¨ ache mit der dunkelgrau gezeichneten Ebene H := {(x1 , x2 , x3 ) ∈ R3 : x2 = a2 } liefert den Graphen der Schnittfunktion x1 → f (x1 , a2 ) als Schnittkurve“ im R3 . Die ” partielle Ableitung fx1 (a) ist die Steigung der durch die Ebene H verlaufenden Tangente an diese Schnittfunktion durch den Punkt (a, f (a)). f (x1 , x2 ) Tangente an die Schnittfunktion x1 → f (x1 , a2 ) im Punkt (a, f (a)), Anstieg = fx1 (a)
(a, f (a)) •
x2
•
(a, 0)
x1 Bild 1.8: Geometrische Bedeutung der partiellen Ableitung fx1 (a)
1.23 Beispiel. Die durch f (u, v) := u sin(v)+v 2 eu definierte Funktion ist in jedem Punkt (u, v) ∈ R2 nach jeder Variablen partiell differenzierbar, und es gilt ∂f (u, v) = sin(v) + v2 eu , ∂u
∂f (u, v) = u cos(v) + 2veu . ∂v
1 Differentialrechnung im Rn
24
1.24 Beispiel. (Quadratische Formen) Es sei A = (ajk ) eine symmetrische n × n-Matrix. Dann ist die quadratische Form n
QA (x) = x, Ax =
ajk xj xk
j,k=1
in jedem Punkt x ∈ Rn partiell differenzierbar nach xi , und es gilt ∂ ∂ ∂ aik xi xk + aji xj xi + aii x2i ∂xi ∂xi ∂xi k=i j=i = aik xk + ajixj + 2aii xi
∂i QA (x) =
k=i n
=2
j=i
aij xj .
j=1
1.25 Beispiel. Die Funktion f (x) := exp(QA (x)) mit A wie in Beispiel 1.24 ist in jedem Punkt x ∈ Rn partiell differenzierbar nach xi , und aus der Kettenregel (vgl. I.6.6.9) folgt ∂i f (x) = 2 exp(QA (x))
n
aij xj ,
x ∈ Rn .
j=1
1.4.2
Partielle Differenzierbarkeit und Gradient
Die Funktion f heißt in einem Punkt a ∈ D◦ partiell differenzierbar, wenn sie dort nach jeder der n Variablen partiell differenzierbar ist. In diesem Fall nennt man den Vektor f (a) := (∂1 f (a), . . . , ∂n f (a))
(1.29)
den Gradienten von f im Punkt a. In der Literatur findet man hierf¨ ur auch die Schreibweisen grad f (a) := f (a) oder ∇f (a) := f (a). Ist die Funktion in jedem Punkt a ∈ D◦ partiell differenzierbar, so heißt f partiell differenzierbar (auf D ◦ ). In diesem Fall bezeichnet f die Abbildung x → f (x) von D ◦ in Rn . Sind dar¨ uber hinaus alle partiellen Ableitungen stetig, so nennt man f stetig partiell differenzierbar oder auch eine C 1 -Funktion. Bei dieser Sprechweise wird stillschweigend angenommen, dass der Definitionsbereich D offen ist, also D ◦ = D gilt.
1.4 Differentiation
25
1.26 Beispiel. F¨ ur die Funktion f (u, v) := u sin(v) + v 2 eu aus Beispiel 1.23 gilt
f (u, v) = sin(v) + v 2 eu , u cos(v) + 2veu ,
u, v ∈ R.
Da die partiellen Ableitungen stetig sind, ist f eine C 1 -Funktion auf R2 . Das folgende Beispiel zeigt, dass eine partiell differenzierbare Funktion nicht stetig sein muss. 1.27 Beispiel. F¨ ur die durch
f (x, y) :=
xy (x2 +y2 )2 ,
falls (x, y) = (0, 0),
0,
falls (x, y) = (0, 0),
definierte Funktion f : R2 → R gilt f (x, 0) = f (0, y) = 0 (x, y ∈ R) und somit fx (0, 0) = fy (0, 0) = 0. F¨ ur (x, y) = (0, 0) ergibt sich y 4x2 y − , (x2 + y 2 )2 (x2 + y 2 )3 x 4xy 2 − . fy (x, y) = 2 (x + y 2 )2 (x2 + y 2 )3
fx (x, y) =
Die Funktion f ist also partiell differenzierbar. Andererseits gilt f (1/k, 1/k) = k2 /4 → ∞ f¨ ur k → ∞. Damit ist f nicht stetig im Punkt (0, 0). Im obigen Beispiel sind die partiellen Ableitungen in jeder Umgebung von (0, 0) nicht beschr¨ankt. Jedoch gilt: 1.28 Satz. (Partielle Differenzierbarkeit und Stetigkeit) Die Funktion f sei in jedem Punkt einer Umgebung U ⊂ D von a ∈ D partiell differenzierbar, und die partiellen Ableitungen seien dort beschr¨ ankt. Dann ist f stetig in a. Beweis: Wir f¨ uhren den Beweis f¨ ur den Fall n = 2; der allgemeine Beweis erfolgt analog. Wir setzen a =: (a1 , a2 ) und w¨ahlen δ > 0 so klein, dass die Menge Uδ := {(x, y) : |x − a1 | ≤ δ, |y − a2 | ≤ δ} Teilmenge von U ist. F¨ ur (x, y) ∈ Uδ liefert der erste Mittelwertsatz (vgl. Satz I.6.50) die Darstellung f (x, y) − f (a1 , a2 ) = f (x, y) − f (x, a2 ) + f (x, a2 ) − f (a1 , a2 ) = fy (x, ξ2 )(y − a2 ) + fx (ξ1 , a2 )(x − a1 )
1 Differentialrechnung im Rn
26
mit einem ξ1 zwischen a1 und x und einem ξ2 zwischen a2 und y. Weil die partiellen Ableitungen auf Uδ beschr¨ankt sind, gibt es ein C > 0 mit |f (x, y) − f (a1 , a2 )| ≤ C|y − a2 | + C|x − a1 |. F¨ ur (x, y) → a strebt dieser Ausdruck gegen 0. Die Funktion f ist also stetig in a.
Wegen Satz 1.18 sind die Voraussetzungen von Satz 1.28 erf¨ ullt, falls die partiellen Ableitungen in jedem Punkt einer Umgebung von a existieren und stetig sind.
1.4.3
H¨ ohere partielle Ableitungen
Die Funktion f sei partiell differenzierbar auf der offenen Menge D. Sind i, j ∈ {1, . . . , n} und ist ∂i f partiell differenzierbar nach xj , so heißt die Funktion ∂2f ∂f ∂ (kurz: ∂j ∂i f := ∂j (∂i f )) := ∂xj ∂xi ∂xj ∂xi partielle Ableitung zweiter Ordnung (nach xi und nach xj ) von f . Induktiv definiert man f¨ ur k ≥ 2 und i1 , . . . , ik ∈ {1, . . . , n} h¨ohere Ableitungen k-ter Ordnung durch ∂ k−1 f ∂ ∂k f . := ∂xik . . . ∂xi1 ∂xik ∂xik−1 . . . ∂xi1 Andere Schreibweisen hierf¨ ur sind fxi1 ,...,xik bzw. ∂ik . . . ∂i1 f . Die Funktion f heißt k-mal partiell differenzierbar , falls alle partiellen Ableitungen k-ter Ordnung existieren. Sind diese Ableitungen dar¨ uber hinaus stetig, so nennt man f k-mal stetig partiell differenzierbar oder auch eine C k -Funktion. Diese Bezeichnung wird zweckm¨aßigerweise noch um den Fall k = 0 erweitert: eine Funktion f : D → R heißt C 0 -Funktion, wenn sie auf D stetig ist. Man beachte, dass die Indizes i1 , . . . , ik in der obigen Definition nicht paarweise verschieden sein m¨ ussen. Beispielsweise sind im Fall n = 2 die Funktionen ∂1 ∂1 f , ∂1 ∂2 f , ∂2 ∂1 f und ∂2 ∂2 f die h¨oheren Ableitungen zweiter Ordnung. Alternative 2 2 ur Schreibweisen f¨ ur ∂1 ∂1 f bzw. ∂2 ∂2 f sind ∂∂xf2 bzw. ∂∂xf2 . Entsprechendes gilt f¨ 1 2 Funktionen von drei oder mehr Ver¨anderlichen. F¨ ur den Fall einer Ver¨ anderlichen schreibt man f¨ ur jedes k ∈ N (analog zu (1.28)) dk f (a) := f (k) (a) bzw. (etwas ungenauer) dxk
dk f (x) := f (k)(x). dxk
1.29 Beispiel. (Fortsetzung von Beispiel 1.23) F¨ ur die durch f (u, v) := u sin(v) + v 2 eu definierte Funktion gilt ∂2f = v 2 eu , ∂u2
∂2f ∂2f = cos(v) + 2veu = , ∂u∂v ∂v∂u
∂2f = −u sin(v) + 2eu . ∂v2
1.4 Differentiation
27
Da diese partiellen Ableitungen stetig sind, ist f eine C 2 -Funktion auf R2 . 1.30 Beispiel. F¨ ur die durch f (x, y) :=
xy · 0,
x2 −y2 , x2 +y2
falls (x, y) = (0, 0), falls (x, y) = (0, 0),
definierte Funktion gilt ∂1 f (x, y) =
y(x2 − y 2 ) xy(2x) xy(x2 − y 2 )(2x) + − , x2 + y 2 x2 + y 2 (x2 + y 2 )2
ur jedes x ∈ R. falls (x, y) = (0, 0). Wegen f (x, 0) = 0 gilt ferner ∂1 f (x, 0) = 0 f¨ (Der Leser m¨oge sich u ¨ berlegen, dass ∂1 f eine stetige Funktion auf R2 ist.) Aus ∂1 f (0, y) = −y f¨ ur jedes y ∈ R folgt ∂2 ∂1 f (0, 0) = −1. Analog folgt ∂2 f (x, 0) = x f¨ ur jedes x ∈ R und damit ∂1 ∂2 f (0, 0) = 1. Im Gegensatz zu Beispiel 1.29 sind also die gemischten“ partiellen Ableitungen zweiter Ordnung verschieden! ” Man kann sich leicht davon u ¨ berzeugen, dass die partiellen Ableitungen im obigen Beispiel nicht stetig sind. Wie das folgende Resultat zeigt, ist unter Stetigkeitsvoraussetzungen (welche in Beispiel 1.29 vorliegen) die Reihenfolge der Variablen beim partiellen Differenzieren beliebig vertauschbar. 1.31 Satz. (Vertauschbarkeitssatz von H.A. Schwarz) Es seien D ⊂ Rn eine offene Menge, und die Funktion f : D → R sei zweimal stetig partiell differenzierbar. Dann gilt f¨ ur alle i, j ∈ {1, . . . , n} ∂j ∂i f = ∂i ∂j f. Beweis: Es gen¨ ugt, den Beweis f¨ ur den Fall n = 2 zu f¨ uhren. Wir k¨ onnen dann i = 1 und j = 2 annehmen. Ist (a, b) ein beliebiger Punkt aus D, so gibt es aufgrund der Offenheit von D ein ε > 0 mit Uε := {(x, y) : |x − a| ≤ ε, |y − b| ≤ ε} ⊂ D. F¨ ur (x, y) ∈ Uε mit x = a und y = b betrachten wir die Funktion h(x, y) := f (x, y) − f (a, y) − f (x, b) + f (a, b) und setzen kurz Z(y) := f (x, y) − f (a, y). Durch zweimalige Anwendung des Mittelwertsatzes ergibt sich h(x, y) = Z(y) − Z(b) = Z (ξ2 )(y − b) = (fy (x, ξ2 ) − fy (a, ξ2 ))(y − b) = fy,x (ξ1 , ξ2 )(x − a)(y − b)
1 Differentialrechnung im Rn
28
f¨ ur ein ξ2 zwischen b und y und ein ξ1 zwischen a und x. Analog erhalten wir h(x, y) = f (x, y) − f (x, b) − (f (a, y) − f (a, b)) = (fx (η1 , y) − fx (η1 , b))(x − a) = fx,y (η1 , η2 )(x − a)(y − b) f¨ ur ein η1 zwischen a und x und ein η2 zwischen b und y. Wegen x = a und y = b folgt fy,x (ξ1 , ξ2 ) = fx,y (η1 , η2 ). Beim Grenz¨ ubergang (x, y) → (a, b) gilt auch (ξ1 , ξ2 ) → (a, b) und (η1 , η2 ) → (a, b), so dass die Stetigkeit der obigen partiellen Ableitungen die Gleichung fy,x (a, b) = fx,y (a, b) liefert.
Ist f mehr als zweimal stetig partiell differenzierbar, so kann man Satz 1.31 mehrfach anwenden. Es folgt: 1.32 Folgerung. (Reihenfolge der Differentiationen) Ist k ≥ 2 und f eine C k -Funktion, so ist die Reihenfolge der Differentiationen zur Bildung der partiellen Ableitungen bis zur k-ten Ordnung beliebig vertauschbar.
1.4.4
¨ Das lokale Anderungsverhalten einer C 1 -Funktion
Es seien D ⊂ Rn eine offene Menge, f : D → R eine C 1 -Funktion und a ∈ D. In Verallgemeinerung der bisherigen Betrachtungen untersuchen wir jetzt das ¨ Anderungsverhalten von f , also die mit Δf (x) := f (x) − f (a),
x ∈ D,
bezeichnete Differenz bei beliebiger Ann¨aherung x → a. Es wird sich zeigen, dass Δf (x) beim Grenz¨ ubergang x → a in erster Approximation durch die Funktion ¨ ur das lokale Anderungsverhalten von f an x → f (a), x − a beschrieben wird; f¨ der Stelle a kommt also dem Gradienten f (a) von f im Punkt a eine ausgezeichnete Rolle zu. Aus rein schreibtechnischen Gr¨ unden beschr¨ anken wir uns auf den Fall n = 2 und setzen a =: (a1 , a2 ), x =: (x1 , x2 ) sowie h1 := x1 − a1 , h2 := x2 − a2 . Die Grundidee besteht darin, die Differenz Δf (x) in der Form Δf (x) = f (a1 + h1 , a2 + h2 ) − f (a1 , a2 + h2 ) + f (a1 , a2 + h2 ) − f (a1 , a2 )
(1.30) (1.31)
als Summe zweier Funktions¨anderungen bei Festhalten jeweils einer Variablen ¨ darzustellen. Dieser Zerlegung entspricht ein Ubergang von a zu x in zwei Schritten, n¨amlich zun¨achst in Nord-S¨ ud-Richtung“ von (a1 , a2 ) zu (a1 , a2 + h2 ) (die” ser Schritt liefert die in (1.31) stehende Differenz) und danach in West-Ost” ¨ des Argumentes Richtung“ von (a1 , a2 + h2 ) zu (a1 + h1 , a2 + h2 ) (diese Anderung bewirkt den in (1.30) auftretenden Beitrag zu Δf (x), vgl. Bild 1.9).
1.4 Differentiation
29
x •
a2 +h2
Bild 1.9: Zerlegung von Δf (x) ¨ durch Ubergang von a zu x in zwei Schritten
a •
a2
a1
a1 +h1
Es seien |h1 | und |h2 | so klein gew¨ahlt, dass das Rechteck [a1 − |h1 |, a1 + |h1 |] × [a2 − |h2 |, a2 + |h2 |] ganz in D enthalten ist. Eine Anwendung des ersten Mittelwertsatzes (Satz I.6.50) auf die Schnittfunktion f (·, a2 + h2 ) liefert dann f (a1 + h1 , a2 + h2 ) − f (a1 , a2 + h2 ) = fx1 (ξ1 , a2 + h2 ) · h1 = fx1 (a1 , a2 ) · h1 + R1 · h1 , wobei ξ1 zwischen a1 und a1 + h1 liegt und der K¨ urze halber R1 := fx1 (a1 , a2 + h2 ) − fx1 (a1 , a2 ) gesetzt wurde. In gleicher Weise ergibt sich f (a1 , a2 + h2 ) − f (a1 , a2 ) = fx2 (a1 , ξ2 ) · h2 = fx2 (a1 , a2 ) · h2 + R2 · h2 mit einem ξ2 zwischen a2 und a2 + h2 und der abk¨ urzenden Schreibweise R2 := fx2 (a1 , ξ2 ) − fx2 (a1 , a2 ). Man beachte, dass R1 = R1 (x,a) und R2 = R2 (x,a) Funktionen von x und a sind. Insgesamt folgt also Δf (x) = fx1 (a) · (x1 − a1 ) + fx2 (a) · (x2 − a2 ) + R(x,a)
(1.32)
f (x) = f (a) + f (a), x − a + R(x,a)
(1.33)
bzw.
mit einer durch R(x,a) := R1 (x,a) · (x1 − a1 ) + R2 (x,a) · (x2 − a2 )
1 Differentialrechnung im Rn
30
definierten Restfunktion“ R(x,a). Dabei gilt f¨ ur x = a ” |R(x,a)| |R(x,a)| ≤ |R1 (x,a)| + |R2 (x,a)|. = |x1 − a1 | + |x2 − a2 | x − a1 Nach Definition von R1 (x,a) und R2 (x,a) und der Stetigkeit der partiellen Abubergang x → a leitungen fx1 und fx2 strebt der letzte Ausdruck beim Grenz¨ gegen Null. Da die Betragssummennorm · 1 zur euklidischen Norm ¨ aquivalent ist (vgl. (1.14), (1.15)), folgt dann auch R(x,a) = 0. x→a x − a2 lim
(1.34)
Diese Betrachtungen motivieren die nachfolgende grundlegende Begriffsbildung.
1.4.5
Totale Differenzierbarkeit
Es seien D ⊂ Rn eine Menge mit D◦ = ∅ und f : D → R eine Funktion. Die Funktion f heißt ( total bzw. vollst¨andig ) differenzierbar im Punkt a ∈ D◦ , wenn gilt: (i) f ist partiell differenzierbar in a. (ii) Es gilt f (x) − f (a) − f (a), x − a = 0. x→a x − a2 lim
(1.35)
In diesem Fall heißt der Gradient f (a) = (∂1 f (a), . . . , ∂n f (a)) die Ableitung von f an der Stelle a. Die Funktion f heißt (total bzw. vollst¨andig) differenzierbar, falls sie in jedem Punkt von D◦ differenzierbar ist. Offenbar steht diese Definition im Spezialfall n = 1 ganz im Einklang mit dem aus I.6.6.1 bekannten Differenzierbarkeitsbegriff. Die Differenzierbarkeit einer Funktion f einer Variablen x im Punkt a ∈ D ◦ ist zu Bedingung (i) ¨ aquivalent. Besitzt f im Punkt a die Ableitung f (a), so gilt f (x) − f (a) − f (a) = 0 lim x→a x−a
und somit auch lim
x→a
f (x) − f (a) − f (a)(x − a) |x − a|
= 0,
also (ii). Zwischen den Begriffen partielle und totale Differenzierbarkeit besteht folgender Zusammenhang.
1.4 Differentiation
31
1.33 Satz. (Totale und partielle Differenzierbarkeit) (i) Die Funktion f ist genau dann im Punkt a ∈ D◦ differenzierbar, wenn es einen Vektor k ∈ Rn gibt, so dass gilt: f (x) − f (a) − k, x − a = 0. x→a x − a2 lim
(1.36)
In diesem Fall ist f partiell differenzierbar in a, und es gilt k = f (a). (ii) Jede C 1 -Funktion ist differenzierbar. Beweis: (i) Die Gleichung (1.35) impliziert (1.36) f¨ ur k = f (a). Es sei jetzt umgekehrt uge, d.h. es vorausgesetzt, dass der Vektor k = (k1 , . . . , kn ) der Bedingung (1.36) gen¨ gelte f (a + h) − f (a) − k, h = 0. h→0 h2 lim
(1.37)
ahlen wir in (1.37) speziell h = tej Es sei ej der j-te kanonische Einheitsvektor im Rn . W¨ (t = 0), so folgt f¨ ur jedes j ∈ {1, . . . , n} lim
f (a + tej ) − f (a) − tkj =0 |t|
lim
f (a + tej ) − f (a) − tkj =0 t
t→0
und somit t→0
bzw.
f (a + tej ) − f (a) = kj . t→0 t lim
Die Funktion f ist also partiell differenzierbar in a, und es gilt k = f (a). (ii) Diese Aussage folgt unmittelbar aus (1.33) und (1.34) .
Nach Satz 1.33 ist f genau dann eine C 1 -Funktion, also stetig partiell differenzierbar, wenn f differenzierbar ist und die Abbildung x → f (x) von D in Rn stetig ist. Aus diesem Grund nennt man eine C 1 -Funktion auch eine stetig differenzierbare Funktion. Wie im Fall n = 1 ist jede differenzierbare Funktion insbesondere auch stetig. Aus der Differenzierbarkeit von f in a folgt n¨ amlich mit (1.35) die Konvergenz lim (f (x) − f (a) − f (a), x − a) = 0
x→a
und somit f (x) → f (a) f¨ ur x → a. Zusammen mit Beispiel 1.27 zeigt diese ¨ Uberlegung, dass allein aus der partiellen Differenzierbarkeit im Allgemeinen nicht die Differenzierbarkeit gefolgert werden kann!
1 Differentialrechnung im Rn
32
1.4.6
Geometrische Interpretation der Differenzierbarkeit
Eine in einem Punkt a = (a1 , . . . , an ) differenzierbare Funktion f : D → R wird nach (1.35) in der N¨ahe des Punktes a durch die Funktion g(x) := f (a) + f (a), x − a,
x ∈ Rn ,
approximiert, denn es gilt lim
x→a
f (x) − g(x) = 0. x − a2
(1.38)
Wegen g(x) = f (a), x + f (a) − f (a),a ist g : Rn → R die Summe einer linearen Funktion und einer Konstanten; eine Funktion dieser Gestalt wird affin genannt. Der Graph von g ist die den Punkt (a1 , . . . , an , f (a)) enthaltende Menge Tf (a) aller Punkte (x1 , . . . , xn , y) ∈ Rn+1 , die der Gleichung y = f (a) +
n
∂j f (a) · (xj − aj )
(1.39)
j=1
gen¨ ugen. Da das (im Rn+1 gebildete) Skalarprodukt der beiden Vektoren n ∂j f (a) · (xj − aj ) , (∂1 f (a), . . . , ∂n f (a), −1) x1 , . . . , xn , f (a) + j=1
unabh¨angig von (x1 , . . . , xn ) ∈ Rn den Wert n
∂j f (a) · aj − f (a)
j=1
annimmt, ist Tf (a) eine Hyperebene im Rn+1 (vgl. I.8.6.2), die sogenannte Tangentialebene (im Fall n = 1: Tangente) an (den Graphen von) f im Punkt (a, f (a)). Gleichung (1.38) bedeutet, dass sich diese Hyperebene in einer Umgebung von (a, f (a)) an den Graphen von f anschmiegt“. Bild 1.10 veranschaulicht ” den Fall n = 2. Bezeichnet ej den j-ten kanonischen Einheitsvektor im Rn , und setzt man in (1.39) λj := xj − aj , so ergibt sich, dass Tf (a) die Menge aller Vektoren der Gestalt (a, f (a)) +
n
λj (ej , fxj (a)),
λ1 , . . . , λn ∈ R,
(1.40)
j=1
ist. Die Tangentialhyperebene wird also von den in (a, f (a)) angetragenen (linear unabh¨angigen) Vektoren (ej , fxj (a)), j = 1, . . . , n, aufgespannt.
1.4 Differentiation
33
f (x1 , x2 ) Tf (a) (a, f (a)) Bild 1.10: Tangentialebene an f im Punkt (a, f (a))
•
•
x2
a (a, 0)
x1
Aus Darstellung (1.40) wird auch die geometrische Bedeutung der partiellen Ableitungen fxj (a) deutlich: Da fxj (a) den Tangens des Neigungswinkels der Tangente an die Schnittfunktion x → f (a1 , . . . , aj−1 , x, aj+1 , . . . , an ) an der Stelle aj angibt, bestimmt die partielle Ableitung fxj (a) den Neigungswinkel der Tangentialebene an f im Punkt (a, f (a)) mit der xj -Achse eines kartesischen Koordinatensystems im Rn . Bildet man das Skalarprodukt der Vektoren (ej , fxj (a)) und (f (a), −1), so ergibt sich
(ej , fxj (a)), (f (a), −1) = (ej , f (a) − fxj (a) = 0,
j = 1, . . . , n.
Somit ist (∂1 f (a), . . . , ∂n f (a), −1) ein Normalenvektor der Tangentialebene; dieser Vektor steht senkrecht auf dem Richtungsraum von Tf (a) (Bild 1.11). 1.34 Beispiel. Die durch f (x) := x21 + x22 , x = (x1 , x2 ) ∈ R2 , definierte Funktion f : R2 → R (vgl. Bild 1.5 links) ist auf ganz R2 differenzierbar, und es gilt f (x) = (2x1 , 2x2 ). Die Tangentialebene Tf (a) im Punkt (a, f (a)) = (1, 0, 1) ist durch die Gleichung y = f (a) + ∂1 f (a) · (x1 − a1 ) + ∂2 f (a) · (x2 − a2 ) = 1 + 2(x1 − 1) gegeben, d.h. es gilt Tf (1, 0) = {(x1 , x2 , y) ∈ R3 : x1 , x2 ∈ R, y = 1 + 2(x1 − 1)}. Die Ebene Tf (1, 0) wird von den im Punkt (1, 0, 1) angetragenen Vektoren (1, 0, 2) und (0, 1, 0) aufgespannt. Ein Normalenvektor von Tf (1, 0) ist (2, 0, −1).
1 Differentialrechnung im Rn
34 f (x1 , x2 )
in (a, f (a)) angetragener Normalenvektor
•
•
x2
x1 Bild 1.11: Der Normalenvektor steht senkrecht auf der Tangentialebene
1.4.7
Das vollst¨ andige Differential
Die Funktion f : D → R sei im Punkt a ∈ D differenzierbar; es gelte also (i) und (ii) aus 1.4.5. Schreiben wir abk¨ urzend h := x − a f¨ ur die Differenz zwischen x und a, so geht die Grenzwertaussage (1.35) in f (a + h) − f (a) − f (a), h =0 h→0 h2 lim
(1.41)
u anderung f (a + h) − f (a) bei ¨ber. Diese Gleichung bedeutet, dass die Funktions¨ kleinem h durch das Skalarprodukt
f (a), h =
n ∂f (a) · hj ∂xj j=1
(h = (h1 , . . . , hn )) approximiert wird. Es gilt also f (a + h) ≈ f (a) + f (a), h bei kleinem h. Nach (1.41) ist diese N¨aherungsformel so gut, dass der im Z¨ ahler von (1.41) stehende Approximationsfehler sogar bei Division durch h2 f¨ ur h → 0 gegen Null konvergiert. Die lineare Abbildung h → f (a), h von Rn in R, welche die Funktions¨anderung f (a + h) − f (a) f¨ ur kleines h approximiert, heißt vollst¨andiges Differential von f im Punkt a. Sie wird auch mit df (a) oder Df (a) bezeichnet.
1.4 Differentiation
35
Man beachte, dass df (a) : Rn → R eine Funktion ist, deren Wert an der Stelle h ∈ Rn in der Form df (a)(h) geschrieben werden muss. Dagegen ist a der Punkt, an dem das vollst¨andige Differential gebildet wird. Auch a → df (a) ist eine Abbildung, n¨amlich eine Abbildung von D in die Menge aller linearen Abbildungen von Rn in R. Bei ihr handelt es sich um die Abbildung a → f (a) in etwas anderer Verkleidung. Das folgende Beispiel soll die neue Begriffsbildung illustrieren. 1.35 Beispiel. (Fortsetzung von Beispiel 1.23) F¨ ur die Funktion f (x, y) = x sin(y) + y 2 ex aus Beispiel 1.23 gilt f (a) = (sin a2 + a22 ea1 , a1 cos a2 + 2a2 ea1 ),
a = (a1 , a2 ) ∈ R2 .
Somit ist das vollst¨andige Differential df (a) : R2 → R von f an der Stelle a durch
h = (h1 , h2 ) ∈ R2 , df (a)(h) = sin a2 + a22 ea1 · h1 + (a1 cos a2 + 2a2 ea1 ) · h2 , gegeben.
1.4.8
Differentiationsregeln
Wir fahren jetzt mit einigen Differentiationsregeln fort. Zun¨ achst ergibt sich aus den Grenzwerts¨atzen 1.4 und der Definition: 1.36 Satz. (Linearit¨at des vollst¨andigen Differentials) Sind f, g : D → R im Punkt a ∈ D differenzierbar und sind λ, μ ∈ R, so ist auch die Funktion λf + μg in a differenzierbar, und es gilt (λf + μg) (a) = λ · f (a) + μ · g (a). Satz 1.36 besagt, dass die Ableitung einer Linearkombination von Funktionen gleich der Linearkombination der Ableitungen der einzelnen Funktionen ist. In Verallgemeinerung der Kettenregel (vgl. I.6.6.9) macht das n¨ achste Resultat eine Aussage u ¨ber die Ableitung einer Komposition von Abbildungen. 1.37 Satz. (Kettenregel) Es seien I ⊂ R und D ⊂ Rn offene Mengen, g eine Funktion von I in Rn mit Koordinatenfunktionen g1 , . . . , gn und der Eigenschaft g(I) ⊂ D sowie f : D → R. Sind die Funktionen g1 , . . . , gn differenzierbar in t0 ∈ I und die Funktion f differenzierbar in g(t0 ) ∈ D, so ist die Komposition (Hintereinanderausf¨ uhrung) f ◦ g : I → R,
t → f ◦ g(t) := f (g(t)),
differenzierbar im Punkt t0 , und es gilt (f ◦ g) (t0 ) = f (g(t0 )), g (t0 ) n ∂j f (g(t0 )) · gj (t0 ). = j=1
(1.42)
1 Differentialrechnung im Rn
36
Dabei wurde abk¨ urzend g (t0 ) := (g1 (t0 ), . . . , gn (t0 )) gesetzt. Beweis: Es sei t ∈ I mit t = t0 . Mit der abk¨ urzenden Schreibweise R(t, t0 ) :=
f ◦ g(t) − f ◦ g(t0 ) − f (g(t0 )), g(t) − g(t0 ) g(t) − g(t0 )2
f¨ ur g(t) = g(t0 ) und R(t, t0 ) := 0 f¨ ur g(t) = g(t0 ) gilt
f ◦ g(t) − f ◦ g(t0 ) g(t) − g(t0 )2 g(t) − g(t0 ) = R(t, t0 ) · + f (g(t0 )), . t − t0 t − t0 t − t0
(1.43)
ur t → t0 , und aus (1.41) (mit a := g(t0 ) und Weil g in t0 stetig ist, gilt g(t) → g(t0 ) f¨ h := g(t) − g(t0 )) folgt limt→t0 R(t, t0 ) = 0. Außerdem gilt lim
t→t0
g(t) − g(t0 )2 = g (t0 )2 . |t − t0 |
Damit folgt die Behauptung aus (1.43) f¨ ur t → t0 .
In der Form (1.42) l¨asst sich die Kettenregel am einfachsten merken: Sind f und g reellwertig, so gilt (f ◦ g) (t) = f (g(t)) · g (t) (vgl. I.6.6.9). Ist g vektorwertig, so sind f (g(t)) und g (t) vektorwertig, und man hat dann das Produkt durch das Skalarprodukt f (g(t)), g (t) zu ersetzen. In Anwendungen bezeichnet man die Funktionen gj in Satz 1.37 z.B. oft mit t → xj (t). Die Kettenregel nimmt dann die einpr¨ agsame Gestalt d dxi f (x1 (t0 ), . . . , xn (t0 )) = (t0 ) ∂i f (x1 (t0 ), . . . , xn (t0 )) dt dt n
i=1
an. Noch kompakter wird es mit der Abk¨ urzung x(t) := (x1 (t), . . . , xn (t)) und Weglassen des Argumentes t0 : dxi df (x) = . ∂i f (x) dt dt n
i=1
1.38 Beispiel. Es sei f eine differenzierbare Funktion von R2 in R. Dann ist die durch h(t) := f (sin t, cos t),
t ∈ R,
definierte Funktion h : R → R differenzierbar, und es gilt nach der Kettenregel (mit g(t) := (sin t, cos t)) h (t) = fx (sin t, cos t) · cos t − fy (sin t, cos t) · sin t. Im Spezialfall f (x, y) = x2 + y 2 ergibt sich somit h (t) = 2 sin t cos t − 2 cos t sin t = 0. Wegen sin2 t + cos2 t = 1 ist dieses Resultat nat¨ urlich nicht u ¨berraschend.
1.4 Differentiation
37
1.39 Beispiel. Die Funktion f (x, y, z) := exyz ist differenzierbar, und es gilt f (x, y, z) = (yzexyz , xzexyz , xyexyz ) . Aus der Kettenregel (1.42) folgt (mit g(t) := (t2 , sin t, cos t)), dass die Ableitung der Funktion h(t) := exp(t2 sin t cos t) durch h (t) = sin t cos t(h(t))2t + t2 cos t(h(t)) cos t − t2 sin t(h(t)) sin t gegeben ist. Dieses Ergebnis kann man nat¨ urlich auch aus den bereits fr¨ uher bekannten Differentiationsregeln herleiten.
1.4.9
Kurven im Rn
Sind I ⊂ R ein Intervall und g1 , . . . , gn stetige reellwertige Funktionen auf I, so nennt man die durch g(t) := (g1 (t), . . . , gn (t)),
t ∈ I,
definierte Abbildung g : I → Rn eine Kurve in Rn . Die Kurve g heißt (stetig) differenzierbar, falls die Abbildungen g1 , . . . , gn (stetig) differenzierbar sind. Die Bildmenge g(I) heißt Bild (oder Bahn) der Kurve. H¨ aufig wird auch g(I) als Kurve bezeichnet (und manchmal sogar mit g identifiziert). Man mache sich aber klar, dass etwa die durch g(t) := (t, t2 ) und h(t) := (1 − t, (1 − t)2 ) definierten Kurven g, h : [0, 1] → R2 verschieden sind, obwohl sie das gleiche Bild (Normalparabelbogen u ¨ ber [0,1]) besitzen. Die Kurven g und h durchlaufen ihre gemeinsame Bahn in entgegengesetzter Richtung! In Anwendungen bilden Kurven oft Modelle f¨ ur die Bewegung eines Teilchens im Raum Rn . In diesem Fall wird das Intervall I = [a, b] als Zeitintervall gedeutet, so dass g(t) die Position des Teilchens zum Zeitpunkt t angibt (Bild 1.12 links). 1.40 Beispiel. (Ellipse) Es seien I := [0, 2π] sowie g(t) := (2 cos t, sin t). Dann ist das Bild g(I) eine Ellipse mit Zentrum (0, 0) (Bild 1.12 rechts). Durchl¨ auft t das Intervall [0, 2π], so durchl¨auft ein Teilchen die Ellipse vom Punkt (2, 0) ausgehend einmal entgegengesetzt zum Uhrzeigersinn. Eine allgemeine Ellipse mit Mittelpunkt (x0 , y0 ) und Halbachsen a, b > 0 erh¨alt man als Bild g(I) der Kurve g(t) := (x0 + a cos t, y0 + b sin t). Nach dieser Definition gen¨ ugen die Punkte (x, y) ∈ g(I) einer Ellipse der Gleichung (x − x0 )2 (y − y0 )2 + = 1. a2 b2
(1.44)
1 Differentialrechnung im Rn
38 x3
x2
g(b) •
1 •
g(a)
x1
x2
x1 Bild 1.12: Bahn einer Kurve im R3 (links) und Ellipse (rechts)
Aus den Eigenschaften von Sinus und Kosinus folgt leicht, dass die Funktion g auf [0, 2π) injektiv ist. Setzt man f¨ ur einen der Gleichung (1.44) gen¨ ugenden Punkt (x, y) arccos((x − x0 )/a), falls y ≥ y0 , t := 2π − arccos((x − x0 )/a), falls y < y0 , so folgt g(t) = (x, y). Die durch (1.44) definierte Ellipse ist also das (bijektive!) Bild des Intervall [0, 2π) unter der Abbildung g. F¨ ur a = b ergibt sich ein Kreis mit Mittelpunkt (x0 , y0 ) und Radius a. Beschreibt eine Kurve die zeitabh¨angige Bewegung eines Teilchens, so liegt die Frage nach der momentanen Geschwindigkeit (des Teilchens) zu einem festen Zeitpunkt t0 ∈ I nahe. Diese Momentangeschwindigkeit sollte anschaulich durch einen Vektor beschrieben werden k¨onnen, dessen Richtung die momentane Bewegungsrichtung und dessen L¨ange die Gr¨ oße der Momentangeschwindigkeit angeben. Bild 1.13 (links) zeigt f¨ ur ein t ∈ I mit t > t0 den in g(t0 ) angetragenen Vektor g(t) − g(t0 ). Er legt die Richtung der Sekante {g(t0 ) + s(g(t) − g(t0 )) : s ∈ R} der Kurve durch die Punkte g(t0 ) und g(t) fest. W¨ urde sich das Teilchen innerhalb der Zeitspanne [t, t0 ] geradlinig entlang der Sekante von g(t0 ) nach g(t) bewegen, so h¨atte es in der Zeit t − t0 den Weg g(t) − g(t0 )2 zur¨ uckgelegt; der Betrag seiner mittleren Geschwindigkeit im Zeitraum [t0 , t] w¨ are also nach der Formel Geschwindigkeit gleich Weg durch Zeit“ der Quotient ” g(t) − g(t0 )2 , (1.45) t − t0 und die Richtung der Bewegung w¨ urde durch den Vektor g(t) − g(t0 ) t − t0
(1.46)
1.4 Differentiation
39
angegeben. Tats¨achlich hat jedoch das Teilchen im Zeitintervall [t0 , t] entlang der Kurve einen l¨angeren Weg zur¨ uckgelegt und seine Bewegungsrichtung kontinuierlich ver¨andert. x3
x3 •
g(t)
• g(t0 )
• g(t0 )
x2 x1
x2 x1
Bild 1.13: Sekante durch g(t0 ) und g(t) (links) und Tangente als Grenzlage der Sekante (rechts)
Die momentane“ Geschwindigkeit zum Zeitpunkt t0 ergibt sich beim Grenz” u ¨bergang t → t0 in (1.45) und (1.46). Ist die Kurve g differenzierbar an der Stelle t0 , so ist die Richtung der Momentangeschwindigkeit zur Zeit t0 durch den Grenzwert in (1.46) f¨ ur t → t0 , also den Vektor g (t0 ) = (g1 (t0 ), . . . , gn (t0 )) = lim
t→t0
g(t) − g(t0 ) t − t0
der Ableitungen g1 (t0 ), . . . , gn (t0 ), gegeben. Die Gr¨oße dieser momentanen Geschwindigkeit ist der Grenzwert n 1/2 g(t) − g(t0 )2 |gj (t0 )|2 = lim . g (t0 )2 = t→t0 t − t0 j=1
Differenzierbare Kurven mit der Eigenschaft g (t) = 0 f¨ ur jedes t ∈ I heißen regul¨ ar. Dem Grenz¨ ubergang t → t0 in (1.45) und (1.46) entspricht geometrisch der ¨ Ubergang von der Sekante zwischen g(t0 ) und g(t) zur Tangente an g im Punkt g(t0 ) (siehe Bild 1.13 rechts). (Jeder Punkt dieser Tangente ist von der Form g(t0 ) + λg (t0 ) f¨ ur ein λ ∈ R.) Man nennt g (t0 ) auch den Tangentialvektor oder Geschwindigkeitsvektor der Kurve an der Stelle t0 . Der Tangentialvektor gibt sowohl die Richtung der Momentangeschwindigkeit als auch (¨ uber seine L¨ ange) die Gr¨oße dieser Geschwindigkeit an. 1.41 Beispiel. Es seien [a, b] (a < b) ein Intervall und f : [a, b] → R eine differenzierbare Funktion. Dann ist die durch g(t) := (t, f (t)) definierte Abbildung g : [a, b] → R2 eine
1 Differentialrechnung im Rn
40
regul¨are Kurve, und es gilt g (t0 ) = (1, f (t0 )), a < t0 < b (Bild 1.14). Der in g(t0 ) angetragene Tangentialvektor g (t0 ) gibt die Richtung der Tangente an den Graphen von f im Punkt (t0 , f (t0 )) an; seine Steigung ist f (t0 )/1 = f (t0 ). f (t)
f (t0 ) •
f (t0 )
1 Bild 1.14: Kurve t → (t, f (t)) mit Tangentialvektor im Punkt (t0 , f (t0 ))
a
1.4.10
t0
t
b
Die L¨ ange einer Kurve
Welchen Weg hat ein Teilchen zur¨ uckgelegt, dessen Bewegung w¨ ahrend eines Zeitintervalls I = [a, b] durch eine Kurve g : I → Rn beschrieben wird? Anschaulich ist es naheliegend, wie folgt einen N¨ aherungswert f¨ ur diesen Weg, also die (bislang noch nicht definierte) L¨ange der Kurve g zu bestimmen: Ausgehend von einer Zerlegung Z : a = t0 < t1 < . . . < tk = b des Intervalls I = [a, b] bildet man die Summe L(g, Z) :=
k
g(tj ) − g(tj−1 )2
j=1
der Abst¨ande je zweier aufeinander folgender Kurvenpunkte g(tj−1 ) und g(tj ) (Bild 1.15).
g(t3 ) • g(t1 ) •
g(t4 )
•
•
g(t0 )
•
g(t5 ) •
Bild 1.15: L¨ ange des einbeschriebenen Polygonzugs als Approximation der Wegl¨ ange
g(t2 )
Geht man von Z zu einer feineren Zerlegung Z u ¨ ber, so folgt aufgrund der Dreiecksungleichung die Absch¨atzung L(Z, g) ≤ L(Z , g); die L¨ ange des einbeschrie-
1.4 Differentiation
41
benen Polygonzugs wird also prinzipiell gr¨oßer. Es liegt jetzt nahe, die L¨ange der Kurve g durch L(g) := sup{L(Z, g) : Z ist Zerlegung von [a, b]}
(1.47)
zu definieren. Hierbei ist jedoch zu beachten, dass es pathologische“ Kurven ” g mit der Eigenschaft L(g) = ∞ geben kann. Eine Kurve heißt rektifizierbar , falls das Supremum in (1.47) endlich ist. In diesem Fall wird die Zahl L(g) die L¨ ange von g genannt. Man beachte auch, dass die so definierte L¨ ange von g nicht unbedingt mit der anschaulichen L¨ange des Bildes g(I) u ¨bereinstimmen muss! So durchl¨auft etwa die Kurve h(t) := (2 cos t, sin t), t ∈ J := [0, 4π], im Gegensatz zur Kurve g : I → R2 aus Beispiel 1.40 die in Bild 1.12 (rechts) dargestellte Ellipse zweimal. Es gilt g(I) = h(J), aber L(h) = 2L(g)! 1.42 Satz. (Berechnung der Kurvenl¨ange) Jede stetig differenzierbare Kurve g : [a, b] → Rn ist rektifizierbar, und es gilt
b
L(g) =
g (t)2 dt =
a
b n a
|gj (t)|2
1/2 dt.
