0% fanden dieses Dokument nützlich (0 Abstimmungen)

4 Ansichten139 Seiten

Teil II: Differential-Und Integralrechnung F Ur Funktionen Mehrerer Ver Anderlicher

Das Dokument behandelt die Grundlagen der Differential- und Integralrechnung für Funktionen mehrerer Variablen, insbesondere die Definition und Eigenschaften metrischer Räume. Es werden verschiedene Metriken und deren Anwendung auf Mengen wie reelle Zahlen und Funktionen vorgestellt, sowie Konzepte wie offene Kugeln, Umgebungen und die Stetigkeit von Abbildungen in metrischen Räumen erläutert. Zudem werden wichtige Eigenschaften offener und abgeschlossener Mengen sowie die Konvergenz von Folgen in diesen Räumen behandelt.

Hochgeladen von

jazzy075

Wir nehmen die Rechte an Inhalten ernst. Wenn Sie vermuten, dass dies Ihr Inhalt ist, beanspruchen Sie ihn hier.

Verfügbare Formate

Als PDF, TXT herunterladen oder online auf Scribd lesen

0% fanden dieses Dokument nützlich (0 Abstimmungen)

4 Ansichten139 Seiten

Teil II: Differential-Und Integralrechnung F Ur Funktionen Mehrerer Ver Anderlicher

Hochgeladen von

jazzy075

Wir nehmen die Rechte an Inhalten ernst. Wenn Sie vermuten, dass dies Ihr Inhalt ist, beanspruchen Sie ihn hier.

Verfügbare Formate

Als PDF, TXT herunterladen oder online auf Scribd lesen

Teil II

Differential- und Integralrechnung

für Funktionen mehrerer Veränderlicher

V. Funktionen auf metrischen Räumen

1. Metrische Räume

1.1 Definition. Eine Metrik d auf einer Menge X ist eine Abbildung

d : X × X −→ R

(die sogenannte Distanzfunktion) mit den Eigenschaften

a) d(x, y) ≥ 0 für alle x, y ∈ X und d(x, y) = 0 ⇐⇒ x = y.
b) d(x, y) = d(y, x) (Symmetrie)
c) d(x, z) ≤ d(x, y) + d(y, z) für alle x, y, z ∈ X (Dreiecksungleichung).
Ein metrischer Raum (X, d) ist eine Menge X, auf der eine bestimmte Metrik
d ausgezeichnet ist.
Die Elemente eines metrischen Raumes nennt man häufig Punkte.
Beispiele metrischer Raüme.
(Der Leser möge die Axiome a)–c) jeweils nachweisen!)
1) X = R mit d(x, y) = |x − y|.
2) X = R n . In diesem Fall gibt es mehrere wichtige Metriken, die sämtlich
Verallgemeinerungen der Betragsmetrik aus 1) sind.
a) d(x, y) = max1≤ν≤n |xν − yν | (Maximumsmetrik).
Pn 1
2 2
b) d(x, y) = ν=1 (xν − yν ) (Euklidische Metrik).
Die Dreiecksungleichung ist in diesem Fall eine Folgerung aus einer weiteren Un-
gleichung, die wir in Paragraph 5 beweisen werden, der sogenannten Cauchy-
Schwarzschen Ungleichung:
v v
n
X
u n u n
uX uX
xν yν ≤ t 2
x t y2 .
ν ν
ν=1 ν=1 ν=1

Pn
c) d(x, y) = ν=1 |xν − yν |.
208 V. Funktionen auf metrischen Räumen

3) Sei X die Menge aller beschränkten Funktionen f : D → R, wobei D eine

nicht leere Menge sei, beispielsweise ein Intervall.
Schreibweise. X = B(D).
Die Norm einer Funktion f ist durch

kf k = sup |f (x)|
x∈D

definiert (Supremum der Beträge des Wertevorrats von f ). Man erhält hieraus
eine Metrik
d(f, g) := kf − gk .

4) Sei D = [a, b], a < b, ein abgeschlossenes Intervall und sei

X = C(D) := {f : D −→ R; f stetig}

die Menge der stetigen Funktionen auf D. Man erhält eine Metrik durch

Zb
d(f, g) = |f (x) − g(x)| dx.
a

Wir kehren nun zur allgemeinen Situation zurück und führen den fundamenta-
len Begriff der Kugel in einem metrischen Raum ein.

1.2 Definition. Sei (X, d) ein metrischer Raum und x0 ∈ X ein Punkt aus
X, sowie r > 0 eine positive Zahl. Die Punktmenge

Ur (x0 ) = {x ∈ X; d(x, x0 ) < r}

heißt offene Kugel um x0 vom Radius r.

Anmerkung. Es gilt stets: x0 ∈ Ur (x0 ). Manchmal nennt man Ur (x0 ) auch die
r-Umgebung von x0 .
Beispiele.
1) R n mit der Maximumsmetrik: Ur (x0 ) ist ein achsenparalleler Würfel mit
Mittelpunkt x0 und Kantenlänge 2r.
2) R n mit der Euklidischen Metrik: Ur (x0 ) ist eine Euklidische Kugel mit
Mittelpunkt x0 und Radius r.
§1. Metrische Räume 209

Grundtatsachen über Kugeln

1.3 Bemerkung. Sei Ur (x0 ) eine Kugel in einem metrischen Raum (X, d)
und sei
x1 ∈ Ur (X0 )
ein beliebiger Punkt aus dieser Kugel. Es gibt eine Zahl ε > 0 mit

Uε (x1 ) ⊂ Ur (x0 ).

Beweis. Man wähle etwa ε := r − d(x1 , x0 ). Diese Zahl ist in der Tat positiv
(weil x1 ∈ Ur (x0 )). Aus x ∈ Uε (x1 ) folgt

d(x, x1 ) < ε = r − d(x0 , x1 ),

also insbesondere
d(x, x0 ) < r,
denn wegen der Dreiecksungleichung und der Symmetrie gilt

d(x, x0 ) ≤ d(x, x1 ) + d(x1 , x0 ) = d(x, x1 ) + d(x0 , x1 ). u

1.4 Bemerkung. Gegeben seien n Kugeln

Ur1 (x1 ), . . . , Urn (xn )

in einem metrischen Raum und ein beliebiger weiterer Punkt x. Es gibt dann
eine Zahl r > 0, so daß gilt:

Ur1 (x1 ) ∪ . . . ∪ Urn (xn ) ⊂ Ur (x).

Beweis. Man wähle

r = max {rν + d(xν , x)}. u
t
1≤ν≤n

1.5 Bemerkung. Seien x, x0 zwei verschiedene Punkte eines metrischen

Raumes. Es existiert dann eine positive Zahl ε > 0 mit

Uε (x) ∩ Uε (x0 ) = ∅ (Punktetrennungseigenschaft).

Beweis. Man wähle etwa ε = 12 d(x, x0 ). u

t
210 V. Funktionen auf metrischen Räumen

Einige topologische Begriffe in metrischen Räumen.

1.6 Definition. Sei x ∈ X ein Punkt eines metrischen Raumes (X, d). Eine
Teilmenge M ⊂ X heißt Umgebung von x, wenn es eine Zahl ε > 0 gibt mit

Uε (x) ⊂ M.

Insbesondere ist Uε (x) selbst eine Umgebung von x. Offenbar ist der Durch-
schnitt von endlich vielen Umgebungen von x auch eine Umgebung von x (denn
sind M1 , . . . , Mn Umgebungen von x, so existieren positive Zahlen ε1 , . . . , εn
mit Uεν ⊂ Mν für ν = 1, . . . , n und es gilt

Uε (x) ⊂ M1 ∩ . . . ∩ Mn mit ε := min{ε1 , . . . , εn } ).

Man kann nun Bemerkung 1.3 auch so ausdrücken:

Die Kugel Ur (x0 ) ist Umgebung eines jeden Punktes x, den sie enthält.
Diese Eigenschaft einer Kugel hat sich als äußerst fundamental erwiesen, so
daß man ihr einen eigenen Namen gegeben hat.

1.7 Definition. Eine Teilmenge U eines metrischen Raumes (X, d) heißt

offen, wenn sie Umgebung eines jeden in ihr enthaltenen Punktes ist.
Das bedeutet also: Ist x ∈ U , so existiert ein ε > 0 mit

Uε (x) ⊂ U.

Wie schon bemerkt: Die Kugel Ur (x0 ) ist offen.

Grundeigenschaften offener Mengen

a) Die leere Menge ∅ ist offen und ebenso der ganze Raum X.
b) Sind U1 , . . . , Un (endlich viele) offene Mengen, so ist auch

U1 ∩ . . . ∩ Un

offen.
c) Ist (Ui )i∈I eine Schar offener Mengen (I eine beliebige Indexmenge), so ist
auch die Vereinigungsmenge
[
Ui = x ∈ X; x ∈ Ui für (mindestens) ein i
i∈I

offen.
§1. Metrische Räume 211

1.8 Definition. Sei A ⊂ X eine Teilmenge eines metrischen Raumes (X, d).
Ein Punkt x ∈ X heißt Randpunkt von A, wenn es in jeder Umgebung von x
sowohl Punkte gibt, die in A liegen, als auch solche, die nicht in A liegen.
Also: Zu jedem ε > 0 existieren Punkte x0 , x00 mit

d(x, x0 ) < ε, d(x, x00 ) < ε, x0 ∈ A, x00 ∈

/ A.

Beispiel .
X = R (mit der üblichen Metrik d(x, y) = |x − y|). Seien a < b zwei Zahlen
und
A = (a, b) oder (a, b] oder [a, b) oder [a, b].
In allen vier Fällen sind a und b die beiden einzigen Randpunkte von A.
Man sieht an diesem Beispiel, daß die Randpunkte einer Menge A dieser Menge
angehören können, daß dies aber nicht sein muß. Insofern ist das abgeschlossene
Intervall [a, b] also dadurch vor den übrigen ausgezeichnet, daß es alle seine
Randpunkte enthält. Dies gibt Anlaß zu folgender

1.9 Definition. Eine Teilmenge A ⊂ X eines metrischen Raumes (X, d) heißt

abgeschlossen, wenn jeder Randpunkt von A in A enthalten ist.
Bezeichnungen.

∂A = Rand von A = Menge aller Randpunkte von A,

Ā = A ∪ ∂A = Abschluß von A.

Übungsaufgaben.
1) Die Menge Ā ist abgeschlossen (d.h. Ā¯ = Ā).
2) A ⊂ B =⇒ Ā ⊂ B̄.
3) Die abgeschlossene Kugel

Ūr (x0 ) := {x ∈ X; d(x, x0 ) ≤ r}

ist abgeschlossen.
Aus 1) und 2) folgt, daß der Abschluß der offenen Kugel in der abgeschlossenen
Kugel enthalten ist: Ur (x0 ) ⊂ Ūr (x0 ). In vielen Fällen gilt Gleichheit, aber nicht
immer.

1.10 Hilfssatz. Eine Teilmenge A ⊂ X eines metrischen Raumes ist genau

dann abgeschlossen, wenn ihr Komplement

X − A := {x ∈ X; x ∈
/ A}

offen ist.
212 V. Funktionen auf metrischen Räumen

Beweis, 1. Teil . A sei abgeschlossen. Wir zeigen, daß X − A offen ist. Sei dazu
x ∈ X − A. Da x ∈ / A und da A abgeschlossen ist, kann x kein Randpunkt von
A sein. Es muß daher ein ε > 0 geben, so daß Uε (x) nicht Punkte von A und
von X − A enthalten kann. Da nun aber x in X − A liegt, muß somit

Uε (x) ⊂ X − A

gelten, d.h. X − A ist Umgebung von x.

2. Teil . Sei X − A offen. Wir zeigen daß A abgeschlossen ist, daß also kein
Punkt x ∈ X − A ein Randpunkt von A ist. Das ist aber klar, denn es existiert
ε > 0 mit
Uε (x) ⊂ X − A ⇐⇒ Uε (x) ∩ A = ∅. u
t
Abschließend noch eine weitere Sprechweise:
Ein Punkt x ∈ M (M eine Teilmenge eines metrischen Raumes (X, d)) heißt
innerer Punkt von M , wenn M Umgebung von x ist. Die Menge der inneren
Punkte von M wird mit

M ◦ :=

x ∈ M; M ist Umgebung von x

bezeichnet. Offenbar ist M ◦ offen und es gilt

M ist offen ⇐⇒ M ◦ = M.

2. Konvergenz und Stetigkeit in metrischen Räumen

2.1 Definition. Eine Folge (xn )n∈N von Punkten aus einem metrischen Raum
(X, d) konvergiert gegen x ∈ X, wenn die Zahlfolge d(xn , x) eine Nullfolge ist.
Die Folge (xn ) heißt konvergent, wenn es ein x ∈ X gibt, do daß (xn ) gegen x
konvergiert.
Offenbar konvergiert die Folge (xn ) genau dann gegen x, wenn für jede
Umgebung U von x gilt:

xn ∈ U für alle n bis auf endlich viele Ausnahmen.

Der Grenzwert x ist durch die Folge (xn ) eindeutig bestimmt, denn würde
(xn ) gegen zwei verschiedene Grenzwerte x, x0 konvergieren, so könnte man
Umgebungen U von x und U 0 von x0 mit leerem Durchschnitt finden (1.5).
§2. Konvergenz und Stetigkeit in metrischen Räumen 213

Dann können aber nicht alle xn bis auf endlich viele Ausnahmen sowohl in U
als auch in U 0 liegen.
Bezeichnung.

x = lim xn oder xn −→ x für n −→ ∞.

n→∞

Beispiel .
Eine Folge von Punkten x(k) ∈ R n konvergiert bezüglich der Maximumsmetrik
genau dann gegen x ∈ R n , wenn

max |x(k)
ν − xν | −→ 0 für k −→ ∞
1≤ν≤n

gilt. Dies bedeutet nichts anderes, als daß

lim x(k)
ν = xν für jedes ν ∈ {1, . . . , n}.
n→∞

Vergleich verschiedener Metriken.

2.2 Definition. Zwei Metriken d, d0 auf einer Menge X heißen (streng)

äquivalent, wenn es Konstanten C, C 0 gibt mit

d(x, y) ≤ C 0 d0 (x, y) sowie d0 (x, y) ≤ Cd(x, y).

Äquivalente Metriken sind in bezug auf die Konvergenz von Folgen nicht zu
unterscheiden,

d0 (xn , x) −→ 0 ⇐⇒ d(xn , x) −→ 0 für n −→ ∞.