(1.48)
j=1
Beweis: Wir betrachten ein Teilintervall [c, d] von [a, b]. In 2.3.13 (Satz 2.33) werden wir die folgende Dreiecksungleichung f¨ ur vektorwertige Integrale beweisen: d d g (t) dt ≤ g (t)2 dt. (1.49) 2
c
c
Dabei ist das links stehende Integral als Vektor der Integrale u ¨ ber die Komponenten von g zu verstehen. Aus (1.49) sowie aus dem Hauptsatz der Differential- und Integralrechnung ergibt sich t2 t2 g(t2 ) − g(t1 )2 = g (t) dt ≤ g (t)2 dt, a ≤ t1 ≤ t2 ≤ b. t1
2
t1
Beachten wir hier die Additivit¨at des Integrals bez¨ uglich der Intervallgrenzen (Satz I.7.10), so erhalten wir, dass die Einschr¨ankung der Funktion g auf das Intervall [c, d] eine rektifizierbare Kurve ist. Ihre L¨ange L(c, d) gen¨ ugt der Ungleichung L(c, d) ≤
d
g (s)2 ds.
(1.50)
c
Wir zeigen jetzt, dass die Funktion t → L(a, t) auf [a, b] stetig differenzierbar mit der Ableitung g (t)2 ist. Daraus folgt dann insbesondere die zweite Behauptung (1.48). Wir w¨ ahlen ein t ∈ [a, b) und ein h > 0 mit t + h ≤ b. Nach Definition der L¨ ange gilt dann g(t + h) − g(t) ≤ L(t, t + h) = L(a, t + h) − L(a, t). Aus (1.50) erhalten wir g(t + h) − g(t) 1 t+h L(t, t + h) ≤ g (s)2 ds. ≤ h h h t 2
1 Differentialrechnung im Rn
42
F¨ ur h → 0 strebt die linke Seite gegen g (t)2 und die rechte Seite (nach dem Hauptsatz) ebenfalls. Also hat L(a, ·) die rechtsseitige Ableitung g 2 . Analog zeigt man, dass g 2 auch die linksseitige Ableitung ist. Damit ist der Satz bewiesen.
1.43 Beispiel. (Bogenl¨ange und Kreisumfang) Wir betrachten ein α ∈ [0, 2π] sowie die durch g(t) := (x0 + r cos t, y0 + r sin t), t ∈ [0, α] definierte Kurve. Nach Beispiel 1.40 ist das Bild von G ein Kreisbogen zwischen (x0 + ry0 ) und (x0 + r cos α, y0 + r sin α). Aus (1.48) erhalten wir α α 2 2 2 2 L(g) = r sin t + r cos t dt = r dt = αr. 0
0
Damit erhalten wir die geometrische Interpretation des Winkels α als Bogenl¨ ange. Insbesondere ergibt sich die bekannte elementargeometrische Formel 2πr f¨ ur den Umfang eines Kreises.
1.4.11
Geometrische Interpretation des Gradienten
Die Kettenregel liefert die folgende n¨ utzliche Interpretation des Gradienten einer differenzierbaren Funktion f : D → R. Wir fixieren einen Punkt a ∈ D 0 und betrachten die den Punkt a enthaltende H¨ ohenlinie Hf (c) = {x ∈ D : f (x) = c} mit c := f (a). Es seien I ⊂ R ein Intervall mit 0 ∈ I 0 und g : I → Rn eine differenzierbare Kurve in Rn mit g(0) = a. Wir nehmen jetzt an, dass das Bild g(I) der Kurve in der H¨ohenlinie Hf (c) enthalten ist, d.h. f (g(t)) = c,
t ∈ I.
Ist f differenzierbar in a, so k¨onnen wir diese Gleichung mit Hilfe der Kettenregel (Satz 1.37) nach t ∈ I differenzieren. F¨ ur t = 0 ergibt sich damit
f (a), g (0) = 0. Der Gradient f (a) steht also senkrecht auf dem Tangentialvektor g (0) der Kurve im Punkt 0. Man sagt dazu auch, dass der Gradient senkrecht auf der H¨ ohenlinie steht (Bild 1.16).
1.4.12
Richtungsableitungen
Die partielle Ableitung fxj (a) ist die Ableitung der Funktion t → f (a + tej ) an der Stelle t = 0. Ersetzt man hier den j-ten Einheitsvektor durch einen beliebigen Vektor der L¨ange 1, also einen Vektor der sogenannten Einheitssph¨are S n−1 := {x : x2 = 1}
1.4 Differentiation
43
f (x) c •
Bild 1.16: Der Gradient steht senkrecht auf der H¨ ohenlinie
x2 • (a, 0) Hf (c)
x1
in Rn , so ergibt sich in nat¨ urlicher Weise der Begriff der allgemeinen Richtungsableitung. Die partiellen Ableitungen sind dann die Richtungsableitungen f¨ ur die Richtungen e1 , . . . , en . f (x1 , x2 ) (a, f (a))
x2 v a
Bild 1.17: Richtungsableitung als Anstieg von f in Richtung v
x1 Es seien v ∈ S n−1 und a ein innerer Punkt von D. Existiert der (endliche) Grenzwert f (a + hv ) − f (a) ∂f (a) := lim , h→0 ∂v h
(1.51)
so nennt man ihn Richtungsableitung von f im Punkt a in Richtung v . Andere
1 Differentialrechnung im Rn
44
Schreibweisen f¨ ur (∂f /∂v )(a) sind fv (a) oder ∂v f (a). Die geometrische Bedeutung der Richtungsableitung als Anstieg von f in Rich” tung v“ ist in Bild 1.17 veranschaulicht. 1.44 Beispiel. (Fortsetzung von Beispiel 1.34) F¨ ur die durch f (x) := x21 + x22 , x = (x1 , x2 ), definierte Funktion f : R2 → R gilt f (x) = 2x. Sind a = (a1 , a2 ) ∈ R2 und v = (v1 , v2 ) ∈ S 1 ein Einheitsvektor, so gilt f¨ ur jedes h = 0 f (a + hv ) − f (a) (a1 + hv1 )2 + (a2 + hv2 )2 − a21 − a22 = h h 2h(a1 v1 + a2 v2 ) + h2 (v12 + v22 ) = . h Somit existiert die Richtungsableitung von f im Punkt a in Richtung v , und es folgt 2h(a1 v1 + a2 v2 ) + h2 (v12 + v22 ) h→0 h = 2(a1 v1 + a2 v2 )
∂v f (a) = lim
= f (a), v . Das n¨achste Resultat besagt, dass die im obigen Beispiel hergeleitete Darstellung der Richtungsableitung als Skalarprodukt von f (a) und v kein Zufall war. Auch im allgemeinen Fall erh¨alt man die Richtungsableitung in Richtung v als gewichtete“ Summe der partiellen Ableitungen mit den Koordinaten von v als ” Koeffizienten. 1.45 Satz. (Differenzierbarkeit und Richtungsableitungen) Ist die Funktion f differenzierbar in a ∈ D, so existieren alle Richtungsableitungen von f im Punkt a, und es gilt ∂v f (a) = f (a), v ,
v ∈ S n−1 .
Beweis: Es sei v ∈ S n−1 . Die Richtungsableitung von f im Punkt a in Richtung v ist die Ableitung der Funktion t → f (a + tv ) an der Stelle t = 0. F¨ ur die Funktion t → g(t) = (g1 (t), . . . , gn(t)) := a + tv gilt (g1 (0), . . . , gn (0)) = v . Damit folgt die Behauptung direkt aus Satz 1.37.
Nach Satz 1.45 gilt ∂v f (a) = 0 genau dann, wenn f (a) ⊥ v erf¨ ullt ist, wenn auft. Diealso der Richtungsvektor v senkrecht zum Gradientenvektor f (a) verl¨ ses Resultat erg¨anzt die in 1.4.11 hergeleitete geometrische Interpretation des Gradienten.
1.5 Taylorpolynome und der Satz von Taylor
1.4.13
45
Der Gradient als Richtung des steilsten Anstiegs
Die Richtungsableitung ∂v f (a) ist der Anstieg von f in Richtung v ∈ S n−1 . Die Richtung des Gradienten maximiert diesen Anstieg: 1.46 Satz. (Gradient und Richtungsableitung) Die Funktion f sei differenzierbar in a ∈ D, und es gelte f (a) = 0. Bezeichnet v0 :=
f (a) ∈ S n−1 f (a)2
den normierten Gradientenvektor, so gilt: max{∂v f (a) : v ∈ S n−1 } = ∂v0 f (a) = f (a)2 , min{∂v f (a) : v ∈ S n−1 } = ∂−v0 f (a) = −f (a)2 . Beweis: F¨ ur v ∈ S n−1 folgt aus Satz 1.45 und der Cauchy-Schwarzschen Ungleichung |∂v f (a)| ≤ f (a)2 v 2 , d.h.
−f (a)2 ≤ ∂v f (a) ≤ f (a)2 .
ur v = v0 die obere Schranke angenommen. F¨ ur v = −v0 wird die untere und f¨
Gilt f (a) = 0, so verschwinden alle Richtungsableitungen im Punkt a. Auch in diesem Fall gilt also die Maximierungsaussage von Satz 1.46. Gilt f (a) = 0, so zeigt der Gradient f (a) in die Richtung des steilsten Anstiegs von f (vgl. Bild 1.16). Der Beweis zeigt, dass diese Richtung eindeutig bestimmt ist (vgl. ur die maximale Satz I.8.29). Die L¨ange f (a)2 des Gradienten ist ein Maß f¨ Anstiegsrate“ im Punkt a. Diese Eigenschaften bilden den theoretischen Hinter” grund der sogenannten Gradientenverfahren zur Bestimmung von lokalen Minima (oder Maxima) der Funktion f . Diese Verfahren des steilsten Anstiegs sind von großer praktischer Bedeutung.
1.5
Taylorpolynome und der Satz von Taylor
¨ In Verallgemeinerung der in I.6.8 angestellten Uberlegungen seien D ⊂ Rn eine offene nichtleere Menge und f : D → R eine (k + 1)-mal stetig differenzierbare Funktion. Im Fall n = 1 l¨asst sich f in der N¨ ahe eines Punktes a ∈ D durch das Taylorpolynom x →
k f (m) (a) (x − a)m , m!
m=0
(1.52)
1 Differentialrechnung im Rn
46
approximieren (Satz I.6.59 von Taylor). Es stellt sich die Frage, ob ein analoges Resultat auch im Fall n ≥ 2 g¨ ultig ist. Ist f differenzierbar an der Stelle a ∈ D, so gilt nach (1.35) die Approximation f (x) ≈ f (a) + f (a), x − a,
(1.53)
wobei f¨ ur x → a die Differenz aus linker und rechter Seite selbst nach Division durch x − a2 gegen Null konvergiert. Die f in der N¨ahe des Punktes a := (a1 , . . . , an ) approximierende Funktion x → f (a) + f (a), x − a = f (a) +
n
∂j f (a) · (xj − aj )
(1.54)
j=1
ist ein Polynom in den Variablen x1 , . . . , xn . Dabei heißt allgemein eine Funktion p : Rn → R der Gestalt p(x1 , . . . , xn ) =
k k i1 =0 i2 =0
...
k
bi1 ,i2 ,...,in · xi11 · xi22 · . . . · xinn
(1.55)
in =0
Polynom in den Variablen x1 , . . . , xn . Hierbei sind die bi1 ,i2 ,...,in reelle Zahlen. Die hier auftretende Mehrfachsumme kann alternativ als Summe u ¨ ber alle n-Tupel (i1 , . . . , in ) ∈ {0, . . . , k}n definiert werden. Das Polynom in (1.54) ergibt sich als Spezialfall von (1.55) durch die Wahl k = 1, b0,0,...,0 = f (a) − nj=1 ∂j f (a) · aj , b1,0,...,0 = ∂1 f (a), b0,1,0,...,0 = ∂2 f (a), . . . , b0,0,...,1 = ∂n f (a), und bi1 ,i2 ,...,in := 0, sonst. Auch die in 1.3.2 betrachteten quadratischen Formen sind Polynome. Besitzt die Funktion f Ableitungen von h¨ oherer als erster Ordnung, so ist zu hoffen, dass die Approximation (1.53) durch Hinzunahme von Polynomen, welche diese h¨oheren Ableitungen beinhalten, besser wird.
1.5.1
Taylorpolynome
Bei der lokalen Approximation einer C k+1 -Funktion f : D → R an der Stelle a werden die Polynome Pm (x; f ;a) :=
n n 1 ... ∂i1 . . . ∂im f (a) · xi1 · . . . · xim m! i1 =1
im =1
(m = 1, 2, . . . , k) eine zentrale Rolle spielen. Im Fall n = 1 ist Pm (x − a; f ; a) =
f (m) (a) · (x − a)m m!
(1.56)
1.5 Taylorpolynome und der Satz von Taylor
47
ein Bestandteil des Taylorpolynoms (1.52). Im Fall n = 2 erhalten wir f¨ ur m = 1 und m = 2 die Ausdr¨ ucke P1 (x; f ;a) = ∂1 f (a) · x1 + ∂2 f (a) · x2 = f (a), x, 1 P2 (x; f ;a) = ∂1 ∂1 f (a) · x21 + ∂1 ∂2 f (a·)x1 x2 2
+∂2 ∂1 f (a) · x2 x1 + ∂2 ∂2 f (a) · x22
1 = ∂1 ∂1 f (a) · x21 + 2∂1 ∂2 f (a) · x1 x2 + ∂2 ∂2 f (a) · x22 . 2 Das letzte Gleichheitszeichen folgt dabei aus Satz 1.31. F¨ ur beliebiges n gilt P1 (x; f ;a) = f (a), x,
P2 (x; f ;a) =
⎛ ∂ 2 f (a)
⎜ 1 (x1 , . . . , xn ) ⎜ ⎝ 2
∂x21
.. .
∂ 2 f (a) ∂x1 ∂xn
··· .. .
∂ 2 f (a) ∂xn ∂x1
···
∂ 2 f (a) ∂x2n
.. .
⎞⎛
⎞ x1 ⎟⎜ . ⎟ ⎟⎝ . ⎠. ⎠ .
(1.57)
xn
Sind f : D → R eine C k -Funktion und a ∈ D, so heißt die Funktion x → Tk (x; f ;a) := f (a) +
k
Pm (x − a; f ;a)
m=1
Taylorpolynom k-ter Ordnung zum Entwicklungspunkt a. Die Funktion x → Rk (x; f ;a) := f (x) − Tk (x; f ;a) nennt man Restglied oder Restgliedfunktion k-ter Ordnung.
1.5.2
Der Satz von Taylor
Sind a, b ∈ Rn , so heißt die Menge [a, b] := {a + t(b − a) : 0 ≤ t ≤ 1} Verbindungsstrecke zwischen a und b. 1.47 Satz. (Satz von Taylor im Rn ) Es seien k ∈ N0 , f : D → R eine C k+1 -Funktion und a, x ∈ D mit der Eigenschaft [a, x] ⊂ D. Dann gibt es ein ϑ ∈ (0, 1) mit f (x) = Tk (x; f ;a) + Pk+1 (x − a; f ;a + ϑ(x − a)), d.h. Rk (x; f ;a) = Pk+1 (x − a; f ;a + ϑ(x − a)).
1 Differentialrechnung im Rn
48
Beweis: Weil D offen ist, gibt es ein δ > 0, so dass f¨ ur jedes t mit −δ ≤ t ≤ 1 + δ der Punkt a + t(x − a) zu D geh¨ort. Somit ist die Funktion t → ϕ(t) := f (a + t(x − a)) auf dem Intervall I := [−δ, 1 + δ] definiert. Nach Satz 1.37 ist ϕ differenzierbar. Eine Anwendung des Satzes I.6.59 von Taylor auf ϕ zum Entwicklungspunkt t = 0 liefert die Existenz eines ϑ ∈ (0, 1) mit ϕ(1) = ϕ(0) +
k 1 1 · ϕ(m) (0) + · ϕ(k+1) (ϑ). m! (k + 1)! m=1
(1.58)
Es gilt ϕ(1) = f (x), ϕ(0) = f (a), und wir untersuchen jetzt die anderen Summanden in (1.58). Aus der Kettenregel (Satz 1.37) ergibt sich ϕ (t) = f (a + t(x − a)), x − a und somit ϕ (0) = f (a), x − a = P1 (x − a; f ; a). Wiederum aus Satz 1.37 folgt ⎛ ⎞ n n (xi − ai ) ⎝ (xj − aj )∂j ∂i f (a + t(x − a))⎠ ϕ (t) = i=1
j=1
= P2 (x − a; f ; a + t(x − a)), also insbesondere ϕ (0) = P2 (x − a; f ; a). Analog erh¨ alt man f¨ ur jedes m mit 1 ≤ m ≤ k + 1 ϕ(m) (t) = Pm (x − a; f ; a + t(x − a)). Setzt man diese Darstellung in (1.58) ein, so folgt die Behauptung.
F¨ ur k = 0 liefert Satz 1.47 das folgende Resultat. Der obige Beweis zeigt, dass es dazu gen¨ ugt, die Differenzierbarkeit von f vorauszusetzen. 1.48 Folgerung. (Mittelwertsatz) Sind f : D → R eine differenzierbare Funktion und a, x ∈ D mit [a, x] ⊂ D, so gibt es ein ϑ ∈ (0, 1) mit f (x) = f (a) + f (a + ϑ(x − a)), x − a.
1.5.3
Die Hesse-Matrix
Im Hinblick auf Anwendungen des Satzes von Taylor besitzt die in (1.57) auftretende Matrix der gemischten zweiten Ableitungen von f besondere Bedeutung.
1.5 Taylorpolynome und der Satz von Taylor
49
Ist die Funktion f : D → R zweimal partiell differenzierbar an der Stelle a ∈ D, so heißt die n × n-Matrix ⎞ ⎛ fx1 x1 (a) . . . fx1 xn (a) ⎟ ⎜ .. .. .. Hf (a) := (∂i ∂j f (a))i,j=1,...,n = ⎝ ⎠ . . . fxnx1 (a) . . .
fxn xn (a)
Hesse3 -Matrix von f an der Stelle (oder im Punkt) a. Nach Satz 1.31 ist diese Matrix symmetrisch, wenn alle zweiten partiellen Ableitungen stetig sind, also f eine C 2 -Funktion ist. 1.49 Beispiel. Die Hesse-Matrix der Funktion f (x1 , x2 ) := x1 sin(x2 ) + x22 ex1 (vgl. Beispiel 1.29) an der Stelle x = (x1 , x2 ) ist durch cos(x2 ) + 2x2 ex1 x22 ex1 Hf (x) = cos(x2 ) + 2x2 ex1 2ex1 − x1 sin(x2 ) gegeben. 1.50 Beispiel. (Quadratische Formen) F¨ ur die Hesse-Matrix der in 1.3.2 und Beispiel 1.24 diskutierten quadratischen Form QA (x) = x, Ax gilt HQA (x) = (aij + aji )1≤i,j≤n . Wegen P2 (h; f ;a) = 12 h, Hf (a)h, h ∈ Rn , (vgl. (1.57)) ergibt sich aus Satz 1.47 f¨ ur den Spezialfall k = 1 das folgende Resultat: 1.51 Folgerung. (Taylorentwicklung erster Ordnung) Es seien f : D → R eine C 2 -Funktion und a, x ∈ D mit [a, x] ⊂ D. Dann gibt es ein ϑ ∈ (0, 1), so dass gilt: 1 f (x) = f (a) + f (a), x − a + x − a, Hf (a + ϑ(x − a))(x − a). 2 Das Restglied Rk (x; f ;a) = Pk+1 (a + ϑ(x − a); f ;a)) in Satz 1.47 besitzt die Gestalt 1 (k + 1)!
n i1 ,...,ik+1 =1
fxi1 ,...,xik+1 (a + ϑ(x − a))(xi1 − ai1 ) · . . . · (xik+1 − aik+1 ).
3 Ludwig Otto Hesse (1811–1874). Nach einer T¨ atigkeit als Lehrer f¨ ur Physik und Chemie an der Gewerbeschule in K¨ onigsberg (Kaliningrad) hatte Hesse Professuren in K¨ onigsberg, Halle, Heidelberg und M¨ unchen inne. Hauptarbeitsgebiete: Algebra, Analysis und analytische Geometrie.
1 Differentialrechnung im Rn
50
Ist C eine gemeinsame obere Schranke der Betr¨ age der oben auftretenden partiellen Ableitungen, so liefert die Ungleichung |xi1 − ai1 | · . . . · |xik+1 − aik+1 | ≤ x − ak+1 2 die Restgliedabsch¨atzung Rk (x;a, f )2 ≤ C
nk+1 · x − ak+1 2 . (k + 1)!
Diese Ungleichung beschreibt die G¨ ute der Approximation von f durch das Taylorpolynom Tk .
1.6
Lokale Extrema
Es seien D ⊂ Rn und f : D → R eine Funktion. Die Begriffe lokales Maximum, lokales Minimum, strenges lokales Maximum, globales Maximum usw. werden genauso definiert wie im Fall n = 1 (vgl. I.6.7.1). So besitzt f im Punkt a ∈ D ein lokales Maximum, wenn es eine Umgebung U von a gibt, so dass gilt: f (x) ≤ f (a) f¨ ur jedes x ∈ U ∩ D
(1.59)
(vgl. Bild 1.18). In diesem Fall heißt a lokale Maximalstelle von f . V¨ ollig analog sind die Begriffe lokale Minimalstelle, lokale Extremalstelle usw. zu verstehen. globales Maximum lokales Maximum
Bild 1.18: Striktes lokales und globales Maximum
Das folgende Resultat ist eine Verallgemeinerung von Satz I.6.48. 1.52 Satz. (Notwendiges Kriterium f¨ ur lokale Extrema) Die Funktion f : D → R besitze in einem inneren Punkt a ∈ D ein lokales Extremum und sei dort partiell differenzierbar. Dann gilt f (a) = 0. Beweis: Es gelte (1.59) f¨ ur eine Umgebung U von a, und es sei j ∈ {1, . . . , n}. Weil a innerer Punkt von D ist, gibt es ein δ > 0, so dass f¨ ur jedes t ∈ I := (−δ, δ) der Punkt ur jedes t ∈ I besitzt die Abbildung a + tej zu U ∩ D geh¨ort. Wegen f (a + tej ) ≤ f (a) f¨ t → ϕ(t) := f (a + tej )
1.6 Lokale Extrema
51
von I in R in t = 0 ein lokales Extremum. Nach Voraussetzung ist ϕ im Punkt 0 differenzierbar und hat dort die Ableitung fxj (a). Nach Satz I.6.48 gilt fxj (a) = 0. Da j ∈ {1, . . . , n} beliebig war, ist der Satz bewiesen.
Ist f : D → R eine in a ∈ D differenzierbare Funktion und gilt f (a) = 0, so heißt a station¨arer Punkt von f . Man beachte, dass Satz 1.52 die Kandidaten“ ” a f¨ ur m¨ogliche Extremstellen von f im Inneren des Definitionsbereiches von f herausfiltert. Eventuelle lokale oder globale Maxima oder Minima auf dem Rand ∂D des Definitionsbereiches werden hierdurch nicht erfasst. 1.53 Beispiel. Es sei D := {(x, y) ∈ R2 : x2 + y 2 ≤ 1} der abgeschlossene Einheitskreis um den Ursprung im R2 und f (x, y) := x2 + y 2 , (x, y) ∈ D, gesetzt. F¨ ur (x, y) ∈ D ◦ gilt fx (x, y) = 2x, fy (x, y) = 2y. Somit ist (0, 0) ein station¨ arer Punkt von f . Offensichtlich besitzt f an der Stelle (0, 0) ein globales Minimum. Der Maximalwert 1 von f wird in jedem Punkt (a1 , a2 ) des Randes ∂D von D, also in jedem Punkt (a1 , a2 ) mit a21 + a22 = 1, angenommen. 1.54 Beispiel. Es sei f (x, y) := 2x2 + y 2 − xy − 6x, (x, y) ∈ R2 . Wegen fx (x, y) = 4x − y − 6, fy (x, y) = 2y − x gen¨ ugen die Koordinaten x, y eines station¨ aren Punktes dem linearen Gleichungssystem 4x − y − 6 = 0,
2y − x = 0,
welches die eindeutige L¨osung x0 := 12/7, y0 := 6/7 besitzt. Wir werden sp¨ ater sehen, dass im Punkt (x0 , y0 ) ein lokales Minimum vorliegt. Auch Satz I.6.64 kann auf Funktionen von mehreren Variablen verallgemeinert werden. 1.55 Satz. (Hinreichende Kriterien f¨ ur lokale Extrema im Rn ) Es seien D ⊂ Rn eine offene Menge, f : D → R eine C 2 -Funktion und a ∈ D ein station¨arer Punkt von f . Dann gilt: (i) Ist die Hesse-Matrix Hf (a) von f an der Stelle a positiv definit, so besitzt f in a ein strenges lokales Minimum. (ii) Ist Hf (a) negativ definit, so hat f in a ein strenges lokales Maximum. (iii) Ist Hf (a) indefinit, so besitzt f in a kein lokales Extremum. Es sei betont, dass dieser Satz keine Aussage f¨ ur den Fall einer (positiv oder negativ) semidefiniten Hesse-Matrix macht. Ist a ∈ D ein station¨ arer Punkt einer 2 C -Funktion f : D → R und ist die Hesse-Matrix Hf (a) indefinit, liegt also Fall
1 Differentialrechnung im Rn
52
(iii) vor, so nennt man a einen Sattelpunkt von f . Diese Namensgebung r¨ uhrt vom Fall n = 2 her. So zeigt Bild 1.19 den Nullpunkt (0, 0) als Sattelpunkt der Funktion (x, y) → f (x, y) := x2 − y 2 . Die Graphen der Schnittfunktionen x → f (x, 0) = x2 und y → f (0, y) = −y 2 sind eine nach oben bzw. unten ge¨offnete Normalparabel.
Sattelpunkt
Bild 1.19: Sattelpunkt (0, 0) der Funktion (x, y) → x2 − y 2
Beweis von Satz 1.55: (i),(ii): Wir setzen voraus, dass Hf (a) positiv definit ist und nehmen indirekt an, dass f in a kein strenges lokales Minimum besitzt. Dann gibt es zu jedem hinreichend großen k ∈ N ein yk ∈ D mit yk −a2 ≤ 1/k, yk = a und f (yk ) ≤ f (a). Weil a station¨ arer Punkt von f ist, gibt es nach Folgerung 1.51 ein ϑk ∈ (0, 1) mit 1 f (yk ) = f (a) + yk − a, Hf (a + ϑk (yk − a))(yk − a). 2
(1.60)
Es gilt yk = a + εkvk mit vk := (yk −a)/yk −a2 ∈ S n−1 und 0 < εk := yk −a2 ≤ 1/k. Wegen f (yk ) − f (a) ≤ 0 erhalten wir aus (1.60) die Ungleichung 0 ≥ vk , Hf (a + εk ϑk vk )vk .
(1.61)
ankt ist, gibt es nach Satz 1.11 eine gegen Weil die Menge S n−1 abgeschlossen und beschr¨ einen Vektor v ∈ S n−1 konvergente Teilfolge von (vk ). Der Einfachheit halber bezeichnen wir diese Teilfolge wieder mit (vk ). Die zweiten partiellen Ableitungen von f sind stetig. Wir k¨ onnen also in (1.61) den Grenz¨ ubergang k → ∞ durchf¨ uhren und erhalten die im Widerspruch zur positiven Definitheit von Hf (a) stehende Ungleichung v , Hf (a)v ≤ 0. Damit folgt (i). Die Behauptung (ii) beweist man analog. (iii): Ist Hf (a) indefinit, so gibt es Vektoren v , w ∈ S n−1 mit Hf (a)w.
v , Hf (a)v < 0 < w, Wegen der Stetigkeit der zweiten partiellen Ableitungen gibt es ein ε0 > 0 mit Hf (x)w
v , Hf (x)v < 0 < w, f¨ ur jedes x mit x − a2 ≤ ε0 . Damit erhalten wir wiederum aus Folgerung 1.51 1 f (a + tv ) = f (a) + t2 v , Hf (a + tϑ1v )v < f (a), 2 1 2 f (a + tw) = f (a) + t w, Hf (a + tϑ2 w, w > f (a), 2
|t| ≤ ε0 , |t| ≤ ε0
1.7 Differentiation vektorwertiger Funktionen
53
f¨ ur gewisse ϑ1 , ϑ2 ∈ (0, 1). Die Funktion f besitzt demnach in a kein lokales Extremum.
Der Spezialfall n = 2 von Satz 1.55 verdient es, gesondert hervorgehoben zu werden. Man beachte dabei den Satz 1.15. 1.56 Folgerung. (Hinreichende Kriterien f¨ ur lokale Extrema im R2 ) 2 Es seien D ⊂ R eine offene Menge, f : D → R eine C 2 -Funktion und a ∈ D ein station¨arer Punkt von f . Ferner bezeichne d(a) := fx,x (a)fy,y (a) − (fx,y (a))2 die Determinante der Hesse-Matrix von f an der Stelle a. Dann bestehen die folgenden Implikationen: (i) Gilt fx,x (a) > 0 und d(a) > 0, so hat f in a ein strenges lokales Minimum. (ii) Gilt fx,x (a) < 0 und d(a) > 0, so hat f in a ein strenges lokales Maximum. (iii) Gilt d(a) < 0, so ist a ein Sattelpunkt von f . Insbesondere besitzt dann f in a kein lokales Extremum. 1.57 Beispiel. (Fortsetzung von Beispiel 1.54) F¨ ur die in Beispiel 1.54 definierte Funktion f gilt fx,x (x, y) = 4, fx,y (x, y) = fy,x (x, y) = −1, fy,y (x, y) = 2 und somit d(x) = 7 > 0 f¨ ur jedes x = (x, y) ∈ 2 R . Da der Fall (i) von Folgerung 1.56 vorliegt, besitzt f im station¨ aren Punkt (12/7, 6/7) ein lokales Minimum.
1.7
Differentiation vektorwertiger Funktionen
In diesem Abschnitt behandeln wir die Differentialrechnung f¨ ur vektorwertige m Funktionen, d.h. f¨ ur Funktionen f : D → R mit m ∈ N. Dabei ist der Definitionsbereich D ⊂ Rn von f eine Menge, deren Inneres nicht leer ist. Vielfach wird die Menge D als offen vorausgesetzt sein. Eine Funktion f : D → Rm besitzt die Gestalt f (x) = (f1 (x), . . . , fm (x)),
x ∈ D,
wof¨ ur auch kurz f = (f1 , . . . , fm ) geschrieben wird. Dabei sind f1 , . . . , fm : D → R die Komponenten(-Funktionen) von f (vgl. S. 13).
1 Differentialrechnung im Rn
54
1.7.1
Die Jacobi-Matrix
Die Funktion f heißt partiell differenzierbar in einem inneren Punkt a von D, wenn jede Komponente fj in a partiell differenzierbar ist. Ist der Definitionsbereich D offen, und ist jede Komponente von f auf D k-mal (stetig) partiell differenzierbar, so heißt f k-mal (stetig) partiell differenzierbar. Ist die Funktion f = (f1 , . . . , fm ) : D → Rm partiell differenzierbar in a ∈ D, so heißt die m × n-Matrix ⎛ ∂f1 ⎞ ∂f1 a) . . . ∂x (a) ∂x1 ( n ∂fi ⎜ .. ⎟ .. (a) = ⎝ ... (1.62) Jf (a) := . . ⎠ ∂xj ∂fm ∂fm a) . . . ∂xn (a) ∂x1 ( Jacobi4 -Matrix (oder Funktionalmatrix) von f an der Stelle (oder im Punkt) a. 1.58 Beispiel. Die Jacobi-Matrix der durch f (x, y) := (y sin x, 2 cos x) definierten Funktion f : R2 → R2 an der Stelle (x, y) ist durch y cos x sin x Jf (x, y) = −2 sin x 0 gegeben. 1.59 Beispiel. (Polarkoordinaten im R2 ) Das kartesische Koordinatensystem beruht auf geradlinigen zueinander orthogonalen Koordinatenachsen. Es ist manchmal zweckm¨ aßig, einem Punkt (x, y) ∈ R2 andere Koordinaten zuzuordnen. Die Polarkoordinaten von (x, y) sind der Ab stand r := x2 + y 2 vom Ursprung (0, 0) des kartesischen Koordinatensystems sowie der Winkel ϕ zwischen (x, y) und der x-Achse. L¨ asst man den Winkel ϕ in einem halboffenen Intervall der L¨ange 2π variieren, so besitzt jeder Punkt x = 0 eindeutig bestimmte Polarkoordinaten (Bild 1.20). Mit der Vereinbarung 0 ≤ ϕ < 2π folgt im Fall r = 0 nach Definition des Winkels (vgl. I.8.4.3) arccos(x/r), falls y ≥ 0, ϕ= 2π − arccos(x/r), falls y < 0. 4
Carl Gustav Jacob Jacobi (1804–1851). Nach Promotion und Habilitation in Berlin (1825) forschte und lehrte Jacobi 16 Jahre lang an der Universit¨ at K¨ onigsberg (Kaliningrad). 1844 wurde er auf eigenen Wunsch nach Berlin versetzt, wo er 6 1/2 Jahre als Mitglied der Akademie ohne festes Verh¨ altnis zur Universit¨ at, jedoch mit der Erlaubnis, dort zu lesen, wirkte. Jacobis Werk umfasst 2 B¨ ucher und 170 Abhandlungen. Hauptarbeitsgebiete: Algebra, Zahlentheorie, Differentialgleichungen, mathematische Physik (analytische Mechanik, theoretische Astronomie).
1.7 Differentiation vektorwertiger Funktionen
55
y r
ϕ
· x
Bild 1.20: Polarkoordinaten (r, ϕ) des Punktes (x, y)
Die Umkehrabbildung g = (g1 , g2 ) : (0, ∞)×[0, 2π) → R2 \{0} von (x, y) → (r, ϕ) lautet (g1 (r, ϕ), g2 (r, ϕ)) = (r cos ϕ, r sin ϕ). Die Abbildung g ordnet den Polarkoordinaten r und ϕ die entsprechenden kartesischen Koordinaten x und y zu. Sie ist partiell differenzierbar auf der offenen Menge (0, ∞) × (0, 2π), und die Jacobi-Matrix ergibt sich zu cos ϕ −r sin ϕ Jg (r, ϕ) = . (1.63) sin ϕ r cos ϕ
1.7.2
Differenzierbarkeit
Da die i-te Zeile der Jacobi-Matrix (1.62) den Gradienten der Funktion fi darstellt, ist die folgende Definition eine direkte Verallgemeinerung der entsprechenden Begriffsbildung f¨ ur Funktionen einer Ver¨ anderlichen. Die Funktion f = (f1 , . . . , fm ) : D → Rm heißt in einem inneren Punkt a von D differenzierbar, wenn sie dort partiell differenzierbar ist und die Grenzwertaussage lim
x→a
f (x) − f (a) − Jf (a)(x − a)2 =0 x − a2
(1.64)
erf¨ ullt ist. In diesem Fall heißt f (a) := Jf (a) die Ableitung von f im Punkt a. Ist f in jedem Punkt einer Menge A ⊂ D differenzierbar, so heißt f differenzierbar auf A. Im Fall A = D nennt man f differenzierbar. ur die Ableitung einer Funktion f : Man beachte, dass die Bezeichung f (a) f¨ m n D → R mit D ⊂ R ganz im Einklang mit der bisherigen Nomenklatur steht. Allgemein ist f (a) eine m × n-Matrix (die Jacobi-Matrix); im Fall m = 1, n > 1 ist f (a) der Gradientenvektor (eine einzeilige Jacobi-Matrix) und im Fall m = n = 1 eine skalare Gr¨oße (eine 1 × 1-Matrix).
1 Differentialrechnung im Rn
56
Der obige Differenzierbarkeitsbegriff kann auf die Differenzierbarkeit reellwertiger Funktionen zur¨ uckgef¨ uhrt werden: 1.60 Satz. (Differenzierbarkeit und Differenzierbarkeit der Komponenten) Die Funktion f = (f1 , . . . , fm ) : D → Rm ist genau dann in einem inneren Punkt a von D differenzierbar, wenn jede Komponente fi diese Eigenschaft besitzt. Beweis: Der i-te Zeilenvektor von Jf (a) ist der Gradient fi (a) von fi an der Stelle a. Die Konvergenz (1.64) ist also zu |fi (x) − fi (a) − fi (a), x − a| = 0, x→ a x − a2 lim
i = 1, . . . , m
aquivalent. Daraus folgt die Behauptung. ¨
Satz 1.60 f¨ uhrt zu einer direkten Verallgemeinerung von Satz 1.33: 1.61 Satz. (Grenzwertcharakterisierung der Ableitung) Die Funktion f : D → Rm ist genau dann in einem inneren Punkt a von D differenzierbar, wenn es eine m × n-Matrix A gibt, so dass gilt: f (x) − f (a) − A(x − a)2 = 0. x − a2 x→a lim
(1.65)
In diesem Fall ist A die Ableitung (Jacobi-Matrix) von f an der Stelle a. Der Fall n = 1 dieses Satzes f¨ uhrt zur¨ uck auf den in 1.4.9 diskutierten Kurvenbegriff. In diesem Fall besitzt der Vektor f (a) eine geometrisch sehr anschauliche Interpretation als Tangentialvektor der Kurve.
1.7.3
Das vollst¨ andige Differential
Ist f differenzierbar im Punkt a, und setzt man wie im Fall m = 1 R(x;a) := f (x) − f (a) − Jf (a)(x − a), so ergibt sich f (x) = f (a) + A(x − a) + R(x;a)
(1.66)
mit A := Jf (a). Dabei gilt R(x;a)2 = 0. x − a2 x→a lim
(1.67)
Umgekehrt folgt aus der Existenz einer m × n-Matrix A und einer Abbildung R(·;a) : D → Rm mit den Eigenschaften (1.66) und (1.67) die Differenzierbarkeit von f im Punkt a sowie die Gleichung Jf (a) = A.
1.7 Differentiation vektorwertiger Funktionen
57
Die lineare Abbildung h → Jf (a)h von Rn in Rm heißt (wie im Fall m = 1) vollst¨andiges Differential von f im Punkt a; sie wird mit df (a) oder Df (a) bezeichnet. Wir weisen hier nochmals darauf hin, dass der Vektor h im Matrizenprodukt Jf (a)h als Spaltenvektor interpretiert werden muss. 1.62 Beispiel. (Fortsetzung von Beispiel 1.58) Nach Beispiel 1.58 ist y cos x sin x −2 sin x 0 die Jacobi-Matrix im Punkt (x, y) der Funktion f (x, y) := (y sin x, 2 cos x). Das vollst¨andige Differential von f im Punkt (x, y) ist somit die lineare Abbildung (h1 , h2 ) → df (x, y)(h1 , h2 ) = (yh1 cos x + h2 sin x, −2h1 sin x).
1.7.4
Differentiationsregeln
Eine Abbildung f : D → Rm heißt stetig differenzierbar , falls f differenzierbar ist und die Abbildung f : D → Rm·n , x → f (x)(= Jf (x)) stetig ist. (Hier identifizieren wir die Menge aller m × n-Matrizen mit dem Rm·n .) Es sei daran erinnert, dass der Definitionsbereich D von f eine Teilmenge von Rn ist. Wegen der S¨atze 1.60 und 1.33 ist diese Eigenschaft a ¨quivalent zur stetigen partiellen Differenzierbarkeit von f . Auch die S¨atze 1.36 und 1.37 k¨onnen verallgemeinert werden. 1.63 Satz. (Linearit¨at der Ableitung) Sind f, g : D → Rm im Punkt a ∈ D ◦ differenzierbar und sind λ, μ ∈ R, so ist auch die Funktion λf + μg in a differenzierbar, und es gilt (λf + μg) (a) = λf (a) + μg (a). 1.64 Satz. (Allgemeine Kettenregel) Es seien I ⊂ Rk und g = (g1 , . . . , gn ) : I → D eine Funktion, welche in einem inneren Punkt x0 von I differenzierbar ist. Ferner sei g(x0 ) ein innerer Punkt von D, und f : D → Rm sei differenzierbar in g(x0 ). Dann ist die Komposition f ◦ g, x → f (g(x)), differenzierbar im Punkt x0 , und es gilt (f ◦ g) (x0 ) = f (g(x0 ))g (x0 ).
(1.68)
Beweis: Der Beweis erfolgt analog zum Beweis von Satz 1.60. Wir benutzen die Darstellungen (1.66) und (1.67) f¨ ur f und f¨ ur g (an der Stelle x0 mit Rg := R) und erhalten (1.69) f ◦ g(x) − f ◦ g(x0 ) = f (g(x0 ))(g(x) − g(x0 )) + Rf (g(x); g(x0 )) = f (g(x0 ))g (x0 )(x − x0 ) + f (g(x0 ))Rg (x; x0 ) + Rf (g(x); g(x0 )).
1 Differentialrechnung im Rn
58
Man beachte hierbei die Assoziativit¨at der Matrixmultiplikation. Wir wollen zun¨ achst g(x) = g(x0 ) f¨ ur alle x in einer Umgebung von x0 annehmen. Wegen der Stetigkeit von g im Punkt x0 sowie der Differenzierbarkeit von f (vgl. (1.67)) gilt dann lim
x→ x0
Rf (g(x); g(x0 )) = 0. g(x) − g(x0 )2
Andererseits zeigen das folgende Lemma 1.66 sowie die Dreiecksungleichung f¨ ur die euklidische Norm, dass der Quotient g(x) − g(x0 )2 g (x0 )(x − x0 ) + Rg (x; x0 )2 = x − x0 2 x − x0 2 in einer Umgebung von x0 beschr¨ankt bleibt. Es folgt lim
x→ x0
Rf (g(x); g(x0 )) Rf (g(x); g(x0 )) g(x) − g(x0 )2 = lim · = 0. x→ x0 g( x − x0 2 x) − g(x0 )2 x − x0 2
ur g(x) = g(x0 ) ist diese Grenzwertbeziehung allgemein Wegen Rf (g(x), g(x0 )) = 0 f¨ richtig. Damit zeigt (1.69) sowohl, dass f ◦ g im Punkt x0 differenzierbar ist, als auch die G¨ ultigkeit von (1.68).
Ausf¨ uhrlicher geschrieben bedeutet (1.68) ∂fi ∂gl ∂fi ◦ g (x0 ) = (g(x0 )) (x0 ), ∂xj ∂xl ∂xj n
i = 1, . . . , m, j = 1, . . . , k.
(1.70)
l=1
F¨ ur festes i und festes j ist diese Aussage nichts anderes als die Kettenregel aus Satz 1.37. 1.65 Beispiel. Die Funktion f : R2 → R sei differenzierbar. Dann ist die Funktion h(r, ϕ) := f (r cos ϕ, r sin ϕ) von (0, ∞) × (−π, π] in R differenzierbar auf (0, ∞) × (−π, π), und es gilt ∂f (r, ϕ) = fx (r cos ϕ, r sin ϕ) cos ϕ + fy (r cos ϕ, r sin ϕ) sin ϕ, ∂r ∂f (r, ϕ) = −fx (r cos ϕ, r sin ϕ)r sin ϕ + fy (r cos ϕ, r sin ϕ)r cos ϕ. ∂ϕ Diese Formeln ergeben sich aus (1.68) und der im Beispiel 1.59 angegebenen Jacobi-Matrix (1.63) der Abbildung (r, ϕ) → (r cos ϕ, r sin ϕ). Alternativ kann man nat¨ urlich auch die Kettenregel in Satz 1.37 anwenden.
1.7 Differentiation vektorwertiger Funktionen
1.7.5
59
Der Mittelwertsatz
Die (euklidische) Norm einer m × n-Matrix A = (aij ) ist die Zahl n m A2 := a2ij . i=1 j=1
In diesem Sinn besitzt also die 2 × 3-Matrix 1 0 3 −1 1 2 die Norm 4 (= (12 + 02 + 32 + (−1)2 + 12 + 22 )1/2 ). In 4.3.5 werden wir weitere Beispiele von Matrizennormen kennenlernen. 1.66 Lemma. Sind A eine m × n-Matrix und x ∈ Rn , so gilt Ax2 ≤ A2 ·x2 . Beweis: Sind a1 , . . . , am die Zeilenvektoren von A, so besitzt Ax die Komponenten
a1 , x, . . . , am , x. Also folgt aus der Cauchy–Schwarzschen Ungleichung Ax22 =
m j=1
aj , x2 ≤
m
aj 22 ·x22 = A22 ·x22 .
j=1
Im n¨achsten Abschnitt ben¨otigen wir die folgende Version des Mittelwertsatzes f¨ ur vektorwertige Funktionen. 1.67 Satz. (Mittelwertabsch¨atzung) Die Funktion f : D → Rm sei differenzierbar, und es seien a, x ∈ D mit der Eigenschaft [a, x] ⊂ D. Dann gibt es ein ϑ ∈ (0, 1) mit f (x) − f (a)2 ≤ x − a2 ·f (a + ϑ(x − a))2 . Beweis: F¨ ur v ∈ Rm betrachten wir die Hilfsfunktion g(x) := v , f (x). Nach der Kettenregel (Satz 1.64) ist g differenzierbar auf D, und es gilt g (x) = f (x)v . Anwendung des Mittelwertsatzes 1.48 auf g liefert die Existenz eines ϑ ∈ (0, 1) mit
v , f (x) − f (a) = x − a, f (a + ϑ(x − a))v . Wegen Lemma 1.66 und der Cauchy–Schwarzschen Ungleichung kann der Betrag der rechten Seite durch x − a2 ·f (a + ϑ(x − a)2 ·v2 nach oben abgesch¨ atzt werden. Jetzt w¨ahlen wir speziell v = f (x) − f (a) und erhalten f (x) − f (a)22 ≤ f (x) − f (a)2 ·x − a2 ·f (a + ϑ(x − a))2 , womit der Satz bewiesen ist.
1 Differentialrechnung im Rn
60
1.8 1.8.1
Implizit definierte Funktionen Motivation
In den Natur- und Wirtschaftswissenschaften ergibt sich h¨ aufig ein Problem, das in seiner einfachsten Form anhand eines Bildes verdeutlicht werden soll. Bild 1.21 zeigt einen Ausschnitt einer schematisch dargestellten topographischen Karte. Eingezeichnet sind die f¨ ur jede topographische Karte charakteristischen H¨ohen- oder Niveaulinien des betreffenden Gel¨ andes, die zu verschiedenen H¨ohen (in Metern u ¨ber dem Meeresspiegel gemessen) eingetragen sind. Auf diese Weise gewinnt man einen Eindruck vom H¨ohenverlauf des Gel¨ andes. Werden Wege l¨angs einer H¨ohenlinie angelegt, so muss keine Steigung u berwunden werden, ¨ was etwa f¨ ur ¨altere Menschen in Erholungsgebieten wichtig sein kann.
:100m Bild 1.21: H¨ohenlinien im Gel¨ande
• •
:125m :150m :175m
Mathematisch idealisiert entspricht ein Gel¨ andest¨ uck dem Graphen einer auf einer Menge D ⊂ R2 definierten Funktion g(x, y) und eine H¨ ohenlinie zum Niveau c der Punktmenge Hg (c) = {(x, y) ∈ D : g(x, y) = c} (siehe auch Abschnitt I.2.1.9). Hier liegt die Frage nahe, ob man die Gleichung g(x, y) = c f¨ ur vorgegebenes x in der Form y = f (x) nach y aufl¨ osen“, also die ” H¨ohenlinie Hg (c) (oder zumindest einen Teil davon) durch den Graphen einer reellen Funktion beschreiben kann. Ist (x0 , y0 ) ein Punkt auf Hg (c), so wird es im Allgemeinen zu jedem x in einer hinreichend kleinen Umgebung U = (x0 − ε, x0 + ε) von x0 genau ein y aus einer ebenfalls hinreichend kleinen Umgebung V = (y0 − η, y0 + η) von y0 geben, so dass auch der Punkt (x, y) zur H¨ohenlinie Hg (c) geh¨ ort (Bild 1.22). Ordnet man jedem x ∈ U dieses eindeutig bestimmte y ∈ V zu, so ergibt sich eine Funktion f : U → V mit der Eigenschaft g(x, f (x)) = c, x ∈ U . In der ohenlinie Hg (c) durch eine (¨ uber N¨ahe des Punktes (x0 , y0 ) l¨asst sich also die H¨ die Gleichung g(x, y) = c implizit gegebene) Funktion x → y = f (x) ausdr¨ ucken.
1.8 Implizit definierte Funktionen
61
y
Hg (c)
η
y0
• η
•
y1
•
ε
ε
x0
x1 x
Bild 1.22: In einer Umgebung des Punktes (x0 , y0 ) lassen sich die auf der H¨ohenlinie Hg (c) liegenden Punkte durch (x, f (x)) mit einer Funktion f beschreiben
Man beachte, dass sowohl U als auch V hinreichend klein sein m¨ ussen, um die eindeutige Zuordnung x → f (x) zu garantieren. Ist etwa η so groß, dass das Rechteck U × V in Bild 1.22 den Punkt (x0 , y1 ) enth¨ alt, so gilt y0 = y1 , aber g(x0 , y0 ) = g(x0 , y1 ) = c. In diesem Fall kann also von einer eindeutigen Zuordnung x → f (x) mit der Eigenschaft g(x, f (x)) = c in einer noch so kleinen Umgebung von x0 nicht mehr die Rede sein. Man beachte auch, dass in jeder noch so kleinen Umgebung U der x-Koordinate x1 des in Bild 1.22 am rechten Rand der H¨ohenlinie eingezeichneten Punktes keine eindeutige Zuordnung x → f (x) mit g(x, f (x)) = c, x ∈ U , definiert werden kann. Der anschauliche Grund hierf¨ ur ist, dass die H¨ ohenlinie Hg (c) in diesem Punkt eine senkrecht verlaufende Tangente besitzt“. ” In gleicher Weise kann man danach fragen, ob sich die auf jeder Wetterkarte eingezeichneten und f¨ ur die Wettervorhersage wichtigen Isobaren (Kurven gleichen Luftdrucks) oder die Isothermen (Kurven gleicher Temperatur) zumindest lokal als Graphen reeller Funktionen darstellen lassen.
1.8.2
Die allgemeine Problemstellung
In Verallgemeinerung der bisherigen Fragestellung betrachten wir eine vektorwertige Funktion g = (g1 , . . . , gm ) : D → Rm ,
D ⊂ Rn ,
1 Differentialrechnung im Rn
62
von n Variablen, wobei n > m vorausgesetzt sei. ¨ Im Hinblick auf weitere Uberlegungen seien diese Variablen mit x1 , . . . , xn−m , y1 , . . . , ym bezeichnet. Im Folgenden verwenden wir auch die abk¨ urzende Schreibweisen x := (x1 , . . . , xn−m ), y := (y1 , . . . , ym ) sowie g(x, y ) = (g1 (x, y ), . . . , gm (x, y )) := g(x1 , . . . , xn−m , y1 , . . . , ym ). Zwischen x1 , . . . , xn−m , y1 , . . . , ym m¨ogen gewisse Beziehungen bestehen, die man mathematisch in der Form gi (x, y ) = 0,
i = 1, . . . , m,
(1.71)
also kurz durch g(x, y ) = 0, ausdr¨ ucken kann. Dabei bedeutet die Zahl 0 auf der rechten Seite von (1.71) keine Einschr¨ankung der Allgemeinheit (eine nichttriviale rechte Seite k¨onnte von gi subtrahiert werden). Es stellt sich die Frage, ob man das Gleichungssystem (1.71) nach den Variablen y1 , . . . , ym aufl¨ osen kann. Gleichbedeutend hiermit ist die Frage nach der Existenz einer auf einer geeigneten Teilmenge U des Rn−m erkl¨ arten Funktion f mit Werten m in R , so dass f¨ ur jedes x ∈ U die Gleichungen gi (x, f (x)) = 0,
i = 1, . . . , m,
erf¨ ullt sind. In diesem Fall sagt man auch, dass die Funktion f durch das Gleichungssystem (1.71) implizit definiert ist. 1.68 Beispiel. (Affine Funktion) Es seien A eine m × (n − m)-Matrix, B eine regul¨are m × m-Matrix und b ∈ Rm sowie g(x, y ) := Ax + By + b, x ∈ Rn−m , y ∈ Rm (1.72) gesetzt. In diesem Fall ist die Gleichung Ax + By + b = 0 ur eine affine Funktion der Gestalt (1.72) ¨aquivalent zu y = −B −1 (Ax + b). F¨ ergibt sich also die gesuchte Funktion f zu x ∈ Rn−m . f (x) = −B −1(Ax + b),
1.8.3
Der Hauptsatz u ¨ ber implizite Funktionen
In der Situation von 1.8.2 seien D ⊂ Rn eine offene Menge sowie g : D → Rm eine stetig differenzierbare Funktion. Wir definieren f¨ ur jedes z ∈ D die m × (n − m)Matrix ⎛ ⎞ ∂g1 1 z ) . . . ∂x∂g ( z ) ∂x1 ( n−m ⎜ . ⎟ ∂gi ∂g .. ⎟ . (z ) = ⎜ (z ) := . . ⎝ ⎠ ∂x ∂xj ∂gm ∂gm ( z ) . . . ( z ) ∂x1 ∂xn−m
1.8 Implizit definierte Funktionen sowie die m × m-Matrix ∂g (z ) := ∂y
63
⎛ ∂g1 z) . . . ∂y1 ( ∂gi ⎜ .. (z) = ⎝ . ∂yj ∂gm z) . . . ∂y1 (
⎞ ∂g1 z) ∂ym (
⎟ ⎠. ∂gm z) ∂ym ( .. .
Schreibt man beide Matrizen nebeneinander, so ergibt sich die Jacobi-Matrix (Ableitung) von g an der Stelle z. 1.69 Satz. (Satz u ¨ ber implizite Funktionen) Es seien g : D → Rm eine stetig differenzierbare Funktion sowie (x0 , y0 ) ∈ D ∂g ein Punkt mit g(x0 , y0 ) = 0. Die Matrix ∂ x0 , y0 ) sei regul¨ar. Dann gibt es y ( offene Umgebungen U von x0 und V von y0 mit U × V ⊂ D sowie eine eindeutig bestimmte Funktion f : U → V mit den Eigenschaften f (x0 ) = y0 , g(x, f (x)) = 0,
(1.73) x ∈ U.
(1.74)
Die Funktion f ist stetig differenzierbar auf U , und f¨ ur ihre Ableitung f (x) gilt −1 ∂g ∂g (x, f (x)) (x, f (x)), x ∈ U. (1.75) f (x) = − ∂y ∂x Beweis: Die Idee besteht darin, die gesuchte Funktion f iterativ zu konstruieren. Dazu formen wir die Gleichung g(x, y) = 0 um und definieren die m × m-Matrix A :=
∂g (x0 , y0 ) ∂y
sowie den Vektor h(x, y ) := y − A−1 g(x, y ). ¨ Die Funktion h ist stetig differenzierbar auf D, und es gilt die Aquivalenz g(x, y ) = 0 ⇐⇒ h(x, y ) = y. Ferner ist h(x0 , y0 ) = y0 . Wir k¨onnen o.B.d.A. annehmen (eventuell muss hierzu der urspr¨ ungliche Definitionsbereich eingeschr¨ankt werden), dass D von der Form B1 × B2 ist, wobei B1 und B2 offene Kugeln mit den Mittelpunkten x0 bzw. y0 sind F¨ ur alle x ∈ B1 , y1 , y2 ∈ B2 gilt h(x, y1 ) − h(x, y2 ) = y1 − y2 − A−1 (g(x, y1 ) − g(x, y2 )) −1
= −A
(1.76)
(g(x, y1 ) − g(x, y2 ) − A(y1 − y2 )).
F¨ ur festes x wenden wir jetzt die Mittelwertabsch¨ atzung in Satz 1.67 auf die Funktion y → g(x, y ) − Ay von B2 in Rm an und erhalten die Existenz eines ϑ ∈ (0, 1) mit ∂g g(x, y1 ) − g(x, y2 ) − A(y1 − y2 )2 ≤ (x, y2 + ϑ(y1 − y2 )) − A ·y1 − y2 2 ∂y 2 ∂g ∂g = (x, y2 + ϑ(y1 − y2 )) − (x0 , y0 ) ·y1 − y2 2 . ∂y ∂y 2
1 Differentialrechnung im Rn
64
Da die partiellen Ableitungen von g stetig sind, strebt die erste Norm f¨ ur x → x0 und y1 , y2 → y0 gegen 0. Also folgt aus (1.76) und Lemma 1.66 die Existenz einer Zahl L mit 0 < L < 1 und von Zahlen ε1 , ε2 > 0 mit B(x0 , ε1 ) ⊂ B1 und B(y0 , ε2 ) ⊂ B2 , so dass gilt: h(x, y1 ) − h(x, y2 )2 ≤ L · y1 − y2 2 ,
x ∈ B(x0 , ε1 ), y1 , y2 ∈ B(y0 , ε2 ).
(1.77)
Wegen der Stetigkeit von g und g(x0 , y0 ) = 0 kann angenommen werden, dass ε1 so klein gew¨ ahlt ist, dass h(x, y0 ) − y0 2 = A−1 g(x, y0 )2 ≤ (1 − L)ε2
(1.78)
ur jedes y ∈ B(y0 , ε2 ) f¨ ur jedes x ∈ B(x0 , ε1 ) gilt. Damit folgt f¨ h(x, y) − y0 2 ≤h(x, y0 ) − y0 2 + h(x, y ) − h(x, y0 )2 ≤(1 − L)ε2 + L · y − y0 2 ≤(1 − L)ε2 + Lε2 = ε2 . Die Zuordnung y → h(x, y) kann also als Abbildung von B(y0 , ε2 ) in B(y0 , ε2 ) aufgefasst werden. Diese Abbildung gehorcht der Kontraktionsbedingung (1.77). F¨ ur x ∈ B(x0 , ε1 ) definieren wir f0 (x) := y0 und induktiv fk+1 (x) := h(x, fk (x)),
k ∈ N0 .
(1.79)
Vollst¨ andige Induktion zeigt, dass die fk stetige Funktionen von B(x0 , ε1 ) in B(y0 , ε2 ) sind. Mittels (1.77) kann man unschwer die Konvergenz lim fk (x) =: f (x)
k→∞
nachweisen. Dabei besitzt die Funktion f : B(x0 , ε1 ) → B(y0 , ε2 ) die Eigenschaft fk (x) − f (x)2 ≤
Lk · f1 (x) − y0 2 . 1−L
(Eine Verallgemeinerung dieser Aussage werden wir in 4.3.7 als Banachschen Fixpunktsatz kennen lernen.) Setzt man C := (1 − L)−1 (max{f (x1 )2 : x1 ∈ B(x0 , ε1 )} + y0 2 ) , atzt so kann die rechte Seite der letzten Ungleichung durch CLk nach oben abgesch¨ werden. Eine Verallgemeinerung von Satz I.6.33 (gleichm¨ aßige Konvergenz und Stetigkeit) zeigt, dass f eine stetige Funktion ist. Damit k¨ onnen wir in (1.79) zum Grenzwert u bergehen und erhalten die gew¨ u nschte, zu (1.74) a quivalente Gleichung ¨ ¨ f (x) = h(x, f (x)),
x ∈ B(x0 , ε1 ).
Ist f˜ : B(x0 , ε1 ) → B(y0 , ε2 ) eine weitere Funktion mit der Eigenschaft f˜(x) = h(x, f˜(x)),
x ∈ B(x0 , ε1 ),
1.8 Implizit definierte Funktionen
65
so ergibt sich aus (1.77) f (x) − f˜(x)2 ≤ L · f (x) − f˜(x)2 und damit wegen 0 < L < 1 die Gleichheit f (x) = f˜(x). Somit ist f auf B(x0 , ε1 ) eindeutig bestimmt. Wegen g(x0 , y0 ) = 0 folgt daraus insbesondere (1.73). Wir zeigen jetzt, dass f auf der offenen Kugel U := B ◦ (x0 , ε1 ) stetig differenzierbar ist, falls ε1 und ε2 zu Beginn des Beweises hinreichend klein gew¨ ahlt werden. Zun¨ achst k¨ onnen ∂g 0 0 ( x , y ) f¨ u r jedes ( x , y ) ∈ B ( x , ε )×B ( y , ε ) regul¨ ar wir voraussetzen, dass D(x, y ) := ∂ 0 1 0 2 x ist. Nehmen wir n¨amlich indirekt an, dass eine entsprechende Wahl von ε1 und ε2 nicht m¨ oglich sei, so gibt es zu jedem n ∈ N ein (xn , yn) ∈ B((x0 , y0 ), 1/n) und ein vn ∈ S n−1 mit D(xn , yn ) · vn = 0. Wie im Beweis von Satz 1.55 (i) folgt daraus die Existenz eines v ∈ S n−1 mit D(x0 , y0 ) ·v = 0, also ein Widerspruch zur vorausgesetzten Regularit¨ at der Matrix D(x0 , y0 ). Aus dem Gaußschen Algorithmus (vgl. I.8.7.7) und schrittweiser Verkleinerung von ε1 und ε2 folgt, dass alle Eintr¨age der Matrix (D(x, y ))−1 stetige Funktionen von (x, y) ∈ B 0 (x0 , ε1 ) × B 0 (y0 , ε2 ) sind. (Entscheidend ist jeweils der erste Schritt des Algorithmus!) Wegen Satz 1.18 k¨ onnen wir dann annehmen, dass diese Eintr¨ age beschr¨ ankt sind. Zum Nachweis der Differenzierbarkeit von f auf U := B ◦ (x0 , ε1 ) w¨ ahlen wir a, x ∈ U und betrachten die sich aus dem Mittelwertsatz (Folgerung 1.48) ergebende Gleichung 0 = g(x, f (x)) − g(a, f (a)) = g(x, f (x)) − g(a, f (x)) + g(a, f (x)) − g(a, f (a)) = A(a, x)(x − a) + B(a, x)(f (x) − f (a)).
(1.80)
Hierbei ist die i-te Zeile der m × (n − m)-Matrix A(a, x) von der Form ∂g ∂gi i (xi , f (x)), . . . , (xi , f (x)) ∂x1 ∂xn−m mit xi ∈ [a, x], i = 1, . . . , m, und die i-te Zeile der m × m-Matrix B(a, x) von der Form ∂g ∂gi i (a, yi ), . . . , (a, yi ) ∂y1 ∂ym mit yi ∈ [f (a), f (x)]. Aus (1.80) folgt nach Multiplikation mit der Inversen von B(a, x) f (x) − f (a) = −B(a, x)−1 A(a, x)(x − a).
(1.81)
Die oben erw¨ ahnte Beschr¨anktheit impliziert f (x) → a f¨ ur x → a. Damit gilt neben ur x → a. Also folgt aus der oben erw¨ ahnten Stetigkeit xi → a auch yi → f (a) f¨ −1 ∂g ∂g B(a, x)−1 A(a, x) → C(a) := ∂y (a, f (a)) (a, f (a)) komponentenweise f¨ ur x → a. ∂ x Daraus ergibt sich die Darstellung (1.66) mit A := −C(a) und einer geeignet definierten Funktion R. Damit erhalten wir sowohl die Differenzierbarkeit von f als auch die Formel (1.75). Weil die rechte Seite von (1.75) stetig ist, ist f sogar stetig differenzierbar.
Die Differentiationsregel (1.75) erh¨alt man auch durch partielle Differentiation der Gleichung g(x, f (x)) = 0 nach x1 , . . . , xn−m unter Benutzung der Kettenregel sowie anschließender Multiplikation mit der Inversen von ∂g x, f (x)). Dieses ∂ y ( Verfahren nennt man implizite Differentiation.
1 Differentialrechnung im Rn
66
1.8.4
Der Hauptsatz fu ¨ r reellwertige Funktionen
Der Spezialfall m = 1 des Satzes u ¨ ber implizite Funktionen verdient es, gesondert formuliert zu werden. In diesem Fall ist die Matrix ∂g x0 , y0 ) eine Zahl, n¨ amlich ∂ y ( ∂g die partielle Ableitung ∂y (x0 , y0 ). Dabei haben wir wie bei Zahlen (im Gegensatz zu Vektoren) u blich auf den Pfeil u ¨ ¨ber y0 verzichtet.
1.70 Satz. (Spezialfall des Satzes u ¨ ber implizite Funktionen) Es seien g : D → R eine stetig differenzierbare Funktion sowie (x0 , y0 ) ∈ D ein Punkt mit g(x0 , y0 ) = 0 und ∂g x0 , y0 ) = 0. Dann gibt es offene Umgebungen U ∂y ( von x0 und V von y0 mit U × V ⊂ D sowie eine eindeutig bestimmte Funktion f : U → V mit den Eigenschaften f (x0 ) = y0 , g(x, f (x)) = 0,
(1.82) x ∈ U.
(1.83)
Die Funktion f ist stetig differenzierbar auf U , und f¨ ur ihren Gradienten gilt −1 ∂g ∂g ∂g f (x) = − (x, f (x)), . . . , (x, f (x)) . (1.84) (x, f (x)) ∂y ∂x1 ∂xn−1 Es m¨ogen die Voraussetzungen von Satz 1.70 vorliegen. Wir w¨ ahlen ε1 , ε2 > 0 so, dass die Kontraktionsbedingung (1.77) und die Anfangswertbedingung (1.78) erf¨ ullt sind und fixieren einen Punkt x ∈ B(x0 , ε1 ). Der Funktionswert y := f (x) ist eine L¨osung der Gleichung g(x, y) = 0. Die Rekursion (1.79) aus dem Beweis von Satz 1.69 lautet −1 ∂g yk+1 = yk − g(x, yk ), k ∈ N0 . (x0 , y0 ) ∂y Weil x hier fest ist, erkennt man eine Analogie zu dem in I.6.8.6 vorgestellten Newton-Verfahren −1 ∂g yk+1 = yk − (x, yk ) g(x, yk ), k ∈ N0 . ∂y L¨asst sich die Gleichung g(x, y) = 0 nicht explizit l¨ osen, so ist das NewtonVerfahren gut geeignet, um die L¨osung numerisch zu bestimmen. 1.71 Beispiel. F¨ ur die durch
g(x, y) := esin(xy) + x2 − 2y − 1
∂g definierte Funktion g : R2 → R gilt g(0, 0) = 0 und ∂y (0, 0) = −2. Der Satz u ¨ ber implizite Funktionen garantiert also die Existenz einer offenen Umgebung U von 0 und einer differenzierbaren Funktion f : U → R mit der Eigenschaft
g(x, f (x)) = 0,
x ∈ U.
(1.85)
1.8 Implizit definierte Funktionen
67
Mit der Abk¨ urzung h(x) := exp(sin(xf (x)) erh¨ alt man durch (implizite) Differentiation der Gleichung h(x) + x2 − 2f (x) − 1 = 0 das Resultat h(x) cos(xf (x))(f (x) + xf (x)) + 2x − 2f (x) = 0,
x ∈ U,
und somit (vgl. (1.84)) f (x) = −
h(x) cos(xf (x))f (x) + 2x . xh(x) cos(xf (x)) − 2
Wegen f (0) = 0 folgt insbesondere f (0) = 0. H¨ ohere Ableitungen von f ergeben sich durch weiteres Differenzieren der obigen Gleichung f¨ ur f . Man beachte, dass sich die Gleichung g(x, y) = 0 f¨ ur x = 0 nicht explizit nach y aufl¨ osen l¨ asst. (Zumindest ist nicht klar, wie ein Formelausdruck“ f¨ ur f (x) aussehen k¨ onnte.) Zur ” Berechnung von y = f (x) m¨ ussen numerische Verfahren herangezogen werden. Es sei auch betont, dass der Satz u ¨ber implizite Funktionen keine Aussage u ¨ber die maximale Gr¨oße der Menge U macht, auf der f definiert werden kann. Diese muss mit anderen Methoden bestimmt werden. 1.72 Beispiel. Wir betrachten die durch g(x, y) := ey−x + x2 + 3y − 1 definierte Funktion g : R2 → R. Es gilt ∂g (x, y) = ey−x + 3 > 0. ∂y F¨ ur festes x ∈ R ist die Funktion y → g(x, y) von R in R streng monoton wachsend und surjektiv. Damit gibt es ein eindeutig bestimmtes y =: f (x) mit g(x, f (x)) = 0. Der Satz u ur jedes Paar (x0 , y0 ) mit ¨ ber implizite Funktionen ist f¨ y0 = f (x0 ) anwendbar. Deshalb ist die Funktion f stetig differenzierbar, und aus impliziter Differentiation folgt ef (x)−x (f (x) − 1) + 2x + 3f (x) = 0 und somit f (x) =
ef (x)−x − 2x . ef (x)−x + 3
(1.86)
Daraus folgt, dass f sogar eine C 2 -Funktion ist. Die partiellen Ableitungen zweiter Ordnung erh¨alt man nach Differentiation von (1.86). Induktiv ergibt sich, dass f partielle Ableitungen beliebig hoher Ordnung besitzt. Auch in diesem Beispiel kann die Gleichung g(x, y) = 0 nicht explizit nach y aufgel¨ ost werden.
1 Differentialrechnung im Rn
68
1.8.5
Tangentialraum und H¨ ohenlinie*
Wir greifen die Diskussion in 1.4.11 auf und betrachten die H¨ ohenlinie Hf (c) = {x ∈ Rn : f (x) = c} einer stetig differenzierbaren Funktion f : D → R mit D ⊂ Rn und n ≥ 2 zum Niveau c ∈ R. Wie gleich noch deutlicher werden wird, ist die H¨ ohenlinie im Fall n = 2 (zumindestens lokal) eine Kurve. Im Fall n = 3 ist das nicht mehr richtig. Wie die folgenden Ausf¨ uhrungen belegen werden, sollte in diesem Fall die H¨ohenlinie besser als H¨ohenfl¨ache bezeichnet werden. Tats¨ achlich k¨ onnen Fl¨achen uhrt werden. Die Theorie der Kurven und Fl¨ achen im R3 auf diese Weise eingef¨ n im R (und allgemeineren R¨aumen) ist Gegenstand der Differentialgeometrie. Der Tangentialraum W (f ;a) von Hf (c) im Punkt a ∈ Hf (c) ist definiert als Menge aller Tangentialvektoren g (0) von Kurven g : I → Rn mit den Eigenschaften g(0) = a und {g(t) : t ∈ I} ⊂ Hf (c). Hierbei ist I ein Intervall, welches 0 als inneren Punkt besitzt. 1.73 Satz. (Tangentialraum der H¨ohenlinie) Falls f (a) = 0, so gilt W (f ;a) = {v ∈ Rn : f (a), v = 0}.
(1.87)
Der Tangentialraum W (f ;a) ist also das orthogonale Komplement des vom Gradientenvektor f (a) aufgespannten Unterraums. Beweis: Die Inklusion ⊂“ in (1.87) folgt (auch ohne die Voraussetzung f (a) = 0) ” ¨ sofort aus den in 1.4.11 angestellten Uberlegungen. F¨ ur den Nachweis der umgekehrten Teilmengenbeziehung ⊃“ gelte o.B.d.A. ∂n f (a) = 0. Nach dem Satz u ¨ ber implizite ” Funktionen existieren offene Umgebungen U ⊂ Rn−1 , V ⊂ R von (a1 , . . . , an−1 ) bzw. an sowie eine eindeutig bestimmte differenzierbare Funktion h : U → V mit f (x1 , . . . , xn−1 , h(x1 , . . . , xn−1 )) = c,
(x1 , . . . , xn−1 ) ∈ U.
Die H¨ ohenlinie Hf (c) stimmt also auf der Menge U × V mit dem Graphen von h u ¨berein. n−1 F¨ ur festes λ := (λ1 , . . . , λn−1 ) ∈ R mit λ = 0 setzen wir g(t) := (a1 + λ1 t, . . . , an−1 + λn−1 t, h(a1 + λ1 t, . . . , an−1 + λn−1 t)). Auf diese Weise entsteht eine Funktion (Kurve) g, die f¨ ur gen¨ ugend kleines ε > 0 auf dem Intervall I := (−ε, ε) definiert ist und die Eigenschaften {g(t) : t ∈ I} ⊂ Hf (c) und g(0) = a besitzt. Mit h ist auch g differenzierbar, und wegen f (g(t)) = c, t ∈ I, folgt aus der Kettenregel sowie impliziter Differentiation (vgl. (1.84)) f (g(t)), g (t) = 0, t ∈ I, und somit speziell
f (g(0)), g (0) = 0.
(1.88)
1.8 Implizit definierte Funktionen
69
Es gilt n−1 n−1 λi · ∂i h(a1 , . . . , an−1 ) = λi · vi , g (0) = λ1 , . . . , λn−1 ,
i=1
i=1
wobei v1 := (1, 0, . . . , 0, ∂1 h(a1 , . . . , an−1 )), . . . , vn−1 := (0, 0, . . . , 1, ∂n−1 h(a1 , . . . , an−1 )) gesetzt ist. Die Vektoren v1 , . . . , vn−1 sind linear unabh¨ angig. Setzt man in (1.88) f¨ ur λ n−1 die kanonischen Einheitsvektoren des R ein, so folgt wegen g(0) = a, dass v1 , . . . , vn−1 u ¨ berdies orthogonal zu f (a) sind. Hieraus ergibt sich die Behauptung.