Beispiel .
Die Maximumsmetrik und die Euklidische Metrik des R n sind äquivalent:

Folgende beiden Aussagen für eine Folge x(k) im R n sind also gleichbedeutend:
1) x(k) konvergiert komponentenweise gegen x, d.h. für jede Koordinate ν gilt

x(k)
ν −→ xν für k −→ ∞.

2) Der Euklidische Abstand d(x(k) , x) konvergiert gegen Null.

214 V. Funktionen auf metrischen Räumen

2.3 Definition. Seien (X, d) und (Y, d0 ) zwei metrische Räume und sei f :
X −→ Y eine Abbildung. Diese heißt stetig in einem Punkt x0 ∈ X, wenn
folgendes gilt: Ist V eine Umgebung von y0 = f (x0 ) in Y , so ist f −1 (V ) eine
Umgebung von x0 in X.
Übersetzen wir diese Definition in die Sprache“ der Epsi-Deltalontik.
”
2.4 Bemerkung. Die Abbildung f ist genau dann stetig in x0 , wenn zu jedem
ε > 0 ein δ > 0 existiert mit

d0 (f (x), f (x0 )) < ε für alle x ∈ X mit d(x, x0 ) < δ.

Beweis. Wir zeigen nur eine Richtung: Sei f stetig in x0 im Sinne der Definition
2.3 und sei ε > 0. Die Menge V := Uε (f (x0 )) ist eine Umgebung von f (x0 ).
Daher ist f −1 (V ) eine Umgebung von x0 in X. Nach Definition existiert dann
eine Zahl δ > 0 mit

Uδ (x0 ) ⊂ f −1 (V ) =⇒ f (Uδ (x0 )) ⊂ V.

Also gilt
x ∈ Uδ (x0 ) =⇒ f (x) ∈ Uε (f (x0 ))
oder
d(x, x0 ) < δ =⇒ d0 (f (x), f (x0 )) < ε. u
t

2.5 Bemerkung. Eine Abbildung f : X → Y zweier metrischer Räume ist

dann und nur dann stetig (d.h. stetig in jedem Punkt von X), wenn das Urbild
f −1 (V ) jeder offenen Menge V aus Y offen in X ist.
Beweis. Übungsaufgabe (man benutze direkt 2.3). u
t

2.6 Hilfssatz. Seien X, Y, Z metrische Räume und

f : X −→ Y, g : Y −→ Z

Abbildungen sowie x ein Punkt aus X mit der Eigenschaft

a) f ist stetig in x,
b) g ist stetig in f (x).
Dann ist
g ◦ f : X −→ Z (g ◦ f (x) := g(f (x)))
stetig in x.
Kurz gesagt bedeutet dies: Die Zusammensetzung stetiger Funktionen ist stetig.
Zwischen Folgenkonvergenz und Stetigkeit besteht ein enger Zusammenhang.
§2. Konvergenz und Stetigkeit in metrischen Räumen 215

2.7 Satz. Seien f : X → Y eine Abbildung metrischer Räume, und x ∈ X

ein Punkt. Die Abbildung f ist dann und nur dann stetig in x, wenn gilt:
Ist xn ∈ X eine Folge, die gegen x konvergiert, so konvergiert die Bildfolge
f (xn ) gegen f (x), also
xn −→ x =⇒ f (xn ) −→ f (x).

Beweis. Sei zunächst f stetig und die Folge xn aus X konvergiere gegen x.
Es ist zu zeigen, daß f (xn ) gegen f (x) konvergiert. Sei hierzu V ⊂ Y eine
Umgebung von f (x). Dann ist f −1 (V ) ⊂ X eine Umgebung von x (weil f
stetig in x ist). Daher gilt xn ∈ f −1 (V ) für fast alle n (d.h. alle bis auf endlich
viele Ausnahmen) und hieraus folgt
f (xn ) ∈ V für fast alle n.
Nun sei f nicht stetig in x ∈ X. Wir konstruieren eine Folge (xn ) aus X,
die gegen X konvergiert, ohne daß (f (xn )) gegen f (x) konvergiert. Da f in x
unstetig ist, existiert eine Umgebung V von f (x), so daß f −1 (V ) ⊂ X keine
Umgebung von x ist. Zu jedem ε > 0 existiert daher ein Punkt aus Uε (x), der
nicht in f −1 (V ) liegt. Wählt man dann speziell
1 1
ε = 1, , , . . . ,
2 3
so erhält man durch Auswahl eines xn für jedes n eine Folge
/ f −1 (V ), xn ∈ U n1 (x).
xn ∈ X, xn ∈
Diese konvergiert gegen x, denn es ist ja d(xn , x) < n1 . Aber f (xn ) konvergiert
nicht gegen f (x), denn sonst müßte ja f (xn ) ∈ V für fast alle n gelten. u
t

2.8 Definition. Ein Punkt x eines metrischen Raumes X heißt isoliert, wenn
es eine Zahl ε > 0 gibt, so daß Uε (x) nur aus dem Punkt x allein besteht.
Anders ausgedrückt: x ist genau dann isoliert, wenn {x} eine offene Menge ist.

2.9 Definition. Seien X und Y metrische Räume und sei a ∈ X ein nicht
isolierter Punkt. Weiter sei eine Abbildung
f : X − {a} −→ Y oder f : X −→ Y
gegeben. Dann sagt man: Die Funktion f besitzt den Grenzwert b für x gegen
a, in Zeichen
f (x) −→ b für x −→ a oder lim f (x) = b,
x→a
wenn die Abbildung

f (x) für x 6= a
f˜ : X −→ Y, f˜(x) =
b für x = a.
in x = a stetig ist. Zu jedem ε > 0 existiert daher ein δ > 0 mit
d(x, a) < δ, x 6= a =⇒ d0 (f (x), b) < ε.
216 V. Funktionen auf metrischen Räumen

Hierbei muß klar sein, daß b eindeutig bestimmt ist (wobei dann eingeht, daß
a nicht isoliert ist). Der Beweis der Eindeutigkeit von b beruht auf der Punk-
tetrennungseigenschaft 1.5. Es seien zwei verschiedene stetige Fortsetzungen f˜
und f ∗ von f |(X − {a}) auf X gegeben mit
f˜(a) = b und f ∗ (a) = b∗ .
Wir schließen indirekt, nehmen also an, b und b∗ seien verschieden. Nach 1.5
gibt es dann disjunkte Umgebungen V, V ∗ von b bzw. b∗ . Wegen der Stetigkeit
von f˜ und f ∗ sind die Urbilder
U = f˜−1 (V ) sowie U ∗ = f ∗ −1 (V ∗ )
Umgebungen von a. Der Durchschnitt U ∩ U ∗ ist ebenfalls eine Umgebung von
a und enthält einen Punkt
a∗ 6= a (denn a ist nicht isoliert!).
Im Widerspruch zur Disjunktheit von V und V ∗ gälte somit
f˜(a∗ ) = f ∗ (a∗ ) = f (a∗ ) ∈ V ∩ V ∗ . u
t
Die Begriffe Konvergenz“ und Stetigkeit“, die wir in metrischen Räumen
” ”
eingeführt haben, sind sogenannte topologische Begriffe, d.h. sie lassen sich mit
dem Umgebungsbegriff bzw. mit offenen Mengen formulieren. Die Metrik ist
nur insofern von Bedeutung, als aus ihr der Umgebungsbegriff abgeleitet wurde.
Was topologische Begriffsbildungen anbetrifft sind dabei äquivalente Metriken
nicht zu unterscheiden. Genauer gilt

2.10 Hilfssatz. Seien d und d0 zwei äquivalente Metriken auf X. Dann ist
jede Umgebung U eines Punktes a bezüglich d auch Umgebung bezüglich d0 und
umgekehrt. Insbesondere führen d und d0 zu denselben offenen Mengen.
Beweis. Sei
d0 (x, y) ≤ Cd(x, y), C > 0.
Die Kugeln bezüglich d bzw. d0 werden mit
Ur (a, d) bzw. Ur (a, d0 )
bezeichnet. Sei nun U eine Umgebung von a bezüglich d0 , also
U ⊃ Ur (a, d0 ), r > 0genügend klein.
Offenbar gilt
r
Uε (a, d) ⊂ Ur (a, d0 ) mit ε := ,
C
und daher ist U auch Umgebung von a bezüglich d. u
t
Zum Schluß zählen wir noch ein paar topologische Begriffe auf (die teilweise
erst noch eingeführt werden müssen):
Stetigkeit, Konvergenz, offen, abgeschlossen, innerer Punkt, isolierter Punkt,
Häufungspunkt, Kompaktheit.
Nicht rein topologischer Natur sind hingegen Begriffe wie:
gleichmäßige Konvergenz, Vollständigkeit.
§3. Induzierte Metrik und Produktmetrik 217

3. Induzierte Metrik und Produktmetrik

In der Analysis einer Variablen wurde der metrische Raum (R, d) mit der
Metrik
d(x, y) = |x − y|
untersucht. Es wurden aber nicht nur Abbildungen

f : R −→ R

betrachtet, sondern allgemeiner

f : D −→ R,

wobei D eine Teilmenge von R war.

In beliebigen metrischen Räumen haben wir uns scheinbar einer Beschränkung
unterworfen, indem wir nur Abbildungen studierten, die auf dem gesamten
Raum definiert waren. Durch einen kleine Kunstgriff wird diese Beschränkung
wieder aufgehoben. Man faßt eine Teilmenge A eines metrischen Raumes selbst
wieder als einen metrischen Raum auf.

3.1 Definition. Sei A ⊂ X eine Teilmenge eines metrischen Raumes (X, d).
Die induzierte Metrik d0 = d|A ist definiert durch

d0 : A × A −→ R, d0 (x, y) := d(x, y) für alle x, y ∈ A.

Ist B eine Teilmenge von A, so gilt offenbar

d|B = (d|A)|B.

Sind X und Y metrische Räume und ist : A → Y eine Abbildung, wobei A eine
Teilmenge von X sei, so heißt diese Abbildung stetig (in einem Punkt a ∈ A),
wenn die Abbildung stetig im Sinne von Definition 2.3 ist, wobei A selbst als
metrischer Raum, versehen mit der induzierten Metrik, aufzufassen ist.
Wenn A eine Teilmenge eines metrischen Raumes (X, d) ist und eine Folge
an ∈ A sowie a ∈ A gegeben sind, so sieht man

an −→ a für n −→ ∞ bezüglich der Metrik d

⇐⇒
an −→ a für n −→ ∞ bezüglich der induzierten Metrik d|A.

Dies ist trivial, denn der Abstand von an und a ist ja bei Ausgangs- und
induzierter Metrik derselbe. Die beiden folgenden Bemerkungen sind dann
Folgerungen aus dieser trivialen Beobachtung und aus 2.7.
218 V. Funktionen auf metrischen Räumen

3.2 Bemerkung. Sei A ⊂ X eine Teilmenge des metrischen Raumes (X, d).
Die kanonische Injektion
ι : A −→ X, ι(a) = a für a ∈ A,
ist stetig (dabei sei A mit der induzierten Metrik versehen).
Bemerkung. Sei f : X −→ Y eine Abbildung metrischer Räume und B eine
Teilmenge von Y (versehen mit der induzierten Metrik), die das Bild von f
enthält, also
f (X) ⊂ B.
Man kann dann die Abbildung
f0 : X −→ B; f0 (x) = f (x) für x ∈ X
betrachten. Diese ist genau dann in einem Punkt x ∈ X stetig, wenn f stetig
in X ist.
Nun stellt sich die Frage, welche Beziehung zwischen den Umgebungen eines
Punktes a ∈ A bezüglich d und bezüglich d|A besteht.
Zunächst ist klar: Ist M ⊂ X eine Umgebung von a ∈ A bezüglich der Metrik
d, so ist M ∩A eine Umgebung von a bezüglich der induzierten Metrik. Hiervon
gilt jedoch auch die Umkehrung.
Sei N ⊂ A eine Umgebung von a ∈ A bezüglich der induzierten Metrik d|A.
Dann gibt es eine Umgebung M ⊂ X von a bezüglich d, so daß gilt:
M ∩ A = N.
Dies sieht man so: Man weiß, daß ein ε > 0 mit Uε (a, d|A) ⊂ N existiert. Man
setze dann
M := Uε (a, d) ∪ N.
Halten wir noch einmal fest:

3.3 Hilfssatz. Sei A eine Teilmenge eines metrischen Raumes (X, d) und
a ∈ A. Eine Teilmenge N ⊂ A ist genau dann Umgebung von a (bezüglich der
induzierten Metrik d|A), wenn es eine Umgebung M ⊂ X von a (bezüglich d)
gibt, so daß gilt:
M ∩A=N

Dies überträgt sich unmittelbar auf offene Mengen.

3.4 Hilfssatz. Sei A eine Teilmenge eines metrischen Raumes X und V eine
Teilmenge von A. Dann gilt: V ist genau dann offen (bezüglich d|A), wenn es
eine offene Teilmenge U ⊂ X (bezüglich d) gibt mit
U ∩ A = V.

Für abgeschlossene Mengen gilt Entsprechendes (Beweis als Übungsaufgabe!)

§3. Induzierte Metrik und Produktmetrik 219

3.5 Hilfssatz. Sei A eine Teilmenge eines metrischen Raumes X und V eine
Teilmenge von A. Dann gilt: V ist genau dann abgeschlossen (bezüglich d|A),
wenn es eine abgeschlossene Teilmenge U ⊂ X (bezüglich d) gibt mit U ∩A = V.
Natürlich ist eine Teilmenge V eines Teilraums A eines metrischen Raumes
(X, d), die in A bezüglich der induzierten Metrik d|A offen ist, noch lange
nicht offen in X bezüglich d. Wir müssen daher immer unterscheiden, ob V
in (A, d|A) oder ob V in (X, d) offen sein soll: Häufig bringen wir dies so zum
Ausdruck:
Eine Teilmenge V ⊂ A heißt offen in A“, wenn sie offen in dem metrischen
”
Raum (A, d|A) ist.
Dann braucht V noch lange nicht offen in X zu sein. Unter gewissen Voraus-
setzungen ist dies jedoch der Fall.

3.6 Hilfssatz. Sei A ⊂ X ein offener Teil des metrischen Raumes (X, d).
Eine Teilmenge V ⊂ A ist genau dann offen in A (bezüglich d|A), wenn sie
offen in X (bezüglich d) ist.
Beweis. a) Sei V offen in X. Dann ist V ∩ A = A auch offen in X.
b) Sei nun V offen in A. Dann existiert eine in X offene Menge U ⊂ X, so daß
V = U ∩ A gilt. Da U und A offen in X sind, ist auch ihr Durchschnitt offen
in X. u
t

3.7 Hilfssatz. Sei A ⊂ X ein abgeschlossener Teil des metrischen Raumes

(X, d). Eine Teilmenge V ⊂ A ist genau dann abgeschlossen in A (oder:
bezüglich d|A), wenn sie abgeschlossen in X (oder: bezüglich d) ist.
Man vergleiche 3.6. u
t

3.8 Definition. Es seinen zwei metrische Räume (X, d0 ) und (Y, d00 ) gegeben.
Auf dem kartesischen Produkt
X × Y := {(x, y) x ∈ X, y ∈ Y }
ist die sogenannte Produktmetrik d := d0 × d00 definiert durch
d ((x, y), (x̃, ỹ)) = max (d0 (x, x̃), d00 (y, ỹ)) .
Den (trivialen) Nachweis der Axiome für diese Metrik übergehen wir. u
t
Ist (a, b) ein Punkt im Produktraum, so gilt offenbar
Ur ((a, b), d) = Ur (a, d0 ) × Ur (b, d00 ).
3.9 Bemerkung. Seien X, Y metrische Räume. Eine Folge
(xn , yn ) ∈ X × Y n = 1, 2, . . .
konvergiert genau dann (bezüglich der Produktmetrik), wenn (xn ) und (yn ) in
X bzw. Y konvergiert und gegebenenfalls gilt
lim (xn , yn ) = ( lim xn , lim yn ).
n→∞ n→∞ n→∞

Mit Hilfe von 2.7 und 3.9 beweist man unmittelbar:

220 V. Funktionen auf metrischen Räumen

3.10 Satz. Es seien X, Y und Z metrische Räume und

f : X −→ Y × Z

eine Abbildung. Zerlegt man diese in ihre zwei Komponenten“

”

f1 : X −→ Y und f2 : Y −→ Z, f (x) = (f1 (x), f2 (x)) ,

so erhält man: Die Abbildung f ist genau dann stetig in einem Punkt x ∈ X,
wenn f1 und f2 in x stetig sind.

Als Spezialfall von 3.10 ergibt sich

3.11 Bemerkung. Seien X, Y metrische Räume. Die beiden Projektionen

π1 : X × Y −→ X π2 : X × Y −→ Y
und
(x, y) 7−→ x (x, y) 7−→ y

sind stetig.

Man kann den Begriff der Produktmetrik sofort auf das Produkt von n
metrischen Räumen X1 , . . . , Xn verallgemeinern:

d ((x1 , . . . , xn ), (x̃1 , . . . , x̃n )) := max d(xν , yν ).

1≤ν≤n

Die Aussagen 3.9 – 3.11 übertragen sich in naheliegender Weise auf das Produkt
von n metrischen Räumen.
Offenbar ist die Maximumsmetrik des R n nichts anderes als eine derartige
Produktmetrik. Damit erhält man beispielsweise:
Eine Abbildung
f : D −→ R m , D ⊂ R n , m, n ∈ N,

ist genau dann stetig, wenn die Komponenten“

”

fν : D −→ R (1 ≤ ν ≤ m)

dieser Abbildung stetig sind.

§4. Kompaktheit 221

4. Kompaktheit

Es gibt metrische Räume X mit der Eigenschaft, daß jede stetige Funktion
f : X −→ R
ein Maximum (und ein Minimum) besitzt. Das soll heißen, daß ein a ∈ X
existiert, so daß gilt:
f (x) ≤ f (a) für alle x ∈ X.
Beispiel . Man nehme etwa ein abgeschlossenes Intervall [a, b], a < b (versehen
mit der Metrik d(x, y) = |x − y|, s. II.2.6).
Es gibt auch metrische Räume, die die genannte Eigenschaft nicht besitzen,
etwa das offene Intervall (0, 1). Die Funktion
1
f (x) :=
x
besitzt dort kein Maximum.
Eine genaue Analyse vieler Beweise, in denen die Existenz von Maxima oder
Minima eingeht, führt auf den Begriff der Kompaktheit. Um diesen formulieren
zu können, benötigt man den Begriff der Überdeckung einer Menge X. Man
versteht darunter eine Schar (Ui )i∈I von Teilmengen Ui von X, so daß jeder
Punkt von X in mindestens einer dieser Teilmengen enthalten ist:
[
X= Ui .
i∈I

Die Indexmenge I darf dabei beliebig sein.

Mit Hilfe des Begriffs der Potenzmenge
P(X) = {Y ; Y ⊂ X},
also der Menge aller Teilmengen von X, läßt sich der Begriff der Überdeckung
folgendermaßen beschreiben:
Eine Überdeckung (I, ϕ) einer Menge X besteht aus
a) einer Menge I (der sogenannten Indexmenge),
b) einer Abbildung
ϕ : I −→ P(X), ϕ(i) = Ui ,
so daß gilt: [
X= Ui .
i∈I

(Jedes Element von X ist dann also in mindestens einem Ui enthalten).

Sei X ein metrischer Raum. Man nennt eine Überdeckung offen, wenn alle
Ui , i ∈ I, offen sind.
222 V. Funktionen auf metrischen Räumen

4.1 Definition. Ein metrischer Raum X heißt kompakt, wenn es zu jeder

offenen Überdeckung (Ui )i∈I eine endliche Teilüberdeckung gibt. Es mögen also
endlich viele Indizes
i1 , . . . , in ∈ I (n ∈ N),
existieren, so daß gilt:
X = Ui1 ∪ . . . ∪ Uin .

Dieser Begriff scheint sehr kompliziert zu sein, denn wie soll es möglich sein
über alle offenen Überdeckungen eine Aussage zu machen. Wir werden wenig
später den Heine-Borelschen Satz kennenlernen (4.8), welcher besagt, daß
abgeschlossene Intervalle kompakt sind. Wir werden hieraus neue Beweise für
bekannte Sätze ableiten können und mit Hilfe des Begriffs der Kompaktheit
auf allgemeinere Situationen übertragen können.
Wir beginnen mit einem Beispiel für einen Raum, welcher nicht kompakt ist,
und zwar mit dem offenen Einheitsintervall (0, 1) (aufgefaßt als metrischer
Raum mit der Betragsmetrik). Dazu betrachte wir die Überdeckung

I := N mit Un := (1/n, 1).

Jede der Mengen Un ist offen in (0, 1). Offenbar gilt

∞
[
(0, 1) = (1/n, 1).
n=1

Allerdings existiert keine endliche Teilüberdeckung, denn zu jedem n ∈ N

existiert ein x mit
x > 0 aber x < 1/n.

4.2 Definition. Eine Teilmenge A eines metrischen Raumes X heißt kom-

pakt, wenn A zusammen mit der induzierten Metrik ein kompakter metrischer
Raum im Sinne von 4.1 ist.
Diese Definition ist elegant und einfach, hat aber den Nachteil, daß man wissen
muß, wie die offenen Teile von A bezüglich der induzierten Metrik d|A aussehen.
Man kann aber auch die Kompaktheit von A direkt mit den offenen Mengen
von X beschreiben.

4.3 Bemerkung. Eine Teilmenge A eines metrischen Raumes ist genau dann
kompakt, wenn es zu jeder Schar (Ui )i∈I von offenen Mengen Ui ⊂ X mit der
Eigenschaft [
A⊂ Ui
i∈I

bereits endlich viele Indizes i1 , . . . , in gibt, so daß gilt

A ⊂ Ui1 ∪ . . . ∪ Uin .
§4. Kompaktheit 223

Beweis. a) Sei A kompakt und

[
A⊂ Ui , Ui ⊂ Xoffen.
i∈I

Dann ist
[
A= (Ui ∩ A).
i∈I

Die Mengen Ui ∩ A sind offen in A. Weil nun A kompakt ist, gilt

A = (Ui1 ∩ A) ∪ . . . ∪ (Uin ∩ A)

mit gewissen Indizes i1 , . . . , in ∈ I, also

A ⊂ Ui1 ∪ . . . ∪ Uin .

b) Umgekehrt zeigen wir nun, daß A kompakt ist, wenn die in 4.3 formulierte
Eigenschaft erfüllt ist. Sei hierzu
[
A= Vi , Vi offen in A.
i∈I

Es gibt dann (in X) offene Teile Ui ⊂ X mit Vi = Ui ∩A. Dann gilt offensichtlich
[
A⊂ Ui
i∈I

und daher schon

A ⊂ Ui1 ∪ . . . ∪ Uin

mit gewissen Indizes i1 , . . . , in ∈ I. Hieraus folgt

A ⊂ V i1 ∪ . . . ∪ V i n . u
t

Man nennt eine Teilmenge A eines metrischen Raumes beschränkt, wenn sie in
einer Kugel enthalten ist, wenn es also ein r > 0 und einen Punkt a ∈ X gibt
mit
A ⊂ Ur (a).

Die Vereinigungsmenge endlich vieler beschränkter Mengen ist wieder be-

schränkt (1.4).
224 V. Funktionen auf metrischen Räumen

4.4 Satz. Sei A eine kompakte Teilmenge eines metrischen Raumes X. Dann
ist A beschränkt und abgeschlossen in X.

Beweis. Wir zeigen zunächst, daß A beschränkt ist. A ist sicherlich in der
Vereinigung aller Kugeln aus X enthalten:
[
A⊂ Ur (a).
r>0, a∈X

Nach 4.3 ist A dann schon in der Vereinigung endlich vieler Kugeln enthalten
und damit also beschränkt.
Nun müssen wir noch die Abgeschlossenheit von A zeigen. Dies tun wir, indem
wir nachweisen, daß das Komplement X − A offen ist. Ein beliebiger Punkt

a ∈ X, a ∈
/ A,

muß also innerer Punkt von X − A sein. Um dies einzusehen setzen wir

Vr := {x ∈ X; d(x, a) > r} (r > 0).

Offenbar ist [
Vr = X − {a},
r>0

wegen a ∈
/ A also insbesondere
[
A⊂ Vr .
r>0

Da A kompakt ist, gilt

A ⊂ Vr1 ∪ . . . ∪ Vrn

mit gewissen r1 , . . . , rn und dann sogar

a ⊂ VR mit R := min{r1 , . . . , rn }.

Hieraus folgt nun

A ∩ Ur (a) = ∅ ⇐⇒ Ur (a) ⊂ X − A,

so daß a also ein innerer Punkt von X − A ist. u

t
Nun fragt es sich, inwieweit die Umkehrung von 4.4 gilt.
§4. Kompaktheit 225

4.5 Hilfssatz. Sei X ein kompakter Raum. Dann ist jede abgeschlossene Teil-
menge A ⊂ X ebenfalls kompakt.
Beweis. Sei [
A⊂ Ui , Ui ⊂ X offen.
i∈I

Dann gilt [
X=U∪ Ui mit U := X − A.
i∈I

Die Menge U ist offen, weil A nach Voraussetzung abgeschlossen ist. somit hat
man eine offene Überdeckung von X. Da X kompakt ist, muß es endlich viele
Indizes i1 , . . . , in mit
X = Ui1 ∪ . . . ∪ Uin ∪ U
geben. Da U mit A leeren Durchschnitt hat, folgt hieraus

A ⊂ Ui1 ∪ . . . ∪ Uin . u
t

Es gibt in metrischen Räumen ein Analogon des Intervallschachtelungsprinzips.

Man muß nur abgeschlossenes Intervall“ durch Kompaktum“ ersetzen.
” ”
4.6 Satz (Allgemeines Intervallschachtelungsprinzip).
Sei X ein metrischer Raum und

A0 ⊃ A1 ⊃ A2 ⊃ . . .

eine absteigende Kette von nichtleeren kompakten Teilmengen. Dann ist der
Durchschnitt all dieser Kompakta ebenfalls nicht leer
∞
\
Ai = a ∈ X; a ∈ Ai für alle i 6= ∅.
i=0

Beweis (indirekt). Es sei

∞
\
Ai = ∅.
i=0

Dann ist offenbar

∞
[
(X − Ai ) = X.
i=0

Insbesondere ist dann A0 in der Vereinigung der offenen Mengen X − Ai

enthalten. Da A0 kompakt ist, muß schon

A0 ⊂ (X − Ai1 ) ∪ . . . ∪ (X − Ain )
226 V. Funktionen auf metrischen Räumen

mit geeigneten Indizes i1 , . . . , in gelten. Bezeichnet man mit

i := max{i1 , . . . , in },

so gilt sogar
A0 ⊂ X − Ai =⇒ A0 ∩ Ai = ∅.
Dies ist aber ein Widerspruch zu

A0 ∩ Ai = Ai 6= ∅. u
t

4.7 Satz. Seien X, Y zwei kompakte metrische Räume. Dann ist auch X × Y
(versehen mit der Produktmetrik) kompakt.
Beweis. Es sei [
X ×Y = Ui , Ui ⊂ X × Y offen.

Dann ist eine endliche Teilüberdeckung zu konstruieren.

1. Schritt. Es sei b ∈ Y ein fester Punkt. Es gibt endlich viele Indizes i1 , . . . , in ∈
I mit
X × {b} ⊂ Ui1 ∪ . . . ∪ Uin .
Dies ist klar, da X × {b} (versehen mit der von X × Y induzierten Metrik) ein
kompakter metrischer Raum ist, genau wie X selbst.
2. Schritt. Sei U := Ui1 ∪ . . . ∪ Uin . Die Menge U hängt von b ab; wir schreiben
daher U = Ub . Diese Menge ist jedenfalls offen in X × Y . Hieraus wollen wir
schließen:
Es gibt r = r(b) > 0 mit X × Ur (b) ⊂ U .
Dies sieht man so: Da U offen ist, existiert zu jedem Punkt x ∈ X eine Zahl
r(x) > 0, so daß
Ur(x) (x) × Ur(x) (b) ⊂ U
gilt (die Mengen Ur (a) × Ur (b) sind ja genau die Kugelumgebungen von (a, b)
bezüglich der Produktmetrik). Es gilt also
[
X × {b} ⊂ Ur(x) (x) × Ur(x) (b) ⊂ U.
x∈X

Da X × {b} kompakt ist, genügen schon endlich viele

x1 , . . . , xn mit r1 := r(x1 ), . . . , rn := r(xn ),

so daß

X × {b} ⊂ Ur1 (x1 ) × Ur1 (b) ∪ . . . ∪ Urn (xn ) × Urn (b) ⊂ U.