Als orthogonales Komplement von Span(f (a)) ist der Tangentialraum W (f ;a) ein (n − 1)-dimensionaler Unterraum von Rn . Der um den Vektor a verschobene Tangentialraum besteht aus allen Punkten x, die die Gleichung
x − a, f (a) = 0
(1.89)
erf¨ ullen. Diese Menge enth¨alt den Punkt a und wird auch als Gleichung der Tangentialebene an die H¨ohenlinie Hf (c) im Punkt a bezeichnet. Dieser Begriff darf nicht verwechselt werden mit der in 1.4.6 eingef¨ uhrten Tangentialebene Tf (a) von f (an (a, f (a)). Letztere ist eine Hyperebene in Rn+1 und nicht in Rn . Vielmehr ist die Tangentialebene an Hf (c) (im Punkt a) die Tangentialebene der durch f (x) = c implizit definierten Funktion (im Punkt a), etwa der oben diskutierten Funktion (x1 , . . . , xn−1 ) → h(x1 , . . . , xn−1 ). Ist n = 2, so ist die Sprechweise Tangente (anstelle von Tangentialebene) gebr¨auchlich. Nach (1.89) kann die Gleichung der Tangente an die H¨ ohenlinie Hf (c) = {(x, y) ∈ R2 : f (x, y) = c} im Punkt (x0 , y0 ) in der Form ∂f ∂f (x0 , y0 ) · (x − x0 ) + (x0 , y0 ) · (y − y0 ) = 0 ∂x ∂y
(1.90)
geschrieben werden. Hierbei wurde wieder f (x0 , y0 ) = 0 vorausgesetzt. Mindestens eine der beiden auftretenden partiellen Ableitungen muss also ungleich Null sein. Unsere Bezeichnungen stehen ganz im Einklang mit 1.4.9. Wie wir n¨amlich oben gesehen haben, ist die H¨ohenlinie Hf (c) lokal das Bild einer Kurve: es gibt ein offenes Intervall I mit 0 ∈ I sowie eine stetig differenzierbare Funktion g : I → R2 mit g(0) = (x0 , y0 ) und g(I) ⊂ Hf (c). Gleichung (1.90) beschreibt die in 1.4.9 diskutierte Gleichung der Tangente von g an den Punkt g(0) = (x0 , y0 ). Wie oben erw¨ahnt, wird im Fall n = 3 die H¨ ohenlinie Hf (c) = {(x, y, z) ∈ R3 : f (x, y, z) = c}
1 Differentialrechnung im Rn
70
auch als Fl¨ ache im R3 bezeichnet. Dabei wird vorausgesetzt, dass der Gradient von f auf dem Definitionsbereich von f nirgends verschwindet. Die Gleichung der Tangentialebene an Hf (c) im Punkt a = (x0 , y0 , z0 ) lautet ∂1 f (a) · (x − x0 ) + ∂2 f (a) · (y − y0 ) + ∂3 f (a) · (z − z0 ) = 0. Abschließend illustrieren wir die eingef¨ uhrten Konzepte mit einem einfachen Beispiel. 1.74 Beispiel. (Tangentialebenen einer Kugel) Wir betrachten die Funktion f (x) := x22 − 1, x ∈ Rn , sowie die Einheitssph¨ are S n−1 = {x : f (x) = 0}. Es gilt f (x) = 2x. Die Gleichung (1.89) der Tangentialebene an einen Punkt a ∈ S n−1 lautet x − a, 2a = 0, was wegen a,a = 1 gleichbedeutend mit
x,a = 1
(1.91)
ist. Wie aus geometrischen Gr¨ unden nicht anders zu erwarten, beschreibt die Menge aller x mit der Eigenschaft (1.91) eine Hyperebene mit Normaleneinheitsvektor a. Insbesondere lautet die Gleichung der Tangente an den Einheitskreis {(x, y) ∈ R2 : x2 + y 2 = 1} im Punkt (x0 , y0 ) ∈ S n−1 : x · x0 + y · y0 = 1.
1.8.6
Der Umkehrsatz
Wir beenden diesen Abschnitt mit weiteren wichtigen Konsequenzen des Satzes u ¨ber implizite Funktionen. 1.75 Satz. (Umkehrsatz) Es seien f : D → Rn eine stetig differenzierbare Funktion sowie x0 ∈ D ein Punkt, in welchem die Jacobi-Matrix Jf (x0 ) regul¨ ar ist. Dann gibt es offene Umgebungen U ⊂ D von x0 und V von y0 := f (x0 ), so dass f die Menge U bijektiv auf V abbildet. Die Umkehrfunktion f −1 : V → U ist stetig differenzierbar, und es gilt Jf −1 (f (x)) = (Jf (x))−1 , Beweis: Die durch
x ∈ U.
(1.92)
g(x, y ) := f (x) − y
definierte stetig differenzierbare Funktion g : D × Rn → Rn besitzt die Eigenschaft g(x0 , y0 ) = 0. Wegen ∂g (x0 ) = Jf (x0 ) ∂x
1.9 Optimierung unter Nebenbedingungen
71
und der Voraussetzung an f k¨onnen wir (unter Vertauschung der Rollen von x und y ) Satz 1.69 anwenden. Danach gibt es offene Umgebungen U von x0 und V von y0 sowie ur eine stetig differenzierbare Funktion f˜ : V → U mit f˜(y0 ) = x0 und g(f˜(y ), y ) = 0 f¨ jedes y ∈ V . Letzteres bedeutet f ◦ f˜(y ) = y,
y ∈ V.
Deswegen sind f˜ eine bijektive Abbildung von V in U := f˜(V ) sowie f eine bijektive Abbildung von U in V , und es gilt f˜ = f −1 auf V . Formel (1.92) folgt aus der Differentiation der Gleichung f −1 ◦ f = idU oder auch direkt aus (1.75). Wegen Satz 1.21 ist U = f˜(V ) = f −1 (V ) offen.
1.76 Satz. (Satz u ¨ ber offene Abbildungen) Es seien D ⊂ Rn offen und f : D → Rn stetig differenzierbar. Ist die JacobiMatrix Jf (x) f¨ ur jedes x ∈ D regul¨ ar, so ist f (D) eine offene Menge. Ist f −1 zus¨ atzlich injektiv, so ist f : f (D) → D stetig differenzierbar. Beweis: Es sei y0 = f (x0 ) ∈ f (D). Nach Satz 1.75 gibt es eine offene Umgebung V von y0 mit V ⊂ f (D). Also ist f (D) offen. Ist f injektiv, so folgt die stetige Differenzierbarkeit von f −1 ebenfalls aus Satz 1.75.
1.9
Optimierung unter Nebenbedingungen
Viele naturwissenschaftliche, technische oder ¨ okonomische Fragestellungen f¨ uhren auf das (gleiche) mathematische Problem, eine Funktion f (die sogenannte Zielfunktion) unter gewissen Nebenbedingungen zu maximieren oder zu minimieren. 1.77 Beispiel. Wie groß ist das maximale Volumen eines rechteckigen K¨ orpers im R3 unter der Nebenbedingung, dass die Summe seiner Seitenl¨ angen 12c betr¨ agt? Bezeichnen x, y und z die Seitenl¨angen des K¨ orpers, so suchen wir das Maximum der Zielfunktion f (x, y, z) := x·y·z unter der Nebenbedingung 4(x+y+z) = 12c, also das Maximum von f auf der Menge {(x, y, z) ∈ R3 : x > 0, y > 0, z > 0, x + y + z = 3c}. Bei diesem vergleichsweise einfachen Problem bietet es sich an, die Nebenbedingung zu eliminieren, indem man die Gleichung x + y + z = 3c etwa nach z aufl¨ ost und das Resultat z = 3c − x − y in die Zielfunktion einsetzt. Das Problem besitzt dann die vertrautere Form, die Funktion f˜(x, y) := x · y · (3c − x − y) auf der ˜ := {(x, y) ∈ R2 : x > 0, y > 0, x + y < 3c} zu maximieren (vgl. offenen Menge D Abschnitt 1.6). Wegen f˜x (x, y) = y · (3c − 2x − y),
f˜y (x, y) = x · (3c − x − 2y)
1 Differentialrechnung im Rn
72
und x > 0, y > 0 liefert die f¨ ur das Vorliegen einer Extremalstelle notwendige Bedingung f˜ (x, y) = 0 das lineare Gleichungssystem 3c − 2x − y = 0,
3c − x − 2y = 0,
welches die eindeutige L¨osung x = y = c besitzt. Somit ist der Punkt (c, c) der ˜ Da die Hesse-Matrix von f˜ im Punkt (c, c) einzige station¨are Punkt von f˜ in D. negativ definit ist (bitte nachpr¨ ufen!), liegt nach Folgerung 1.56 (ii) ein (globales) Maximum vor. Wegen z = 3c−c−c = c ist der gesuchte rechteckige K¨ orper somit ein W¨ urfel mit der Kantenl¨ange c. 1.78 Beispiel. In vielen o¨konomischen Modellen tritt die durch f (x, y) := A · xa · y b ,
x > 0, y > 0,
(1.93)
definierte Cobb–Douglas-Funktion auf. Hierbei sind A > 0 und a, b ∈ R Konstanten. Dieser Funktionstyp wird etwa verwendet, um die Output-Menge eines Produktionsprozesses bei gegebenen Werten x und y zweier Inputfaktoren zu beschreiben. Die Cobb–Douglas-Funktion findet aber auch Verwendung als Nutzenfunktion eines Verbrauchers, der den pers¨onlichen Nutzen f (x, y) daraus zieht, dass er die Menge x eines Gutes 1“ und die Menge y eines Gutes 2“ besitzt. ” ” Kostet eine Einheit des Gutes 1 bzw. 2 den Betrag von p bzw. q Euro und entscheidet der Verbraucher, insgesamt m Euro in die G¨ uter 1 und 2 zu investieren, so unterliegt er also der Budgetbeschr¨ankung p · x + q · y = m.
(1.94)
Sein Ziel kann dann darin bestehen, die Funktion (1.93) unter der Nebenbedingung (1.94) zu maximieren. L¨osen wir analog wie im vorigen Beispiel die Nebenbedingung (1.94) nach y auf und setzen das Ergebnis y = (m − px)/q in (1.93) ein, so ist die Funktion m − px b a ˜ f (x) := A · x · q bez¨ uglich x zu maximieren. Nullsetzen der ersten Ableitung von f˜ liefert a m x= · a+b p als notwendinge Bedingung f¨ ur ein Extremum. Bildung der zweiten Ableitung zeigt, dass es sich in der Tat um eine Maximalstelle handelt. Der Verbraucher sollte also zur Maximierung seines Nutzens den Anteil a/(a+b) des Budgets m f¨ ur das Gut 1 und den Anteil b/(a+b) des Budgets f¨ ur das Gut 2 ausgeben, um seinen durch die Cobb-Douglas-Funktion (1.93) definierten Nutzen zu maximieren.
1.9 Optimierung unter Nebenbedingungen
1.9.1
73
Extrema unter Nebenbedingungen
Wir betrachten eine Menge D ⊂ Rn sowie eine Funktion f : D → R, deren Maximal- oder Minimalstellen bestimmt werden sollen. In Abschnitt 1.6 haben wir die Maximierung (bzw. Minimierung) von f mit Methoden der Differentialrechnung untersucht. Wie wir oben gesehen haben, ist h¨aufig jedoch nur das (lokale oder globale) Maximum von f auf einer geeigneten Teilmenge des Definitionsbereichs D von Interesse. Diese Teilmenge ergibt sich aus zus¨atzlichen ¨okonomischen (oder physikalischen) Bedingungen (den sogenannten Nebenbedingungen) an die Variablen. Wir nehmen an, dass diese Nebenbedingungen in Form einer Gleichung g(x) = 0
(1.95)
gegeben sind. Hierbei ist g = (g1 , . . . , gm ) : D → Rm eine vektorwertige Funktion, und es ist m < n vorausgesetzt. Die Nebenbedingung (1.95) besagt also, dass zwischen den n Variablen m (im Allgemeinen nichtlineare) Beziehungen bestehen. Schreiben wir Dg := {x ∈ D : g(x) = 0} f¨ ur die Menge aller Punkte des Definitionsbereichs von f , welche die Nebenbedingung (1.95) erf¨ ullen, so sind bei Optimierungsaufgaben unter der Nebenbedingung (1.95) ausschließlich die Extremalstellen von f auf der Teilmenge Dg von D von Interesse. Die Funktion f besitzt im Punkt x0 ∈ Dg ein lokales Maximum unter der Nebenbedingung (1.95), wenn es eine Umgebung U von x0 gibt, so dass gilt: f (x) ≤ f (x0 )
f¨ ur jedes x ∈ U ∩ Dg .
In diesem Fall heißt x0 lokale Maximalstelle von f unter der Nebenbedingung (1.95). Analog definiert man die Begriffe strenges lokales Maximum, (strenges) lokales Minimum, (strenges) globales Maximum sowie (strenges) globales Minimum unter der Nebenbedingung (1.95). Formal liefert diese Definition nichts Neues. Ein lokales Maximum von f unter der Bedingung g(x) = 0 ist nichts anderes als ein lokales Maximum der auf die Menge Dg eingeschr¨ ankten Funktion f .
1.9.2
Die Multiplikatorenregel von Lagrange
Es liege das Problem vor, die Extremalstellen einer Zielfunktion f unter der Nebenbedingung (1.95) zu bestimmen. Wenn es wie in den Beispielen 1.77 und 1.78 gelingt, die Gleichung g(x) = 0 nach m der Variablen (etwa nach xn−m+1 , . . . , xn ) aufzul¨osen, wenn es also eine Funktion ϕ : Rn−m → Rm gibt, so dass die Bedingungen g(x1 , . . . , xn ) = 0 und (xn−m+1 , . . . , xn ) = ϕ(x1 , . . . , xn−m )
1 Differentialrechnung im Rn
74
¨aquivalent sind, so reduziert sich das Problem auf die Bestimmung eines (lokalen) Maximums oder Minimums der Funktion (x1 , . . . , xn−m ) → f (x1 , . . . , xn−m , ϕ(x1 , . . . , xn−m )) auf der Menge {(x1 , . . . , xn−m ) : (x1 , . . . , xn−m , ϕ(x1 , . . . , xn−m )) ∈ D}. In diesem (einfachen) Fall liegt also ein unrestringiertes Extremwertproblem, also ein Maximierungs- oder Minimierungsprobem ohne Nebenbedingungen, vor. H¨aufig ist jedoch die Gleichung g(x) = 0 nicht explizit und manchmal auch nicht eindeutig aufl¨osbar. In derartigen F¨allen liefert das folgende wichtige Resultat eine notwendige Bedingung f¨ ur das Vorliegen einer lokalen Extremalstelle von f unter der Nebenbedingung (1.95). 1.79 Satz. (Multiplikatorenregel von Lagrange5 ) Es seien D ⊂ Rn eine offene Menge sowie f : D → R und g = (g1 , . . . , gm ) : D → Rm stetig differenzierbare Funktionen. Der Punkt x0 ∈ D sei eine lokale Extremalstelle von f unter der Nebenbedingung g(x) = 0, und die Jacobi-Matrix g (x0 ) von g im Punkt x0 habe den (vollen) Rang m. Dann existieren eindeutig bestimmte Zahlen λ1 , . . . , λm ∈ R, so dass f (x0 ) +
m
λi gi (x0 ) = 0.
(1.96)
i=1
Beweis: Wir k¨ onnen o.B.d.A. annehmen, dass die letzten m Spalten von g (x0 ) linear unabh¨ angig sind. F¨ ur den Beweis ist es dann zweckm¨ aßig, die Variablen x1 , . . . , xn anders zu ¨ bezeichnen. Ahnlich wie in Abschnitt 1.8 schreiben wir einen Punkt aus Rn = Rn−m ×Rm in der Form (y , z ) := (y1 , . . . , yn−m , z1 , . . . , zm ) mit y := (y1 , . . . , yn−m ), z := (z1 , . . . , zm ) und setzen g(y, z ) := g(y1 , . . . , yn−m , z1 , . . . , zm ). Entsprechend gilt x0 = (y0 , z0 ) f¨ ur y0 ∈ Rn−m und z0 ∈ Rm . Die in Abschnitt 1.8 definierte Matrix ∂g (y0 , z0 ) ∂z wird durch die letzten m Spalten der Jacobi-Matrix g (x0 ) gebildet; sie ist also nach der eingangs gemachten Annahme regul¨ar. Außerdem gilt g(y0 , z0 ) = 0. Nach Satz 1.69 gibt 5
Joseph Louis Lagrange (1736–1813), Mathematiker, Physiker und Astronom. Lagrange hatte zun¨ achst eine Professur in Turin inne; 1866 nahm er ein Angebot Friedrichs II. an und wurde Direktor der mathematischen Klasse der Berliner Akademie der Wissenschaften. Nach dem Tod Friedrichs II. u ¨ bersiedelte L. nach Paris und wurde Mitglied der Pariser Akademie. Hauptarbeitsgebiete: Variationsrechnung, Differentialgleichungen, Algebra, Zahlentheorie, Himmelsmechanik. Als Hauptwerk gilt sein 1788 erschienenes Buch M´ecanique Analytique. Allein sein astronomisches Gesamtwerk umfasst 14 B¨ ande.
1.9 Optimierung unter Nebenbedingungen
75
es also offene Umgebungen U von y0 und V von z0 mit U × V ⊂ D sowie eine stetig differenzierbare Funktion ϕ : U → V mit ϕ(y0 ) = z0 und g(y , ϕ(y )) = 0, y ∈ U . Da f¨ ur y ∈ U und z ∈ V die Gleichungen g(y, z ) = 0 und z = ϕ(y ) ¨ aquivalent sind, besitzt h(y ) := f (y, ϕ(y )),
y ∈ U,
(1.97)
nach Voraussetzung in y0 ein lokales Extremum. Wegen Satz 1.52 ist h (y0 ) = 0. Andererseits erhalten wir aus der Kettenregel (Satz 1.64) 0 = h (y0 ) = ∂f (x0 ) + ∂f (x0 )ϕ (y0 ). ∂y ∂z Benutzen wir hier Formel (1.75) f¨ ur ϕ (y0 ), so ergibt sich 0 = ∂f (x0 ) − ∂f (x0 ) ∂y ∂z
−1 ∂g ∂g (x0 ) (x0 ). ∂z ∂y
Es liegt jetzt nahe, die Zahlen λ1 , . . . , λm durch λ = (λ1 , . . . , λm ) := − ∂f (x0 ) ∂z
−1 ∂g (x0 ) ∂z
(1.98)
zu definieren. Dann gilt einerseits ∂f ∂g (x0 ) + λ · (x0 ) = 0 ∂y ∂y und andererseits nach Definition von λ ∂f ∂g (x0 ) + λ · (x0 ) = 0. ∂z ∂z
(1.99)
Schreibt man die beiden letzten Gleichungen untereinander, so folgt die Behauptung (1.96). Da (1.99) ein lineares Gleichungssystem mit der eindeutigen L¨ osung (1.98) darstellt, sind λ1 , . . . , λm eindeutig bestimmt.
Die Zahlen λ1 , . . . , λm in Gleichung (1.96) heißen Lagrange-Multiplikatoren . Die Funktion F (x, λ1 , . . . , λm ) := f (x) +
m
λi · gi (x)
(1.100)
i=1
heißt Lagrange-Funktion . Ist x0 ∈ D eine lokale Extremalstelle von f unter der Nebenbedingung g(x) = 0, welche außerdem die Regularit¨ atsbedingung Rang g (x0 ) = m
(1.101)
1 Differentialrechnung im Rn
76
erf¨ ullt, so m¨ ussen unter den Voraussetzungen von Satz 1.79 f¨ ur gewisse λ1 , . . . , λm notwendigerweise die zu (1.96) ¨aquivalenten Gleichungen ∂F (x0 , λ1 , . . . , λm ) = 0, ∂xi
i = 1, . . . , n,
(1.102)
erf¨ ullt sein. Zusammen mit den Gleichungen gi (x0 ) = 0,
i = 1, . . . , m,
(1.103)
stehen also insgesamt n+m Gleichungen zur Bestimmung der m+n Unbekannten ugung. x0 und λ1 , . . . , λm zur Verf¨ Man beachte, dass gi (x0 ) die partielle Ableitung der Lagrange-Funktion F nach λi ist. Ein Punkt (x0 , (λ1 , . . . , λm )), welcher die Gleichungen (1.102) und (1.103) l¨ost, ist also station¨arer Punkt der Lagrange-Funktion. Die Methode der Lagrange-Multiplikatoren besteht darin, alle station¨ aren Punkte der LagrangeFunktion zu bestimmen und dann zu untersuchen, ob x0 ein lokales Extremum unter den Nebenbedingungen ist. Wir werden hierauf in 1.9.5 zur¨ uckkommen. Die Regularit¨atsbedingung (1.101) ist ¨aquivalent zur linearen Unabh¨ angigkeit der Gradienten gi (x0 ), i = 1, . . . , m.
1.9.3
Eine geometrische Interpretation
Die Voraussetzungen von Satz 1.79 seien erf¨ ullt. Gleichung (1.96) bedeutet, dass der Gradient f (x0 ) von f im Punkt x0 eine Linearkombination der Gradienten der Nebenbedingungen in diesem Punkt ist. Wir nehmen jetzt an, dass es nur eine Nebenbedingung g := g1 gibt. Dann gilt f (x0 ) = μg (x0 )
(1.104)
f¨ ur ein μ ∈ R. Die Regularit¨atsvoraussetzung (1.101) bedeutet g (x0 ) = 0, und wir setzen zus¨atzlich auch f (x0 ) = 0 voraus. Aus (1.104) und 1.4.11 ergibt sich, dass die Tangentialr¨aume (vgl. 1.8.5) von Hc (f ) (c := f (x0 )) und H0 (g) im Punkt x0 u ¨ bereinstimmen. Die H¨ohenlinien von f und g im Punkt x0 sind also parallel.
1.9.4
¨ Okonomische Interpretation der Lagrange-Multiplikatoren
Wir betrachten die Maximierungsaufgabe aus 1.9.1 f¨ ur den Fall m = 1, d.h. f¨ ur den Fall nur einer Nebenbedingung g := g1 . Wir nehmen an, dass die Nebenbedingung von der Form g(x) = g0 (x) − c f¨ ur eine stetig differenzierbare Funktion g0 : D → R und ein c ∈ R ist. Gesucht ist also das Maximum einer stetig differenzierbaren Funktion f : D → R auf der Menge {x : g0 (x) = c}. Unser Anliegen ist es, das Verhalten der Zielfunktion am optimalen Wert in Abh¨ angigkeit vom Parameter c zu studieren. In Anwendungen beschreibt die Funktion g0 sehr oft,
1.9 Optimierung unter Nebenbedingungen
77
in welchem Umfang eine bestimmte Ressource von den Variablen x1 , . . . , xn in Anspruch genommen wird. Wir nehmen jetzt an, dass das eben beschriebene Maximierungsproblem f¨ ur alle c aus einem offenen Intervall I eine eindeutige L¨ osung x = x(c) mit der Eigenschaft g0 (x0 ) = 0 hat. Wegen Satz 1.79 m¨ ussen dann die Gleichungen f (x(c)) + λ(c)g0 (x(c)) = 0,
(1.105)
g0 (x(c)) = c
(1.106)
f¨ ur ein (eindeutig bestimmtes!) ebenfalls von c abh¨ angendes λ = λ(c) erf¨ ullt sein. Schließlich definieren wir f ∗ (c) := f (x(c)) als den optimalen Wert der Zielfunktion in Abh¨angigkeit von der Ressource c ∈ I. Wir schreiben x(c) = h(c) f¨ ur eine Funktion h : I → Rn und nehmen an, dass h differenzierbar ist. Nach der Kettenregel (Satz 1.37) ergibt sich dann (f ∗ ) (c) = f (h(c)), h (c) = −λ(c) g0 (h(c)), h (c), wobei wir hier zuletzt (1.105) benutzt haben. Wiederum nach der Kettenregel ist das oben stehende Skalarprodukt die Ableitung von g0 ◦ h an der Stelle c. Wegen (1.106) ist diese Ableitung aber 1. Damit erhalten wir die interessante Formel (f ∗ ) (c) = −λ(c).
(1.107)
Der negative Lagrange-Multiplikator −λ(c) ist also die Rate, mit der sich der optimale Wert der Zielfunktion in Abh¨angigkeit von der Ressource c ¨ andert. Er wird deshalb als Schattenpreis der Ressource bezeichnet. Analog kann man auch im Fall mehrerer Nebenbedingungen die LagrangeMultiplikatoren als Schattenpreise der jeweiligen Ressourcen interpretieren.
1.9.5
Bestimmung globaler Extrema nach Lagrange
Die Methode von Lagrange zur Bestimmung globaler Extrema von Funktionen unter Nebenbedingungen kann schematisch wie folgt beschrieben werden: (i) Bestimme die Zielfunktion f und die Nebenbedingungen g1 , . . . , gm . (ii) Stelle die Lagrange-Funktion (1.100) sowie das Gleichungssystem (1.102) und (1.103) auf. (iii) L¨ose das Gleichungssystem (1.102) und (1.103). ¨ (iv) Uberpr¨ ufe alle kritischen Punkte x ∈ D, d.h. alle Punkte, die entweder (1.102) und (1.103) (zusammen mit den Lagrange-Multiplikatoren) l¨ osen ( ullen. oder aber die Ungleichung Rang g x) < m erf¨
1 Differentialrechnung im Rn
78
Bei den Gleichungen (1.102) und (1.103) handelt es sich nicht um ein lineares Gleichungssystem. Deshalb gibt es auch keine universelle L¨ osungsmethode und auch keine generelle Aussage u osungen. Oft k¨ onnen diese ¨ ber die Anzahl der L¨ L¨ osungen nur mittels numerischer Methoden approximativ ermittelt werden. Manchmal weiß man, dass die Funktion f auf der Menge {x ∈ D : g(x) = 0} (mindestens) ein globales Minimum und ein globales Maximum besitzt. Nach Satz 1.18 ist eine hinreichende Bedingung hierf¨ ur, dass diese Menge abgeschlossen und beschr¨ankt ist. Gibt es dann nur endlich viele kritische Punkte, so ist derjenige mit dem gr¨oßten (bzw. kleinsten) Wert der Zielfunktion ein globales Maximum (bzw. Minimum) unter den Nebenbedingungen. Manchmal ist es m¨oglich, die Zielfunktion in der Umgebung eines kritischen Punktes zu u ufen und dann zu entscheiden, ob ein lokales Maximum bzw. ¨berpr¨ lokales Minimum vorliegt. 1.80 Beispiel. Wir suchen die globalen Extrema der durch f (x, y) := x · y definierten Funktion f : R2 → R auf dem abgeschlossenen Einheitskreis B := B(0, 1) = {(x, y) : x2 + y 2 ≤ 1} und betrachten hierzu zun¨achst f auf dem Inneren B ◦ von B. Da die Gleichung f (x, y) = (y, x) = (0, 0) nur die L¨ osung (0, 0) besitzt, ist der Koordinatenursprung nach Satz 1.52 der einzige Punkt in B ◦ , welcher als lokale Extremalstelle von f in Frage kommt. Hier liegt jedoch ein Sattelpunkt vor, denn die Hesse-Matrix 0 1 Hf (0, 0) = 1 0 ist nach Satz 1.15 indefinit. Die gesuchten globalen Extremalstellen von f m¨ ussen folglich auf dem Rand {(x, y) : x2 + y 2 = 1} von B liegen. Setzt man g(x, y) := x2 + y 2 − 1, so sind also die globalen Extremalstellen von f unter der einen Nebenbedingung g(x, y) = 0 gesucht. Die Lagrange-Funktion besitzt die Gestalt F (x, y, λ) = x · y + λ(x2 + y 2 − 1), und die Gleichungen (1.102) und (1.103) lauten in diesem Fall y + 2λx = 0,
x + 2λy = 0,
x2 + y 2 = 1.
Daraus folgt entweder λ = 1/2 oder λ = −1/2. In jedem dieser beiden F¨ alle gibt es zwei L¨osungen f¨ ur (x, y): x = − 1/2, y = 1/2, λ = 1/2 : x = 1/2, y = − 1/2, λ = −1/2 : x = 1/2, y = 1/2, x = − 1/2, y = − 1/2.
1.9 Optimierung unter Nebenbedingungen
79
Die Jacobi-Matrix g (x, y) = (2x, 2y) hat auf dem Rand von B den Rang 1. Nach Satz 1.79 kommen somit nur die Vektoren x1 := ( 1/2, − 1/2), x3 := ( 1/2, 1/2),
x2 := (− 1/2, 1/2), x4 := (− 1/2, − 1/2)
(1.108) (1.109)
als globale Extremalstellen in Frage. Da f (x1 ) = f (x2 ) = −1/2 sowie f (x3 ) = f (x4 ) = 1/2 gelten und die Funktion f nach Satz 1.18 (ii) sowohl ein globales Minimum als auch ein globales Maximum besitzt, sind −1/2 bzw. 1/2 das globale Minimum bzw. Maximum auf B und x1 , x2 globale Minimalstellen sowie x3 , x4 globale Maximalstellen von f auf B. Die Punkte x1 und x2 minimieren F (x, 1/2), und die Punkte x3 und x4 maximieren F (x, −1/2). Nat¨ urlich l¨asst sich diese Aufgabe auch einfacher (z.B. mittels quadratischer Erg¨anzung) l¨osen.
1.9.6
Hinreichende Kriterien*
Wir formulieren jetzt ein hinreichendes Kriterium f¨ ur die Existenz eines lokalen Extremums unter Nebenbedingungen. Das n¨ achste Resultat stellt (mit der Festsetzung g(x) = 0, x ∈ D) eine Verallgemeinerung von Satz 1.55 (i),(ii) dar. 1.81 Satz. (Hinreichende Kriterien f¨ ur Extrema unter Nebenbedingungen) Es seien D ⊂ Rn eine offene Menge sowie f : D → R und g = (g1 , . . . , gm ) : D → Rm zweimal stetig partiell differenzierbare Funktionen. Die Gleichungen (1.102) und (1.103) m¨ ogen eine mL¨osung x0 ∈ D und λ1 , . . . , λm ∈ R besitzen. Ist dann die Matrix Hf (x0 ) + i=1 λi Hgi (x0 ) negativ definit auf der Menge W (g; x0 ) := {v ∈ Rn : gi (x0 ), v = 0 f¨ ur i = 1, . . . , m}, d.h. gilt m λi Hgi (x0 ) v < 0, v , Hf (x0 ) +
v ∈ (W (g; x0 ) \ {0}),
(1.110)
i=1
so hat f in x0 ein strenges lokales Maximum unter der Nebenbedingung g(x) = 0. Gilt dagegen m λi Hgi (x0 ) v > 0, v , Hf (x0 ) +
v ∈ (W (g; x0 ) \ {0}),
(1.111)
i=1
so hat f in x0 ein strenges lokales Minimum unter der Nebenbedingung g(x) = 0.
1 Differentialrechnung im Rn
80
Beweis: Der Beweis ist eine einfache Verallgemeinerung des entsprechenden Satzes ohne Nebenbedingung. Wir setzen (1.110) voraus und nehmen indirekt an, dass f in x0 kein strenges lokales Maximum unter der Nebenbedingung g = 0 besitzt. Dann gibt es zu jedem k ∈ N ein xk ∈ B(x0 , 1/k) ∩ D mit xk = x0 , g(xk ) = 0 sowie f (xk ) ≥ f (x0 ). Wir wenden jetzt Folgerung 1.51 auf die Lagrange-Funktion x → F (x, λ) an. Setzen wir HF (x) := Hf (x) +
m
λi Hgi (x)
i=1
ur jedes k ∈ N die und beachten Voraussetzung (1.96) sowie g(xk ) = g(x0 ) = 0, so folgt f¨ Existenz eines θk ∈ (0, 1) mit der Eigenschaft 1 f (xk ) = f (x0 ) + xk − x0 , HF (x0 + θk (xk − x0 ))(xk − x0 ). 2
(1.112)
Es gilt xk = x0 + εkvk mit vk ∈ S n−1 und εk > 0. Aus xk → x0 f¨ ur k → ∞, folgt εk → 0. Aus (1.112) erhalten wir 0 ≤ vk , HF (x0 + θk (xk − x0 ))vk .
(1.113)
Wegen Satz 1.11 k¨onnen wir o.B.d.A. die Konvergenz vk → v ∈ S n−1 voraussetzen. Damit folgt aus (1.113) die Ungleichung
v , HF (x0 )v ≥ 0.
(1.114)
Andererseits erhalten wir aus g(xk ) = g(x0 ) = 0, der Differenzierbarkeit von g sowie Satz 1.61 die Konvergenz g (x0 )(xk − x0 )2 = lim g (x0 )vk 2 = g (x0 )v 2 = 0, k→∞ k→∞ xk − x0 2 lim
also g (x0 )v = 0. Letzteres bedeutet aber gi (x0 ), v = 0 f¨ ur i = 1, . . . , m. Zusammen mit (1.114) liefert das einen Widerspruch zur Voraussetzung (1.110).
Die negative Definitheit der Matrix Hf (x0 ) + m x0 ) ist eine hinreii=1 λi Hgi ( chende Bedingung f¨ ur (1.110). In diesem Fall kann man Satz 1.55 anwenden, um zu schließen, dass x0 ein lokales Maximum von F (x, λ1 , . . . , λm ) ist. In der Regel liegt diese Eigenschaft aber nicht vor. Die Menge W (g; x0 ) nennt man auch Tangentialraum an die Nebenbedingung im Punkt x0 . Eine geometrische Interpretation ergibt sich aus 1.8.5.
1.9.7
Zwei Ver¨ anderliche und eine Nebenbedingung
Im Spezialfall n = 2 nehmen die Kriterien von Satz 1.81 die folgende einfache Form an.
1.9 Optimierung unter Nebenbedingungen
81
1.82 Folgerung. (Hinreichende Kriterien f¨ ur lokale Extrema im R2 ) 2 Es seien D ⊂ R eine offene Menge und f : D → R sowie g : D → R C 2 Funktionen. Die Gleichungen (1.102) und (1.103) m¨ ogen eine L¨ osung x0 ∈ D und λ ∈ R mit der Eigenschaft g (x0 ) = 0 besitzen. Schließlich sei
d(x0 , λ) := fxx (x0 ) + λgxx (x0 ) (gy (x0 ))2 − 2 fxy (x0 ) + λgxy (x0 ) gx (x0 )gy (x0 )
+ fyy (x0 ) + λgyy (x0 ) (gx (x0 ))2 (1.115) gesetzt. Dann bestehen die folgenden Implikationen: (i) Gilt d(x0 , λ) > 0, so besitzt f in x0 ein strenges lokales Minimum unter der Nebenbedingung g(x) = 0. (ii) Gilt d(x0 , λ) < 0, so besitzt f in x0 ein strenges lokales Maximum unter der Nebenbedingung g(x) = 0. Beweis: Wir benutzen Satz 1.81. Nach Definition gilt
d(x0 , λ) = (−gy (x0 ), gx (x0 )), Hf (x0 ) + λHg (x0 ) (−gy (x0 ), gx (x0 ))T .
(1.116)
Aus der Voraussetzung g (x0 ) = 0 und der Definition von W (g; x0 ) folgt W (g; x0 ) = Span(−gy (x0 ), gx (x0 )). Zusammen mit der Homogenit¨atseigenschaft (1.21) sind die Behauptungen jetzt eine direkte Konsequenz von Satz 1.81.
1.83 Beispiel. In Beispiel 1.80 waren die Extrema der Funktion f (x, y) = xy unter der Nebenbedingung g(x, y) = x2 + y 2 − 1 = 0 gesucht. Es gilt 2λ 1 Hf (x) + λHg (x) = Aλ := . 1 2λ Aus Satz 1.15 folgt, dass diese Matrix f¨ ur λ = 1/2 positiv semidefinit, aber nicht positiv definit und f¨ ur λ = −1/2 negativ semidefinit, aber nicht negativ definit ist. Wie nach Satz 1.81 ausgef¨ uhrt, kann Satz 1.55 zur Bestimmung der Extrema nicht herangezogen werden. Deswegen benutzen wir jetzt Folgerung 1.82 und die Darstellung (1.116), um die Extremaleigenschaften der in (1.108) und (1.109) definierten Vektoren zu untersuchen. ur λ = 1/2 gilt Wir erinnern zun¨achst an die Gleichung g (x, y) = (2x, 2y). F¨ √ √ √ √ d(x1 , λ) = ( 2, 2), Aλ ( 2, 2)T = 8 und analog auch d(x2 , λ) = 8. In den Punkten x1 und x2 liegt also ein lokales Minimum unter der Nebenbedingung g(x) = 0 vor. F¨ ur λ = −1/2 gilt √ √ T √ √ d(x3 , λ) = (− 2, 2), Aλ (− 2, 2) = −8
1 Differentialrechnung im Rn
82
und analog auch d(x4 , λ) = −8. In den Punkten x3 und x4 liegt also ein lokales Maximum unter der Nebenbedingung g(x) = 0 vor.
Lernziel-Kontrolle • Wann heißt eine Folge im Rn beschr¨ankt bzw. konvergent? • Warum l¨ asst sich die Konvergenz von Folgen im Rn auf den Konvergenzbegriff f¨ ur reelle Folgen zur¨ uckf¨ uhren? • Geben Sie eine Teilmenge M des R2 mit den Eigenschaften M ∩ ∂M = ∅ und (R2 \ M ) ∩ ∂M = ∅ an. • Wann heißt eine Teilmenge des Rn offen bzw. abgeschlossen? • Wie ist die Stetigkeit einer Funktion f : D → Rm , D ⊂ Rn , definiert? • Wann heißt eine symmetrische Matrix positiv (semi)definit bzw. indefinit? • K¨ onnen Sie ein Kriterium f¨ ur die positive Definitheit einer 2 × 2-Matrix angeben? • Nennen Sie mindestens zwei Eigenschaften, welche eine auf einer beschr¨ ankten und abgeschlossenen Menge definierte stetige Funktion besitzt! • Welche partiellen Ableitungen besitzt die Funktion f (x, y) := sin(x · cos y)? • Wie ist der Gradient einer Funktion definiert? • Wann heißt eine Funktion f : D → R, D ⊂ Rn , differenzierbar? • Was ist eine differenzierbare Kurve im Rn ? • Wie ist die Richtungsableitung einer Funktion definiert? • Welcher Zusammenhang besteht zwischen dem Gradienten und der Richtung des steilsten Anstiegs einer Funktion? • Welche Rolle spielt die Hesse-Matrix beim Auffinden lokaler Extremalstellen? • Wie ist die Jacobi-Matrix definiert? • K¨ onnen Sie die allgemeine Kettenregel formulieren? • Wird durch die Gleichung g(x, y) := x2 +y 2 −y 3 +y = 0 in einer gewissen Umgebung U von 0 eine stetig differenzierbare Funktion f : U → R mit g(x, f (x)) = 0 definiert? • Formulieren Sie ein Optimierungsproblem unter Nebenbedingungen. • K¨ onnen Sie die Lagrangesche Multiplikatorenmethode beschreiben?
Kapitel 2
Integralrechnung im Rn Jeder Kreiszylinder, dessen Radius gleich dem Kugelradius und dessen H¨ohe gleich dem Kugeldurchmesser ist, ist 3/2 mal so groß wie die Kugel.
Archimedes
In diesem Kapitel geht es um die Bestimmung des Volumens von Mengen, die vom Graphen einer reellwertigen Funktion f von n Ver¨ anderlichen und dem Definitionsbereich von f begrenzt werden. Ausgangspunkt ist das elementargeometrische Volumen eines Quaders. Wir behandeln zun¨ achst den Fall zweier Ver¨ anderlicher. ¨ Die Ubertragung auf beliebige Dimensionen ist unproblematisch.