§4. Kompaktheit 227

Setzt man
r := min{r1 , . . . , rn },
so gilt offenbar
X × {b} ⊂ X × Ur (b) ⊂ U.
3. Schritt. Wir haben bisher gezeigt, daß zu jedem b ∈ Y eine Zahl r > 0
existiert, so daß X × Ur (b), r = r(b), von endlich vielen der Mengen Ui
überdeckt wird. Nun gilt aber
[
Y = Ur (b).
b∈Y

Wegen der Kompaktheit von Y gibt es dann Punkte b1 , . . . , bk mit

Y = Ur1 (b1 ) ∪ . . . ∪ Urk (bk )

und daher
k
[
X ×Y = (X × Urj (bj )).
j=1

Jede der Mengen X × Urj (bj ) wird von endlich vielen der Ui überdeckt und
gleiches gilt somit auch für X × Y . u
t
n
Wir wenden uns nun speziellen Teilräumen des R zu. Fundamental ist

4.8 Theorem (Heine-Borelscher Überdeckungssatz).

Ein abgeschlossenes Intervall D = [a, b], a < b, (versehen mit der Metrik
d(x, y) := |x − y|) ist ein kompakter metrischer Raum.
Beweis. Sei [
D⊂ Ui , Ui ⊂ R offen
i∈I

eine offene Überdeckung von D. Man betrachte die Menge

M := x ∈ [a, b]; [a, x] ist Teilmenge der Vereinigung endlich vieler der Ui .

Offenbar ist M 6= ∅ (a ∈ M ) und nach oben beschränkt (durch b). Man kann
daher ξ := sup M betrachten. Offenbar gilt

x ∈ M und a ≤ t ≤ x =⇒ t ∈ M,

d.h. M ist ein Intervall:

M = [a, ξ) oder M = [a, ξ].

Wir wählen nun einen Index i0 , so daß ξ ∈ Ui0 gilt. Da Ui0 offen ist, existiert
ein ε > 0 mit
(ξ − ε, ξ + ε) ⊂ Ui0 .
228 V. Funktionen auf metrischen Räumen

Man wähle nun irgendein x mit

ξ − ε < x < ξ, a ≤ x.

Dann gilt x ∈ M , also

[a, x] ⊂ Ui1 ∪ . . . ∪ Uin .
Es folgt
[a, ξ] ⊂ Ui0 ∪ Ui1 ∪ . . . ∪ Uin .
Also ist ξ ∈ M und somit M = [a, ξ]. Es ist auch klar, daß gilt

ξ = b,

denn anderenfalls könnte man ε so klein wählen, daß noch ξ + ε ≤ b gilt und
man hätte dann
[a, ξ + ε] ⊂ Ui0 ∪ Ui1 ∪ . . . ∪ Uin ,
im Widerspruch zur Definition von ξ. u
t

4.9 Theorem. Eine Teilmenge A ⊂ R n ist dann und nur dann kompakt,
wenn sie beschränkt und abgeschlossen ist.
Beweis. Sei A beschränkt und abgeschlossen. Wegen der Beschränktheit von A
existiert eine Zahl r > 0 mit

A ⊂ [−r, r]n = x ∈ R n ; |xν | ≤ r, 1 ≤ ν ≤ n .

Nach 4.8 und 4.7 ist der Würfel [−r, r]n kompakt, nach 4.5 (in Verbindung mit
3.7) ist dann A ebenfalls kompakt. u
t

4.10 Satz. Sei A ⊂ R ein nichtleeres Kompaktum. Dann besitzt A Maximum

und Minimum.
Beweis. Da A beschränkt ist, existiert a = sup A. Offenbar ist a Randpunkt
von A. Da A abgeschlossen ist, gilt auch a ∈ A. Für das Minimum schließt man
analog. u
t
Nun soll die Frage untersucht werden, wie sich Kompakta bei Abbildungen
verhalten. Von Bedeutung ist dabei folgendes einfache

4.11 Lemma. Sei f : X −→ Y eine stetige Abbildung metrischer Räume und

sei A ⊂ X ein Kompaktum. Dann ist auch f (A) ⊂ Y kompakt.
Beweis. Sei [
f (A) ⊂ Vi , Vi ⊂ Y offen.
i∈I

Es folgt [
A⊂ f −1 (Vi ).
i∈I
§4. Kompaktheit 229

Da f stetig ist, sind die Mengen f −1 (Vi ) offen in X, so daß wegen der Kom-
paktheit von A gilt
A ⊂ f −1 (Vi1 ) ∪ . . . ∪ f −1 (Vin ),
also
f (A) ⊂ Vi1 ∪ . . . ∪ Vin . u
t

4.12 Theorem. Sei f : X −→ R eine stetige Abbildung eines nichtleeren

kompakten Raumes X in R. Dann besitzt f ein Maximum (und ein Minimum),
d.h. es gibt x0 ∈ X mit

f (x0 ) ≥ f (x) (bzw. f (x0 ) ≤ f (x)) für alle x ∈ X

Beweis. Nach 4.11 ist f (X) kompakt. Nun benutze man 4.10. u
t

4.13 Folgerung. Jede stetige Funktion f : A → R auf einer nicht leeren

beschränkten und abgeschlossenen Menge A ⊂ R n hat ein Maximum.

Gleichmäßige Stetigkeit.
Eine Abbildung
f : (X, d) −→ (X 0 , d0 )
metrischer Räume ist definitionsgemäß genau dann stetig, wenn sie in jedem
Punkt x ∈ X stetig ist, wenn also zu jedem ε > 0 ein δ > 0 mit

d(x, y) < δ =⇒ d0 (f (x), f (y)) < ε

existiert. Gemäß dieser Definition ist zugelassen, daß δ nicht nur von ε sondern
auch von x abhängt.

4.14 Definition. Eine Abbildung

f : (X, d) −→ (X 0 , d0 )

metrischer Räume heißt gleichmäßig stetig (vgl. III.1.14), wenn zu jedem

ε > 0 ein δ > 0 existiert mit

d(x, y) < δ =⇒ d0 (f (x), f (y)) < ε für alle x, y ∈ X.

Übungsaufgabe. Sei X = R − {0}; X 0 = R. Die Funktion

1
f (x) =
x
ist nicht gleichmäßig stetig.
230 V. Funktionen auf metrischen Räumen

4.15 Satz. Sei f : X → Y eine stetige Abbildung metrischer Räume. Ist X

kompakt, so ist f gleichmäßig stetig.
Beweis*). Sei ε > 0 gegeben. Nach Definition der Stetigkeit existiert zu jedem
x ∈ X ein δx > 0 mit
ε
d(x, y) < δx =⇒ d0 (f (x), f (y)) < .
2
Nun wird aber X von der Gesamtheit der Kugeln

U 12 δx (x)

überdeckt, so daß wir aufgrund der Kompaktheit von X bereits mit einer
endlichen Teilüberdeckung auskommen:
1
X = Uδ1 (x1 ) ∪ . . . ∪ Uδn (xn ), δν := δx .
2 ν
Wir setzen nun
δ := min δν
1≤ν≤n

und zeigen dann

d(x, y) < δ =⇒ d0 (f (x), f (y)) < ε.
Zunächst existiert ein ν mit d(x, xν ) < δν . Hieraus folgt

d(y, xν ) ≤ d(x, y) + d(x, xν ) < δ + δν ≤ δxν .

Dann ist aber

d0 (f (x), f (y)) ≤ d0 (f (x), f (xν )) + d0 (f (xν ), f (y)) < ε. u

Wir behandeln nun eine typische Anwendung des Satzes von der gleichmäßigen
Stetigkeit.

4.16 Bemerkung. Sei

f : [a, b] × [c, d] −→ R (a < b, c < d)

eine stetige Funktion von zwei Variablen. Dann ist

Zb
F (x) = f (t, x) dt
a

stetig auf [c, d].

*) Es ist gut, diesen Beweis mit dem von III.1.14 zu vergleichen

§4. Kompaktheit 231

Beweis. Sei ε > 0. Da das Rechteck [a, b] × [c, d] ist kompakt ist, existiert nach
dem Satz von der gleichmäßigen Stetigkeit ein δ > 0 mit

ε
|t − t0 | > δ, |x − x0 | < δ =⇒ |f (t0 , x0 ) − f (t, x)| < .
(b − a)

Damit ergibt sich für |x − y| < δ:

Zb
ε
|F (x) − F (y)| = (f (t, x) − f (t, y)) dt ≤ (b − a) · = ε. u
t
(b − a)
a

Man kann diese Bemerkung dazu benutzen, mehrfache Integrale zu definieren:

 
Z Zd Zb
f (x, y) dx dy :=  f (x, y) dx dy.
a≤x≤b c a
c≤y≤d

Ist die Funktion f nicht negativ, so ist dies anschaulich das Volumen des
Bereiches

(x, y, z) ∈ R 3 ;

a ≤ x ≤ b; c ≤ y ≤ d; 0 ≤ z ≤ f (x, y) .

Übungsaufgabe. Man berechne das Volumen der dreidimensionalen Kugel,

indem man die Funktion

p
1 − x2 − y 2 für x2 + y 2 ≤ 1
f (x, y) =
0 für x2 + y 2 > 1

betrachtet.
232 V. Funktionen auf metrischen Räumen

5. Gleichmäßige Konvergenz und normierte Räume

Wie erläutern zunächst den Begriff der gleichmäßigen Konvergenz auf beliebi-
gen Mengen (vgl. Kapitel II, §3).
Sei X eine nichtleere Menge und

B(X) := f : X −→ R; f beschränkt

die Menge aller Funktionen f auf X mit beschränktem Wertevorrat f (X). Man
kann das Supremum
kf k = sup |f (x)|
x∈X

des Wertevorrats von f betrachten (vgl. II.3.2). Offenbar gilt

kf + gk ≤ kf k + kgk .

Hieraus folgert man leicht, daß

d(f, g) := kf − gk

eine Metrik auf B(X) ist.

5.1 Definition. Sei X eine nichtleere Menge. Eine Folge von Funktionen aus
B(X)
f1 , f2 , f3 , . . . : X −→ R
heißt gleichmäßig konvergent (vgl. II.3.4) gegen f ∈ B(X), wenn sie in der
Metrik
d(f, g) = kf − gk
gegen f konvergiert, wenn also gilt

kfn − f k −→ 0 für n −→ ∞.

Das bedeutet: Zu jedem ε > 0 existiert ein N ∈ N mit der Eigenschaft

|fn (x) − f (x)| < ε für alle x ∈ X, n ≥ N.

Man sollte den Begriff der gleichmäßigen Konvergenz mit dem der punktweisen
Konvergenz vergleichen. Eine Folge

fn : X −→ R

konvergiert per definitionem punktweise gegen die Funktion

f : X −→ R,
§5. Gleichmäßige Konvergenz und normierte Räume 233

wenn für alle x ∈ X die Zahlfolge fn (x) gegen die Zahl f (x) konvergiert. Das
bedeutet:
Zu jedem x ∈ X und zu jedem ε > 0 existiert ein N ∈ N mit der Eigenschaft

|fn (x) − f (x)| < ε für n ≥ N.

Nach dieser Definition kann die Schranke N nicht nur von ε, sondern auch von
x abhängen. Man schreibt daher manchmal auch N = N (ε, x). Gleichmäßige
Konvergenz liegt erst dann vor, wenn man das N so finden kann, daß es von x
unabhängig ist (N = N (ε)).
Übungsaufgabe.

f, g ∈ B(X), c ∈ R =⇒ f + g, f · g, cf ∈ B(X).

Dabei ist

(f + g)(x) := f (x) + g(x), (f · g)(x) := f (x)g(x) und (cf )(x) = cf (x).

5.2 Satz. Es sei X 6= ∅ ein metrischer Raum und

f1 , f2 , f3 , . . . : X −→ R

eine Folge von stetigen beschränkten Funktionen, die gleichmäßig gegen die
Funktion f konvergiert. Dann ist auch f stetig (vgl. II.3.5).
Beweis. Man hat die Ungleichung

|f (x0 ) − f (x)| ≤ |f (x0 ) − fn (x0 )| + |fn (x0 ) − fn (x)| + |fn (x) − f (x)|

zu benutzen. Sei ε > 0 gegeben. Man bestimme n ∈ N so, daß

ε
|f (x) − fn (x)| < für n ≥ N (und alle x ∈ X)
3

gilt. Dann bestimme man δ > 0 so, daß

ε
|fN (x) − fN (x0 )| < für d(x0 , x) < δ.
3

Nutzt man nun die genannte Ungleichung für N anstelle von n aus, so ergibt
sich
|f (x0 ) − f (x)| < ε für d(x0 , x) < δ. u
t
Anmerkung. Sei X = [0, 1]. Die Folge der stetigen und beschränkten Funktionen

fn (x) := xn
234 V. Funktionen auf metrischen Räumen

konvergiert punktweise gegen die unstetige Funktion

0 für x 6= 1
f (x) =
1 für x = 1.

In 5.2 ist also die Voraussetzung der gleichmäßigen Konvergenz wesentlich.

Wenn X ein metrischer Raum ist, so wird mit

C(X) = {f : X −→ R; f stetig}

die Menge der stetigen Funktionen auf X bezeichnet. Wenn X nicht leer und
kompakt ist, so ist jede Funktion aus C(X) sogar beschränkt, genauer

kf k = max |f (x)|.
x∈X

Man muß beachten:

f stetig =⇒ |f | stetig.
|f | ist ja die Zusammensetzung der beiden stetigen Abbildungen

f y7→|y|
X −→R −→ R.

5.3 Bemerkung. Es seien f, g : X → R stetige Funktionen auf einem

metrischen Raum X. Dann sind auch die Funktionen

f +g und f ·g

stetig.
Insbesondere sind die Funktionen

ad : R × R −→ R, ad(x, y) := x + y,
m : R × R −→ R, m(x, y) := x · y,

stetig.
Beweis. Sei (xn ) eine Folge in X mit dem Grenzwert x ∈ X. Dann konvergieren

f (xn ) −→ f (x) und g(xn ) −→ g(x),

also
(f + g)(xn ) = f (xn ) + g(xn ) −→ f (x) + g(x) = (f + g)(x),
(f · g)(xn ) = f (xn )g(xn ) −→ f (x)g(x) = (f · g)(x),
Die Funktionenklassen B(X) und C(X) sind spezielle Beispiele von Vektorräu-
men. Es ist in der Analysis nicht wichtig, einen abstrakten Vektorraumbegriff
zu benutzen.
§5. Gleichmäßige Konvergenz und normierte Räume 235

Sei X eine beliebige Menge. Eine Menge V von Funktionen f : X → R (oder

f : X → C) heißt reeller (oder komplexer ) Vektorraum, falls gilt:
a) f, g ∈ V =⇒ f + g ∈ V ,
b) f ∈ V, c ∈ R (C) =⇒ cf ∈ V.
Beispiele für Vektorräume.
1) Die Menge aller Funktionen
f : X −→ R (C).
Spezialfall . X = {1, 2, . . . , n}.
Eine Funktion
f : {1, 2, . . . , n} −→ R
ist nichts anderes als ein n-Tupel von reellen Zahlen. Somit ist die Menge
aller dieser Funktionen gerade der R n . Dieser ist also ein spezieller Vektor-
raum.
2) Die Menge aller beschränkten Funktionen
B(X) := {f : X −→ R; f beschränkt}.
3) Die Menge aller stetigen Funktionen auf einem metrischen Raum X
C(X) := {f : X −→ R; f stetig}.
4) Sei X = [a, b]; a < b ein abgeschlossenes Intervall. Dann ist auch die Menge
R(X) := {f : X −→ R; f integrierbar}
der Regelfunktionen ein Vektorraum.

5.4 Definition. Eine Norm k·k auf einem Vektorraum V ist eine Abbildung
V −→ R, f 7−→ kf k ,
mit den Eigenschaften
1) kf k ≥ 0 und kf k = 0 ⇐⇒ f = 0.
2) kcf k = |c| kf k für f ∈ V ; c ∈ R (C).
3) kf + gk ≤ kf k + kgk für alle f, g ∈ V .

Beispiel . Auf der Menge B(X) hat man die Supremumsnorm

kf k = sup |f (x)|.
x∈X

Die Axiome 1)–3) sind leicht nachzuprüfen.

Ein normierter (Vektor-) Raum (V, k·k) ist definitionsgemäß ein Vektorraum
V , auf dem eine Norm k·k gegeben ist.
236 V. Funktionen auf metrischen Räumen

5.5 Bemerkung. Ist (V, k·k) ein normierter Raum, so ist

d(x, y) := kx − yk

eine Metrik auf V .

Jeder normierte Raum ist also insbesondere ein metrischer Raum.
Wichtige Beispiele für Normen erhält man aus Skalarprodukten.

5.6 Definition. Ein Skalarprodukt auf einem (reellen oder komplexen) Vek-
torraum V ist eine Abbildung

V × V −→ R (C), (f, g) 7−→ hf, gi,

mit den Eigenschaften

1) hf1 + f2 , gi = hf1 , gi + hf2 , gi für f1 , f2 , g ∈ V
haf, gi = ahf, gi für a ∈ R (C); f, g ∈ V .
2) hf, gi = hg, f i (insbesondere ist hf, f i reell).
3) hf, f i ≥ 0 für alle f ∈ V , wobei das Gleichheitszeichen nur für f = 0 gilt.

Beispiele für Skalarprodukte.

n
X
n
1) R mit hx, yi := xν yν .
ν=1
n
X
n
2) C mit hx, yi := xν ȳν .
ν=1

3) Sei C([a, b]) die Menge der stetigen reellen) Funktionen auf dem abgeschlos-
senen Intervall [a, b] (a < b).
Zb
hf, gi := f (x)g(x) dx.
a

Man kann 3) verallgemeinern. Ist etwa p : [a, b] −→ R eine stetige Funktion,

die nur positive Werte annimmt, so definiere man:
Zb
hf, gi := p(x)f (x)g(x) dx.
a

Noch allgemeiner kann man annehmen, daß die Gewichtsfunktion p lediglich

nichtnegativ (p(x) ≥ 0 für alle x) ist und den Wert 0 nur endlich oft annimmt.
Auch in diesem Fall sind die Axiome des Skalarprodukts offenbar noch erfüllt.
Von zentraler Bedeutung ist
§5. Gleichmäßige Konvergenz und normierte Räume 237

5.7 Satz (Cauchy-Schwarzsche Ungleichung).

Sei h·, ·i ein Skalarprodukt auf einem Vektorraum V . Dann gilt

|hf, gi| ≤ kf k · kgk für alle f, g ∈ V.

p
Dabei sei kf k := + hf, f i.
Beweis. Ist g = 0, so ist die Behauptung klar. Sei also g 6= 0. Wir betrachten

2 2 2 2
0 ≤ kf + tgk = hf + tg, f + tgi = kf k + 2 Re thf, gi + |t| kgk .

Dies gilt für alle t ∈ C. Wählt man speziell

hf, gi
t := − 2 ,
kgk

so folgt
!
2
2 |hf, gi| |h|if, g 2
0 ≤ kf k − 2 2 + 2 kgk
kgk kgk

oder
2 2 2
|hf, gi| ≤ kf k · kgk . u
t

5.8 Folgerung. Sei h·, ·i ein Skalarprodukt auf einem Vektorraum V . Dann
wird durch p
kf k := + hf, f i

eine Norm auf V erklärt. Insbesondere wird V ein metrischer Raum durch

d(f, g) = kf − gk .

Beweis. Es ist
2
kf + gk = hf + g, f + gi = hf, f i + hf, gi + hg, f i + hg, gi
2 2 2
≤ kf k + 2 kf k · kgk + kgk = (kf k + kgk) .

Hieraus folgt die Dreiecksungleichung

kf + gk ≤ kf k + kgk .

Die übrigen Normeigenschaften sind evident. u

t
238 V. Funktionen auf metrischen Räumen

6. Der Approximationssatz von Stone Weierstrass

Eine Funktion h : [a, b] → R, a < b, auf einem abgeschlossenen Intervall heißt

Treppenfunktion, wenn eine Partition

a = a0 < a1 < . . . < an = b

existiert, so daß h im Inneren (aj−1 , aj ) eines jeden Teilintervalls konstant ist.

Mit Hilfe des Satzes von der gleichmäßigen Stetigkeit zeigt man, daß man zu
jeder stetigen Funktion f : [a, b] → R und zu jedem ε > 0 eine Treppenfunktion
h mit der Eigenschaft

|f (x) − h(x)| < ε für alle x ∈ [a, b]

finden kann. Hieraus folgt, daß jede stetige Funktion auf einem abgeschlossenen
Intervall integrierbar ist (s. III.1.14 und III.1.15).
Wir wollen in diesem Paragraphen ein einfaches Kriterium dafür ableiten, wann
sich jede stetige Funktion f : [a, b] → R durch eine vorgegebene Klasse von
Funktionen h in obigem Sinne beliebig gut approximieren läßt. Wir wollen
dabei allerdings nur stetige Funktionen h zulassen.

6.1 Theorem (Approximationssatz von Stone-Weierstrass, erste Vari-

ante). Es sei X ein kompakter metrischer Raum, der mindestens zwei Punkte
enthält. Weiterhin sei W eine Menge von stetigen reellwertigen Funktionen auf
X mit den Eigenschaften
1) f, g ∈ W =⇒ f + g ∈ W und cf ∈ W für c ∈ R.
2) f ∈ W =⇒ |f | ∈ W .
3) (Punktetrennungseigenschaft)
Seien a, b zwei verschiedene Punkte von X. Dann existiert ein f ∈ W mit
f (a) = 0 aber f (b) 6= 0.
Unter diesen Voraussetzungen gilt: Ist f ∈ C(X) eine beliebige stetige Funktion
auf X und ε > 0, so existiert eine Funktion

h ∈ W mit kf − hk ≤ ε.

Zusatz: Insbesondere existiert dann eine Folge (hn ) von Funktionen aus W ,
die gleichmäßig gegen f konvergiert. (Man setze ε := n1 und bezeichne die
zugehörige Funktion mit hn .)
Beweis. Zunächst einige Bezeichnungen:
Sei f : X → R eine Funktion. Dann sei

f + : X −→ R, f + (x) := max (f (x), 0) .

§6. Der Approximationssatz von Stone Weierstrass 239

Offenbar gilt:
1
f+ = (|f | + f ) .
2
Insbesondere gilt

f ∈ W =⇒ f + ∈ W (wegen 1) und 2)).

Sei g : X → R eine weitere Funktion. Man definiert

f ∨ g : X −→ R, (f ∨ g)(x) = max (f (x), g(x)) ,

f ∧ g : X −→ R, (f ∧ g)(x) = min (f (x), g(x)) .

Offenbar gilt

f ∨ g = f + (g − f )+
f ∧ g = f − (g − f )+ .

Hieraus kann man sofort folgern:

f, g ∈ W =⇒ f ∨ g ∈ W, f ∧ g ∈ W.

Das gleiche kann man mit endlich vielen Funktionen f1 , . . . , fn machen.

Nun soll 6.1 in mehreren Schritten bewiesen werden. Wir formulieren erst die
Schritte.
1. Schritt. Seien a, b ∈ X verschiedene Punkte und A, B zwei reelle Zahlen.
Dann existiert f ∈ W mit

f (a) = A, f (b) = B.

2. Schritt. Gegeben seien

stetig
f : X −→ R, a, b ∈ X und ε > 0.

Dann gibt es eine offene Umgebung Vb von b und eine Funktion ha,b ∈ W mit
ε
ha,b (a) = f (a) − und ha,b (x) < f (x) für allex ∈ Vb .
2
3. Schritt. Gegeben seien
stetig
f : X −→ R, a ∈ X und ε > 0.

Dann gibt es eine offene Umgebung Ua von a und eine Funktion ha ∈ W mit

f (x) > ha (x) für alle x ∈ X

240 V. Funktionen auf metrischen Räumen

und
ha (x) > f (x) − ε für alle x ∈ Ua .
4. Schritt. Beweis des Theorems.
Beweis des 1. Schrittes. Nach 3) existieren Funktionen g, h ∈ W mit

g(a) 6= 0, g(b) = 0 und h(a) = 0, h(b) 6= 0.

Man setze
A B
f := g+ h.
g(a) h(b)
Insbesondere existiert zu jedem a ∈ X eine Funktion f ∈ W mit vorgegebenem
Funktionswert in a.
Beweis des 2. Schrittes. Nach dem 1. Schritt existiert eine Funktion ha,b ∈ W
mit
ε ε
ha,b (a) = f (a) − und ha,b (b) = f (b) − .
2 2
Die Menge
Vb := {x ∈ X; ha,b (x) < f (x)}
ist eine offene Umgebung von b (denn Vb ist das Urbild von (0, ∞) bei der
stetigen Abbildung ha,b − f ).
Beweis des 3. Schrittes. Sei f ∈ C(X, R), a ∈ X und ε > 0. Zu jedem b ∈ X
existieren ha,b ∈ W und eine offene Umgebung Vb mit den Eigenschaften, die
im zweiten Schritt formuliert wurden. Es gilt
[
X= Vb .
b∈X

Wegen der Kompaktheit von X gilt sogar

X = V b1 ∪ . . . ∪ Vb n (b1 , . . . , bn geeignet).

Wir definieren nun

ha := ha,b1 ∧ . . . ∧ ha,bn .
Dies ist wieder eine Funktion aus W . Nach Konstruktion von ha,b gilt ferner

ha (x) ≤ ha,bj (x) < f (x) für x ∈ Vbj .

Da die Vbj den ganzen Raum X überdecken, gilt:

ha (x) < f (x) für x ∈ X.

Das ist eine der Behauptungen des dritten Schrittes. Es bleibt die Umgebung
Ua zu konstruieren. Wegen
ε
ha (a) = f (a) − > f (a) − ε
2
§6. Der Approximationssatz von Stone Weierstrass 241

ist
Ua := {x ∈ X; ha (x) > f (x) − ε}
wieder eine offene Umgebung von a
4. Schritt. Beweis des Theorems. Sei f ∈ C(X). Zu jedem a ∈ X wurde eine
Funktion ha ∈ W konstruiert mit

f (x) > ha (x) für alle x ∈ X

aber
ha (x) > f (x) − ε für alle x ∈ Ua ,
wobei Ua eine offene Umgebung von a ist. Es gilt
[
X= Ua
a∈X

und somit aufgrund der Kompaktheit von X bereits

X = Ua1 ∪ . . . ∪ Uan .

Man definiere nun

h := ha1 ∨ . . . ∨ han .
Offenbar liegt h in W und es gilt

f (x) > h(x) > f (x) − ε für alle x ∈ X,

insbesondere also

|f (x) − h(x)| < ε für alle x ⇐⇒ kf − hk < ε. u

Ein Beispiel für 6.1 . Sei

X = [a, b] (a < b)

und W die Menge aller stetigen Funktionen f : [a, b] → R, für die es Stützstellen

a = a0 < a1 < . . . < an = b

mit, so daß f linear auf [aν , aν+1 ] ist (0 ≤ ν < n).

Die Menge W erfüllt die in 6.1 geforderten Voraussetzungen. Daher kann man
jede stetige Funktion durch stückweise lineare Funktionen gleichmäßig appro-
ximieren.
242 V. Funktionen auf metrischen Räumen

6.2 Theorem (Approximationssatz von Stone-Weierstrass, zweite

Variante). Es sei X 6= ∅ ein kompakter metrischer Raum und W ⊂ C(X, R)
eine Menge von stetigen reellwertigen Funktionen auf X mit den Eigenschaften
1) f, g ∈ W =⇒ f + g ∈ W und cf ∈ W für c ∈ R.
2) f, g ∈ W =⇒ f · g ∈ W und die konstanten Funtionen liegen in W .
3) W besitzt die Punktetrennungseigenschaft (vgl. 6.1)
Unter diesen Voraussetzungen gilt: Ist f ∈ C(X) eine beliebige stetige Funktion
auf X und ε > 0, so existiert eine Funktion

h ∈ W mit kf − hk ≤ ε.

Der wesentliche Unterschied zu 6.1 besteht darin, daß man die Bedingung

f ∈ W =⇒ |f | ∈ W

durch die Bedingung

f, g ∈ W =⇒ f · g ∈ W
ersetzt hat.
Beweis von 6.2 . Sei W der Abschluß von W in C(X), d.h. W besteht aus
allen stetigen Funktionen auf X, die sich gleichmäßig durch Funktionen aus W
approximieren lassen, also

f ∈ W ⇐⇒ zu jedem ε > 0 existiert h ∈ W mit kf − hk < ε.