2.1
Das Riemann-Integral u ¨ ber Rechtecke
Es sei Q = [a1 , b1 ] × [a2 , b2 ] ein (achsenparalleles) Rechteck, wobei a1 < b1 und a2 < b2 gelte. Der (Fl¨ achen-)Inhalt von Q ist die Zahl |Q| := (b1 − a1 )(b2 − a2 ),
(2.1)
also das Produkt der Seitenl¨angen“. Nimmt die Funktion f u ¨ber dem Rechteck ” Q einen konstanten positiven Wert h an, so ist der vom Graphen von f und Q begrenzte Bereich ein Quader mit dem elementargeometrischen Volumen h · |Q| (siehe Bild 2.1 links). Ist die Funktion f nicht konstant, so wird man versuchen, in Analogie zum Fall n = 1 das Rechteck Q in Teilrechtecke zu zerlegen und das Volumen der vom Graphen von f und den Teilrechtecken begrenzten Mengen durch die Volumina geeigneter Quader nach oben und unten abzusch¨ atzen (siehe Bild 2.1 rechts). Bei immer feinerer Zerlegung von Q in Teilrechtecke sollte sich das gesuchte Volumen als Grenzwert von Summen von Quadervolumina ergeben. N. Henze, G. Last, Mathematik für Wirtschaftsingenieure und naturwissenschaftlichtechnische Studiengänge, DOI 10.1007/978-3-8348-9785-5_2, © Vieweg+Teubner Verlag | Springer Fachmedien Wiesbaden GmbH 2010
2 Integralrechnung im Rn
84 f (x, y)
f (x, y)
h
Q
y
y
x
x
Bild 2.1: Zur Definition von Ober- und Untersummen
2.1.1
Ober- und Untersummen
In I.7.1.1 haben wir Zerlegungen von Intervallen betrachtet. Diese Begriffsbildung soll jetzt auf den zweidimensionalen Fall u ¨ bertragen werden. Es seien hierzu Z1 = {x0 , . . . , xm } eine Zerlegung von [a1 , b1 ] und Z2 = {y0 , . . . , yn } eine Zerlegung von [a2 , b2 ]. Dann heißt die Menge der Punkte Z := Z1 × Z2 = {(xi , yj ) : i = 0, . . . , m, j = 0, . . . , n}
(2.2)
Zerlegung von Q. Synonym hierzu nennt man auch die Menge aller Rechtecke Qij := [xi−1 , xi ] × [yj−1, yj ],
i = 1, . . . , m, j = 1, . . . , n,
(2.3)
eine Zerlegung von Q. Die Zahl Z := max({|xi − xi−1 | : 1 ≤ i ≤ m} ∪ {|yj − yj−1| : 1 ≤ j ≤ n}), ange, heißt Feinheit also die gr¨oßte unter allen Rechtecken Qij auftretende Seitenl¨ der Zerlegung Z. Die Punkte (xi , yj ) einer Zerlegung bilden ein Gitter auf Q, wobei die Gitterpunkte die Eckpunkte der Rechtecke Qij sind (Bild 2.2 links). Offenbar gilt Q=
n m i=1 j=1
Qij ,
2.1 Das Riemann–Integral u ¨ ber Rechtecke
85
d.h. jeder Punkt von Q ist in einem der Rechtecke enthalten. Außerdem besitzen verschiedene Rechtecke keine gemeinsamen inneren Punkte, d.h. es gilt Q◦ij ∩ Q◦kl = ∅,
(i, j) = (k, l).
y
y
b2 y n
•
y2
•
•
•
•
•
•
•
Q1n Q2n Q3n Q12
y1 a2 y0
• •
Q22 •
Q11
x0
a1
• x1
Q32 •
Q21
•
x2
Qmn
b2 y n
•
•
•
•
•
•
y2
•
•
•
•
•
•
y y1
•
•
•
•
•
•
a2 y0
•
•
•
•
•
x0
x1
x2 x x3
Qm2 •
Q31
•
• x3
Qm1
xm x
a1
b1
xm x
b1
Bild 2.2: Zerlegung eines Rechtecks und Verfeinerung einer Zerlegung Man beachte, dass verschiedene Rechtecke durchaus gemeinsame Randpunkte besitzen k¨onnen. Das gilt etwa f¨ ur die Rechtecke Q12 und Q22 in Bild 2.2 links. Im Weiteren sei f : M → R eine beschr¨ankte Funktion, deren Definitionsbereich M das Rechteck Q enth¨alt. Wie in Band 1 werden wir auch im Folgenden die Einschr¨ankung von f auf Teilmengen von M (stillschweigend) ebenfalls mit f bezeichnen. F¨ ur eine Zerlegung Z von Q heißt U (f ; Z) :=
n m
inf f (Qij ) · |Qij |
i=1 j=1
die Untersumme von f bez¨ uglich Z und O(f ; Z) :=
n m
sup f (Qij ) · |Qij |
i=1 j=1
die Obersumme von f bez¨ uglich Z. Wegen der vorausgesetzten Beschr¨anktheit von f sind diese Unter- und Obersummen wohldefiniert. Ihre Eigenschaften sind analog zu denen in I.7.1.2. So besteht f¨ ur beliebige Zerlegungen Z und Z ∗ stets die Ungleichung U (f ; Z) ≤ O(f ; Z ∗ ).
(2.4)
2 Integralrechnung im Rn
86
Eine Zerlegung Z = Z1 × Z2 von Q heißt Verfeinerung einer Zerlegung Z = Z1 × Z2 , wenn Z1 eine Verfeinerung von Z1 und Z2 eine Verfeinerung von Z2 ist, wenn also Z1 ⊂ Z1 und Z2 ⊂ Z2 gilt. So liefern etwa die zus¨ atzlichen Teilungspunkte x ∈ [a1 , b1 ] und y ∈ [a2 , b2 ] (siehe Bild 2.2 rechts) eine Verfeinerung der in Bild 2.2 links dargestellten Zerlegung. Wir werden sp¨ ater die Tatsache verwenden, dass es zu zwei Zerlegungen Z und Z von Q immer eine weitere Zerlegung Z gibt, die sowohl feiner als Z als auch feiner als Z ist. 2.1 Satz. (Monotonie der Ober- und Untersummen) Ist Z eine Verfeinerung der Zerlegung Z, so gelten die Ungleichungen U (f ; Z ) ≥ U (f ; Z),
O(f ; Z ) ≤ O(f ; Z).
¨ Bei Ubergang zu einer feineren Zerlegung k¨ onnen somit Unter- und Obersummen prinzipiell nur gr¨oßer bzw. kleiner werden.
2.1.2
Definition des Riemann-Integrals
Es seien f : M → R eine beschr¨ankte Funktion und Q ⊂ M ein Rechteck. (i) Die Zahl J(f ; Q) := sup{U (f ; Z) : Z ist eine Zerlegung von Q} heißt unteres (Darboux- oder Riemann-) Integral von f u ¨ber dem Rechteck Q. Entsprechend nennt man die Zahl J(f ; Q) := inf{O(f ; Z) : Z ist eine Zerlegung von Q} oberes (Darboux- oder Riemann-) Integral von f u ¨ber dem Rechteck Q. (ii) Die Funktion heißt (eigentlich Riemann-) integrierbar u ¨ ber Q, wenn gilt: J (f ; Q) = J (f ; Q). In diesem Fall nennt man J(f ; Q) = J(f ; Q) das (Riemann-) Integral von f u ¨ber Q und schreibt f (x) dx := J(f ; Q) Q
bzw.
f (x, y) d(x, y) := J(f ; Q). Q
Die Funktion f und das Rechteck Q heißen Integrand bzw. Integrationsbereich des Integrals.
2.2 Bereichsintegrale
2.1.3
87
Erste Eigenschaften des Riemann-Integrals
Zun¨achst folgt aus (2.4) die Ungleichung J(f ; Q) ≤ J (f ; Q). Die Beweise der n¨achsten S¨atze verlaufen v¨ollig analog zu den entsprechenden Beweisen in I.7.1.4 bzw. I.7.1.7. 2.2 Satz. (Riemannsches Integrabilit¨atskriterium) Eine beschr¨ ankte Funktion f ist genau dann ¨ uber Q integrierbar, wenn es zu jedem ε > 0 eine Zerlegung Z von Q gibt, so dass gilt: O(f ; Z) − U (f ; Z) ≤ ε.
(2.5)
2.3 Satz. (Linearit¨at des Integrals) Sind die Funktionen f, g u ¨ber Q integrierbar und sind λ, μ ∈ R, so ist auch die Funktion λf + μg ¨ uber Q integrierbar, und es gilt (λf (x) + μg(x)) dx = λ f (x) dx + μ g(x) dx. Q
Q
Q
2.4 Satz. (Monotonie des Integrals) Sind die Funktionen f und g ¨ uber Q integrierbar und gilt f (x) ≤ g(x) f¨ ur jedes x ∈ Q, so folgt f (x) dx ≤ g(x) dx. Q
2.2
Q
Bereichsintegrale
Bisher haben wir nur Rechtecke als Integrationsbereich zugelassen. In diesem Abschnitt werden wir uns von diesem Spezialfall l¨ osen und allgemeinere Integrationsbereiche betrachten. Dabei wird die durch 1, falls x ∈ M , 1M (x) := 0, falls x ∈ / M, definierte Indikatorfunktion 1M : R2 → R einer Menge M ⊂ R2 (vgl. I.4.3.2) eine wichtige Rolle spielen.
2.2.1
Additivit¨ at des Riemann-Integrals
2.5 Satz. (Integral und Inhalt) Ist M ein Rechteck mit M ⊂ Q, so ist die Indikatorfunktion 1M integrierbar ¨ uber M , und es gilt 1M (x) dx = |M |. Q
2 Integralrechnung im Rn
88
Beweis: Es gelte M = [c1 , d1 ] × [c2 , d2 ], und es sei Z = Z1 × Z2 eine Zerlegung von Q wie in (2.2) mit c1 , d1 ∈ Z1 und c2 , d2 ∈ Z2 . F¨ ur jedes der in (2.3) definierten Teilrechtecke ur Q0ij ∩ M 0 = ∅ Qij mit der Eigenschaft Qij ⊂ M gilt inf{1M (x) : x ∈ Qij } = 1, und f¨ gilt inf{1M (x) : x ∈ Qij } = 0. Andere F¨alle treten nicht auf. Also ist U (1M ; Z) =
|Qij | = |M |.
i,j:Qij ⊂M
Analog folgt
O(1M ; Z) =
|Qij | = |M | +
|Qij |.
i,j:Qij ∩(R2 \M) =∅
i,j:Qij ∩M =∅
Bezeichnet ε := Z die Feinheit der Zerlegung Z, so folgt aus der Ungleichung |Qij | ≤ 2ε(d1 − c1 ) + 2ε(d2 − c2 ) + 4ε2
(2.6)
i,j:Qij ∩(R2 \M) =∅
(vgl. Bild 2.3, in diesem Bild ist die links stehende Summe der Fl¨ achen der an M angrenzenden Rechtecke grau dargestellt) die Absch¨ atzung |M | = U (1M ; Z) ≤ J(1M ; Q) ≤ J(1M ; Q) ≤ |M | + ε(2(d1 − c1 ) + 2(d2 − c2 ) + 4ε) und somit f¨ ur ε → 0 die Behauptung des Satzes.
y
d2 M
Bild 2.3: Zur Ungleichung (2.6)
c2 ε c1
x
d1
Wir betrachten wieder eine beschr¨ankte Funktion f : M → R. 2.6 Lemma. (Teilmengen von Geraden) Nimmt die Funktion f : M → R außerhalb von endlich vielen Geraden der Gestalt {(x1 , x2 ) : x1 = a} oder {(x1 , x2 ) : x2 = b} (a, b ∈ R) den Wert 0 an, so ist f integrierbar u ¨ber jedem Rechteck Q ⊂ M , und es gilt f (x) dx = 0. Q
2.2 Bereichsintegrale
89
Beweis: Die Idee des Beweises ist in Bild 2.4 illustriert. Gilt f (x) = 0 f¨ ur jedes x ∈ Q, das nicht zur Menge {(a, x2 ) : a2 ≤ x2 ≤ b2 } geh¨ ort, so l¨ asst sich mit der Festsetzung C := supx∈Q |f (x)| der Betrag jeder Ober- und Untersumme durch 2Z(b2 − a2 )C nach oben absch¨ atzen. Dabei r¨ uhrt der Faktor 2 daher, dass die Punkte (a, yj ) zur Zerlegung Z = {(xi , yj ) : i = 0, . . . , m, j = 0, . . . , n} geh¨oren k¨ onnen. Beim Grenz¨ ubergang Z → 0 folgt J(f ; Q) = J(f ; Q) = 0 und somit Q f (x) dx = 0.
x2
nur hier kann f (x) = 0 gelten!
b2 Q Bild 2.4: Zum Beweis von Lemma 2.6 a2 a1
a
b1
x1
Zwei Mengen A, B ⊂ R2 heißen fremd , wenn sie keine gemeinsamen inneren Punkte besitzen, wenn also A◦ ∩ B ◦ = ∅ gilt. Ist Z eine Zerlegung von Q wie in (2.2), so bezeichnen wir mit R(Z) := {[xi−1 , xi ] × [yj−1 , yj ] : i = 1, . . . , m, j = 1, . . . , n} = {Qij : i = 1, . . . , m, j = 1, . . . , n} die Menge aller Teilrechtecke, in die Q durch Z zerlegt wird (vgl. Bild 2.2 links). Je zwei verschiedene Mengen aus R(Z) sind fremd. 2.7 Satz. (Additivit¨at) Ist das Rechteck Q Vereinigung von paarweise fremden Rechtecken B1 , . . . , Bk , so gilt k k J(f ; Bj ), J(f ; Q) = J(f ; Bj ). J(f ; Q) = j=1
j=1
Insbesondere ist f genau dann u ¨ber Q integrierbar, wenn f u ¨ber jedem Bj integrierbar ist. In diesem Fall gilt f (x) dx = Q
m j=1
f (x) dx.
Bj
Beweis: Zur Verringerung des Schreibaufwandes behandeln wir nur den Fall k = 2. Es gibt ein a ∈ R mit B1 ∩ B2 ⊂ {(x1 , x2 ) : x1 = a} oder ein b ∈ R mit B1 ∩ B2 ⊂ {(x1 , x2 ) :
2 Integralrechnung im Rn
90
x2 = b} (man fertige eine Skizze an!). Zu jeder Zerlegung von Q existiert eine feinere Zerlegung Z, so dass sich B1 und B2 als Vereinigungen von Mengen aus R(Z) schreiben lassen. Damit definiert Z Zerlegungen Z1 und Z2 von B1 bzw. B2 mit der Eigenschaft R(Z) = R(Z1 ) ∪ R(Z2 ). Umgekehrt legen zwei gegebene Zerlegungen Z1 und Z2 von B1 bzw. B2 eine eindeutig bestimmte Zerlegung Z von Q mit R(Z) = R(Z1 ) ∪ R(Z2 ) fest. F¨ ur eine solche Zerlegung gilt U (f ; Z) = U (f ; Z1 ) + U (f ; Z2 ),
O(f ; Z) = O(f ; Z1 ) + O(f ; Z2 ),
so dass sich die ersten beiden Behauptungen aus den Eigenschaften des unteren und oberen Integrals ergeben. Weiter gilt J (f ; Q) = J(f ; B1 ) + J(f ; B2 ) ≤ J(f ; B1 ) + J(f ; B2 ) = J(f ; Q). Ist f sowohl u ur j = ¨ber B1 als auch u ¨ ber B2 integrierbar, so folgt J(f ; Bj ) = J(f ; Bj ) f¨ 1, 2 und somit J(f ; Q) = J(f ; Q), also die Integrierbarkeit von f u ¨ber Q. Gilt umgekehrt J(f ; Q) = J(f ; Q), so folgt aus J (f ; B1 ) ≤ J(f ; B1 ) und der analogen Ungleichung f¨ ur B2 die Integrierbarkeit von f u ber B und u ber B . ¨ ¨ 1 2
2.2.2
Definition des Bereichsintegrals
Es seien M ⊂ R2 eine beschr¨ankte Menge und f : M → R eine beschr¨ ankte Funktion. Es ist bequem, diese Funktion durch Nullsetzen außerhalb von M“, ” also durch die Definition f (x), falls x ∈ M , fM (x) := 0, falls x ∈ / M, zu einer auf ganz R2 erkl¨arten Funktion fM zu erweitern. 2.8 Lemma. (Konsistenz des Integralbegriffs) In der obigen Situation seien Q1 , Q2 Rechtecke mit der Eigenschaft M ⊂ Q1 ∩Q2 . Dann gilt J(fM ; Q1 ) = J(fM ; Q2 ),
J(fM ; Q1 ) = J(fM ; Q2 ).
uber Q2 inteInsbesondere ist fM genau dann ¨ uber Q1 integrierbar, wenn fM ¨ grierbar ist. In diesem Fall gilt fM (x) dx = fM (x) dx. Q1
Q2
Beweis: Die Menge Q3 := Q1 ∩ Q2 ist ein Rechteck. Ferner gibt es Rechtecke Q4 und Q5 , so dass Q3 , Q4 und Q5 paarweise fremd sind und Q1 = Q3 ∪ Q4 ∪ Q5 gilt, vgl. Bild 2.5 (die analog zu behandelnden Sonderf¨alle Q4 = ∅ und Q5 = ∅ schließen wir hier aus.) Aus Satz 2.7 folgt J(fM ; Q1 ) = J(fM ; Q3 ) + J(fM ; Q4 ) + J(fM ; Q5 ).
2.3 Der Jordan-Inhalt
91
Nach Lemma 2.6 verschwinden hier die letzten beiden Summanden. Analog ergibt sich J(fM ; Q2 ) = J(fM ; Q3 ) und damit die erste Behauptung des Satzes. Die entsprechende Gleichung f¨ ur die oberen Integrale beweist man analog.
Q2 Q4
Q3
Q5 Q1 M Bild 2.5: Zum Beweis von Lemma 2.8
Weil jede beschr¨ankte Menge in einem geeigneten Rechteck enthalten ist, erm¨oglicht das gerade bewiesene Lemma die folgenden Definitionen. Dazu sei Q ein beliebiges Rechteck mit M ⊂ Q. (i) Die Zahlen J(f ; M ) := J(fM ; Q) und J(f ; M ) := J(fM ; Q) heißen unteres bzw. oberes Integral der Funktion f u ¨ber der Menge M . (ii) Die Funktion f : M → R heißt (eigentlich Riemann-)integrierbar u ¨ ber M , wenn gilt: J(f ; M ) = J(f ; M ). In diesem Fall nennt man J(f ; M ) = J(f ; M ) das (Riemann-)Integral von f u ¨ber M und schreibt f (x) dx := J(f ; M ) M
bzw.
f (x, y) d(x, y) := J(f ; M ). M
Die Funktion f und die Menge M heißen Integrand bzw. Integrationsbereich des Integrals.
2.3
Der Jordan-Inhalt
Die Bestimmung der Fl¨ache ebener Bereiche und des Volumens dreidimensionaler K¨orper geh¨oren zu den ¨altesten und fruchtbarsten mathematischen Themen. Ge-
2 Integralrechnung im Rn
92
gen Ende des vorletzten Jahrhunderts war es vor allem C. Jordan1 , der die dem Riemannschen Integralbegriff zugrunde liegenden Ideen zu einer ersten exakten Theorie des Inhalts von Teilmengen des R2 und R3 ausbaute. Mit dem folgenden Spezialfall der Definition des (oberen bzw. unteren) Integrals einer Funktion u ¨ ber einer Menge M erhalten wir eine sinnvolle Verallgemeinerung des Fl¨ acheninhalts von Rechtecken.
2.3.1
Definition des Jordan-Inhalts
Es sei M ⊂ R2 eine beschr¨ankte nichtleere Menge. (i) Die Zahlen J(M ) := J(1M ; M )
und
J (M ) := J(1M ; M )
heißen unterer bzw. oberer (Jordan-)Inhalt der Menge M . (ii) Gilt J(M ) = J(M ), so heißt M Jordan-messbar . In diesem Fall nennt man |M | := J(M ) den (Jordan-)Inhalt von M . Der Vollst¨andigkeit halber erg¨anzt man diese Definitionen durch die Festlegungen J(∅) = J(∅) = |∅| := 0. Die leere Menge ist also nach Definition Jordan-messbar, und sie besitzt den Inhalt 0. Allgemeiner vereinbaren wir J(f ; ∅) = J(f ; ∅) = f (x) dx := 0 ∅
f¨ ur jede auf einer Teilmenge des Rn erkl¨arte Funktion.
2.3.2
Rechtecksummen
¨ Nach Satz 2.5 ist jedes Rechteck Q Jordan-messbar. In Ubereinstimmung mit der gew¨ahlten Bezeichnung ist sein Jordan-Inhalt der bereits fr¨ uher definierte geometrische Elementarinhalt |Q| ( L¨ange mal Breite“) von Q. Es ist sinnvoll, ” von jetzt ab auch die leere Menge als Rechteck (mit Jordan-Inhalt 0) aufzufassen. 1
Camille Marie Ennemond Jordan (1838–1922). Jordan war zun¨ achst Bergbauingenieur, wurde 1873 Repetitor und 1876 Professor an der Ecole Polytechnique; ab 1916 war er Pr¨ asident der Acad´emie des Sciences. Jordan leistete bedeutende Beitr¨ age u.a. zur Algebra, Theorie der reellen Funktionen, Topologie und Kristallographie. Nach ihm benannt sind u.a. die Begriffe Jordansche Normalform (einer Matrix) und Jordansche Zerlegung (einer Funktion von beschr¨ ankter Schwankung).
2.3 Der Jordan-Inhalt
93
Eine Menge M heißt Rechtecksumme , falls sie sich als endliche Vereinigung paarweise fremder Rechtecke darstellen l¨asst, falls also k
M=
Bj
j=1
f¨ ur ein k ∈ N und paarweise fremde Rechtecke B1 , . . . , Bk gilt (Bild 2.6 links). Q B2
B2 B1
B1
B4
B3
B4
B3
Bild 2.6: Rechtecksumme M = ∪4j=1 Bj (links) und Darstellung von Q \ (∪4j=1 Bj ) als Rechtecksumme (rechts) Sind M = ∪kj=1 Bj eine Rechtecksumme und Q ein Rechteck mit der Eigenschaft M ⊂ Q, so gibt es paarweise fremde Rechtecke Bk+1 , . . . , Bm mit Q\M =
m
Bj
j=k+1
(siehe Bild 2.6 rechts). Eine Anwendung von Satz 2.7 auf die Funktion f = 1M liefert die Gleichung J(M ) = J(1M ; Q) =
k
J (1M ; Bi ) +
i=1
m
J(1M ; Bj ).
j=k+1
Die hierin auftretenden Summanden der ersten Summe sind nach Definition (und Satz 2.5) die Inhalte der Rechtecke Bi . Da die zweite Summe nach Lemma 2.6 verschwindet und eine analoge Gleichung auch f¨ ur den ¨ außeren Inhalt von M g¨ ultig ist, ist die Menge M Jordan-messbar, und es gilt |M | =
k i=1
|Bi |.
2 Integralrechnung im Rn
94
Der Jordan-Inhalt einer Jordan-messbaren Menge pr¨ azisiert unsere anschauliche Vorstellung vom (Fl¨achen-)Inhalt einer Menge. Diese Sichtweise wird auch durch das folgende Resultat gest¨ utzt. 2.9 Satz. (Approximation durch Rechtecksummen) F¨ ur jede beschr¨ ankte Menge M ⊂ R2 gilt J(M ) = sup{|S| : S ⊂ M, S ist Rechtecksumme}, J(M ) = inf{|S| : M ⊂ S, S ist Rechtecksumme}. Beweis: Da f¨ ur eine beliebige Menge A = ∅ die Beziehungen 1, falls A ⊂ M , inf{1M (x) : x ∈ A} = 0, sonst, 1 falls A ∩ M = ∅, sup{1M (x) : x ∈ A} = 0 sonst
(2.7)
(2.8)
gelten, folgen die Behauptungen aus den Definitionen des unteren und oberen Integrals.
Satz 2.9 bedeutet anschaulich, dass die Menge M von innen“ und von außen“ ” ” durch Rechtecksummen eingeschachtelt wird“ (vgl. Bild 2.7). Die Zahl J(M ) ” ist die kleinste obere Schranke der Fl¨achen aller Rechteckssummen, die in M enthalten sind. In gleicher Weise ist J(M ) die gr¨ oßte untere Schranke der Fl¨ achen aller Rechteckssummen, die M enthalten.
M
M
Bild 2.7: Einschachtelung“ einer Menge M durch Rechtecksummen ”
2.3 Der Jordan-Inhalt
2.3.3
95
Invarianzeigenschaften des Jordan-Inhalts
F¨ ur eine Menge A ⊂ R2 bezeichnen A + x := {y + x : y ∈ A} die um x ∈ R2 verschobene Menge A, A∗ := {(x, y) : (y, x) ∈ A} die an der Diagonalen {(x, x) : x ∈ R} gespiegelte Menge A und λA := {λx : x ∈ A} die um den Faktor λ ∈ R gestreckte Menge A (Bild 2.8).
A∗
2A
A+ x A
A
A
x
Bild 2.8: Die Mengen A + x, A∗ und λA f¨ ur λ = 2 2.10 Satz. (Invarianzeigenschaften des Jordan-Inhalts) Es sei A ⊂ R2 eine beschr¨ankte Menge. (i) F¨ ur jedes x ∈ R2 haben A und A + x denselben inneren und ¨außeren Inhalt. Insbesondere ist A genau dann Jordan-messbar, wenn A + x diese Eigenschaft besitzt. In diesem Fall gilt |A| = |A + x|. (ii) Die Mengen A und A∗ besitzen denselben inneren und ¨außeren Inhalt. Insbesondere ist A genau dann Jordan-messbar, wenn A∗ diese Eigenschaft aufweist. In diesem Fall gilt |A| = |A∗ |. (iii) F¨ ur jedes λ ∈ R gilt J(λA) = λ2 J (A) und J(λA) = λ2 J(A). Insbesondere ist f¨ ur λ = 0 die Menge A genau dann Jordan-messbar, wenn λA diese Eigenschaft besitzt. In diesem Fall gilt |λA| = λ2 |A|.
2 Integralrechnung im Rn
96
Beweis: (i): Ist A ein Rechteck, so ist auch A + x ein Rechteck mit demselben Inhalt. Ferner folgt aus A ⊂ B auch A + x ⊂ B + x. Aus Satz 2.9 ergeben sich deshalb sehr leicht die behaupteten Gleichungen J(A) = J(A + x) und J(A) = J(A + x). Die anderen Behauptungen sind dann eine Konsequenz der Definition der Jordan-Messbarkeit. (ii): Mit A ist auch A∗ eine Rechtecksumme mit demselben Inhalt. Deshalb folgen die Behauptungen aus Satz 2.9. (iii): Wir k¨ onnen λ = 0 annehmen. Eine Menge A ⊂ R2 ist genau dann ein Rechteck, wenn λA ein Rechteck ist. In diesem Fall gilt |λA| = λ2 |A|. Da sich diese Eigenschaften auf Rechtecksummen u ¨ bertragen, liefert Satz 2.9 die Behauptung.
2.3.4
Weitere Eigenschaften des Jordan-Inhalts
Im Folgenden werden weitere Eigenschaften des inneren und a ¨ußeren Inhalts vorgestellt. Wir erinnern hier an Abschnitt 1.2.2, in welchem das Innere A◦ , der Rand ∂A und die abgeschlossene H¨ ulle A einer Menge A definiert wurden. Wie fr¨ uher (vgl. I.8.6.3) bezeichne d(x, A) = inf{x − y 2 : y ∈ A} den Euklidischen Abstand eines Punktes x zur Menge A. F¨ ur jede Menge A ⊂ R2 und jedes ε > 0 ist die Parallelmenge von A im Abstand ε durch A⊕ε := {x ∈ R2 : d(x, A) ≤ ε}
(2.9)
definiert. Bild 2.9 veranschaulicht diese Begriffsbildung f¨ ur den Fall, dass die Menge A eine Strecke bzw. ein Quadrat ist. 2.11 Satz. (Eigenschaften des unteren und oberen Jordan-Inhalts) (i) Aus A ⊂ B folgt J(A) ≤ J(B) und J(A) ≤ J(B). (ii) Es gilt J(A) = J (A◦ ) und J(A) = J(A). (iii) F¨ ur ε → 0 gilt J(A⊕ε ) → J(A). Beweis: (i): Diese Behauptung ist eine direkte Folgerung aus Satz 2.9. (ii): Weil f¨ ur jede abgeschlossene Menge S die Teilmengenbeziehungen A ⊂ S und A⊂S¨ aquivalent sind, ist der zweite Teil von (ii) eine Konsequenz von Satz 2.9. F¨ ur den Beweis des ersten Teils kann J(A) > 0 vorausgesetzt werden. Zu vorgegebenen ε > 0 gibt es zun¨ achst eine Rechtecksumme S ⊂ A mit |S| > 0 und J (A) − |S| ≤ ε/2. Verkleinert man die Seitenl¨ angen der an S beteiligten Rechtecke, so entsteht eine in A◦ enthaltene Rechtecksumme S ⊂ S mit |S| − |S | ≤ ε/2. Insgesamt folgt J(A) ≤ |S | + ε ≤ J(A◦ ) + ε ≤ J(A) + ε und damit (ii).
2.3 Der Jordan-Inhalt
97
(iii): Ist A = [a1 , b1 ] × [a2 , b2 ] ein Rechteck, so gilt A⊕ε ⊂ [a1 − ε, b1 + ε] × [a2 − ε, b2 + ε], was sofort die Behauptung (iii) impliziert. Damit folgt (iii) aber auch f¨ ur Rechtecksummen. Im allgemeinen Fall kann J(A) < ∞ vorausgesetzt werden. Dann approximiert man A zun¨ achst durch eine Rechtecksumme S ⊃ A und dann S durch die Parallelmenge S⊕ε . Wegen A⊕ε ⊂ S⊕ε folgt (iii).
A⊕ε
A⊕ε A
A
ε
ε
Bild 2.9: Parallelmenge einer Strecke (links) bzw. eines Quadrats (rechts)
2.12 Folgerung. Sind A eine Jordan-messbare Menge und B eine Menge mit A◦ ⊂ B ⊂ A, so ist auch B Jordan-messbar, und es gilt |A| = |B|. Beweis: Aus der Monotonie des inneren und ¨außeren Inhalts (Satz 2.11 (i)) und aus Satz 2.11 (ii) erhalten wir |A| = J (A◦ ) ≤ J(B) ≤ J(B) ≤ J(A) = J(A) = |A| und damit die Behauptung.
Das folgende (extreme) Beispiel zeigt, dass nicht jede Menge Jordan-messbar ist. 2.13 Beispiel. Es sei M := {(x, y) ∈ [0, 1] × [0, 1] : x, y ∈ Q} die Menge aller Punkte im Einheitsquadrat, deren Koordinaten rationale Zahlen sind. Da in jeder Umgebung eines Punktes aus M Punkte mit irrationalen (nicht rationalen) Koordinaten liegen, gilt M ◦ = ∅. Andererseits ist M = [0, 1] × [0, 1], denn jeder Punkt aus dem Einheitsquadrat ist Grenzwert einer geeigneten Folge aus M . Damit folgt aus Satz 2.11 (oder auch direkt) J(M ) = 0 und J(M ) = 1. Die Menge M ist also nicht Jordan-messbar.
2 Integralrechnung im Rn
98
2.3.5
Das Riemann-Integral als Grenzwert*
2.14 Satz. (Das Integral als Grenzwert) Es seien M ⊂ R2 eine beschr¨ankte Menge, Q ⊃ M ein M enthaltendes Rechteck und Zn , n ∈ N, Zerlegungen von Q mit der Eigenschaft Zn → 0 f¨ ur n → ∞. Ist f : M → R eine beschr¨ ankte Funktion, so gilt lim U (fM ; Zn ) = J(f ; M ),
lim O(fM ; Zn ) = J(f ; M ).
n→∞
n→∞
(2.10)
Beweis: Es seien Z und Z Zerlegungen von Q, δ := Z die Feinheit von Z und K eine obere Schranke der Menge {|f (x)| : x ∈ M }. Weiter sei ∂A R := A∈R(Z)
und R⊕δ die durch (2.9) definierte Parallelmenge von R im Abstand δ. Wir behaupten die G¨ ultigkeit der Ungleichungen O(fM ; Z ∪ Z ) ≥ O(fM ; Z ) − 2K|R⊕δ |,
U (fM ; Z ∪ Z ) ≤ U (fM ; Z ) + 2K|R⊕δ |.
(2.11) (2.12)
Ungleichung (2.12) ist ein Analogon von (I.7.4). Wegen Satz 2.11 (iii) gilt |R⊕δ | → |R| = 0 f¨ ur δ → 0. Sind (2.11) und (2.12) bewiesen, so kann die Beweisf¨ uhrung v¨ ollig analog zu derjenigen Satz von I.7.6 erfolgen. Wir beweisen jetzt (2.11). Mit der Vereinbarung ur jedes B ∈ R(Z ) g¨ ultigen Beziesup fM (∅) = sup ∅ = 0 folgt unter Verwendung der f¨ hung |A ∩ B| = |B| A∈R(Z)
die Darstellung O(fM ; Z ) − O(fM ; Z ∪ Z ) |B| · sup fM (B) − = B∈R(Z )
=
|A ∩ B| · sup fM (A ∩ B)
A∈R(Z) B∈R(Z )
|A ∩ B| · (sup fM (B) − sup fM (A ∩ B))
(2.13)
A∈R(Z) B∈R(Z ),B⊂R⊕δ
+
|A ∩ B| · (sup fM (B) − sup fM (A ∩ B)).
A∈R(Z) B∈R(Z ),B ⊂R⊕δ
Die in (2.13) stehende Summe ist wegen sup fM (B) − sup fM (A ∩ B) ≤ 2K und A∈R(Z) B∈R(Z ),B⊂R⊕δ
|A ∩ B| =
B∈R(Z ),B⊂R⊕δ
|B| ≤ |R⊕δ |
(2.14)
2.3 Der Jordan-Inhalt
99
durch 2K|R⊕δ | nach oben beschr¨ankt. Wir betrachten jetzt ein B ∈ R(Z ) mit B ⊂ R⊕δ . Wegen δ = Z gilt die Unglei√ chung sup{x − y 2 : x, y ∈ B} ≤ 2δ. Nach Definition von R⊕δ gibt es deswegen ein C ∈ R(Z) mit B ⊂ C. (Den Nachweis dieser plausiblen Hilfsaussage u ¨ berlassen wir als ¨ Ubungsaufgabe.) Folglich gilt f¨ ur jedes A ∈ R(Z) entweder A ∩ B = ∅ oder B ⊂ A. Im zweiten Fall ist B = A ∩ B. Insgesamt ergibt sich, dass die in (2.14) auftretende Summe verschwindet, womit Ungleichung (2.11) bewiesen ist.
2.3.6
Nullmengen
Eine beschr¨ankte Menge M mit J(M ) = 0 heißt (Jordansche) Nullmenge . Eine Nullmenge ist Jordan-messbar und besitzt den Inhalt 0. Der Begriff der Nullmenge f¨ uhrt zu einem einfachen Kriterium f¨ ur die Jordan-Messbarkeit: 2.15 Satz. (Kriterium f¨ ur Jordan-Messbarkeit) Eine beschr¨ ankte Menge A ist genau dann Jordan-messbar, wenn ihr Rand ∂A eine Nullmenge ist. Dieses Kriterium ergibt sich unmittelbar aus Teil (i) des folgenden Satzes. 2.16 Satz. (Weitere Eigenschaften des unteren und oberen Jordan-Inhalts) (i) F¨ ur jede beschr¨ ankte Mengen A ⊂ R2 gilt J(A) + J (∂A) = J(A). (ii) F¨ ur beliebige beschr¨ankte Mengen A, B ⊂ R2 gilt J(A ∪ B) ≤ J(A) + J (B). (iii) Sind A und B fremde beschr¨ankte Mengen, so folgt J(A∪B) ≥ J(A)+J (B). Beweis: (i): Es sei Z eine Zerlegung eines Rechtecks Q mit der Eigenschaft Q ⊃ A. Dann gilt O(1A ; Z) = |C|. C∈R(Z) C∩A =∅
urden beide F¨ ur C ∈ R(Z) mit C ∩ A = ∅ gilt entweder C ⊂ A◦ oder C ∩ ∂A = ∅. (W¨ Aussagen nicht gelten, so g¨abe es Punkte x, y ∈ C mit x ∈ A◦ und y∈ / A◦ . Die Strecke [x, y] w¨ are dann in C enthalten. Setzt man s := sup{t ≥ 0 : x + t(y − x) ∈ A}, so ist x + s(y − x) ein Randpunkt von A, was ein Widerspruch w¨ are.) Es folgt |C| + |C| = U (1A◦ ; Z) + O(1∂A ; Z) O(1A ; Z) = C∈R(Z) C⊂A◦
C∈R(Z) C∩∂A =∅
und somit f¨ ur Z → 0 die Behauptung. (ii),(iii): Es sei Z eine Zerlegung eines Rechtecks Q mit Q ⊃ A ∪ B. Wegen (2.8) ergibt sich O(1A∪B ; Z) ≤ O(1A ; Z) + O(1B ; Z). (Die Details u ¨ berlassen wir dem interessierten Leser). F¨ ur Z → 0 folgt die Behauptung (ii). Gilt A◦ ∩ B ◦ = ∅, so zeigt (2.7)
2 Integralrechnung im Rn
100
U (1A∪B ; Z) ≥ U (1A◦ , Z) + U (1B ◦ , Z), wobei wir die (recht einfachen) Details erneut unterschlagen. F¨ ur Z → 0 konvergiert U (1A◦ ; Z) + U (1B ◦ ; Z) gegen J (A◦ ) + J(B ◦ ). Letztere Summe ist nach Satz 2.11 (ii) gleich J (A) + J(B).
2.17 Satz. (Eigenschaften Jordan-messbarer Mengen) Sind A und B Jordan-messbare Mengen, so sind auch die Mengen A ∪ B, A ∩ B und A \ B Jordan-messbar. Beweis: Der Rand der Mengen A ∪ B, A ∩ B und A \ B ist jeweils in ∂A ∪ ∂B enthalten. Letztere Menge ist nach Satz 2.16 (ii) und Satz 2.15 eine Nullmenge. Damit folgen die Behauptungen aus Satz 2.15.
Aus den S¨atzen 2.11 und 2.16 erhalten wir die folgenden wichtigen (und anschaulich selbstverst¨andlichen) Eigenschaften des Inhalts: 2.18 Satz. (Grundlegende Eigenschaften des Jordan-Inhalts) Es seien A und B Jordan-messbare Mengen. Dann gilt: (i) Aus A ⊂ B folgt |A| ≤ |B|. (ii) Es gilt |A ∪ B| ≤ |A| + |B|. (iii) Aus A◦ ∩ B ◦ = ∅ folgt |A ∪ B| = |A| + |B|.
2.3.7
Partitionen
Im Weiteren seien nur noch Jordan-messbare Mengen als Integrationsbereiche zugelassen. Dazu formulieren wir zun¨achst die Definitionen des unteren und oberen Integrals etwas allgemeiner (und eleganter). Diese Vorgehensweise bringt nicht nur beweistechnische Vorteile mit sich, sondern f¨ uhrt auch zu einem vertieften Verst¨andnis des Riemannschen Integralbegriffs. F¨ ur jede beschr¨ankte Teilmenge B = ∅ des R2 bezeichne d(B) := sup{x − y 2 : x, y ∈ B}
(2.15)
den Durchmesser von B. Der Vollst¨andigkeit halber setzen wir d(∅) := 0. Ein Menge Z endlich vieler nichtleerer, paarweise fremder Jordan-messbaren Mengen heißt Partition einer Jordan-messbaren Menge M ⊂ R2 , falls gilt: B = M. B∈Z
Die Zahl Z := max{d(B) : B ∈ Z} heißt Feinheit der Partition.