Zunächst machen wir uns klar, daß W wieder die Eigenschaften 1)–3) von 6.2
erfüllt. Es ist zu zeigen:

f, g ∈ W =⇒ f + g, f · g undcf ∈ W .

a) Wir zeigen, f + g ∈ W . Sei ε > 0 vorgegeben und f1 , g1 ∈ W so gewählt,

daß
kf − f1 k < ε und kg − g1 k < ε
gilt. Es folgt

kf + g − (f1 + g1 )k < kf − f1 k + kg − g1 k < 2ε.

b) Es soll f · g ∈ W gezeigt werden. Sei wieder ε > 0 vorgegeben. Wir setzen

ε
δ := min 1,
1 + kf k + kgk
§6. Der Approximationssatz von Stone Weierstrass 243

und bestimmen f1 , g1 ∈ W so, daß

kf − f1 k < δ und kg − g1 k < δ

gilt. Es folgt

kf g − f1 g1 k = k−(f − f1 )(g − g1 ) + f (g − g1 ) + g(f − f1 )k

≤ kf − f1 k kg − g1 k + kf k kg − g1 k + kgk kf − f1 k
≤ δ 2 + δ kf k + δ kgk = δ(δ + kf k + kgk)
≤ δ(1 + kf k + kgk) ≤ ε.

Hierbei wurde neben der Dreiecksungleichung kf + gk ≤ kf k + kgk auch noch

die Ungleichung kf · gk ≤ kf k · kgk benutzt, welche leicht zu verifizieren ist.
Damit besitzt also auch W die Eigenschaften 1)–3) aus 6.2. Die Punktetren-
nungseigenschaft ist dabei trivial, denn es gilt ja W ⊂ W .
Jetzt zeigen wir sogar
f ∈ W =⇒ |f | ∈ W .
Wenn wir dies gezeigt haben, so sind wir fertig, denn nach der ersten Variante
6.1 kann dann jede stetige Funktion f ∈ C(X) gleichmäßig durch Funktionen
aus W approximiert werden, d.h. ist ε > 0, so existiert g ∈ W mit

kf − gk < ε.

Andererseits existiert nach Definition von W eine Funktion

h ∈ W mit kf − hk = k(f − g) + (g − h)k < 2ε.

Wir haben also gezeigt, daß W = W gilt, was offenbar in beliebigen metrischen
Räumen richtig ist.
Halten wir noch einmal fest:
Die zweite Variante 6.2 des Approximationssatzes von Stone-Weierstrass
ist zurückgeführt auf die erste, wenn man zeigen kann, daß für f ∈ W die
Funktion |f | gleichmäßig durch Funktionen aus W approximiert werden kann.
Wir werden sogar zeigen:
Die Funktion |f | läßt sich gleichmäßig durch endliche Linearkombinationen von
1, f, f 2 , . . . approximieren.
Der Schlüssel zum Beweis dieser Behauptung ist der

6.3 Hilfssatz. Auf dem Intervall [−1, 1] existiert eine Folge von Polynomen

pn : [−1, 1] −→ R,

die gleichmäßig gegen die Funktion |x| konvergiert.

244 V. Funktionen auf metrischen Räumen

Wir werden diese Folge (pn ) explizit angeben. Der Gedankengang ist der
folgende: Man kann
p
|x| = + 1 − (1 − x2 ) für − 1 ≤ x ≤ 1

schreiben. Setzt man

y = 1 − x2 ,
so variiert y zwischen 0 und 1.
Es genügt also, eine Folge von Polynomen qn (y) zu konstruieren, welche gleich-
mäßig gegen die Funktion p
+ 1−y
konvergiert. Der zugrunde gelegte Definitionsbereich ist hierbei

D := {y; 0 ≤ y ≤ 1}.

(Anschließend setze man dann pn (x) := qn (1 − x2 ). Dies sind dann Polynome

in x).
√
Zur Approximation von + 1 − y verwendet man die Taylorreihe. (Diese
haben wir bereits in Kapitel III, §7 im Zusammenhang mit der Taylorschen
Formel behandelt. Dort haben wir uns allerdings um die Randpunkte des Kon-
vergenzintervalls nicht gekümmert, weshalb wir das Ganze hier noch einmal
aufrollen wollen.) Man ermittelt für die Taylorreihe sofort
∞ 1
X
2 (−1)ν y ν ,
ν=0
ν

α

wobei der verallgemeinerte Binomialkoeffizient ν definiert ist durch

α α(α − 1) . . . (α − ν + 1)
= .
ν ν!

Der Konvergenzradius dieser

√ Reihe ist offenbar 1. Es ist aber dennoch nicht
von vornherein klar, daß + 1 − y durch die Reihe dargestellt wird. Jedenfalls
wird durch die Reihe eine Funktion

f : (−1, 1) −→ R

dargestellt, die, wie man leicht nachrechnet, der Differentialgleichung

(1 − y)f 0 (y) = −αf (y)

(mit α = 21 ) genügt. (Gliedweise Differentiation ist im Innern des Konvergenz-

intervalls erlaubt!).
§6. Der Approximationssatz von Stone Weierstrass 245

Hieraus folgert man leicht, daß

0
f (y)
=0
(1 − y)α

gilt. Also ist

f (y) = c · (1 − y)α .
Durch Spezialisierung (y = 0) ermittelt man c = 1.
Wir haben also gezeigt: Die Folge der Polynome
n 1
X
qn (y) := 2 (−1)ν y ν
ν=0
ν
√
konvergiert in (−1, 1) gegen + 1 − y und zwar ist die Konvergenz gleichmäßig
in jedem Teilintervall [−1 + ε, 1 − ε] (mit 1 > ε > 0, ε beliebig). Mehr ist aus
der allgemeinen Theorie der Potenzreihen nicht zu erhalten.
√
Wir wollten jedoch die Funktion + 1 − y, welche ja in y = 1 noch stetig ist,
sogar gleichmäßig in [0, 1] approximieren. (Der Punkt y = 1 entspricht gerade
der Knickstelle x = 0 der Funktion |x| und ist somit der Angelpunkt!)
Wir müssen also noch zeigen:
√
1) Die Folge qn (y) konvergiert auch für y = 1 und zwar gegen 1 − 1 = 0.
2) Die Konvergenz in [0, 1] ist gleichmäßig.
α

Beweis. Eine Abzählung der Vorzeichen im Binomialkkoeffizienten ν für ν ≥
1 ergibt, daß 1 1
(−1)ν 2 =− 2
ν ν
gilt. Hieraus folgt
n 1
X
qn (x) = 1 − 2 yν .
ν=1
ν

Damit ist klar, daß für 0 ≤ y ≤ 1 gilt:

q1 (y) ≥ q2 (y) ≥ . . . .

Außerdem ist p
1 − y = lim qn (y) ≥ 0 für 0 ≤ y < 1.
n→∞

Hieraus folgt
qn (y) ≥ 0 für alle n und 0 ≤ y < 1.
Die Funktionen qn sind stetig in y = 1, also folgt sogar

qn (y) ≥ 0 für alle n und 0 ≤ y ≤ 1.

246 V. Funktionen auf metrischen Räumen

Die Folge (qn (1)) ist also monoton fallend und nach unten (durch 0) beschränkt.
Sie konvergiert daher. Das bedeutet nichts anderes, als daß die Reihe
X∞ 1
2

ν=0
ν
konvergiert. Für alle y ∈ [0, 1] gilt
1 1
2 (−1)ν y ν ≤ 2 .
ν ν
Nach dem Majorantenkriterium konvergiert also die Folge (qn (y)) daher schon
gleichmäßig für 0 ≤ y ≤ 1. Die Grenzfunktion
lim qn (y)
n→∞
√
ist daher stetig in [0, 1]*). Sie stimmt mit 1 − y in [0, 1) überein. Da auch
letztere Funktion in y = 1 stetig ist, müssen die beiden Funktionen auch dort
übereinstimmen. Damit ist 6.3 bewiesen. u
t
Nun ist der Approximationssatz in der zweiten Variante leicht zu beweisen. Sei
etwa f ∈ W . Wir approximieren |f |. Sei zunächst
f
g := .
kf k + 1
Dann gilt offenbar
|g(x)| ≤ 1 für alle x ∈ X.
Nach 6.3 existiert ein Polynom
pn (x) = a0 + a1 x + . . . + a − nxn
mit der Eigenschaft
|pn (x) − |x|| < ε für alle x ∈ [−1, 1].
Es folgt insbesondere
|pn (g(x)) − |g(x)||ε für alle x ∈ X.
Die Funktion
pn (g(x)) = a0 + a1 g(x) + . . . + an g(x)n
ist eine Funktion aus W . damit ist gezeigt
|g| ∈ W =⇒ |f | = (kf k + 1)|g| ∈ W . u
t
6.4 Folgerung (Weierstrassscher Approximationssatz).
Sei
f : [a, b] −→ R (a < b)
stetig. Es existiert eine Folge von Polynomen, die gleichmäßig gegen f konver-
giert.
*) Die Stetigkeit folgt auch aus dem Abelschen Grenzwertsatz
§7. Konvergenzkriterien 247

Beweis. Setze X := [a, b] und W := { Polynome auf [a, b]}. Dann sind die
Voraussetzungen von 6.2 erfüllt. u
t
Es ist interessant festzustellen, daß obiger Beweis des Satzes von Stone-
Weierstrass 6.2 sich zusammensetzt aus allgemeinen Betrachtungen und
einem extremen Spezialfall (f (x) = |x|), in dem einmal eine solche Appro-
ximation explizit konstruiert werden mußte.
Eine Anwendung des Weierstrassschen Approximationssatzes.
Es sei f eine stetige Funktion auf dem Rechteck
[a, b] × [c, d] (a < b, c < d).
Dann gilt  b   
Zd Z Zb Zd
 f (x, y) dx dy =  f (x, y) dy  dx.
c a a c

Beweis. Für Polynome

X
f (x, y) = aik xi y k
0≤i,k≤n

kann man dies leicht nachrechnen. Aufgrund des Approximationssatzes läßt

sich aber jede stetige Funktion gleichmäßig durch Polynome approximieren.
u
t

7. Konvergenzkriterien

In der Analysis ist man oft vor das Problem gestellt, von einer vorgelegten
Folge a1 , a2 , a3 , . . . zu entscheiden, ob sie konvergiert oder nicht und zwar
ohne den Grenzwert selbst zu kennen. Will man aber direkt die Definition der
Konvergenz als Kriterium benutzen, so muß man den Grenzwert ja kennen. Es
ist also wichtig, Konvergenzkriterien zu erhalten, in denen der hypothetische
Grenzwert nicht auftritt.
In der Analysis einer Veränderlichen kommt man mit folgendem Kriterium aus
(der Leser sollte dies nachprüfen):
Eine monotone Folge a1 ≤ a2 ≤ a3 ≤ . . . konvergiert, wenn sie beschränkt
ist.
Der Beweis erfolgte mit Hilfe des Vollständigkeitsaxioms; der Grenzwert a ist
nichts anderes als das Supremum der Menge aller Folgenglieder.
In beliebigen metrischen Räumen hat man keine Anordnung der Punkte, man
kann also von monotonen Folgen gar nicht sprechen. Man muß sich daher in
metrischen Räumen neue Kriterien für die Konvergenz einfallen lassen und muß
sich einen Ersatz für das Vollständigkeitsaxiom verschaffen.
248 V. Funktionen auf metrischen Räumen

7.1 Satz. Jede Folge (xn ) in einem kompakten metrischen Raum X besitzt
eine konvergente Teilfolge.
Es gibt also eine Folge ν1 < ν2 < ν3 < . . . von natürlichen Zahlen, so daß die
Folge xν1 , xν2 , xν3 , . . . konvergiert.
Da beschränkte Mengen im R n in einem Kompaktum enthalten sind gilt ins-
besondere der
Satz von Bolzano-Weierstrass. Jede beschränkte Folge im R n besitzt eine
konvergente Teilfolge (vgl. I.4.4).
Beweis von 7.1 . Sei a ∈ X. Offenbar sind folgende Aussagen gleichbedeutend:
a) Es existiert eine Teilfolge, welche gegen a konvergiert.
b) Ist U eine beliebige Umgebung von a, so gilt xn ∈ U für unendlich viele n.
Wir beweisen Satz 7.1 indirekt, nehmen also an, daß keine konvergente Teilfolge
existiert. Zu jedem Punkt a ∈ X existiert dann eine positive Zahl ε = ε(a) > 0,
so daß
xn ∈ Uε (a) nur für endlich viele n

gilt. Da X von allen Kugeln Uε (a) überdeckt wird und als kompakt vorausge-
setzt wurde, muß
X = Uε(a1 ) (a1 ) ∪ . . . ∪ Uε(am ) (am )

gelten. Hieraus ergäbe sich aber, daß die Menge der natürlichen Zahlen endlich
ist. Widerspruch! u
t
Anmerkung. Auch die Umkehrung von 7.1 ist richtig. Wenn ein metrischer
Raum die Eigenschaft hat, daß jede Folge eine konvergente Teilfolge besitzt,
so ist er kompakt. (Beweis in Dieudonné, Foundations of modern analysis,
S. 56).

Häufungspunkte.
Es gibt zwei verschieden Begriffe des Häufungspunktes“, zum Einen für
”
Mengen und zum anderen für Folgen.:
1) Eine Teilmenge A ⊂ X eines metrischen Raumes X besitzt den Häufungs-
punkt a ∈ X, wenn eine der folgenden äquivalenten Bedingungen erfüllt
ist:
a) a ist nicht isolierter Punkt von A∪{a} (wobei A∪{a} mit der induzierten
Metrik zu versehen ist).
b) a ist Randpunkt der Menge A − {a}.
c) Es existiert eine Folge (xn )

xn ∈ A, xn 6= a für alle a mit lim xn = a.

n→∞
§7. Konvergenzkriterien 249

2) Eine Folge (an ) in einem metrischen Raum hat den Häufungspunkt*) a,

wenn für jede Umgebung U von a

an ∈ U für unendlich viele n ∈ N

gilt, wenn also eine geeignete Teilfolge von (an ) gegen a konvergiert.
Beispiel . Die konstante Folge a, a, a, . . . hat den Häufungspunkt a. Die Menge
{a} hat keinen Häufungspunkt.
Übungsaufgabe. Eine Folge in einem metrischen Raum konvergiert genau dann,
wenn sie genau einen Häufungspunkt hat. Dieser Häufungspunkt ist dann der
Grenzwert der Folge.

7.2 Definition. Man nennt eine Folge (xn ) aus einem metrischen Raum X
eine Cauchyfolge, (vgl. I.4.7), wenn zu jedem ε > 0 eine natürliche Zahl
N = N (ε) existiert, so daß gilt:

d(xn , xm ) < ε für alle n, m ≥ N.