2.3 Der Jordan-Inhalt
101
Eine Partition ist eine Menge, deren Elemente selbst Mengen sind. In solchen F¨allen sprechen wir auch von einem Mengensystem, vgl. 6.2.2. Bild 2.10 zeigt eine aus einem System von 7 Mengen bestehende Partition einer Menge M . Die Feinheit dieser Partition ist durch die L¨ange des Doppelpfeiles markiert.
M
Bild 2.10: Zu den Begriffsbildungen Partition und Feinheit
Z
Das leere System Z = ∅ ist Partition der leeren Menge ∅. Man beachte, dass der Durchschnitt von zwei verschiedenen Mengen B und C einer Partition Z eine Nullmenge ist. Wegen B 0 ∩ C 0 = ∅ gilt n¨amlich B ∩ C ⊂ ∂B ∪ ∂C, so dass Satz 2.11 (i) die Behauptung J(B ∩ C) = 0 liefert. Das folgende Beispiel zeigt, dass Partitionen eine nat¨ urliche Verallgemeinerung des Zerlegungsbegriffes darstellen. 2.19 Beispiel. (Zerlegungen und Partitionen) Es seien M eine Jordan-messbare Menge, Q ein Rechteck mit Q ⊃ M sowie Z eine Zerlegung von Q. Die Menge der durch Z gegebenen Teilrechtecke sei wie fr¨ uher mit R(Z) bezeichnet. Dann ist Z := {B ∩ M : B ∈ R(Z)} eine Partition von M . F¨ ur verschiedene B, C ∈ R(Z) gilt n¨ amlich (B ∩ M )◦ ∩ (C ∩ M )◦ = B ◦ ∩ C ◦ ∩ M ◦ = ∅. Im Folgenden seien M eine Jordan-messbare Menge und f eine Funktion, deren Definitionsbereich die Menge M enth¨alt. Ist Z eine Partition von M , so definieren wir Untersumme und Obersumme von f bez¨ uglich Z wie in 2.1.1 durch |B| · inf f (B), (2.16) U (f ; Z) := B∈Z
O(f ; Z) :=
B∈Z
|B| · sup f (B).
(2.17)
2 Integralrechnung im Rn
102
Im Fall M = ∅ gibt es nur die Partition Z = ∅. In diesem Fall ist (nach Definition einer leeren Summe) U (f ; Z) = O(f ; Z) = 0.
2.3.8
Eine alternative Definition des Riemann-Integrals
Es sei M ⊂ R2 eine Jordan-messbare Menge. Eine Partition Z von M heißt feiner als eine Partition Z von M , wenn sich jedes B ∈ Z als Vereinigung von Mengen aus Z ergibt. In diesem Fall gelten analog zu Satz 2.1 die Ungleichungen U (f ; Z ) ≥ U (f ; Z),
O(f ; Z ) ≤ O(f ; Z).
Der folgende Satz liefert die bereits angek¨ undigten alternativen Definitionen des unteren und oberen Integrals. 2.20 Satz. Sind M eine Jordan-messbare Menge und f : M → R eine beschr¨ankte Funktion, so gilt J(f ; M ) = sup{U (f ; Z) : Z ist eine Partition von M }, J(f ; M ) = inf{O(f ; Z) : Z ist eine Partition von M }. Beweis: Wir bezeichnen die obigen rechten Seiten mit J∗ (f ) bzw. J ∗ (f ). Es seien Zk , ur k → ∞. Dann gilt k ∈ N, Partitionen von M mit Zk → 0 f¨ J∗ (f ) = lim U (f ; Zk ), k→∞
J ∗ (f ) = lim O(f ; Zk ). k→∞
Der Beweis dieser Aussagen erfolgt analog zu denjenigen von Satz 2.14. Dazu betrachtet man anstelle der Zerlegungen Z und Z zwei Partitionen Z und Z von M und ersetzt Z ∪ Z durch {B ∩ C : B ∈ Z, C ∈ Z }. Diese Mengen bilden eine Partition von M , die feiner als Z und feiner als Z ist. Die Ungleichungen (2.11) und (2.12) gelten dann analog. Es seien jetzt Zk , k ∈ N, Zerlegungen eines Rechtecks Q ⊃ M . Dann sind Zk := {B ∩ M : B ∈ R(Zk )},
k ∈ N,
ur k → ∞. Ferner gilt Partitionen von M mit Zk → 0 f¨ |B| · inf fM (B) + |U (fM ; Zk ) − U (f ; Zk )| ≤ B∈R(Zk ) B∩∂M =∅
|B| · inf f (B),
B∈Zk B∩∂M =∅
ur k → ∞. Wegen und weil ∂M eine Nullmenge ist, folgt |U (fM ; Zk ) − U (f ; Zk )| → 0 f¨ U (fM ; Zk ) → J(f ; M ) (vgl. Satz 2.14) und dem ersten Beweisteil ergibt sich damit die erste Behauptung des Satzes. Die zweite beweist man analog.
Ein Ergebnis des obigen Beweises halten wir gesondert fest:
2.3 Der Jordan-Inhalt
103
2.21 Satz. (Das Integral als Grenzwert) Die Voraussetzungen von Satz 2.20 seien erf¨ ullt. Sind dann Zk , k ∈ N, Partitionen von M mit Zk → 0 f¨ ur k → ∞, so gilt J(f ; M ) = lim U (f ; Zk ), k→∞
J(f ; M ) = lim O(f ; Zk ). k→∞
2.22 Folgerung. (Integration u ¨ ber Nullmengen) Ist M eine Nullmenge, so ist f integrierbar ¨ uber M , und es gilt f (x) dx = 0. M
Beweis: F¨ ur jede Partition Z von M gilt U (f ; Z) = O(f ; Z) = 0.
2.3.9
Eigenschaften des Bereichsintegrals
Wir sind jetzt in der Lage, alle S¨atze, in denen der Integrationsbereich ein Rechteck war, auf den allgemeinen Fall zu u ¨ bertragen. 2.23 Satz. (Linearit¨at und Monotonie des Integrals) Die S¨atze 2.3 und 2.4 bleiben g¨ ultig, wenn man dort das Rechteck Q durch eine beliebige Jordan-messbare Menge M ersetzt. Die Additivit¨at aus Satz 2.7 kann wie folgt verallgemeinert werden. 2.24 Satz. (Additivit¨at des Integrals) Die Menge M sei die Vereinigung zweier fremder Jordan-messbarer Mengen M1 und M2 . Dann gilt J(f ; M ) = J(f ; M1 ) + J(f ; M2 ),
J(f ; M ) = J (f ; M1 ) + J(f ; M2 ).
Insbesondere ist f genau dann ¨ uber M integrierbar, wenn f sowohl ¨ uber M1 als integrierbar ist. In diesem Fall gilt auch u ber M ¨ 2 f (x) dx = f (x) dx + f (x) dx. M
M1
M2
Beweis: Wir k¨ onnen ohne Einschr¨ankung der Allgemeinheit M1 = ∅ und M2 = ∅ voraussetzen. Zu einer beliebig vorgegebenen Zahl ε > 0 existieren Partitionen Z1 und Z2 von M1 bzw. M2 mit U (f ; Z1 ) ≥ J(f ; M1 ) − ε/2 und U (f ; Z2 ) ≥ J(f ; M2 ) − ε/2. Wegen M1◦ ∩ M2◦ = ∅ ist Z := Z1 ∪ Z2 eine Partition von M , und es folgt U (f ; Z) = U (f ; Z1 ) + U (f ; Z2 ) ≥ J(f ; M1 ) + J(f ; M2 ) − ε und somit J(f ; M ) ≥ J (f ; M1 ) + J(f ; M2 ). Zum Beweis der umgekehrten Ungleichung w¨ ahlen wir wieder ein ε > 0 und finden eine Partition Z von M mit U (f ; Z) ≥ J(f ; M )− ε. Wir setzen Z1 := {A ∩ M1 : A ∈ Z}, Z2 := {A ∩ M2 : A ∈ Z}
2 Integralrechnung im Rn
104
und erhalten so Partitionen von M1 bzw. M2 . Die Partition Z := Z1 ∪ Z2 ist feiner als Z, und es folgt U (f ; Z1 ) + U (f ; Z2 ) = U (f ; Z ) ≥ U (f ; Z) ≥ J(f ; M ) − ε und somit J (f ; M1 ) + J (f ; M2 ) ≥ J (f ; M ). Die Behauptung u ¨ ber das obere Integral beweist man analog.
2.25 Folgerung. Es seien M eine Jordan-messbare Menge und f : M → R eine beschr¨ ankte Funktion. Dann gilt J(f ; M ◦ ) = J(f ; M ) = J(f ; M ),
J(f ; M ◦ ) = J(f ; M ) = J(f ; M ).
Insbesondere ist die Integrierbarkeit von f ¨ uber M zu der von f ¨ uber M und auch zu der von f ¨ uber M ◦ ¨aquivalent. Ist M ◦ = ∅, so ist f integrierbar ¨ uber M , und es gilt M f (x) dx = 0. Beweis: Die Behauptung ergibt sich aus Satz 2.24 und Folgerung 2.22, weil der Rand von M und damit insbesondere M \ M und M \ M ◦ Nullmengen sind.
2.26 Folgerung. Es seien A und B Jordan-messbare Mengen mit A ⊂ B sowie f : B → R eine beschr¨ ankte Funktion. Ist {x ∈ B \ A : f (x) = 0} eine Nullmenge, so gilt J(f ; A) = J (f ; B),
J(f ; A) = J(f ; B).
Ferner ist f genau dann u uber B integrierbar ist. In ¨ber A integrierbar, wenn f ¨ diesem Fall gilt f (x) dx = f (x) dx. A
B
Beweis: Wir setzen C := B \ A und N := {x ∈ B \ A : f (x) = 0}. Aus der Mengengleichheit C = (C \ N ) ∪ (C ∩ N ) und der Additivit¨ at des unteren Integrals folgt J (f ; B) = J(f ; A) + J(f ; C \ N ) + J(f ; C ∩ N ). (Die F¨ alle A = ∅, C \ N = ∅ oder C ∩ N = ∅ sind hier zugelassen.) Der letzte Summand verschwindet wegen Folgerung 2.22, weil C ∩ N eine Nullmenge ist. Ist Z eine Partition von C \ N , so folgt U (f ; Z) = O(f ; Z) = 0, denn es gilt f (x) = 0 f¨ ur jedes x ∈ C \ N . Damit gilt auch J(f ; C \ N ) = 0, was die erste Behauptung liefert. Die Gleichung f¨ ur die oberen Integrale beweist man analog.
Wir werden die obige Folgerung oft mit A = ∅ verwenden. Danach gilt die Gleichung J(f ; B) = J (f ; B) = 0, falls {x ∈ B : f (x) = 0} eine Nullmenge ist.
2.3 Der Jordan-Inhalt
2.3.10
105
Mittelwertsatz und Dreiecksungleichung
2.27 Satz. (Mittelwertsatz der Integralrechnung) Ist die Funktion f ¨ uber M integrierbar und gilt c ≤ f (x) ≤ d f¨ ur jedes x ∈ M , so gibt es ein μ ∈ [c, d] mit der Eigenschaft 1 · f (x) dx = μ. |M | M Da das Integral der Funktion g ≡ c u ¨ ber M das Ergebnis c|M | liefert (vgl. Satz 2.29), kann der Beweis des Mittelwertsatzes wie im Fall d = 1 (Satz I.7.15) erfolgen. Seine Aussage ist f¨ ur eine nichtnegative Funktion u ¨ ber einem Rechteck in Bild 2.11 veranschaulicht. In diesem Fall ist das Integral M f (x) dx das Volumen der von dem Graphen von f und M begrenzten Menge, vgl. 2.4.2. Dieses Volumen ist gleich dem Volumen eines Quaders mit der Grundfl¨ ache M und einer geeigneten H¨ohe μ mit c ≤ μ ≤ d. f (x, y) d
Bild 2.11: Zum Mittelwertsatz der Integralrechnung
μ M
c
y
x Auch den n¨achsten Satz beweist man wie im eindimensionalen Fall. 2.28 Satz. (Dreiecksungleichung) Ist f integrierbar ¨ uber M , so ist auch |f | integrierbar ¨ uber M , und es gilt f (x) dx ≤ |f (x)| dx. M
2.3.11
M
Klassen integrierbarer Funktionen
Im Folgenden werden konkrete Klassen integrierbarer Funktionen vorgestellt. 2.29 Satz. (Integration von Treppenfunktionen) Mengen und c1 , . . . , cm Es seien A1 , . . . , Am paarweise fremde Jordan-messbare m reelle Zahlen. Dann ist die Funktion f := c 1 uber jeder i=1 i Ai integrierbar ¨ Jordan-messbaren Menge A, und es gilt m f (x) dx = ci · |A ∩ Ai |. A
i=1
2 Integralrechnung im Rn
106
Beweis: Wegen der Linearit¨at des Integrals gen¨ ugt es, den Fall m = 1 und c1 = 1 zu betrachten. Wir schreiben B := A1 und erhalten aus Satz 2.24 1B (x) dx = 1B (x) dx + 1B (x) dx. A
A\B
A∩B
Da nach Folgerung 2.26 der erste Summand verschwindet und f¨ ur jede Partition Z von A ∩ B die Gleichungen U (1B ; Z) = O(1B ; Z) = |A ∩ B| gelten, ist die Behauptung bewiesen.
Die in Satz 2.29 betrachtete Funktion f heißt (Jordan-messbare) Elementarfunktion bzw. Treppenfunktion. Die zweite Namensgebung r¨ uhrt daher, dass der Graph von f f¨ ur den Fall, dass die Mengen A1 , . . . , Am in Satz 2.29 aneinander angrenzende Rechtecke sind, die Gestalt einer Treppe“ annehmen kann (Bild ” 2.12). f (x, y) y
x
Bild 2.12: Graph einer Treppenfunktion
2.30 Satz. (Integrierbarkeit stetiger Funktionen) Es seien M = ∅ eine abgeschlossene Jordan-messbare Menge und f : M → R eine stetige Funktion. Dann ist f integrierbar u ¨ber M . Beweis: Da die Funktion f nach Satz 1.20 gleichm¨ aßig stetig ist, gibt es zu jedem ε > 0 ein δ > 0 mit der Eigenschaft x − y2 ≤ δ =⇒ |f (x) − f (y)| ≤ ε. Ist Z eine Partition von M mit Z ≤ δ, so ergibt sich O(f ; Z) − U (f ; Z) = |B| · (sup f (B) − inf f (B)) ≤ ε · |M |. B∈Z
Damit erhalten wir eine Version des Riemannschen Kriterium (Satz 2.2) f¨ ur Partitionen, was die Behauptung impliziert.
2.3 Der Jordan-Inhalt
107
Ist f : M → R eine auf einer Jordan-messbaren Menge M definierte beschr¨ankte und gleichm¨aßig stetige Funktion, so zeigt der letzte Beweis, dass f u ¨ber M integrierbar ist. Bisher wissen wir, dass Summen von gleichm¨ aßig stetigen Funktionen und Treppenfunktionen integrierbar sind. Außerdem kann man sich leicht klar machen, dass eine integrierbare Funktion integrierbar bleibt (und sich der Wert des Integrals nicht ¨andert), wenn man sie an endlich vielen Stellen ab¨ andert. F¨ ur Anwendungen ist die daraus resultierende Klasse integrierbarer Funktionen reichhaltig genug. Der Vollst¨andigkeit halber formulieren wir (ohne Beweis) ein Resultat, welches eine notwendige und zugleich hinreichende Bedingung f¨ ur die Riemann-Integrierbarkeit einer Funktion angibt. 2.31 Satz. (Lebesguesches2 Integrabilit¨atskriterium) Es seien M eine Jordan-messbare Menge und f : M → R eine beschr¨ankte Funktion. Es bezeichne N die Menge aller Punkte aus M in denen f nicht stetig ist. Dann ist f genau dann integrierbar u M , wenn es zu jedem ε > 0 Rechtecke ¨ber ∞ Qk , k ∈ N, gibt, so dass N ⊂ ∪k=1Qk und ∞ k=1 |Qk | ≤ ε. Eine Menge N mit den obigen Eigenschaften heißt Lebesguesche Nullmenge . Jede Jordansche Nullmenge ist auch eine Lebesguesche Nullmenge. Die Umkehrung gilt im Allgemeinen nicht. 2.32 Beispiel. (Fortsetzung von Beispiel 2.13) Nach Beispiel 2.13 ist die Menge M = {(x, y) ∈ [0, 1] × [0, 1] : x, y ∈ Q} nicht Jordan-messbar. Wir werden jetzt zeigen, dass M eine Lebesguesche Nullmenge ist. Hierzu verwenden wir, dass M bijektiv auf die Menge N der nat¨ urlichen Zahlen abgebildet werden kann, dass also M = {x1 , x2 , . . .} f¨ ur eine geeignete Folge (xj )j≥1 aus [0, 1] × [0, 1] gilt. Die Existenz einer solchen Bijektion kann mit den in I.5.2.11 verwendeten Methoden nachgewiesen werden. Zu beliebig vorgegebenem ε > 0 w¨ahlen wir zu jedem k ≥ 1 ein Quadrat Qk k ∞ mit ∞Mittelpunkt xk und Fl¨acheninhalt |Qk | = ε/2 . Dann gilt M ⊂ ∪k=1 Qk und k=1 |Qk | ≤ ε. Die Menge M ist also eine Lebesguesche Nullmenge.
2.3.12
Riemann-Integral und Jordan-Inhalt im Rn
Sowohl der Integralbegriff als auch der Jordan-Inhalt k¨ onnen ohne Schwierigkeiten auf Funktionen von n Variablen bzw. Teilmengen des Rn u ¨bertragen werden. 2
Henri L´eon Lebesgue (1875–1941), 1919 Professor an der Sorbonne, ab 1921 Professor am Coll`ege de France. Hauptarbeitsgebiete: Reelle Analysis, Maß- und Integrationstheorie, Topologie.
2 Integralrechnung im Rn
108 Ausgangspunkt ist das Volumen
|Q| := (b1 − a1 ) · . . . · (bn − an )
(2.18)
eines Quaders Q = [a1 , b1 ] × . . . × [an , bn ], wobei aj ≤ bj f¨ ur j = 1, . . . , n. Eine Vereinigung paarweise fremder Quader heißt Quadersumme. Anstelle des Jordan-Inhalts oder Inhalt einer Jordan-messbaren Menge spricht man auch vom Volumen dieser Menge. Das Integral einer u ¨ber einer Jordan-messbaren Menge M ⊂ Rn integrierbaren Funktion wird auch mit f (x1 , . . . , xn ) d(x1 , . . . , xn ) M
bezeichnet. Der Fall n = 1 ist zugelassen und liefert das bereits bekannte Riemannsche Integral von Funktionen einer Ver¨ anderlichen. Ist A ⊂ Rn eine Jordan-messbare Menge, so sind auch die Mengen A + x := {y + x : y ∈ A} (x ∈ Rn ) und λA := {λx : x ∈ A} (λ > 0) Jordan-messbar, und analog zu Satz 2.11 bestehen die Gleichungen |A| = |A + x|, x ∈ Rn , und |λA| = λn · |A|.
2.3.13
(2.19)
Vektorwertige Integrale
Es seien m, n nat¨ urliche Zahlen, M ⊂ Rn eine Jordan-messbare Menge sowie m f : M → R eine beschr¨ankte Funktion. Wie in 1.3.1 bezeichnen f1 , . . . , fm die Komponenten von f . Es gilt also f (x) = (f1 (x), . . . , fm (x)), x ∈ M . Die Funktion f : M → Rm heißt Riemann-integrierbar, wenn jede ihrer Komponentenfunktionen f1 , . . . , fm diese Eigenschaft besitzt. In diesem Fall heißt der Vektor f (x) dx := f1 (x) dx, . . . , fm (x) dx M
M
M
uber M ). das Riemann-Integral von f (¨ Im Beweis von Satz 1.42 haben wir das folgende Resultat benutzt. 2.33 Satz. (Dreiecksungleichung f¨ ur vektorwertige Integrale) n Es seien M ⊂ R eine Jordan-messbare Menge und f : M → Rm eine stetige Funktion. Dann gilt ≤ f ( x ) d x f (x)2 dx. M
2
M
Beweis: Wir f¨ uhren den Beweis im Fall n = 1 und M = [a, b] f¨ ur a < b. Die einfache Verallgemeinerung sei dem Leser u achst betrachten wir eine beschr¨ ankte ¨ berlassen. Zun¨ Funktion h : [a, b] → R und eine Zerlegung Z = {x0 , . . . , xk } von [a, b]. Definiert man I(h; Z) :=
k j=1
(xj − xj−1 ) · h(xj ),
2.4 Der Satz von Fubini
109
so gilt f¨ ur die Unter- und Obersummen von h bez¨ uglich Z (vgl. I.7.1.1) die Absch¨ atzung U (h; Z) ≤ I(h; Z) ≤ O(h; Z).
(2.20)
ur die Wir setzen jetzt I(f ; Z) := (I(f1 ; Z), . . . , I(fm ; Z)). Aus der Dreiecksungleichung f¨ euklidische Norm (Folgerung I.8.30) ergibt sich die Ungleichung I(f ; Z)2 ≤
k
(xj − xj−1 )·f (xj )2 = I(f ; Z).
(2.21)
j=1
ur l → ∞, so gilt Ist (Zl )l≥1 eine Folge von Zerlegungen von [a, b] mit Zl → 0 f¨ wegen der Riemann-Integrierbarkeit von f1 , . . . , fm (Satz I.7.8), der deshalb g¨ ultigen Grenzwertbeziehung (I.7.2) sowie den Ungleichungen (2.20)
b
lim I(f ; Zl ) =
l→∞
a
b
f1 (t) dt, . . . ,
fm (t) dt a
=
b
f (t) dt. a
Weil eine Norm nach Beispiel 1.14 (i) stetig ist, erhalten wir jetzt aus (2.21)
a
b
f (t) dt lim I(f ; Zl ). ≤ l→∞ 2
Da auch f eine stetige und damit Riemann-integrierbare Funktion ist, folgt die Behauptung.
2.4
Der Satz von Fubini
In diesem Abschnitt werden wir unter anderem sehen, wie die Berechnung mehrdimensionaler Integrale auf die iterative Berechnung eindimensionaler Integrale zur¨ uckgef¨ uhrt werden kann. Der Inhalt einer Jordan-messbaren Menge M ⊂ Rn wird mit |M |n bezeichnet. Allerdings lassen wir den Dimensions-Index n immer dann weg, wenn keine Missverst¨andnisse zu bef¨ urchten sind. Im Folgenden bezeichne der Begriff ndimensionaler Quader eine Menge A ⊂ Rn der Form A = [a1 , b1 ] × . . . × [an , bn ] mit aj , bj ∈ R und aj ≤ bj f¨ ur j = 1, . . . , n. In den Spezialf¨ allen n = 2 und n = 3 ist A ein achsenparalleles Rechteck bzw. ein achsenparallerer Quader.
2.4.1
Der Inhalt verallgemeinerter Quader
Es sei n eine nat¨ urliche Zahl mit n ≥ 2. Die Idee, welche der iterativen Berechnung mehrdimensionaler Integrale zugrunde liegt, kommt bereits im folgenden Resultat zum Ausdruck:
2 Integralrechnung im Rn
110
2.34 Satz. (Produktregel) Es seien p, q ∈ N mit p + q = n. Weiter seien A ⊂ Rp und B ⊂ Rq Jordanmessbare Mengen. Dann ist auch das kartesische Produkt A × B eine Jordanmessbare Teilmenge des Rn , und es gilt |A × B|n = |A|p · |B|q . Beweis: Wir setzen zun¨achst voraus, dass sowohl A = ∪ki=1 Ai als auch B = ∪m j=1 Bj Quadersummen, d.h. Vereinigungen von paarweise fremden Quadern, sind. Dann gilt A×B =
k m
Ai × Bj .
i=1 j=1
Da f¨ ur beliebige Mengen C ⊂ Rp und D ⊂ Rq die Gleichungen C × D = C × D,
(C × D)◦ = C ◦ × D◦
bestehen, sind die Mengen Ai ×Bj paarweise fremd, und somit ist A×B eine Vereinigung paarweiser fremder n-dimensionaler Quader. Aus Satz 2.18 (iii) folgt ⎞ k ⎛m k k m m |A × B|n = |Ai × Bj |n = |Ai |p · |Bj |q = |Ai | · ⎝ |Bj |⎠ i=1 j=1
i=1 j=1
i=1
j=1
= |A|p · |B|q . Damit ist die Behauptung f¨ ur Quadersummen A und B bewiesen. Im allgemeinen Fall benutzt man Satz 2.9 und zeigt (unter Benutzung obigen Resultats) die Ungleichungen J(A × B) ≥ J(A) · J(B),
J(A × B) ≤ J(A) · J(B),
die sogar f¨ ur beliebige beschr¨ankte Mengen A ⊂ Rp und B ⊂ Rq gelten. Daraus folgt die Behauptung des Satzes.
x3
B x1
x3
x2
B x1
x3
x2
B
x2
x1
Bild 2.13: Zylinder mit unterschiedlichen Grundfl¨ achen B Die Menge A×B in Satz 2.34 kann als verallgemeinerter Quader mit den Seiten A und B interpretiert werden. Damit verallgemeinert der Satz die elementargeometrische Definition des Quadervolumens.
2.4 Der Satz von Fubini
111
2.35 Beispiel. (Volumen eines Zylinders) Es seien B ⊂ Rn−1 eine Jordan-messbare Menge und a, b ∈ R mit a ≤ b. Dann ist das kartesische Produkt B × [a, b] ein Zylinder mit der Grundfl¨ ache B und der H¨ohe b−a (Bild 2.13). Sein Volumen berechnet sich nach der Formel |B|n−1 ·(b−a).
2.4.2
Ordinatenmengen
Es seien B ⊂ Rn−1 eine Menge und g : B → R eine Funktion mit g(x) ≥ 0 f¨ ur jedes x ∈ B. Dann heißt M (g) := {(x1 , . . . , xn−1 , t) ∈ Rn : (x1 , . . . , xn−1 ) ∈ B, 0 ≤ t ≤ g(x1 , . . . , xn−1 )} Ordinatenmenge von g. Diese Begriffsbildung ist in Bild 2.14 anhand des Falls n = 2 und B = [0, 1] sowie g(t) = 2t(1 − t) veranschaulicht.
t = g(x)
t
Bild 2.14: Zum Begriff der Ordinatenmenge 0
x
1
Der folgende Satz best¨atigt die am Anfang des Kapitels gegebene Motivation des Integrals. Im Fall n = 2 erhalten wir die Interpretation des Integrals als Fl¨ache zwischen dem Graphen einer Funktion und der x-Achse“, vgl. Kapitel ” I.7. 2.36 Satz. (Inhalt der Ordinatenmenge) Es seien B ⊂ Rn−1 eine Jordan-messbare Menge und g : B → [0, ∞) eine ¨ uber B integrierbare Funktion. Dann ist die Ordinatenmenge M (g) Jordan-messbar, und es gilt |M (g)|n =
g(x) dx. B
Beweis: Es sei Z eine Partition von B. Setzen wir U := A × [0, inf g(A)], O := A × [0, sup g(A)], A∈Z
A∈Z
so gilt U ⊂ M (g) ⊂ O. Die Mengen U und O sind Vereinigungen paarweise fremder verallgemeinerter Quader, und aus Satz 2.34 folgt U (g; Z) = |U |n ≤ J(M (g)) ≤ J(M (g)) ≤ |O|n ≤ O(g; Z).
2 Integralrechnung im Rn
112
F¨ ur Z → 0 streben die linke und die rechte Seite der obigen Ungleichungskette gegen denselben Grenzwert B g(x) dx, was zu zeigen war.
2.37 Satz. (Inhalt des Graphen) Es seien B ⊂ Rn−1 eine Jordan-messbare Menge und g : B → [0, ∞) eine ¨ uber B integrierbare Funktion. Dann ist der Graph Graph(g) = {(x1 , . . . , xn−1 , g(x1 , . . . , xn−1 )) : (x1 , . . . , xn−1 ) ∈ B} eine Nullmenge im Rn . Beweis: F¨ ur jede Partition Z von B gilt Graph(g) ⊂ A × [inf g(A), sup g(A)]. A∈Z
Die rechts stehende Vereinigung paarweise fremder verallgemeinerter Quader besitzt den Inhalt |A|n · (sup g(A) − inf g(A)) = O(f ; Z) − U (f ; Z). A∈Z
Weil g integrierbar ist, strebt die letzte Differenz f¨ ur Z → 0 gegen 0.
Sind B eine beschr¨ankte, abgeschlossene Teilmenge des Rn−1 und f : B → R eine stetige Funktion, so stellt Graph(f ) nach Satz 2.30 und Satz 2.37 eine Nullmenge dar. Ist also der Rand einer Menge M ⊂ Rn Teilmenge endlich vieler solcher Graphen, so ist M wegen des Kriteriums aus Satz 2.15 Jordan-messbar. Nach Satz 2.10 (ii) bleibt die Eigenschaft der Jordan-Messbarkeit erhalten, wenn man Graph(f ) durch die Menge {(x1 , . . . , xn ) : x2 = f (x1 , x3 , . . . , xn )} ersetzt. Dieser Sachverhalt beweist die Jordan-Messbarkeit vieler Mengen wie zum Beispiel die der Kugeln B(0, R), R > 0. Im R2 ist der Rand der Kugel B(0, 1) die Vereinigung der√Graphen der auf dem Intervall [−1, 1] definierten Funktionen √ 1 − x2 und − 1 − x2 (Bild 2.15). y y=
√
1 − x2
x
Bild 2.15: Der Kreisrand als Nullmenge
√ y = − 1 − x2
Das folgende Resultat ist eine Verallgemeinerung von Satz 2.36:
2.4 Der Satz von Fubini
113
2.38 Satz. (Inhalt der verallgemeinerten Ordinatenmenge) Es seien B ⊂ Rn−1 eine Jordan-messbare Menge und g, h : B → R ¨ uber B integrierbare Funktionen. F¨ ur jedes x ∈ B gelte g(x) ≤ h(x). Dann ist die durch M (g, h) := {(x1 , . . . , xn−1 , t) ∈ Rn : x = (x1 , . . . , xn−1 ) ∈ B, g(x) ≤ t ≤ h(x)} definierte verallgemeinerte Ordinatenmenge (s. Bild 2.16) Jordan-messbar, und es gilt (h(x) − g(x)) dx. |M (g, h)|n = B
Beweis: F¨ ur jedes c ∈ R gilt M (g + c, h + c) = {(x1 , . . . , xn−1 , t) : (x1 , . . . , xn−1 , t − c) ∈ M (g, h)}. Diese Menge ist genau dann Jordan-messbar, wenn M (g, h) diese Eigenschaft besitzt, und die Inhalte sind dann gleich (vgl. Satz 2.10 (i)). Wir k¨ onnen also o.B.d.A. g(x) > 0 f¨ ur jedes x ∈ B annehmen. Dann gilt M (g) ⊂ M (h) und M (g, h) = (M (h) \ M (g)) ∪ Graph(g). Damit ist M (g, h) eine Jordan-messbare Menge (vgl. Satz 2.17). Aus der Additivit¨ at des Inhalts (Satz 2.18 (iii)) und den S¨atzen 2.36 und 2.37 folgt |M (g, h)|n = |M (h)|n − |M (g)|n = h(x) dx − g(x) dx B
B
und somit wegen der Linearit¨at des Integrals die behauptete Gleichung.
t = h(x) t Bild 2.16: Zum Begriff der verallgemeinerten Ordinatenmenge
t = g(x) B
2.4.3
x
Der Satz von Fubini
Sind B ⊂ Rn eine Jordan-messbare Menge und f : B → R eine beschr¨ ankte Funktion, so schreiben wir auch ∗ f (x) dx := J (f ; B), f (x) dx := J(f ; B) ∗B
B
2 Integralrechnung im Rn
114
f¨ ur das untere bzw. obere Integral von f u ¨ ber B. Im Fall n = 1 und B = [a, b] setzt man entsprechend b ∗b f (x) dx := J (f ; B), f (x) dx := J (f ; B). ∗a
a
Im Folgenden seien p, q ∈ N mit p+q = n. Besitzt ein Punkt z ∈ Rn die Koordinaten x1 , . . . , xp , y1 , . . . , yq , so schreiben wir z = (x, y ), mit x := (x1 , . . . , xp ) und y := (y1 , . . . , yq ). Ist f integrierbar u ¨ ber einer Jordan-messbaren Menge M ⊂ Rn , so wird das Integral von f u ¨ber M auch in der Form f (x, y ) d(x, y ) := f (z) dz M
M
geschrieben. Es seien jetzt I ⊂ Rp und J ⊂ Rq zwei Quader sowie f eine beschr¨ ankte Funktion f auf dem kartesischen Produkt Q := I × J. F¨ ur jedes x ∈ I ist die ¨ Schnittfunktion f (x, ·) : J → R beschr¨ankt. In Ubereinstimmung mit den oben eingef¨ uhrten Bezeichnungen sind dann ∗ f (x, y ) dy , f (x, y ) dy ∗J
J
das untere bzw. das obere Integral dieser Schnittfunktion. Die Funktionen ∗ x → f (x, y ) dy , x → f (x, y ) dy ∗J
J
sind beschr¨ankt, denn es gilt ∗ f (x, y ) dy , f (x, y ) dy ≤ |J| · sup{|f (x, y )| : x ∈ I, y ∈ J}. max ∗J
J
Es macht also Sinn, zuerst bez¨ uglich y und dann bez¨ uglich x zu integrieren und das iterierte Integral f (x, y ) dx dy ∗J
∗I
zu bilden. Nat¨ urlich ist hier auch die umgekehrte Reihenfolge, d.h. die iterierte Integration f (x, y ) dy dx, ∗I
∗J
m¨oglich. Weitere iterierte Integrale ergeben sich, wenn man das innere oder das ¨außere untere Integral durch ein oberes Integral ersetzt. Ist f integrierbar, so liefert jede dieser iterierten Integrationen dasselbe Ergebnis:
2.4 Der Satz von Fubini
115
2.39 Satz. (Satz von Fubini3 (1)) Ist f integrierbar ¨ uber Q = I × J, so gilt ∗ f (x, y ) d(x, y ) = f (x, y ) dx dy = f (x, y ) dy dx J Q ∗J ∗I ∗I ∗ ∗ ∗ f (x, y ) dx dy = f (x, y ) dy dx. = ∗I
J
I
J
Entsprechende Gleichungen gelten f¨ ur die umgekehrte Integrationsreihenfolge. Beweis: Es seien Z1 und Z2 Partitionen von I bzw. J. F¨ ur A ∈ Z1 und B ∈ Z2 setzen wir m(A, B) := inf f (A × B). Dann gilt m(A, B) ≤ f (x, y) f¨ ur jedes x ∈ A und jedes y ∈ B. Bildet man auf beiden Seiten dieser Ungleichung das untere Integral u ¨ber A, so folgt m(A, B) · |A|p ≤
y ∈ B.
f (x, y ) dx, ∗A
Die Additivit¨ at des unteren Integrals liefert m(A, B) · |A|p ≤
f (x, y) dx,
∗I
A∈Z
y ∈ B.
Beide Seiten dieser Ungleichung sind Funktionen von y ∈ B. Bilden wir das untere Integral u ¨ber B und summieren anschließend u ¨ ber B ∈ Z2 , so ergibt sich m(A, B) · |A|p · |B|q ≤ f (x, y) dx dy . ∗J
B∈Z2 A∈Z1
∗I
Wegen |A × B|n = |A|p |B|q (Satz 2.34) steht auf der linken Seite dieser Ungleichung die Untersumme U (f ; Z), wobei Z die durch Z := {A × B : A ∈ Z1 , B ∈ Z2 } definierte Partition von Q ist. Analog folgt die Ungleichung ∗ ∗ f (x, y ) dx dy ≤ O(f ; Z). J
Ferner gilt
I
f (x, y) dx
∗J
∗I
∗
dy ≤
∗
f (x, y) dx J
dy .
I
Mit Z1 → 0 und Z2 → 0 gilt auch Z → 0. (Diese Implikation folgt aus der leicht zu beweisenden Ungleichung Z2 ≤ Z1 2 + Z2 2 .) Weil Unter- und Obersumme ge gen denselben Grenzwert Q f (x, y)d(x, y) streben, folgen die erste und die letzte der behaupteten Gleichungen. Die anderen Gleichungen ergeben sich aus den Monotonieeigenschaften des unteren und des oberen Integrals. Die Gleichungen f¨ ur die umgekehrte Integrationsreihenfolge beweist man analog. 3
Guido Fubini (1879–1943), Professor in Turin (ab 1910) und Princeton (ab 1943). Hauptarbeitsgebiete: Projektive Differentialgeometrie, automorphe Funktionen, diskontinuierliche Gruppen.
2 Integralrechnung im Rn
116
Unter den Voraussetzungen von Satz 2.39 m¨ ussen die Schnittfunktionen f (·, y ) bzw. f (x, ·) nicht f¨ ur jedes y (bzw. x) integrierbar sein. Der Beweis zeigt aber, dass die Funktionen ∗ y → f (x, y ) dx und y → f (x, y ) dx ∗I
I
u ur die entsprechenden Integrale u ¨ber J integrierbar sind. Analoges gilt f¨ ¨ ber I. Zuk¨ unftig werden die Klammern um die inneren Integrale meist weggelassen. Als direkte Folgerung aus Satz 2.39 ergibt sich: 2.40 Satz. (Satz von Fubini (2)) Die Funktion f sei integrierbar ¨ uber Q = I × J. Ist die Schnittfunktion f (·, y ) f¨ ur jedes y ∈ J ¨ uber I integrierbar, so gilt f (z) dz = f (x, y ) dx dy . Q
J
I
Eine analoge Aussage gilt f¨ ur die umgekehrte Integrationsreihenfolge. f (x, y)
Fl¨ache =
y0
a2
b1 a1
f (x, y0 ) dx
Bild 2.17: Zum Satz von Fubini b2
a1
y
b1 x
2.4.4
Bemerkungen zum Satz von Fubini
(i) Im Fall p = q = 1 ist f eine Funktion der beiden Variablen x und y, und die Mengen I, J sind Intervalle der Form I = [a1 , b1 ] und J = [a2 , b2 ]. Ist f integrierbar u ¨ ber dem Rechteck Q = I × J, so gilt zum Beispiel b2 b1 f (x, y) d(x, y) = f (x, y) dx dy. (2.22) Q
a2
a1
Diese Situation ist in Bild 2.17 veranschaulicht. F¨ ur festes y0 kann das innere b1 ” Integral“ a1 f (x, y0 ) dx im Falle einer nichtnegativen Funktion f als Inhalt einer
2.4 Der Satz von Fubini
117
grau gezeichneten Fl¨ache (des Schnittes der Ebene {(x, y, z) ∈ R3 : y = y0 } mit der Menge {(x, y, z) ∈ R3 : (x, y) ∈ I × J, 0 ≤ z ≤ f (x, y)}) interpretiert werden. Das in (2.22) links stehende Integral ergibt sich dann durch Integration dieser von y0 abh¨angenden Fl¨acheninhalte u ¨ ber y0 ∈ [a2 , b2 ]. (ii) Ist eine Funktion f von 3 Variablen integrierbar u ¨ ber dem Quader Q = [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ], so liefert eine zweimalige Anwendung von Satz 2.39
b3
b2
b1
f (x, y, z) d(x, y, z) =
f (x, y, z) dx dy dz
Q
∗a2
a3
∗a1
oder auch
b2
∗b3
b1
f (x, y, z) d(x, y, z) = Q
f (x, y, z) dx dz dy. a2
a3
∗a1
Dabei k¨onnen die Integrationen in beliebiger Reihenfolge vorgenommen werden, was in konkreten F¨allen zu Rechenvorteilen f¨ uhren kann. Außerdem ist es unerheblich, ob das untere oder das obere Integral gew¨ ahlt wird. (Wie nach Satz 2.39 ausgef¨ uhrt ist das a¨ußerste Integral immer ein Riemann-Integral.) Entsprechende Formeln gelten f¨ ur Funktionen von n Ver¨anderlichen. (iii) Als Integrationsbereiche haben wir bisher nur Mengen der Form I × J zugelassen. Diese Vereinbarung bedeutet keine Einschr¨ ankung der Allgemeinheit. Sind n¨amlich M eine beliebige Jordan-messbare Menge und f : M → R eine u ¨ber M integrierbare Funktion, so kann man einen beliebigen Quader Q ⊃ M w¨ahlen und Satz 2.39 auf die u ¨ ber Q integrierbare Funktion fM anwenden (vgl. Folgerung 2.26).