Natürlich ist jede konvergente Folge eine Cauchyfolge (wegen der Dreiecksun-
gleichung
d(xn , x) + d(x, xm ) ≤ d(xn , xm ).)

Die Umkehrung hiervon ist nicht in beliebigen metrischen Räumen richtig.

7.3 Definition. Ein metrischer Raum X heißt vollständig, wenn jede

Cauchfolge aus X konvergiert.

Der Begriff der Cauchyfolge und daher auch der der Vollständigkeit ist nicht
topologischer Natur. Man kann Cauchyfolgen nicht mit dem Umgebungsbegriff
allein erklären. Dennoch ändern sich diese Begriffe nicht beim Übergang von
einer Metrik zu einer äquivalenten.

7.4 Bemerkung. Seien d, d0 zwei äquivalente Metriken auf X und (xn ) eine
Folge aus X. Diese ist genau dann eine Cauchyfolge bezüglich d, wenn sie eine
solche bezüglich d0 ist.

Wir versehen den R n mit der Maximumsmetrik.

7.5 Satz. Der R n ist vollständig.

*) Manchmal spricht man bei Folgen zur begrifflichen Unterscheidung auch von
Häufungswerten“ anstelle von Häufungspunkten.
”
250 V. Funktionen auf metrischen Räumen

Beweis. (vgl. I.4.7) Sei (xn ) ein Cauchyfolge im R n .

1. Schritt. (xn ) ist beschränkt. Es existiert nämlich eine natürliche Zahl N mit

kxn − xm k < 1 für n, m ≥ N.

Bis auf endlich viele Ausnahmen liegen also alle Folgenglieder in einer Kugel
vom Radius 1 mit Mittelpunkt xN .
2. Schritt. (xn ) konvergiert. Nach dem Satz von Bolzano-Weierstrass
existiert eine konvergente Teilfolge (xνn ). Deren Grenzwert sei x. Zu jedem
ε > 0 existiert eine natürliche Zahl N mit den Eigenschaften
ε
a) kxn − xm k < 2 für n, m ≥ N
ε
b) kxνn − xk < 2 für n ≥ N .
Es folgt
kx − xn k ≤ kx − xνn k + kxνn − xn k < ε für n ≥ N. u
t

Beispiele.
1) Jeder kompakte metrische Raum ist vollständig.
2) Ist X eine nicht leere Menge, so ist B(X) mit der Supremumsnorm ein
vollständiger metrischer Raum.
3) Ist X 6= ∅ ein metrischer Raum, so ist C(X)∩B(X) mit der Supremumsnorm
ein vollständiger metrischer Raum.

7.6 Banachscher Fixpunktsatz.

Es sei X ein vollständiger metrischer Raum und f : X → X eine kontra-
hierende Selbstabbildung. Dann existiert genau ein Fixpunkt a ∈ X, d.h. ein
Punkt a ∈ X mit
f (a) = a.

Eine Abbildung f heißt dabei kontrahierend , wenn eine Zahl ρ mit 0 < ρ < 1
existiert, so daß gilt
d(f (x), f (y)) ≤ ρ · d(x, y).
Beweis, 1. Existenz . Es sei a0 ∈ X ein beliebiger Punkt. Wir definieren

a1 := f (a0 ), a2 := f (a1 ), a3 := f (a2 ), . . . ,

allgemein
an := f (an−1 ) (n ≥ 1).
Wir zeigen, daß die Folge (an ) konvergiert. Der Grenzwert a ist dann notwen-
digerweise ein Fixpunkt von f , denn es gilt für beliebiges n ∈ N

d(a, f (a)) ≤ d(a, an+1 ) + d(an+1 , f (a))

= d(a, an+1 ) + d(f (an ), f (a)) ≤ d(a, an+1 ) + ρ d(an , a).
§7. Konvergenzkriterien 251

Dieser Ausdruck konvergiert gegen Null für n → ∞ und es folgt

d(a, f (a)) = 0 ⇐⇒ f (a) = a.

Um nun die Konvergenz der Folge (an ) zu beweisen, zeigen wir, daß (an ) eine
Cauchyfolge ist. Zunächst ist

d(an+1 , an ) = d(f (an ), f (an−1 )) ≤ ρ d(an , an−1 ).

Durch Iteration ergibt sich dann

d(an+1 , an ) ≤ ρn d(a1 , a0 ).

Sei nun m > n. Mit Hilfe der Dreiecksungleichung zeigt man nun

d(am , an ) ≤ d(am , am−1 ) + d(am−1 , am−2 ) + . . . + d(an+1 , n)

≤ d(a1 , a0 )(ρm−1 + . . . + ρn )
ρn
≤ ρn d(a1 , a0 )(1 + ρ + . . . + ρm−n−1 ) ≤ d(a1 , a0 ).
1−ρ

Nach Voraussetzung ist 0 < ρ < 1 und somit ist die Abschätzung durch die
geometrische Reihe möglich und außerem ist (ρn ) eine Nullfolge. Es gilt daher

d(an , am ) < ε für m > n ≥ N (ε).

Somit ist (an ) eine Cauchyfolge.

2. Eindeutigkeit. Es sei b ein weiterer von a verschiedener Fixpunkt aus f .
Dann gilt
d(a, b) = d(f (a), f (b)) ≤ ρ d(a, b).
Hieraus folgt ρ ≥ 1. Widerspruch. u
t
Eine Anwendung des Banachschen Fixpunktsatzes.
Es seien stetige Funktionen

k : [a, b] × [a, b] → R

und
g : [a, b] → R
gegeben. Gesucht ist eine (stetige) Lösung der Integralgleichung

Zb
k(x, y)f (y) dy = f (x) + g(x).
a
252 V. Funktionen auf metrischen Räumen

Dazu versuchen wir den Banachschen Fixpunktsatz auf den (vollständigen!)

metrischen Raum

X = C([a, b]), d(f, g) := max |f (x) − g(x)|,

a≤x≤b

und die Abbildung A : X → X mit

Zb
Af (x) := k(x, y)f (y) dy − g(x)
a

anzuwenden. Offenbar gilt

d(Af, Ah) ≤ ρd(f, h)

mit
ρ := max |k(x, y)| · (b − a).
a≤x,y≤b

Aufgrund des Banachschen Fixpunktsatzes ist demnach die obige Integralglei-

chung sicherlich dann eindeutig lösbar, wenn gilt:

1
|k(x, y)| < für a ≤ x, y ≤ b.
b−a

Das Verfahren, welches beim Beweis des Fixpunktsatzes verwendet wurde,

liefert ein konstruktives Verfahren zur näherungsweisen Lösung einer solchen
Gleichung.
Unter den vollständigen metrischen Räumen sind besonders diejenigen wichtig,
deren Metrik von einer Norm herrührt. Diese bekommen einen eigenen Namen:

7.7 Definition. Ein Banachraum ist ein normierter Vektorraum, welcher

vollständig bezüglich der assoziierten Metrik d(f, g) = kf − gk ist.
Ein Hilbertraum ist ein Vektorraum zusammen
p mit einem Skalarprodukt, so
daß der assoziierte normierte Raum kf k = hf, f i ein Banachraum ist.
Beispiele für Banachräume sind B(X) und B(X) ∩ C(X), wobei im ersten Fall
X eine nicht leere Menge und im zweiten Fall sogar ein metrischer Raum ist.
Beispiele für Hilberträume sind schwerer zu bekommen (s. VII.10.7).
Erst in weiterführenden Vorlesungen über Analysis (z.B. partielle Differential-
gleichungen, Funktionalanalyis) und in der mathematischen Physik wird die
Theorie der Banach- und Hilberträume wirklich nutzbar gemacht. Im Rahmen
dieser Einführung in die Analysis werden diese Begriffe nicht gebraucht und
daher nur am Rande erwähnt.
VI. Differentialrechnung für Funktionen mehrerer
Veränderlicher

1. Partielle Ableitungen und totale Differenzierbarkeit

In diesem Paragraphen sei der Definitionsbereich D ⊂ R n stets ein offener

Bereich im R n . Zu jedem Punkt x0 ∈ D existiert also noch eine volle Kugel
Ur (x0 ) ⊂ D; Ur (x0 ) = {x ∈ R n ; d(x, x0 ) < r}.
Dabei sei d die Euklidische oder Maximumsmetrik.
Wir studieren Funktionen
f : D −→ R
oder allgemeiner Abbildungen
f : D −→ R m .
Jede solche Abbildung läßt sich zerlegen in ein m-Tupel von Funktionen
f = (f1 , . . . , fm ), fν : D −→ R, 1 ≤ ν ≤ m,
die durch die Gleichung
f (x) = (f1 (x), . . . , fm (x))
definiert sind. Entsprechend dieser Zerlegung lassen sich viele Fragen über die
Abbildung f zurückführen auf den Fall von Funktionen (m = 1).
Beispielsweise ist f genau dann stetig, wenn die Komponenten stetig sind
(V.3.10).
Schwieriger ist es, die Dimension n des Definitionsbereiches zu erniedrigen.
Tatsächlich führt man viele Fragen durch geeignete Spezialisierung der Variab-
len auf Funktionen einer Veränderlichen zurück.
Ein solcher Spezialisierungsprozeß soll nun beschrieben werden. Gegeben sei
also der offene Bereich D und ein fester Punkt
a = (a1 , . . . , an ) ∈ D.
Man kann dann die Menge

Dj := xj ∈ R; (a1 , . . . , aj−1 , xj , aj+1 , . . . , an ) ∈ D
betrachten.
254 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

1.1 Bemerkung. Ist D ⊂ R n ein offener Bereich, so ist

Dj := xj ∈ R; (a1 , . . . , aj−1 , xj , aj+1 , . . . , an ) ∈ D

ein offener Teil der reellen Geraden R.

Da Dj offen ist, existiert ε > 0, so daß (−ε, ε) ⊂ D. Ist f : D → R eine
Funktion, so erhält man durch den Spezialisierungsprozeß

fj : (−ε, ε) −→ R; fj (xj ) = f (a1 , . . . , aj−1 , xj , aj+1 , . . . , an )

Funktionen einer Veränderlichen xj . Es kann sein, daß diese Funktion einer

Veränderlicher in aj ableitbar ist. Dies hängt natürlich nicht von der Wahl von
ε ab.

1.2 Definition. Die Funktion

f : D −→ R, D ⊂ R n offen,

heißt in dem Punkt a = (a1 , . . . , an ) nach der j-ten Variablen xj partiell

ableitbar, wenn die Funktion

fj : (−ε, ε) −→ R, fj (xj ) = f (a1 , . . . , aj−1 , xj , aj+1 , . . . , an ),

im Punkt aj differenzierbar ist.

Schreibweise: ∂j f (a1 , . . . , an ) = fj0 (aj ).
Es ist also

f (a1 , . . . , aj−1 , aj + h, aj+1 , . . . , an ) − f (a1 , . . . , an )

∂j f (a1 , . . . , an ) = lim .
h→0 h

Die Funktion heißt in D partiell ableitbar , wenn sie in jedem Punkt nach jeder
Variablen partiell ableitbar ist. Man kann dann die partiellen Ableitungen

∂j f, j = 1, . . . , n,

wieder als Funktionen auffassen, die in D definiert sind. Häufig verwendet man
auch die Schreibweise
∂f
= ∂j f.
∂xj
Im Falle n = 1 war gezeigt worden, daß aus der Ableitbarkeit einer Funktion
ihre Stetigkeit folgt. Im Fall n > 1 ist dies (für partielle Ableitbarkeit anstelle
von Ableitbarkeit) nicht der Fall, wie man durch Gegenbeispiele belegen kann.
§1. Partielle Ableitungen und totale Differenzierbarkeit 255

1.3 Satz. Die Funktion

f : D −→ R, D ⊂ R n offen,
sei partiell ableitbar. Ist a ∈ D ein Punkt, so daß eine Umgebung U (a) existiert,
in der alle partiellen Ableitungen von f beschränkt sind,
|∂j f (x)| ≤ C für alle x ∈ U (a), j = 1, . . . , n,
so ist f stetig in a.
Diese Voraussetzung ist beispielsweise dann erfüllt, wenn die partiellen Ablei-
tungen in a stetig sind.
Wenn also eine Funktion stetig partiell differenzierbar ist (d.h. die Ableitungen
∂j f existieren und sind stetig), so muß f stetig sein.
Beweis von 1.3 . Um die Beweisidee klar hervortreten zu lassen, beschränken wir
uns auf den Fall zweier Variabler und überlassen es dem geduldigen Leser, den
Beweis auf n Variablen zu übertragen. Wir schreiben (x, y) und (a, b) anstelle
von (x1 , x2 ) und (a1 , a2 ). Es gilt
f (x, y) − f (a, b) = (f (x, y) − f (a, y)) + (f (a, y) − f (a, b)) .
Nach dem Mittelwertsatz der Differentialrechnung existieren Zwischenstellen
ξ zwischen a und x, η zwischen b und y
mit der Eigenschaft
f (x, y) − f (a, b) = ∂x f (ξ, y) · (x − a) + ∂y f (a, η) · (y − b).
In einer Umgebung von (a, b) gilt
|f (x, y) − f (a, b)| ≤ C (|x − a| + |y − b|)
mit einer gewissen Konstanten C. u
t

Höhere partielle Ableitungen.

Häufig sind auch die partiellen Ableitungen ∂j f ihrerseits wieder partiell
ableitbar; man kann daher höhere partielle Ableitungen bilden.
Sprechweise: Eine Funktion
f : D −→ R, D ⊂ R n offen,
heißt k-fach stetig partiell ableitbar, wenn die partiellen Ableitungen
∂j1 . . . ∂jk f für alle 1 ≤ j1 , . . . , jk ≤ n
existieren und stetig sind.
Insbesondere ist dann f stetig. Wir bezeichnen die Menge dieser Funktionen
mit C k (D).
256 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

1.4 Satz. Die Funktion

f : D −→ R, D ⊂ R n offen,

sei zweimal stetig partiell ableitbar. Dann gilt

∂i ∂j f = ∂j ∂i f.

(In Worten: Partielle Ableitungen darf man vertauschen.)