2.4.5
Das Prinzip von Cavalieri
Das nach Cavalieri4 benannte Prinzip der Volumenbestimmung ist eine Umformung des Satzes von Fubini zur mehrfachen Integration. Um es zu formulieren, ur jedes t ∈ R betrachten wir zun¨achst eine beliebige Menge A ⊂ Rn und setzen f¨ At := {x = (x1 , . . . , xn−1 ) : (x, t) ∈ B}. Im Fall n = 3 ergibt sich At durch senkrechte Projektion des Durchschnitts von A mit einer zur x1 x2 -Ebene H parallelen Ebene Et = {(x1 , x2 , t) : x1 , x2 ∈ R}. Bild 2.18 veranschaulicht diese Begriffsbildung f¨ ur den Fall eines Tetraeders mit den Eckpunkten P1 , P2 , P3 und P4 . 4
Bonaventura Cavalieri (1598?–1647), Sch¨ uler von Galileo Galilei, ver¨ offentlichte 1635 sein außerordentlich einflussreiches Buch Geometria indivisibilus continuorum nova quadam ratione promota, in welchem er das nach ihm benannte Prinzip formulierte.
2 Integralrechnung im Rn
118 x3
P1
Et
x2 t
P4
At x1
P2
P3
Bild 2.18: Schnittmenge At f¨ ur ein Tetraeder mit den Eckpunkten P1 , P2 , P3 und P4
2.41 Satz. (Das Prinzip von Cavalieri) Es sei A ⊂ Rn eine Jordan-messbare Menge. F¨ ur jedes t ∈ R sei der Schnitt At eine Jordan-messbare Teilmenge von Rn−1 . Die Zahlen a, b mit a < b seien so gew¨ ahlt, dass At = ∅ f¨ ur t ∈ / [a, b]. Dann gilt
b
|A|n =
|At |n−1 dt.
a
Beweis: Es gibt einen Quader B ⊂ Rn−1 mit A ⊂ Q := B × [a, b]. Wir wenden Satz 2.40 mit p = n − 1, q = 1, I = B und J = [a, b] auf die Indikatorfunktion 1A an und erhalten unter Beachtung von Folgerung 2.26
|A|n =
b
1A (x, t) d(x, t) = Q
1A (x, t) dx dt. a
B
F¨ ur t ∈ [a, b] gilt 1A (x, t) = 1 genau dann, wenn x ∈ At . Wegen Folgerung 2.26 ist also x, t) dx = |At |n−1 . Damit ist der Satz bewiesen. B 1A (
Aus diesem Satz folgt insbesondere, dass zwei Mengen im R3 das gleiche Volumen besitzen, wenn sie von jeder zur Standebene parallelen Ebene in inhaltsgleichen Fl¨achen geschnitten werden (Prinzip von Cavalieri). 2.42 Beispiel. (Volumen eines verallgemeinerten Kegels) Es seien B ⊂ Rn−1 eine abgeschlossene Jordan-messbare Menge sowie h eine positive Zahl. Die Vereinigung A aller Strecken [(x, 0), (0, h)] mit x ∈ B ist ein
2.4 Der Satz von Fubini
119
(verallgemeinerter) Kegel mit Grund߬ache B und Spitze im Punkt (0, h). Im Fall n = 3 nennt man A einen (eigentlichen) Kegel, eine Pyramide oder ein Tetraeder je nachdem, ob die Grund߬ache B ein Kreis, ein Quadrat oder ein Dreieck ist (Bild 2.19). x3
x3
h
x3
h
h
x2 B x1
x2 B
x1
x1
x2 B
Bild 2.19: Kegel, Pyramide und Tetraeder Offenbar ist A das Bild der durch f (x, t) := (x, 0) + t(−x, h) = (1 − t) · (x, 0) + t · (0, h) definierten stetigen Abbildung f : B × [0, 1] → R3 . Diese Abbildung bildet die Menge B × [0, 1) bijektiv auf A := A \ {(0, h)} ab. Die entsprechende Umkehrabbildung ist ebenfalls stetig. Mit den Methoden des n¨ achsten Kapitels (vgl. Lemma 3.26 und den sich anschließenden Teil (2) des Beweises von Satz 3.21) kann die Jordan-Messbarkeit von A und A nachgewiesen werden. Aus der Definition der Schnittmengen ergibt sich As = {(1 − s/h) · x : x ∈ B} f¨ ur s ∈ [0, h] und As = ∅ sonst. Nach Gleichung (2.19) gilt |As | = (1 − s/h)n−1 |B|n−1 . Damit erhalten wir aus dem Prinzip von Cavalieri h h s n−1 h |A|n = 1− |As |n−1 ds = |B|n−1 · ds = · |B|n−1 . h n 0 0 Im Spezialfall n = 3 reduziert sich diese Aussage auf den elementargeometrischen Sachverhalt, dass der Rauminhalt eines Kegels gleich einem Drittel des Produktes aus Grundfl¨ache und H¨ohe ist. Im Spezialfall n = 2 ergibt sich die bekannte Formel f¨ ur den Fl¨acheninhalt eines Dreiecks.
2.4.6
Das Kugelvolumen
Wir bestimmen jetzt das Volumen vn := |B(0, 1)|n = |{x : x2 ≤ 1}|n
2 Integralrechnung im Rn
120
der n-dimensionalen Einheitskugel. Im Fall n = 1 gilt B(0, 1) = [−1, 1] und somit ¨ v1 = 2. F¨ ur die folgenden Uberlegungen kann deshalb n ≥ 2 angenommen werden. Mit der Abk¨ urzung B := B(0, 1) gilt Bt = {(x1 , . . . , xn−1 ) : x21 + . . . + x2n−1 ≤ 1 − t2 },
−1 ≤ t ≤ 1,
und Bt = ∅, sonst (Bild 2.20). x3
Bild 2.20: Schnittmenge Bt im Fall der Kugel im R3
x2
Bt t 1 x1 Wegen Bt =
1 − t2 · {(x1 , . . . , xn−1 ) : x21 + . . . + x2n−1 ≤ 1}
und |{(x1 , . . . , xn−1 ) : x21 + . . . + x2n−1 ≤ 1}|n−1 = vn−1 folgt aus Gleichung (2.19) |Bt |n−1 =
1 − t2
n−1
· vn−1 = vn−1 · (1 − t2 )
und das Prinzip von Cavalieri liefert 1 |Bt |n−1 dt = vn−1 · vn = vn−1 · −1
1
−1
Mit dem Substitutions-Trick“ t = cos ϕ ergibt sich ” π vn = vn−1 · sinn ϕ dϕ = 2vn−1 · 0
n−1 2
,
(1 − t2 )
π 2
−1 ≤ t ≤ 1,
n−1 2
dt.
sinn ϕ dϕ.
0
In Beispiel I.7.36 wurde gezeigt, wie dieses Integral rekursiv berechnet werden kann. Als Ergebnis erh¨alt man ⎧ π ⎨ π2 · (n−1)·(n−3)·...·3·1 n·(n−2)·...·4·2 , falls n gerade, n sin ϕ dϕ = (2.23) ⎩ (n−1)·(n−3)·...·4·2 , 0 falls n ungerade, n·(n−2)·...·3·1
2.4 Der Satz von Fubini
121
und somit v2k = v2k+1 =
πk , k!
k ∈ N,
π k · 22k+1 · k! , (2k + 1)!
(2.24) k ∈ N0 .
(2.25)
Insbesondere ergeben sich die bekannten elementargeometrischen Formeln v2 = π (Fl¨ache des Einheitskreises) und v3 = 43 π (Rauminhalt der Einheitskugel). Durch diese Betrachtungen haben wir die analytische Definition (I.6.21) von π und die geometrische Interpretation von π als Fl¨acheninhalt des Einheitskreises in der Ebene miteinander in Einklang gebracht.
2.4.7
Rotationsk¨ orper
Sind [a, b] ⊂ R ein Intervall und f : [a, b] → [0, ∞) eine Funktion, so heißt A := {(x, y, z) ∈ R3 : x2 + y 2 ≤ f (z)2 , a ≤ z ≤ b} Rotationsk¨ orper zur erzeugenden Funktion f . Bild 2.21 veranschaulicht, wie die Menge A durch Drehung des durch den in die yz-Ebene eingebetteten Graphen {(z, f (z)) : a ≤ z ≤ b} um die z-Achse entsteht. z b
t
f (t)
Bild 2.21: Rotationsk¨ orper
y
a x Wir betrachten jetzt einen Rotationsk¨orper mit stetiger erzeugender Funktion und behaupten, dass A Jordan-messbar ist. Zun¨ achst folgt aus Satz 2.36, dass A+ := A ∩ {(x, y, z) : x ≥ 0, y ≥ 0} diese Eigenschaft hat. Nach diesem Satz sind die Menge aller y, z ∈ R2 mit 0 ≤ y ≤ f (z) und a ≤ z ≤ b und damit auch A+ = {(x, y, z) ∈ R3 : 0 ≤ x ≤ f (z)2 − y 2 , 0 ≤ y ≤ f (z), a ≤ z ≤ b} Jordan-messbar. Analoge Betrachtungen f¨ ur die anderen F¨ alle (wie z.B. x ≥ 0 und y ≤ 0) zeigen zusammen mit Satz 2.17 die Messbarkeit von A. Damit k¨ onnen
2 Integralrechnung im Rn
122
wir das Prinzip von Cavalieri anwenden. F¨ ur a ≤ t ≤ b ist At eine Kreisscheibe mit Radius f (t). Nach 2.4.6 hat At den Inhalt πf (t)2 . Also ist
b
|A|3 = π
f (t)2 dt
(2.26)
a
das Volumen des Rotationsk¨orpers. 2.43 Beispiel. (Volumen eines Rotationsparaboloids) √ Wir betrachten die auf dem Intervall [0, h] (h > 0) definierte Funktion f (z) := z. Der zugeh¨orige Rotationsk¨orper A heißt Rotationsparaboloid (siehe Bild 1.5 links). Sein Volumen ergibt sich nach (2.26) zu |A|3 = π
2.4.8
h
t dt = 0
π 2 h . 2
Kreissektoren und Winkel
F¨ ur (x, y) ∈ R2 mit (x, y) = (0, 0) sei ϕ(x, y) := arccos
(x, y), (1, 0) (x, y)·(1, 0)
= arccos
x
x2 + y 2
(2.27)
der in I.8.4.3 erkl¨arte Winkel zwischen (x, y) und dem ersten Einheitsvektor (1, 0). Zur Vertiefung unseres geometrischen Verst¨ andnisses dieses Winkels betrachten wir f¨ ur ein α ∈ R mit 0 ≤ α ≤ π die Menge Sα := {(x, y) ∈ R2 : y ≥ 0, 0 < x2 + y 2 ≤ 1, ϕ(x, y) ≤ α} ∪ {(0, 0)}.
(2.28)
y
α
Bild 2.22: Kreissektor zum Winkel α
x
Wie wir gleich zeigen werden, handelt es sich hierbei um den in Bild 2.22 dargestellten Kreissektor. Ferner werden wir die elementargeometrische Gleichung |Sα | =
α 2
(2.29)
2.4 Der Satz von Fubini
123
analytisch herleiten. Der Winkel α ist also nicht nur die L¨ ange des im Bild 2.22 als Pfeil dargestellten Kreisbogens Sα (vgl. Beispiel 1.43) sondern auch das Doppelte ¨ des Fl¨acheninhalts von Sα . Insbesondere gilt |Sπ | = π2 in Ubereinstimmung mit 2.4.6. Zum Nachweis obiger Behauptungen setzen wir zun¨ achst α ∈ (0, π/2) voraus. F¨ ur (x, y) ∈ Sα ergibt sich dann aus (2.27) und α < π/2 die Ungleichung x ≥ 0. Ferner ist leicht einzusehen, dass das Innere von Sα aus allen Punkten (x, y) besteht, f¨ ur die die strikten Ungleichungen 0 < x2 + y 2 < 1,
y > 0,
ϕ(x, y) < α,
gelten. Damit erh¨alt man f¨ ur den Rand von Sα die Darstellung ∂Sα = D1 ∪ D2 ∪ D3 mit D1 := {(x, y) ∈ Sα : y = 0},
D2 := {(x, y) ∈ Sα : x2 + y 2 = 1},
D3 := {(x, y) ∈ Sα : ϕ(x, y) = α}. Wegen arccos 1 = 0 < α gilt zun¨achst D1 = {(x, 0) : 0 ≤ x ≤ 1}. Ferner ist klar, dass f¨ ur (x, y) mit x2 + y 2 = 1 die Ungleichung ϕ(x, y) ≤ α zu x ≥ cos α ¨aquivalent ist. Deshalb folgt D2 = {(x, y) ∈ R2 : y ≥ 0, x ≥ cos α, x2 + y 2 = 1}. Ferner ist f¨ ur (x, y) = (0, 0) die Gleichung ϕ(x, y) = α zu x2 /(x2 + y 2 ) = cos2 α und damit auch zu 1 x2 + y 2 −1= −1 x2 cos2 α bzw. y 2 /x2 = tan2 α ¨aquivalent. Somit ergibt sich D3 = {(x, y) ∈ R2 : 0 ≤ x ≤ cos α, y = x · tan α}. ¨ Aus diesen Uberlegungen folgt nicht nur die geometrische Interpretation von Sα , sondern auch, dass Sα die Ordinatenmenge der durch x · tan α, falls x ≤ cos α, g(x) := √ 1 − x2 , falls x ≥ cos α, definierten Funktion g : [0, 1] → R darstellt. Weil g stetig (und damit integrierbar) ist, erhalten wir aus Satz 2.36 cos α 1 x · tan α dx + 1 − x2 dx. |Sα | = 0
cos α
2 Integralrechnung im Rn
124
Das erste Integral liefert den Wert 12 sin α cos α. F¨ ur das zweite ergibt sich nach der Transformation x = sin ϕ unter Beachtung von Beispiel I.7.36 der Wert α 1 sin2 ϕ dϕ = (α − sin α cos α). 2 0 Damit folgt das gew¨ unschte Resultat (2.29), Die G¨ ultigkeit von (2.29) f¨ ur α = π/2 folgt aus cos(π/4) = sin(π/4) (Beweis mittels Additionstheorem!) und der sich aus Symmetrie¨ uberlegungen ergebenden Gleichung |Sπ/2 | = 2·|Sπ/4 |. Eine analoge Symmetriebeziehung liefert dann (2.29) f¨ ur jedes α ∈ [0, π].
2.4.9
Kugelober߬ ache
Wie groß ist die Oberfl¨ache einer Kugel im Raum? Die Beantwortung dieser Frage setzt ein klar definiertes Maß f¨ ur den Inhalt einer Fl¨ ache (vgl. 1.8.5) voraus, das jedoch hier nicht zur Verf¨ ugung steht. Wir behelfen uns mit einem weitreichenden Zugang von Minkowski5 , wonach die Oberfl¨ ache O(A) einer beschr¨ ankten Menge 3 A ⊂ R unter bestimmten Voraussetzungen durch den Grenzwert |A⊕ε |3 − |A|3 ε→0+ ε
O(A) := lim
(2.30)
definiert werden kann. Hierbei ist A⊕ε die in (2.9) eingef¨ uhrte Parallelmenge von A im Abstand ε. Diesem Ansatz liegt die geometrisch anschauliche Idee zugrunde, dass unter gewissen Voraussetzungen an A f¨ ur kleines ε > 0 die Approximation |A⊕ε |3 ≈ |A|3 + ε · O(A) richtig sein sollte. In der Tat kann gezeigt werden, dass der Grenzwert (2.30) f¨ ur eine große Klasse von Mengen gebildet werden kann. Insbesondere existiert der Oberfl¨acheninhalt O(A) im obigen Sinn dann, wenn die Menge A kompakt und konvex ist. Letztere Eigenschaft bedeutet, dass A mit je zwei Punkten auch stets deren Verbindungsstrecke enth¨alt. Wir benutzen jetzt (2.30), um den Oberfl¨ acheninhalt einer Kugel Kr := B(0, r) mit Mittelpunkt 0 und Radius r > 0 zu bestimmen. Nach 2.4.6 ist |K1 |3 = 43 π, und aus Gleichung (2.19) mit n = 3 folgt 4 |Kr |3 = |rK1 |3 = r 3 |K1 |3 = πr 3 . 3 5
Hermann Minkowski (1864–1909), Professor in Bonn (ab 1892), K¨ onigsberg (ab 1894), Z¨ urich (ab 1896), G¨ ottingen (ab 1902). Hauptarbeitsgebiete: Zahlentheorie (Geometrie der Zahlen), Konvexgeometrie, Mathematische Physik.
2.4 Der Satz von Fubini
125
Da die Kugel B(0, r+ε) die Parallelmenge von Kr zum Abstand ε ist, gilt (wieder mit Gleichung (2.19)) 4 |(Kr )⊕ε |3 = π(r + ε)3 . 3 Mit (2.30) folgt 1 4 3 4 3 (2.31) π(r + ε) − πr = 4πr2 . O(Kr ) = lim · ε→0+ ε 3 3 Also ergibt sich die Kugeloberfl¨ache als Ableitung des Kugelvolumens 43 πr3 nach dem Radius. Es sei noch angemerkt, dass man in Analogie zu Formel (2.30) f¨ ur gewisse beschr¨ankte Teilmengen A des R2 die Randl¨ange von A durch den Grenzwert l(A) := lim
ε→0+
|A⊕ε |2 − |A|2 ε
(2.32)
definieren kann. F¨ ur den mit Kr bezeichneten Kreis mit Mittelpunkt 0 ∈ R2 und Radius r > 0 gilt nach 2.4.6 und Satz 2.10 (iii) |Kr |2 = πr 2 . Da (Kr )⊕ε der Kreis um 0 mit Radius r + ε ist, folgt |(Kr )⊕ε |2 = π(r + ε)2 , und (2.32) liefert die schon in Beispiel 1.43 hergeleitete L¨ange π(r + ε)2 − πr 2 = 2πr ε→0+ ε
l(Kr ) = lim
des Kreisrandes. Die Kreisl¨ange ist also die Ableitung der Kreisfl¨ ache nach dem Radius.
2.4.10
Integration u ¨ ber Normalbereiche
Der folgende Satz ist f¨ ur die Berechnung von Bereichsintegralen von großer Bedeutung. 2.44 Satz. (Integration u ¨ ber Normalbereiche (1)) Es seien B ⊂ R2 eine Jordan-messbare Menge sowie g, h u ¨ber B integrierbare Funktionen mit g(x) ≤ h(x) f¨ ur jedes x ∈ B. Weiter sei f eine u ¨ber M (g, h) := {(x1 , . . . , xn−1 , t) ∈ Rn : x = (x1 , . . . , xn−1 ) ∈ B, g(x) ≤ t ≤ h(x)} integrierbare Funktion, und die Schnittfunktion f (x, ·) sei f¨ ur jedes x ∈ B integrierbar ¨ uber dem Intervall [g(x), h(x)]. Dann gilt
h( x)
f (x, t) d(x, t) = M (g,h)
f (x, t) dt dx. B
g( x)
2 Integralrechnung im Rn
126
Beweis: Nach Satz 2.38 ist M (g, h) eine Jordan-messbare Teilmenge des Rn . Weil g und h beschr¨ ankt sind, gibt es Zahlen a < b mit M := M (g, h) ⊂ B × [a, b]. Wir wenden Satz 2.39 mit p = n − 1, q = 1, J = [a, b] auf die Funktion fM und einen die Menge B enthaltenden Quader I an und erhalten (vgl. Folgerung 2.26) b f (x, t) d(x, t) = fM (x, t) d(x, t) = fM (x, t) dt dx. M(g,h)
I×[a,b]
I
∗a
F¨ ur x ∈ I \ B verschwindet das innere Integral. Es sei x ∈ B. Nach Definition von fM gilt fM (x, t) = f (x, t) f¨ ur g(x) ≤ t ≤ h(x) und fM (x, t) = 0 sonst. Aus der Additivit¨ at des unteren Integrals folgt damit h(x) b fM (x, t) dt = f (x, t) dt. ∗a
∗g( x)
Nach Voraussetzung ist das rechte untere Integral das Integral von f (x, ·) u ¨ber dem Intervall [g(x), h(x)]. Damit ist der Satz bewiesen.
Einige Spezialf¨alle des obigen Satzes verdienen es, gesondert hervorgehoben zu uglich der werden. Eine beschr¨ankte Menge M ⊂ R2 heißt Normalbereich bez¨ x-Achse, wenn es Zahlen a < b und stetige Funktionen g, h : [a, b] → R mit g(x) ≤ h(x), x ∈ [a, b], gibt, so dass gilt: M = M (g, h) := {(x, y) : a ≤ x ≤ b, g(x) ≤ y ≤ h(x)}. Eine Menge M der Form M = M ∗ (g, h) := {(x, y) : a ≤ y ≤ b, g(y) ≤ x ≤ h(y)} wird Normalbereich bez¨ uglich der y-Achse genannt. In beiden F¨ allen spricht man auch kurz von einem Normalbereich (siehe Bild 2.23). y y h b g
M
M
h
a g a
b
x
x
Bild 2.23: Normalbereiche bzgl. der x-Achse (links) und y-Achse (rechts) Weil stetige Funktionen u ¨ber beschr¨ankten und abgeschlossenen Mengen integrierbar sind, folgt aus Satz 2.38, dass ein Normalbereich in der ersten Koordinate
2.4 Der Satz von Fubini
127
Jordan-messbar ist. Wegen der Spiegelungsinvarianz des Inhalts (Satz 2.10 (ii)) gilt diese Aussage dann auch f¨ ur einen Normalbereich in der zweiten Koordinate. 2.45 Satz. (Integration u ¨ ber Normalbereiche (2)) 2 Es seien M ⊂ R ein Normalbereich und f : M → R eine stetige Funktion. Dann ist f integrierbar ¨ uber M , und es gilt b h(x) f (x, y) d(x, y) = f (x, y) dy dx, M
a
g(x)
falls M ein Normalbereich in der ersten Koordinate ist und b h(y) f (x, y) d(x, y) = f (x, y) dx dy, M
a
g(y)
falls M ein Normalbereich in der zweiten Koordinate ist. Hierbei sind die Funktionen g und h entsprechend der Definition des Normalbereiches gew¨ahlt. Beweis: Weil g und h stetige Funktionen sind, ergibt sich leicht die Abgeschlossenheit der Menge M . Wegen Satz 2.30 ist f integrierbar u ¨ber M . Wir beweisen die erste Formel. Die zweite folgt entweder analog (aus Satz 2.39) oder durch Anwenden der ersten Formel auf die Funktion f ∗ (x, y) := f (y, x). Sei also M = M (g, h). F¨ ur jedes x ∈ [a, b] ist f (x, ·) eine stetige Funktion auf [g(x), h(x)] und damit auch integrierbar u ¨ ber diesem Intervall. Weil g und h u unschte Gleichung. ¨ber [a, b] integrierbar sind, liefert Satz 2.44 die gew¨
Es seien B ⊂ R2 eine abgeschlossene Jordan-messbare Menge sowie g, h : B → R stetige Funktionen mit g(x, y) ≤ h(x, y), (x, y) ∈ B. Dann heißt die Menge M = M (g, h) := {(x, y, z) : (x, y) ∈ B, g(x, y, z) ≤ z ≤ h(x, y, z)} Normalbereich in den ersten beiden Koordinaten . Normalbereiche in der ersten und dritten bzw. in der zweiten und dritten Koordinate definiert man entsprechend. Analog zu den obigen Resultaten gilt: 2.46 Satz. (Integration u ¨ ber Normalbereiche (3)) 3 Es sei M ⊂ R ein Normalbereich in den ersten beiden Koordinaten. Dann ist M Jordan-messbar. Jede stetige Funktion f : M → R ist integrierbar ¨ uber M , und es gilt h(x,y) f (x, y, z) d(x, y, z) = f (x, y, z) dz d(x, y). (2.33) M
B
g(x,y)
Hierbei sind die Funktionen g und h entsprechend der Definition eines Normalbereiches gew¨ahlt.
2 Integralrechnung im Rn
128
Entsprechende Ergebnisse gelten f¨ ur Normalbereiche in der ersten und dritten bzw. in der zweiten und dritten Koordinate. Ist die Menge B in (2.33) selbst ein Normalbereich, so kann Satz 2.45 zur Berechnung des ¨ außeren Integrals herangezogen werden.
2.4.11
Der Schwerpunkt
Es seien A ⊂ Rn eine Jordan-messbare Menge und ρ : A → R eine nichtnegative Riemann-integrierbare Funktion. Wir interpretieren A als starren K¨ orper und und ρ(x) als (infinitesimale) Massendichte im Punkt x ∈ A. Anschaulich ist ρ(x) · |Q| die Gesamtmasse in einer kleinen, den Punkt x enthaltenden Umgebung Q. Unter dem Schwerpunkt von A versteht man den Vektor ρ(x) · x dx . (2.34) sA := A x) dx A ρ( Dabei liefert das (als positiv vorausgesetzte) Integral im Nenner die Masse von A. Im Z¨ahler steht ein in 2.3.13 eingef¨ uhrtes vektorwertiges Integral mit den Komponenten A ρ(x) · xj dx, j = 1, . . . , n. In einem physikalischen Kontext ist der Schwerpunkt derjenige Punkt, in dem man den K¨ orper A unterst¨ utzen muss, damit er im Schwerefeld im Gleichgewicht ist. 2.47 Beispiel. Wir betrachten den in Bild 2.24 dargestellten dreiecksf¨ ormigen K¨ orper A := 2 {(x1 , x2 ) ∈ R : 0 ≤ x1 ≤ 1, 0 ≤ x2 ≤ x1 } mit der konstanten Massendichte ρ(x) = 1, x ∈ A. Hier gilt 1 x1 1 1 ρ(x) · x1 dx = 1 dx2 x1 dx1 = x21 dx1 = 3 0 0 A 0 und analog
1 1 ρ(x) · x2 dx = , ρ(x) dx = . 6 2 A A Nach Formel (2.34) ergibt sich der Schwerpunkt von A zu s = (2/3, 1/3). 2.48 Beispiel. Die Menge A := {(x1 , x2 ) ∈ R2 : −1 ≤ x1 ≤ 1, 0 ≤ x2 ≤ 1 − x21 } beschreibt eine halbkreisf¨ormige Scheibe mit Radius 1 (Bild 2.25). Welche Gesamtmasse und welchen Schwerpunkt besitzt diese Scheibe, wenn die Massendichte proportional zum Abstand von der geraden Kante {(x1 , 0) : −1 ≤ x1 ≤ 1}, also von der Gestalt ρ(x) = k · x2 mit einer Proportionalit¨atskonstanten k > 0 ist? Die Gesamtmasse der Scheibe ergibt sich zu 1 √1−x2 1 k 1 2k . ρ(x) dx = k x2 dx2 dx1 = (1 − x21 ) dx1 = 2 3 −1 −1 A 0
2.4 Der Satz von Fubini
129
x2 1 A 1 3
Bild 2.24: Dreieck mit Schwerpunkt
s • 2 3
Aus Symmetriegr¨ unden folgt √
1
x1
x) · A ρ(
x1 dx = 0. Weiter gilt
2k 1 ρ(x) · x2 dx = k dx2 dx1 = (1 − x21 )3/2 dx1 3 0 −1 0 A 1 kπ 2k 1 3x1 = · x1 (1 − x21 )3/2 + (1 − x21 )1/2 + arcsin x1 = , 3 4 2 8 0 1−x21
1
· x22
atigt wobei die obige Stammfunktion von 4(1 − x2 )3/2 durch Differentiation best¨ werden kann. Insgesamt folgt, dass der Schwerpunkt s der Scheibe (unabh¨ angig von der Proportionalit¨atskonstanten k) durch s = (0, 3π 16 ) gegeben ist (Bild 2.25). x2
•
Bild 2.25: Halbkreis mit inhomogener Massenverteilung ρ(x) = kx2 und Schwerpunkt
s
1 x1
−1
2.49 Beispiel. (Schwerpunkt eines verallgemeinerten Kegels) Wie in Beispiel 2.42 betrachten wir einen verallgemeinerten Kegel A ⊂ Rn mit Grundfl¨ache B ⊂ Rn−1 und fragen nach dem Schwerpunkt sA = (s1 , . . . , sn ) von A bei konstanter Massendichte ρ ≡ 1. Der Einfachheit halber setzen wir voraus, dass B (bez¨ uglich einer konstanten Massendichte) den Schwerpunkt 0 ∈ Rn−1 besitzt, dass also xj d(x1 , . . . , xn−1 ) = 0, j = 1, . . . , n − 1, B
gilt. Wegen der Linearit¨at des Integrals l¨asst sich diese Annahme durch eine geeignete Verschiebung von B (und damit auch von A) immer erreichen. Der
2 Integralrechnung im Rn
130
Satz von Fubini und die Substitutionsregel (Satz I.7.37) liefern f¨ ur jedes λ > 0 xj d(x1 , . . . , xn−1 ) = 0, j = 1, . . . , n − 1. (2.35) λB
Mit den Bezeichnungen aus Beispiel 2.42 erhalten wir f¨ ur jedes j ∈ {1. . . . , n − 1} h xj d(x1 , . . . , xn ) = xj d(x1 , . . . , xn−1 ) dt. |A|n · sj = 0
A
At
Analog zum Beweis des Prinzips von Cavalieri folgt das aus dem Satz von Fubini. Wegen (2.35) ist damit s1 = . . . = sn−1 = 0. Ferner erhalten wir aus dem Satz von Fubini, der Definition der Schnittmengen At sowie Gleichung (2.19) h h t n−1 |A|n · sn = t d(x1 , . . . , xn−1 ) dt = |B|n−1 · t· 1− dt. h At 0 0 Mit der Substitution u := (h − t)/h ergibt sich 1 2 |A|n · sn = |B|n−1 h · (1 − u) · un−1 du = |B|n−1 · 0
h2 . n(n + 1)
Unter Beachtung von |A|n = · |B|n−1 folgt schließlich sA = (0, . . . , 0, h/(n + 1)). Im Fall n = 3 besitzt also der Schwerpunkt von A den Abstand h/4 von der Grundfl¨ache. h n
Lernziel-Kontrolle • Warum ist eine Riemann-integrierbare Funktion notwendigerweise beschr¨ ankt? • Warum ist der Konvergenzbegriff f¨ ur die Definition des Riemann-Integrals wesentlich? • Wann ist eine Menge Jordan-messbar? • Welche Invarianzeigenschaften besitzt der Jordan-Inhalt? • Wie l¨ asst sich die Eigenschaft der Jordan-Messbarkeit mit Hilfe des Begriffs der Nullmenge beschreiben? • K¨ onnen Sie das Riemann-Integral mit Hilfe von Partitionen formulieren? • Geben Sie Klassen integrierbarer Funktionen an! • Wie lautet das Lebesguesche Integrabilit¨ atskriterium? • Was ist eine (verallgemeinerte) Ordinatenmenge, und wie kann man deren Inhalt bestimmen? • Was besagen der Satz von Fubini und das Prinzip von Cavalieri? • Mit welchem allgemeinen Ansatz wurde der Umfang eines Kreises ermittelt? • Wie integriert man u ¨ ber Normalbereiche? • Wie ist der Schwerpunkt einer mit der Massendichte ρ belegten Menge A definiert?
Kapitel 3
Determinanten Herr Vektor hatte ’ne Tante, die jeder in Detern gut kannte, ihr Wille geschah, wo immer sie war, sie hieß nur die Determinante“. ”
Anonymus
Wie ver¨andert sich der Inhalt einer Jordan-messbaren Menge M ⊂ Rn unter einer linearen Abbildung ( Transformation“) T : Rn → Rn ? Es wird sich zeigen, dass ” man den Inhalt von T (M ) aus dem Inhalt von M durch die Multiplikation mit einer nur von T (aber nicht von M !) abh¨angigen Konstanten, der sogenannten Determinante von T , erh¨alt. Im Mittelpunkt dieses Kapitels stehen das Studium der Eigenschaften von Determinanten sowie die Herleitung und Verallgemeinerung der oben angesprochenen Multiplikationsregel.
3.1 3.1.1
Determinantenformen Parallelepiped und Parallelogramm
Sind a1 , . . . ,ak Vektoren des Rn , so heißt die Menge aller Linearkombinationen λ1a1 + . . . + λkak mit 0 ≤ λj ≤ 1 f¨ ur jedes j ∈ {1, . . . , k} das von den Vektoren a1 , . . . ,ak aufgespannte Parallelepiped . Offenbar ist das von einem Vektor a ∈ Rn aufgespannte Parallelepiped die Strecke [0,a] zwischen 0 und a. Im Fall n ≥ 2 ist das von zwei Vektoren a und b N. Henze, G. Last, Mathematik für Wirtschaftsingenieure und naturwissenschaftlichtechnische Studiengänge, DOI 10.1007/978-3-8348-9785-5_3, © Vieweg+Teubner Verlag | Springer Fachmedien Wiesbaden GmbH 2010
132
3 Determinanten
aufgespannte Parallelepiped ein Parallelogramm mit den Seitenvektoren a und b (Bild 3.1 links). Das von drei Vektoren a, b, c aufgespannte Parallelepiped heißt (im Fall n ≥ 3) auch Parallelotop mit den Kantenvektoren a, b und c (Bild 3.1 rechts).
b c b
a a
0
0 Bild 3.1: Parallelogramm (links) und Parallelotop (rechts)
3.1 Satz. (Fl¨ache eines Parallelogramms) Es seien a = (a1 , a2 ), b = (b1 , b2 ) ∈ R2 und P das von a, b aufgespannte Parallelogramm. Dann ist P Jordan-messbar, und es gilt |P | = |D| mit D := a1 b2 − a2 b1 . Beweis: Zur Vermeidung von Fallunterscheidungen betrachten wir nur den in Bild 3.2 dargestellten Fall 0 < a1 < b1 und 0 < b2 < a2 .
y a2 +b2 a2
Bild 3.2: Zum Beweis von Satz 3.1
b2 a1
b1 a1 +b1
x
Mit den Abk¨ urzungen r := b2 − a2 b1 /a1 = D/a1 und s := a2 − b2 a1 /b1 = −D/b1 definieren wir die beiden stetigen Funktionen g, h : [0, a1 + b1 ] → R durch die Festsetzungen ⎧ ⎧ ⎨ b2 x, ⎨ a2 x, falls 0 ≤ x ≤ b1 , falls 0 ≤ x ≤ a1 , b1 a1 g(x) := h(x) := ⎩ a2 x + r, falls b ≤ x ≤ a + b , ⎩ b2 x + s, falls a ≤ x ≤ a + b . 1 1 1 1 1 1 a1 b1 Dann gilt (vgl. Bild 3.2) P = {(x, y) : 0 ≤ x ≤ a1 + b1 , g(x) ≤ y ≤ h(x)},
3.1 Determinantenformen
133
und Satz 2.45 f¨ ur f (x, y) = 1, (x, y) ∈ P , (oder auch direkt Satz 2.38) liefert a1 +b1 (h(x) − g(x)) dx |P | = 0
b1 a1 +b1 a2 b2 b2 a2 x dx + x + s − r dx − s dx + − a1 b1 b1 a1 0 a1 b1 a1 a1 a2 b2 b2 a2 = x dx + (b1 − a1 )s + (z + b1 ) dz + (s − r)a1 − − a b b a1 1 1 1 0 0 = (b1 − a1 )s + (a1 b2 − a2 b1 ) + (s − r)a1
a1
=
= D + b1 s − a1 r = −D = |D|.
In der Elementargeometrie ergibt sich der Fl¨ acheninhalt eines Parallelogramms als Produkt der L¨angen der Grundlinie und der zugeh¨ origen H¨ ohe. Bezeichnet Lb (a) das Lot von a auf den von b aufgespannten Unterraum U := Span(b), also asst sich die Aussage die orthogonale Projektion von a auf U ⊥ (vgl. I.8.6.7), so l¨ von Satz 3.1 in der Form |P | = b2 ·Lb (a)2
(3.1)
schreiben (Bild 3.3).
U⊥
U
a b
Lb (a)
Bild 3.3: Zu Formel (3.1)
0 Nach I.8.6.8 gilt
a, b2 , Lb (a)22 = a22 − b−2 2
also b22 ·Lb (a)22 = a22 ·b22 − a, b2 = (a21 + a22 )(b21 + b22 ) − (a1 b1 + a2 b2 )2 = (a1 b2 − a2 b1 )2 . Damit best¨atigt sich (3.1).
134
3 Determinanten
3.1.2
Definition von Determinantenformen
Wir betrachten jetzt die in Satz 3.1 auftretende Gr¨ oße D in Abh¨ angigkeit der Vektoren a = (a1 , a2 ) und b = (b1 , b2 ), setzen also D(a, b) := a1 b2 − a2 b1 .
(3.2)
Die in dieser Weise definierte Funktion D : R2 × R2 → R ist linear in jedem Argument, d.h. f¨ ur jede Wahl von a und b sind die Schnittfunktionen D(·, b) und D(a, ·) linear. F¨ ur festes b ∈ R2 gilt also etwa D(c1 x1 + c2 x2 , b) = c1 ·D(x1 , b) + c2 ·D(x2 , b) f¨ ur alle x1 , x2 ∈ R2 und alle c1 , c2 ∈ R. Sind die Vektoren a und b linear abh¨angig, gilt also etwa b = c·a und somit b1 = ca1 , b2 = ca2 f¨ ur ein c ∈ R, so folgt D(a, b) = 0. Schließlich ist D(e1 , e2 ) = 1, wobei {e1 , e2 } die kanonische Einheitsbasis von R2 bezeichnet. ¨ In Ubereinstimmung mit Satz 3.1 interpretiert man D(a, b) = a1 b2 − a2 b1 auch als vorzeichenbehafteten Fl¨acheninhalt des von a und b aufgespannten Parallelogramms. Gilt D(a, b) > 0 (bzw. D(a, b) < 0) so heißen a und b positiv (bzw. negativ) orientiert. Anschaulich sind a und b positiv (bzw. negativ) orientiert, wenn a nach Drehung um einen Winkel ϕ mit 0 < ϕ < π entgegen (bzw. mit) dem Uhrzeigersinn in Richtung des Vektors b zeigt. In diesem Sinn sind also die Vektoren a, b in Bild 3.2 und 3.3 negativ und in Bild 3.1 links positiv orientiert. Die obigen Eigenschaften der in (3.2) erkl¨ arten Funktion D : R2 × R2 → R motivieren die nachfolgende Begriffsbildung. Eine Funktion D : (Rn )n → R heißt Determinantenform (auf Rn ), wenn sie die folgenden Eigenschaften besitzt: (E1) Die Funktion D ist multilinear, d.h. linear in jedem Argument. So gilt etwa f¨ ur jede feste Wahl von a2 , . . . ,an ∈ Rn : D(c1 x1 + c2 x2 ,a2 , . . . ,an ) = c1 ·D(x1 ,a2 , . . . ,an ) + c2 ·D(x2 ,a2 , . . . ,an ) f¨ ur alle x1 , x2 ∈ Rn und alle c1 , c2 ∈ R. (E2) Es gilt D(a1 , . . . ,an ) = 0, falls a1 , . . . ,an linear abh¨ angig sind. (E3) Es gibt Vektoren a1 , . . . ,an ∈ Rn mit D(a1 , . . . ,an ) = 0.
3.1 Determinantenformen
135
Wir werden sehen, dass es bis auf multiplikative Faktoren nur eine Determinantenform geben kann. Sind also D1 und D2 zwei Abbildungen mit obigen Eigenschaften, so existiert eine Konstante c = 0 mit D2 (a1 , . . . ,an ) = c·D1 (a1 , . . . ,an ) f¨ ur alle a1 , . . . ,an ∈ Rn . Insbesondere folgt, dass eine Determinantenform durch Angabe des Funktionswertes D(e1 , . . . , en ) f¨ ur die kanonische Orthonormalbasis des Rn eindeutig bestimmt ist. Im Spezialfall D(e1 , . . . , en ) = 1 wird sich (als Verallgemeinerung von Satz 3.1) ergeben, dass |D(a1 , . . . ,an )| der Jordan-Inhalt des von a1 , . . . ,an aufgespannten Parallelepipeds ist.
3.1.3
Erste Eigenschaften von Determinantenformen
3.2 Lemma. (Determinantenformen sind alternierend) Eine Determinantenform ist alternierend, d.h. sie ¨ andert ihr Vorzeichen, wenn man zwei Argumente vertauscht. Es gilt also D(a1 , . . . ,an ) = −D(a1 , . . . ,ai−1 ,aj ,ai+1 , . . . ,aj−1 ,ai ,aj+1 , . . . ,an ) f¨ ur alle a1 , . . . ,an ∈ Rn und alle i, j mit 1 ≤ i < j ≤ n. Beweis: Aus (E1) folgt f¨ ur alle a1 , . . . , an ∈ Rn , alle 1 ≤ i < j ≤ n und alle λ ∈ R: D(a1 , . . . , ai−1 ,ai + λaj , ai+1 , . . . , an ) = D(a1 , . . . , ai−1 , ai , ai+1 , . . . , an ) + λD(a1 , . . . , ai−1 , aj , ai+1 , . . . , an ). Aus (E2) ergibt sich aber insbesondere D(b1 , . . . , bn) = 0, falls zwei der Argumente gleich sind. Der zweite Summand auf der rechten Seite f¨ allt also weg, und wir erhalten D(a1 , . . . , an ) = D(a1 , . . . , ai−1 , ai + λaj , ai+1 , . . . , an ).
(3.3)
Ganz analog gilt dieses Ergebnis auch f¨ ur i > j. Mehrfaches Anwenden dieser Gleichung f¨ uhrt auf D(a1 , . . . , an ) = D(a1 , . . . , ai + aj , . . . , aj , . . . , an ) = D(a1 , . . . , ai + aj , . . . , aj − (ai + aj ), . . . , an ) = D(a1 , . . . , ai + aj , . . . , −ai , . . . , an ) = −D(a1 , . . . , aj , . . . , ai , . . . , an ), womit das Lemma bewiesen ist.
Wir u ¨ berlegen uns jetzt, dass eine Determinantenform D bereits durch ihren Wert auf einer Basis des Rn festgelegt ist. Hierzu betrachten wir zun¨ achst n beliebige Vektoren b1 , . . . , bn und reelle Zahlen βij mit i, j ∈ {1, . . . , n} und setzen aj :=
n i=1
βij · bi ,
j = 1, . . . , n.
(3.4)
136
3 Determinanten
Weil D eine multilineare Abbildung ist, gilt D(a1 , . . . ,an ) =
n
...
i1 =1
n
βi1 1 · . . . · βin n ·D(bi1 , . . . , bin ).
(3.5)
in =1
Da D auch die Eigenschaft (E2) besitzt, fallen alle Summanden weg, bei denen mindestens zwei der Indizes i1 , . . . , in gleich sind. Die Summe in (3.5) erstreckt sich somit nur u amtliche Komponen¨ber alle Index-Tupel (i1 , . . . , in ), bei denen s¨ ten verschieden sind. Jedes solche Tupel bildet u ¨ber die Festsetzung π(j) := ij , j = 1, . . . , n, eine Permutation π von {1, . . . , n}. Schreiben wir Πn f¨ ur die Menge aller n! Permutationen von {1, . . . , n}, so ergibt sich βπ(1)1 · . . . · βπ(n)n ·D(bπ(1) , . . . , bπ(n) ). (3.6) D(a1 , . . . ,an ) = π∈Πn
Im n¨achsten Unterabschnitt fragen wir, wie sich die Zahl D(bπ(1) , . . . , bπ(n) ) durch ucken l¨asst. D(b1 , . . . , bn ) ausdr¨
3.1.4
Transpositionen und Permutationen
Eine Transposition der Menge {1, . . . , n} ist eine Permutation von {1, . . . , n}, die genau zwei Elemente vertauscht und die u andert l¨ asst. Nat¨ urlich ¨brigen unver¨ ist hierbei n ≥ 2 vorausgesetzt. Im Fall n = 3 gibt es die drei Transpositionen 1 2 3 1 2 3 1 2 3 , , , (3.7) 1 3 2 3 2 1 2 1 3 welche die Elemente 2 und 3 bzw. 1 und 3 bzw. 1 und 2 vertauschen. Vertauscht die Transposition π ∈ Πn die beiden verschiedenen Elemente i und j, gilt also π(i) = j, π(j) = i und π(k) = k f¨ ur jedes k ∈ {1, . . . .n} \ {i, j}, so schreiben wir hierf¨ ur auch π =: [i, j]. In diesem Sinne k¨onnen die drei Transpositionen in (3.7) in der Form [2, 3], [1, 3] und [1, 2] geschrieben werden. Wegen π◦π = id ist jede Transposition zu sich selbst invers, d.h. es gilt π −1 = π. 3.3 Satz. (Eigenschaften von Transpositionen) uhrung (Komposition) von Jede Permutation π ∈ Πn kann als Hintereinanderausf¨ endlich vielen Transpositionen dargestellt werden. Ist π Komposition einer geraden (bzw. ungeraden) Anzahl von Transpositionen, so ist auch in jeder anderen Darstellung von π als Komposition von Transpositionen die Anzahl der beteiligten Transpositionen gerade (bzw. ungerade). Beweis: Die erste Behauptung kann durch R¨ uckw¨ artsinduktion“ u ¨ber die Anzahl m ” der von π festgehaltenen Zahlen bewiesen werden. L¨ asst n¨ amlich π genau m − 1 Zahlen fest und gilt π(i) = i f¨ ur ein i ∈ {1, . . . , n}, so l¨ asst τ := [i, π(i)] ◦ π genau m Zahlen
3.1 Determinantenformen
137
fest, und es gilt π = [i, π(i)] ◦ τ . Zum Beweis der zweiten Behauptung betrachten wir das Polynom # (xi − xj ), x1 , . . . , xn ∈ R. f (x1 , . . . , xn ) := 1≤i<j≤n
F¨ ur jedes π ∈ Πn gilt f (x1 , . . . , xn ) = cπ ·f (xπ(1) , . . . , xπ(n) ) mit cπ ∈ {−1, 1}. F¨ ur eine Transposition τ ist cτ = −1. Ist π = τm ◦ . . . ◦ τ1 Komposition von m Transpositionen, so folgt die Gleichung cπ = (−1)m induktiv. Diese Zahl ist genau dann gleich 1, wenn m gerade ist. Damit ist der Satz bewiesen.
Aufgrund des soeben bewiesenen Satzes ist die folgende Definition sinnvoll: Ist π ∈ Πn Komposition von m Transpositionen, so heißt die Zahl sgn(π) := (−1)m das Signum (oder Vorzeichen ) von π. Gilt sgn(π) = 1, so nennt man π eine gerade Permutation, anderenfalls eine ungerade Permutation. 3.4 Beispiel. Die durch π(1) := 2, π(2) := 5, π(3) := 1, π(4) := 4 und π(5) := 3 definierte Permutation π ∈ Π5 ist ungerade, denn es gilt 1 2 3 4 5 = [1, 3] ◦ [1, 2] ◦ [2, 5]. 2 5 1 4 3 3.5 Satz. (Eigenschaften der Signumfunktion) F¨ ur alle Permutationen π, σ ∈ Πn gilt sgn(π ◦ σ) = sgn(π) · sgn(σ). Insbesondere folgt sgn(π −1 ) = sgn(π). Beweis: Jede Transposition ist ungerade. Deshalb ist die Gleichung sgn(π ◦ σ) = sgn(π) · sgn(σ) richtig, falls π oder σ Transpositionen sind. Der allgemeine Fall ergibt sich dann induktiv aus Satz 3.3. Die zweite Behauptung folgt wegen 1 = sgn(id) = sgn(π ◦ π−1 ) = sgn(π)·sgn(π −1 ) aus der ersten.
3.1.5
Existenz und Eindeutigkeit von Determinantenformen
Aus Gleichung (3.6), Lemma 3.2 und den Ergebnissen aus 3.1.4 folgt jetzt f¨ ur die durch (3.4) verbundenen Vektoren a1 , . . . ,an und b1 , . . . , bn D(a1 , . . . ,an ) = D(b1 , . . . , bn )· sgn(π)·βπ(1)1 · . . . · βπ(n)n . (3.8) π∈Πn
138
3 Determinanten
Da sich beliebige Vektoren a1 , . . . ,an stets in der Form (3.4) darstellen lassen, wenn b1 , . . . , bn eine Basis des Rn bilden, ergibt sich insbesondere, dass eine Determinantenform durch ihre Werte auf einer Basis bereits eindeutig bestimmt ist. Nach Eigenschaft (E2) gilt D(b1 , . . . , bn ) = 0, wenn die Vektoren b1 , . . . , bn linear abh¨angig sind. Das folgende Resultat zeigt, dass auch die Umkehrung dieser Implikation richtig ist. 3.6 Satz. (Charakterisierung der linearen Unabh¨ angigkeit) Es seien D eine Determinantenform und b1 , . . . , bn ∈ Rn Vektoren. Dann gilt: b1 , . . . , bn linear abh¨ angig ⇐⇒ D(b1 , . . . , bn ) = 0. Beweis: Wegen Eigenschaft (E2) ist nur die Richtung ⇐“ zu zeigen. W¨ aren b1 , . . . , bn ” n linear unabh¨ angig und damit eine Basis des R , so k¨ onnten wir beliebige Vektoren n a1 , . . . , an ∈ R in der Form (3.4) darstellen. Wegen D(b1 , . . . , bn ) = 0 und (3.8) w¨ urde dann D(a1 , . . . , an ) = 0 gelten, was jedoch im Widerspruch zu Eigenschaft (E3) steht.
Bisher haben wir noch nicht bewiesen, dass Determinantenformen u ¨berhaupt existieren. Gleichung (3.8) zeigt, wie man hierzu vorgehen muss. 3.7 Satz. (Existenz von Determinantenformen) Es sei {b1 , . . . , bn } eine Basis des Rn . Sind die Vektoren a1 , . . . ,an durch (3.4) gegeben, so sei sgn(π)·βπ(1)1 · . . . · βπ(n)n (3.9) D(a1 , . . . ,an ) := π∈Πn
gesetzt. Dann ist D eine Determinantenform. Beweis: Die Multilinearit¨at von D ergibt sich direkt aus der Definition. Setzt man in (3.9) speziell ai := bi f¨ ur i = 1, . . . , n, so ist (βij ) die Einheitsmatrix En . Auf der rechten Seite von (3.9) bleibt somit nur der zur Identit¨at π = id geh¨ orende Summand u ¨brig, und man erh¨ alt D(a1 , . . . , an ) = 1. Damit ist auch Eigenschaft (E3) erf¨ ullt. Zum Nachweis der noch verbleibenden Eigenschaft (E2) k¨onnen wir n ≥ 2 voraussetzen. Wir nehmen an, die Vektoren a1 , . . . , an seien linear abh¨angig, wobei o.B.d.A. a1 Linearkombination von a2 , . . . , an sei, d.h. es gilt a1 = λ2 · a2 + . . . + λn · an f¨ ur gewisse λ2 , . . . , λn ∈ R. Dann ist D(a1 , a2 , . . . , an ) = λ2 · D(a2 , a2 , . . . , an ) + . . . + λn · D(an , a2 , . . . , an ). ur jedes k ∈ {2, . . . , n}. Hierzu Es gen¨ ugt also der Nachweis von D(ak , . . . , ak , . . .) = 0 f¨ bezeichne σ := [1, k] diejenige Transposition, welche die Zahlen 1 und k vertauscht. F¨ ur jedes π ∈ Πn gilt dann sgn(π) = − sgn(π ◦ σ). Durchl¨ auft π alle geraden Permutationen,
3.1 Determinantenformen
139
so durchl¨ auft π ◦ σ alle ungeraden Permutationen. Wegen βi1 = βik (i = 1, . . . , n) ¨ andert sich aber andererseits am Produkt βπ(1)1 ·. . .·βπ(n)n nichts, wenn man π durch π◦σ ersetzt. Damit heben sich in (3.9) jeweils zwei Summanden mit entgegengesetztem Vorzeichen auf, und es folgt D(ak , . . . , ak , . . .) = 0.
Der folgende Satz zeigt, dass sich Determinantenformen nur um ein Vielfaches unterscheiden. 3.8 Satz. (Eindeutigkeit von Determinantenformen) Es seien D1 und D2 Determinantenformen. Dann gibt es eine Zahl c = 0 mit D2 (a1 , . . . ,an ) = c · D1 (a1 , . . . ,an ),
a1 , . . . ,an ∈ Rn .
(3.10)
Beweis: Es sei {b1 , . . . , bn} eine Basis des Rn . Wir setzen c :=
D2 (b1 , . . . , bn ) . D1 (b1 , . . . , bn )
Wegen Satz 3.6 ist diese Definition sinnvoll. Mit den Bezeichnungen aus (3.8) folgt D2 (a1 , . . . , an ) = D2 (b1 , . . . , bn ) ·
sgn(π)·βπ(1)1 · . . . · βπ(n)n
π∈Πn
= c·D1 (b1 , . . . , bn ) ·
sgn(π) · βπ(1)1 · . . . · βπ(n)n
π∈Πn
= c·D1 (a1 , . . . , an ).
Aus den S¨atzen 3.7 und 3.8 folgt, dass es nur eine Determinantenform D mit der Eigenschaft D(e1 , . . . , en ) = 1 gibt. Diese Determinantenform wird in der Folge mit det(·) bezeichnet. Nach (3.9) gilt det(a1 , . . . ,an ) :=
sgn(π)·βπ(1)1 · . . . · βπ(n)n .
(3.11)
π∈Πn
Dabei sind a1 , . . . ,an durch (3.4) gegeben. Man beachte, dass (3.11) im Fall n = 2 die in (3.2) definierte Abbildung darstellt.
3.1.6
Die Determinante linearer Abbildungen
Der folgende Satz erm¨oglicht die Definition der Determinante als einer wichtigen Kennzahl einer linearer Abbildung T . Ist M eine Jordan-messbare Menge des Inhalts 1, so ist (wie wir sp¨ater zeigen werden) der Betrag der Determinante von T der Inhalt von T (M ).
140
3 Determinanten
3.9 Satz. (Lineare Bijektionen und Determinanten) Die Abbildung T : Rn → Rn sei linear und bijektiv. Dann gibt es eine reelle Zahl γ, so dass D(T (b1 ), . . . , T (bn )) =γ D(b1 , . . . , bn )
(3.12)
f¨ ur jede Determinantenform D und jede Basis {b1 , . . . , bn } des Rn . Beweis: Es sei D eine Determinantenform. Wir definieren D1 (a1 , . . . , an ) := D(T (a1 ), . . . , T (an )),
a1 , . . . , an ∈ Rn ,
achst ist klar, dass D1 und behaupten, dass auch D1 eine Determinantenform ist. Zun¨ multilinear ist. Da mit a1 , . . . , an auch die Vektoren T (a1 ), . . . , T (an ) linear abh¨ angig sind, ergibt sich Eigenschaft (E2). Ist {b1 , . . . , bn } eine Basis von Rn , so stellt auch {T (b1 ), . . . , T (bn )} eine Basis des Rn dar (vgl. z.B. Satz I.8.24). Nach Satz 3.6 gilt ullt. Ist {b1 , . . . , bn } eine Basis des D(T (b1 ), . . . , T (bn)) = 0, so dass D1 auch (E3) erf¨ n R , so setzen wir D(T (b1 ), . . . , T (bn)) γ := . D(b1 , . . . , bn ) Wegen Satz 3.8 h¨angt der Wert von γ nicht von der speziellen Wahl der Basis ab. Ist D2 eine weitere Determinantenform, so gibt es nach Satz 3.8 eine Zahl c = 0 mit D(a1 , . . . , an ) = c · D2 (a1 , . . . , an ),
a1 , . . . , an ∈ Rn ,
und damit auch D(T (a1 ), . . . , T (an )) = c · D2 (T (a1 ), . . . , T (an )). Daraus folgt D(T (a1 ), . . . , T (an )) D2 (T (a1 ), . . . , T (an)) = , D(a1 , . . . , an ) D2 (a1 , . . . , an ) und der Satz ist bewiesen. γ=
Es sei T : Rn → Rn eine lineare Abbildung. Sind D eine Determinantenform und {b1 , . . . , bn } eine Basis des Rn , so heißt der Quotient det(T ) :=
D(T (b1 ), . . . , T (bn )) D(b1 , . . . , bn )
(3.13)
Determinante von T . Nach Satz 3.9 ist diese Definition unabh¨ angig von der speziellen Wahl der Determinantenform und der Basis, wenn T bijektiv ist. Aber auch dann, wenn T keine Bijektion ist, h¨angt der Wert von det(T ) nicht von D und b1 , . . . , bn ab. In diesem Fall sind n¨amlich T (b1 ), . . . , T (bn ) f¨ ur jede Wahl einer Basis {b1 , . . . , bn } linear abh¨angig. F¨ ur jede Determinantenform D gilt somit det(T ) = 0.
3.1 Determinantenformen
141
3.10 Satz. (Regularit¨atskriterium) F¨ ur eine lineare Abbildung T : Rn → Rn gilt: T ist bijektiv ⇐⇒ det(T ) = 0. Beweis: Es seien {b1 , . . . , bn } eine Basis des Rn und D eine beliebige Determinantenform. Es gilt det(T ) = 0 genau dann, wenn der Z¨ ahler in (3.13) von Null verschieden ist. Letzteres ist nach Satz 3.6 ¨aquivalent zur linearen Unabh¨ angigkeit der Vektoren T (b1 ), . . . , T (bn ) und somit zur Bijektivit¨at von T .
3.1.7
Der Multiplikationssatz
Das folgende wichtige Resultat besagt, dass sich Determinanten bei der Hintereinanderausf¨ uhrung (Komposition) von Abbildungen multiplikativ verhalten. 3.11 Satz. (Multiplikationssatz) (i) F¨ ur beliebige lineare Abbildungen S, T : Rn → Rn gilt det(S ◦ T ) = det(S) · det(T ). (ii) Es gilt det(idRn ) = 1. (iii) Ist T eine lineare Bijektion, so gilt det(T −1 ) =
1 . det(T )
Beweis: (i): Zun¨ achst sei T eine lineare Bijektion. Wir w¨ ahlen eine Basis {b1 , . . . , bn } n des R . Dann ist auch T (b1 ), . . . , T (bn ) eine Basis. Weil die Definition der Determinante unabh¨ angig von der Wahl der Basis ist, folgt det(S ◦ T ) =
D(S ◦ T (b1 ), . . . , S ◦ T (bn )) D(b1 , . . . , bn )
D(S ◦ T (b1 ), . . . , S ◦ T (bn )) D(T (b1 ), . . . , T (bn )) · D(T (b1 ), . . . , T (bn )) D(b1 , . . . , bn ) = det(S) · det(T ). =
Ist T nicht bijektiv, so ist auch S ◦ T nicht bijektiv, und die erste Behauptung reduziert sich auf die triviale Gleichung 0 = 0. (ii): Die Gleichung det(idRn ) = 1 ist eine direkte Konsequenz der Definition. (iii): Ist T bijektiv, so folgt nach (ii) und (i) 1 = det(T ◦ T −1 ) = det(T ) · det(T −1 ).
142
3.1.8
3 Determinanten
Die Determinante einer Matrix
Es sei {b1 , . . . , bn } eine Basis des Rn . Ist dann T : Rn → Rn eine lineare Abbildung, so gibt es Zahlen aij (i, j = 1, . . . , n) mit T (bj ) =
n
aij ·bi ,
j = 1, . . . n.
(3.14)
i=1
uhrte BasisdarDie hierdurch definierte Matrix A = (aij ) ist die in I.8.3.3 eingef¨ stellung von T bez¨ uglich {b1 , . . . , bn }. Im Fall der kanonischen Basis {e1 , . . . , en } ergibt sich die kanonische Matrix von T . Aus (3.8) und (3.14) folgt D(T (b1 ), . . . , T (bn )) = D(b1 , . . . , bn )·
sgn(π)·aπ(1)1 · . . . · aπ(n)n
π∈Πn
und somit det(T ) =
sgn(π)·aπ(1)1 · . . . · aπ(n)n .
π∈Πn
Es sei A = (aij ) eine n × n-Matrix. Dann heißt det(A) :=
sgn(π) · aπ(1)1 · . . . · aπ(n)n
(3.15)
π∈Πn
Determinante von A. Man nennt det(A) auch die Determinante der Spaltenvektoren a1 , . . . ,an von A und schreibt det(a1 , . . . ,an ) := det(A). Die oben hergeleitete Vorschrift zur Berechnung von Determinanten linearer Abbildungen wollen wir nochmals festhalten: 3.12 Satz. (Berechnung von Determinanten) Die Determinante einer linearen Abbildung T ergibt sich als Determinante der Basisdarstellung A von T bez¨ uglich einer beliebigen Basis {b1 , . . . , bn } des Rn . Eine n × n-Matrix A ist kanonische Matrix der linearen Abbildung x → Ax (vgl. I.8.3.3 und I.8.7.3 (iv)). Nach Satz 3.12 ist also die Determinante der Matrix A auch die Determinante der linearen Abbildung A. Und so sollte es ja auch sein!
3.1.9
Eigenschaften der Determinante
Der folgende Satz fasst die wichtigsten Eigenschaften der Determinanten von Matrizen zusammen.
3.1 Determinantenformen
143
3.13 Satz. (Eigenschaften von Determinanten) Es seien A und B n × n-Matrizen. Dann gilt: (i) det(A) = det(AT ). (ii) Vertauscht man in A zwei Spalten (bzw. Zeilen), so ¨ andert die Determinante ihr Vorzeichen. (iii) Addiert man zu einer Spalte (bzw. Zeile) eine Linearkombination der anderen Spalten (bzw. Zeilen), so bleibt die Determinante unver¨ andert. (iv) Die Determinante ist linear in jeder Spalte (bzw. Zeile). (v) det(A) = 0 ⇐⇒ die Spalten (bzw. Zeilen) von A sind linear abh¨ angig. (vi) det(A·B) = det(A)·det(B). (vii) Ist A regul¨ar, so gilt det(A−1 ) =
1 . det(A)
Beweis: Wir beweisen zun¨achst (i). Es sei A = (aij ). Ist π ∈ Πn , so gilt aπ(1)1 · . . . · aπ(n)n = a1π−1 (1) · . . . · anπ−1 (n) , da jeder Faktor auf beiden Seiten genau einmal auftritt und die Multiplikation kommutativ ist. Nach Satz 3.5 gilt sgn(π) = sgn(π −1 ), und wir erhalten det(A) = sgn(π−1 )·a1π−1 (1) · . . . · anπ−1 (n) . π∈Πn
Weil aber mit π auch π−1 die Menge Πn durchl¨auft (die Zuordnung π → π −1 ist eine Bijektion der Menge Πn aller Permutationen), steht auf der rechten Seite die Determinante von AT . Damit ist (i) bewiesen. Mit Hilfe dieser Beziehung entspricht jeder Aussage u ¨ ber Spalten eine solche u ¨ ber Zeilen. Die anderen Behauptungen folgen jetzt aus den bereits bekannten Eigenschaften der Determinante und der Tatsache, dass die Determinante einer Matrix als Determinante einer linearen Abbildung interpretiert werden kann. Beispielsweise ergibt sich die wichtige Gleichung (vi) aus dem Multiplikationssatz 3.11 (i) und dem Sachverhalt, dass die Matrizenmultiplikation der Hintereinanderausf¨ uhrung linearer Abbildungen entspricht (Satz I.8.63).
3.1.10
Unterdeterminanten
Manchmal ist eine Verallgemeinerung von Satz 3.13 (v) hilfreich. Wir betrachten hierzu eine (im Allgemeinen nicht quadratische) Matrix A mit m Zeilen und n Spalten. Ist 1 ≤ k ≤ min{m, n} und w¨ahlt man k Spalten und k Zeilen von A,
144
3 Determinanten
so bilden die in diesen ausgew¨ahlten Spalten und Zeilen stehenden Elemente von A eine k × k-Matrix, die auch k-reihige Untermatrix von A genannt wird. Die Determinante dieser Matrix heißt auch k-reihige Unterdeterminante von A. 3.14 Beispiel. Die 2 × 3-Matrix
A=
4 1 8 2 0 5
besitzt die 2-reihigen Unterdeterminanten 4 1 4 8 det = 4 · 0 − 2 · 1 = −2, det = 4·5−2·8 = 4 2 0 2 5
und
1 8 det 0 5
= 1 · 5 − 0 · 8 = 5.
3.15 Satz. (Rangbestimmung mittels Determinanten) Der Rang einer von der Nullmatrix verschiedenen Matrix A ist die gr¨ oßte Zahl r ∈ N, f¨ ur die es eine von 0 verschiedene r-reihige Unterdeterminante von A gibt. Beweis: Die m × n-Matrix A besitze den Rang s > 0. Dann gibt es s linear unabh¨ angige Spaltenvektoren von A, die eine m × s-Matrix B mit dem Rang s bilden. Wegen Rang(B) = Rang(B T ) existieren in B s linear unabh¨ angige Zeilen(vektoren). Diese bestimmen eine quadratische Untermatrix C von B, die ebenfalls den Rang s besitzt. Aus Satz 3.13 (v) folgt det(C) = 0 und damit die Ungleichung r ≥ s. Zum Beweis der umgekehrten Ungleichung w¨ahlen wir eine r-reihige Unterdeterminante von A, die nicht gleich 0 ist. Es bezeichne D die zugeh¨orige r × r-Matrix. Wiederum wegen Satz 3.13 (v) sind die Spaltenvektoren von D linear unabh¨ angig. Damit besitzt aber auch A mindestens r linear unabh¨angige Spaltenvektoren. Es folgt r ≤ s, und der Satz ist bewiesen.
3.1.11
Berechnung der Determinante einer 3 × 3-Matrix
F¨ ur eine 3 × 3-Matrix ⎛ a11 a12 det ⎝a21 a22 a31 a32
A = (aij ) gilt definitionsgem¨ aß ⎞ a13 a23 ⎠ = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a33
(3.16)
− a13 a22 a31 − a11 a23 a32 − a12 a21 a33 . Diese auf den ersten Blick un¨ ubersichtliche Formel kann man sich leicht nach dem sog. Schema von Sarrus1 merken. Hierbei werden rechts neben die Matrix A noch 1
Pierre Fr´ed´eric Sarrus (1798–1861), Professor in Straßburg. Seine wichtigste Arbeit tr¨ agt den Titel M´ethode pour trouver des conditions d’integralit´e d’une ´equation differentielle (1847).
3.1 Determinantenformen
145
einmal deren erste und zweite Spalte gesetzt. In der entstehenden 3 × 5-Matrix ergibt sich die Determinante von A als Summe der Produkte der Eintr¨ age in den von links oben nach rechts unten verlaufenden Schr¨ aglinien, vermindert um die Summe der Produkte der Elemente in den von rechts oben nach links unten verlaufenden Diagonalen (Bild 3.4). Es sei jedoch ausdr¨ ucklich darauf hingewiesen, dass eine analoge Regel f¨ ur n × n-Matrizen mit n ≥ 4 nicht gilt!
a11 + a21
a12 + a22
a13 + a23
a31
a32
a33
a11
a12
a21
a22
a31
a32
3.16 Beispiel. Die Matrix
Bild 3.4: Schema von Sarrus zur Berechnung der Determinante einer 3× 3-Matrix
⎛
⎞ 3 2 5 A = ⎝1 0 6⎠ 2 4 7
besitzt die Determinante det(A) = 3·0·7 + 2·6·2 + 5·1·4 − 5·0·2 − 3·6·4 − 2·1·7 = −42.
3.1.12
Dreiecksmatrizen
Eine n × n-Matrix A = (aij ) heißt obere Dreiecksmatrix , wenn alle Elemente unterhalb der Hauptdiagonalen a11 , a22 , . . . , ann verschwinden, wenn also aij = 0 f¨ ur j < i gilt. Eine obere Dreiecksmatrix heißt normiert, wenn jedes ihrer Diagonalelemente gleich 1 ist. Die Matrix A heißt (normierte) untere Dreiecksmatrix, wenn AT eine (normierte) obere Dreiecksmatrix ist. 3.17 Beispiel. Die Matrizen ⎛ 2 ⎜0 A=⎜ ⎝0 0
⎞ 0 −4 5 3 1 0⎟ ⎟, 0 0 7⎠ 0 0 2
⎛ 1 ⎜3 B=⎜ ⎝0 8
0 1 5 0
0 0 1 2
⎞ 0 0⎟ ⎟ 0⎠ 1
(3.17)
146
3 Determinanten
sind eine (nicht normierte) obere Dreiecksmatrix bzw. eine normierte untere Dreiecksmatrix. Ist A = (aij )1≤i,j≤n eine obere (bzw. untere) Dreiecksmatrix, so liefert nur die Identit¨at π = id einen Beitrag zur Summe (3.15), und es folgt det(A) = a11 · . . . · ann . Die Matrizen A und B in (3.17) besitzen somit die Determinanten det(A) = 0 bzw. det(B) = 1. Mit Hilfe des Gaußschen Algorithmus’ kann jede Matrix in eine obere (bzw. untere) Dreiecksmatrix u uhrt werden. Die Normierung zur Erzeugung einer ¨berf¨ f¨ uhrenden 1“ kann dabei unterbleiben. Wird keine Zeilenvertauschung vorge” nommen, so bleibt die Determinante nach Satz 3.13 in jedem Schritt unver¨ andert. Vertauscht man zwei Zeilen, so ¨andert sich das Vorzeichen. Insgesamt erh¨ alt man damit ein sehr effizientes Verfahren zur Berechnung von Determinanten. 3.18 Beispiel. Unter Verwendung des Gaußschen Algorithmus’ ergibt sich die Determinante der Matrix ⎞ ⎛ 0 3 6 3 ⎜ 2 1 −2 2⎟ ⎟ A=⎜ ⎝ 1 2 1 4⎠ −2 1 2 1 zu ⎛ ⎞ ⎛ ⎞ 2 1 −2 2 2 1 −2 2 ⎜ 0 3 6 3⎟ ⎜ 6 3⎟ ⎟ = − det ⎜0 3 ⎟ det(A) = − det ⎜ ⎝ 1 2 1 4⎠ ⎝0 3/2 2 3⎠ −2 1 2 1 0 2 0 3 ⎞ ⎛ ⎛ ⎞ 2 1 −2 2 2 1 −2 2 ⎜0 3 6 ⎜0 3 6 3 ⎟ 3 ⎟ ⎟ ⎜ ⎟ = − det ⎜ ⎝0 0 −1 3/2⎠ = − det ⎝0 0 −1 3/2⎠ 0 0 0 −5 0 0 −4 1 = −(2·3·(−1)·(−5)) = −30. Hierbei wurden folgende Schritte des Gaußschen Algorithmus’ durchgef¨ uhrt: 1. Vertauschung der ersten beiden Zeilen 2. Multiplikation der ersten Zeile mit −1/2 und Addition zur dritten Zeile sowie Addition der ersten zur vierten Zeile 3. Multiplikation der zweiten Zeile mit −1/2 und Addtion zur dritten Zeile sowie Multiplikation der zweiten Zeile mit −2/3 und Addition zu Zeile 4 4. Multiplikation der dritten Zeile mit −4 und Addition zur vierten Zeile
3.1 Determinantenformen
3.1.13
147
Der Entwicklungssatz von Laplace
Im Folgenden wird ein rekursives Verfahren vorgestellt, welches die Berechnung der Determinante einer n × n-Matrix A auf die Berechnung der Determinanten von gewissen (n − 1) × (n − 1)-Matrizen zur¨ uckf¨ uhrt. Diese Matrizen entstehen aus A durch Streichen von Zeilen und Spalten. Genauer bezeichne Aij diejenige (n − 1) × (n − 1)-Matrix, die aus A durch Streichen der i-ten Zeile und der j-ten Spalte hervorgeht. F¨ ur die Matrix ⎛ ⎞ 5 3 0 4 ⎜−2 9 1 5⎟ ⎟ A=⎜ ⎝ 3 6 6 −1⎠ 4 0 −2 −6 gilt also etwa ⎛
A12
⎞ −2 1 5 =⎝ 3 6 −1⎠ , 4 −2 −6
⎛
A33
⎞ 5 3 4 = ⎝−2 9 5 ⎠ . 4 0 −6
Um die Anzahl der Zeilen der beteiligten Matrizen zu verdeutlichen, werden wir die Determinante einer n × n-Matrix A gelegentlich auch mit detn (A) bezeichnen. 3.19 Satz. (Entwicklungssatz von Laplace) ur jedes i ∈ {1, . . . , n}: Es sei A = (aij ) eine (n × n)-Matrix. Dann gilt f¨ n (−1)i+j ·aij ·detn−1 (Aij ), detn (A) =
(3.18)
j=1
(Entwicklung von det(A) nach der i-ten Zeile). Beweis: Wir beweisen die Behauptung nur f¨ ur i = 1; der allgemeine Fall erfordert nur gr¨ oßeren Schreibaufwand. Zerlegt man die Menge Πn aller Permutationen π = (π(1), . . . , π(n)) nach dem Wert π(1) ∈ {1, . . . , n}, so folgt det(A) = sgn(π)·a1π(1) · . . . · anπ(n) =
π∈Πn n
a1j ·sgn((j, π(2), . . . , π(n)))·a2π(2) · . . . · anπ(n) .
j=1 π∈Πn π(1)=j
Ist π(1) = j, so kann (π(2), . . . , π(n)) als Element der mit Πn,j bezeichneten Menge aller Bijektionen von {2, . . . , n} auf {1, . . . , n} \ {j} aufgefasst werden. Das Signum einer solchen Bijektion wird analog zum Signum einer Permutation aus Πn−1 definiert, indem man π(2), . . . , π(n) durch m Vertauschungen der Gr¨ oße nach ordnet und das Signum
148
3 Determinanten
als (−1)m definiert. Es sind j − 1 Transpositionen erforderlich, um die Permutation (j, π(2), . . . , π(n)) in die Permutation σ := (π(2), . . . , j, . . . , π(n)) mit der Eigenschaft σ(j) = j zu u uhren. Offenbar gilt sgn(σ) = sgn((π(2), . . . , π(n))), und es folgt ¨berf¨ det(A) =
n j=1
a1j
(−1)1+j sgn(π)·a2π(2) · . . . · anπ(n) ,
π∈Πn,j
so dass sich (3.18) f¨ ur i = 1 aus der Definition der Matrizen A1j ergibt.
Es empfiehlt sich, Formel (3.18) f¨ ur schwach besetzte Zeilen anzuwenden, d.h. f¨ ur Zeilen, die m¨oglichst viele Nullen enthalten. Derartige Zeilen k¨ onnen grunds¨atzlich durch vorhergehende geeignete elementare Zeilenoperationen erzeugt werden. Man beachte auch, dass die Determinante von A prinzipiell durch mehrfaches rekursives Anwenden der Entwicklungsformel ermittelt werden kann. In jedem Rekursionsschritt wird dabei die Zeilenzahl der beteiligten Matrizen verringert. Nat¨ urlich kann det(A) auch gem¨aß der Formel detn (A) =
n (−1)i+j ·aji ·detn−1 (Aji )
(3.19)
j=1
nach der i-ten Spalte entwickelt werden. Diese Darstellung folgt unmittelbar aus (3.18) und der Gleichung det(A) = det(AT ). 3.20 Beispiel. Zur Bestimmung der Determinante der ⎛ 2 ⎜4 A=⎜ ⎝5 6
Matrix 8 3 0 3
0 1 2 2
⎞ 1 3⎟ ⎟ 0⎠ 1
empfiehlt sich eine Entwicklung nach der dritten Zeile, da diese 2 Nullen enth¨ alt. Nach (3.18) f¨ ur i = 3 gilt ⎛ ⎞ ⎛ ⎞ 8 0 1 2 8 1 det(A) = 5·(−1)3+1 det ⎝3 1 3⎠ + 2·(−1)3+3 det ⎝4 3 3⎠ 3 2 1 6 3 1 = 5 · (−37) + 2 · 94 = 3. Dabei k¨onnen die Determinanten der beiden 3×3-Matrizen z.B. nach dem Schema von Sarrus (vgl. Bild 3.4) berechnet werden.
3.2
Lineare Transformation von Integralen
Die Bedeutung der Determinanten f¨ ur die Integration (und die gesamte Analysis) resultiert aus dem folgenden Satz und dessen Verallgemeinerungen.
3.2 Lineare Transformation von Integralen
3.2.1
149
Der Transformationssatz
3.21 Satz. (Lineare Transformation mehrdimensionaler Integrale) Es seien M ⊂ Rn eine Jordan-messbare Menge sowie T : Rn → Rn eine lineare Abbildung. Dann ist die Menge T (M ) Jordan-messbar. Eine beschr¨ankte Funktion f : T (M ) → R ist genau dann u ¨ber T (M ) integrierbar, wenn die Funktion | det(T )| · (f ◦ T ) ¨ uber M integrierbar ist. In diesem Fall gilt f (y) dy = f (T (x)) · | det(T )| dx. (3.20) T (M )
M
F¨ ur f (y) = 1, y ∈ T (M ), ergibt sich der folgende wichtige Spezialfall. 3.22 Satz. (Lineare Transformation des Inhalts) Sind M ⊂ Rn eine Jordan-messbare Menge und T : Rn → Rn eine lineare Abbildung, so ist T (M ) Jordan-messbar, und es gilt |T (M )| = | det(T )| · |M |