Beweis. Da nur nach zwei Variablen partiell abgeleitet wird, darf man n = 2
annehmen. Wir schreiben (x, y) anstelle von (x1 , x2 ). Sei (a, b) ∈ D ein fest
gewählter Punkt. Wir betrachten die Funktion (x 6= a, y 6= b)

f (x, y) − f (a, y) − f (x, b) + f (a, b)

H(x, y) :=
(x − a)(y − b)

und formen diese mit Hilfe des Mittelwertsatzes auf zweierlei Weise um.

[f (x, y) − f (x, b)] − [f (a, y) − f (a, b)]

1) H(x, y) = (y − b)−1 .
x−a
Wendet man den Mittelwertsatz auf die Funktion

g(x) := f (x, y) − f (x, b) (y und b fest)

an, so resultiert

H(x, y) = (y − b)−1 (∂x f (ξ, y) − ∂x f (ξ, b))

mit einem ξ zwischen a und x. Jetzt kann man den Mittelwertsatz auf die
Funktion
h(y) := ∂x f (ξ, y) − ∂x f (ξ, b)
anwenden und erhält
H(x, y) = ∂y ∂x f (ξ, η)
mit ξ zwischen a und x und η zwischen b und y.
Durch Anwendung des Mittelwertsatzes auf

[f (x, y) − f (a, y)] − [f (x, b) − f (a, b)]

H(x, y) = (x − a)−1
y−b

(also indem man mit der Funktion g ∗ (y) := f (x, y) − f (a, y) beginnt) folgt
analog zu 1)
H(x, y) = ∂x ∂y f (ξ 0 , η 0 )
mit gewissen Zwischenstellen ξ 0 und η 0 .
§1. Partielle Ableitungen und totale Differenzierbarkeit 257

Nach Voraussetzung sind aber die partiellen Ableitungen

∂x ∂y f und∂y ∂x f

stetig. Vollzieht man die Grenzübergänge x → a und y → b, so folgt daher

lim H(x, y) = ∂x ∂y f (a, b) = ∂y ∂x f (a, b).

(x,y)→(a,b)

Dies gilt für jeden Punkt (a, b) ∈ D. u

t
Wir wenden uns nun der etwas allgemeineren Situation einer Abbildung

f : D −→ R m , D ⊂ R n offen,

zu. Wir zerlegen sie in ihre Komponenten

f = (f1 , . . . , fm ).

Die sogenannte Funktionalmatrix (oder Jacobi-Matrix) von f faßt alle partiel-

len Ableitungen von f1 , . . . , fm zusammen
∂f1 ∂f1

∂x1 ... ∂xn


∂fν
J(f ; x) :=  ... .. 
. =

∂xµ νµ
∂fm ∂fm
∂x1 ... ∂xn

Diese Matrix, die für jedes x ∈ D zu bilden ist (partielle Ableitbarkeit voraus-
gesetzt), hat also m Zeilen und n Spalten.
Wir untersuchen nun folgendes Problem:
Gegeben seien zwei Abbildungen

f : D −→ R m , D ⊂ R n offen,
g : D0 −→ R p , D0 ⊂ R m offen,

die sich zusammensetzen lassen zu einer Abbildung

h : D −→ R p , h(x) = g (f (x)) .

Der Wertevorrat f (D) muß dazu im Definitionsbereich D0 von g enthalten sein.

Wie berechnen sich dann die partiellen Ableitungen von h = g ◦ f aus denen
von f und g (Existenz vorausgesetzt)?
Wir erinnern daran, daß im Fall n = m = p = 1 die Kettenregel

(g ◦ f )0 (a) = g 0 f (a) f 0 (a)

gilt. Diese gilt es zu verallgemeinern.

258 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Hierzu ist es nützlich, sich vor Augen zu halten, daß Matrizen im Zusammen-
hang mit linearen Abbildungen stehen. Ist

a11 ... a1n

 
. .. 
A =  .. .
am1 ... amn

eine Matrix von m Zeilen und n Spalten, so ordnet man ihr eine gewisse
Abbildung
lA : R n −→ R m
zu. Diese werde definiert durch die Formel

lA (x) = y

mit
x = (x1 , . . . , xn ) ∈ R n und y = (y1 , . . . , ym ) ∈ R m ,
wobei für i = 1, . . . , m gelte
n
X
yi = aij xj .
j=1

Man schreibt dann meistens

A(x) anstatt lA (x).

Ist eine weitere lineare Abbildung

lB : R m −→ R p

gegeben, die also durch eine Matrix

b11 ... b1m

 
. .. 
B =  .. .
bp1 ... bpm

definiert wird, so kann man die zusammengesetzte Abbildung

lB ◦ lA : R n −→ R p

betrachten. Aus der linearen Algebra ist bekannt, daß diese wieder durch eine
Matrix beschrieben wird und zwar gilt

lB ◦ lA := lC : R n −→ R p ,
§1. Partielle Ableitungen und totale Differenzierbarkeit 259

wobei die Matrix

c11 ... c1n
 
.. .. 
C=  . .
cp1 . . . cpn
sich aus A und B auf folgende Weise berechnet:
m
X
cik = aij bjk (1 ≤ i ≤ p; 1 ≤ j ≤ n).
k=1

Halten wir noch einmal fest: Es gilt

B(Ax) = C(x) mit C = B · A (Matrizenprodukt).

Merkregel . cij ergibt sich als Skalarprodukt der i-ten Zeile von B mit der j-ten
Spalte von A.
Schreibt man die Elemente x, y des R n als Spaltenvektoren
 
x1
  xy
.
~x =  ..  , ~y =  ...  ,
 

xn yn

so ist ~y nichts anderes als das Produkt der Matrix A mit der Spalte ~x,

~y = A~x.

Aus diesem Grunde ist es zweckmäßig, die Elemente des R n in diesem Zusam-
menhang nicht wie gewohnt als Zeilen-, sondern als Spaltenvektoren aufzufas-
sen. Wir tun dies gelegentlich aber nicht systematisch.
Bevor wir nun eine neue Interpretation der Funktionalmatrix geben, soll zu-
nächst die Definition der Ableitung einer Funktion im Fall n = m = 1
umformuliert werden. Die Bedingung für Ableitbarkeit war, daß der Grenzwert

f (x) − f (a)
f 0 (a) = lim
x→a x−a
existiere, d.h.
f (x) − f (a)
− f 0 (a) = R(x),
x−a
wobei R(x) → 0 für x → a gilt. Definiert man

r(x) = (x − a)R(x),

so kann man dafür auch schreiben

f (x) = f (a) + f 0 (a)(x − a) + r(x),

260 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

wobei das Restglied r(x) der Bedingung genügt:

r(x)
−→ 0 für x −→ a.
x−a

Gleichwertig und für uns passender ist r(x)/|x − a| → 0. Genau im besagten

Fall ist also f an der Stelle a ableitbar. Dies läßt sich nun formal auf den
allgemeinen Fall übertragen: man ersetze lediglich f 0 (a) durch die Jacobi-
Matrix J(f ; a).
Da x − a ein Punkt im R n ist, hat J(f ; a)(x − a) einen wohldefinierten Sinn.
Man kann jedenfalls r(x) durch die Gleichung

f (x) = f (a) + J(f ; a)(x − a) + r(x)

definieren und sich fragen, ob gilt:

r(x)
−→ 0 für x −→ a.
kx − ak

Dabei sei k·k die Maximumsnorm. Wie man sich leicht überlegt, kann man
genauso gut eine äquivalente Norm nehmen.

1.5 Satz. Die Abbildung

f : D −→ R m , D ⊂ R n offen,

sei für den festen Punkt a ∈ D stetig partiell ableitbar. Definiert man dann
r(x) durch die Gleichung

f (x) = f (a) + J(f ; a)(x − a) + r(x),

so gilt
r(x)
−→ 0 für x −→ a.
kx − ak

(Zu jedem ε > 0 existiert also ein δ > 0 mit

kr(x)k < ε kx − ak für kx − ak < δ.

Hierbei ist k·k eine der Standardnormen (Maximums- oder Euklidsche Norm)).
Beweis. Bezeichnet man mit fν (x) bzw. rν (x) die ν-te Komponente von f (x)
bzw. r(x) (1 ≤ ν ≤ m) und mit Jν (f, a) die ν-te Zeile von J(f ; a), so gilt

fν (x) = fν (a) + Jν (f, a)(x − a) + rν (x).

§1. Partielle Ableitungen und totale Differenzierbarkeit 261

Außerdem ist Jν (f, a) = J(fν ; a) die Funktionalmatrix der Funktion fν , die

nur aus einer Zeile besteht.
Damit ist klar, daß man die Behauptung nur im Falle m = 1 beweisen muß,
denn aus
rν (x)
−→ 0 für x −→ a für ν = 1, . . . , m
kx − ak
folgt dann
r(x)
−→ 0 für x −→ a.
kx − ak
Im Fall m = 1 sieht die Formel in 1.5 folgendermaßen aus:
n
X
f (x) = f (a) + ∂ν f (a)(xν − aν ) + r(x).
ν=1

Der Beweis wird wiederum besonders übersichtlich, wenn man sich auf den Fall
n = 2 beschränkt. Wir schreiben dabei wieder

(x, y), (a, b) anstatt (x1 , x2 ), (a1 , a2 ).

Dann hat man

f (x, y) = f (a, b) + (x − a)∂x f (a, b) + (y − b)∂y (a, b) + r(x, y).

Andererseits erhält man aus dem Mittelwertsatz der Differentialrechnung

f (x, y) − f (a, b) = [f (x, y) − f (a, y)] + [f (a, y) − f (a, b)]

= (x − a)∂x f (ξ, y) + (y − b)∂y f (a, η)

mit ξ zwischen a und x und η zwischen b und y.

Ein Vergleich mit obiger Formel ergibt

r(x, y) = (x − a)[∂x f (ξ, y) − ∂x f (a, b)] + (y − b)[∂y f (a, η) − ∂y f (a, b)].

Beachtet man die Ungleichungen

|x − a| |x − a|
≤ 1 sowie ≤ 1,
k(x, y) − (a, b)k k(x, y) − (a, b)k
so ergibt sich
r(x, y)
≤ |∂x f (ξ, y) − ∂x f (a, b)| + |∂y f (a, η) − ∂y f (a, b)|.
k(x, y) − (a, b)k
Für (x, y) → (a, b) konvergiert die rechte Seite aber gegen Null, denn die par-
tiellen Ableitungen sind nach Voraussetzung stetig. u
t
Durch Satz 1.5 wird ein neuer Zugang zur Differentialrechnung mehrerer Ver-
änderlicher nahegelegt.
262 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

1.6 Definition. Eine Abbildung

f : D −→ R m D ⊂ R n offen,

heißt in einem Punkt a ∈ D total differenzierbar, wenn es eine Matrix

a11 ... a1n

 
. .. 
A =  .. .
am1 ... amn

gibt, so daß gilt:

f (x) = f (a) + A(x − a) + r(x)
mit
r(x)
−→ 0 für x −→ a.
kx − ak

(Man kann mit dieser Begriffsbildung den Satz 1.5 dann einfach so ausdrücken:
Jede stetig (partiell) differenzierbare Funktion ist total differenzierbar.)
Tatsächlich ist jede total differenzierbare Funktion auch partiell differenzierbar
und zwar gilt:

1.7 Lemma. Die Abbildung f : D → R m sei total differenzierbar in a ∈ D

(Bezeichnungen wie in 1.6). Dann ist sie auch partiell differenzierbar in a, und
es gilt
J(f ; a) = A.

Beweis. Wir nehmen wieder n = 2, m = 1 an. Es ist dann einfach, den Beweis
auf beliebige natürliche n und m zu verallgemeinern. Die Formel lautet

f (x, y) = f (a, b) + α(x − a) + β(y − b) + r(x, y), A = (α, β).

Es folgt
f (x, b) − f (a, b) r(x, b)
=α+ .
x−a x−a
Durch Grenzübergang x → a erhält man

∂x f (a, b) = α (ebenso ∂y f (a, b) = β). u

Halten wir fest:

stetig ableitbar =⇒ total ableitbar =⇒ partiell ableitbar.

Wir gelangen nun zur Kettenregel .

§1. Partielle Ableitungen und totale Differenzierbarkeit 263

1.8 Theorem. Gegeben seien zwei stetig differenzierbare Abbildungen

f : D −→ R m , D ⊂ R n offen,
g : D0 −→ R p , D0 ⊂ R m offen,
die sich zu einer Abbildung
h : D −→ R p ; h(x) = g (f (x)) .
zusammensetzen lassen. Dann ist auch h stetig (partiell) ableitbar und es gilt
für jedes a ∈ D
J(g ◦ f ; a) = J(g; f (a)) · J(f ; a) (Matrizenprodukt).

Beweis. Nach Voraussetzung gilt

f (x) = f (a) + J(f ; a)(x − a) + r(x),
g(y) = g(b) + J(f ; b)(y − b) + s(y),
wobei die Restglieder noch nach Division durch kx − ak bzw. ky − bk gegen
Null streben (für x → a bzw. y → b). Im Spezialfall b = f (a) erhält man
g(y) = g(f (a)) + J(g; f (a)(y − f (a)) + s(y).
Hierin können wir speziell y = f (x) eintragen. Mit der Bezeichnung h = g ◦ f
folgt dann
h(x) = h(a) + J(g; f (a))(f (x) − f (a)) + s(f (x))
= h(a) + J(g; f (a)) · J(f ; a)(x − a) + J(g; f (a)) · r(x) + s(f (x)).
Wenn wir zeigen können, daß die Funktion
ρ(x) := J(g; f (a))r(x) + s(f (x))
Restgliedcharakter hat (d.h.
ρ(x)
−→ 0 für x −→ a),
kx − ak
so sind wir fertig, denn nach 1.7 ist dann h in a partiell differenzierbar und hat
als Funktionalmatrix gerade
J(g; f (a)) · J(f ; a).
Daß diese stetig von a abhängt ist dabei klar, da dies auf J(g; f (a)) und J(f ; a)
zutrifft.
ρ(x)
Abschätzung von .
kx − ak
J(g; f (a)r(x)
1) −→ 0 für x −→ a.
kx − ak
Diese Aussage ist richtig, was sich sofort ergibt aus
264 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

1.9 Hilfssatz. Sei A eine feste Matrix. Es existiert eine Konstante C mit

kAxk ≤ C kxk

für alle Vektoren x (mit gleicher Komponentenanzahl wie die Anzahl der
Spalten von A).
Sowohl bei der Maximumsnorm als auch bei der Euklidischen Norm hat man
die Abschätzung
X X
aij xj ≤ |aij | kxk ≤ Ci kxk für jedes i,
j j

und daher
kAxk ≤ C kxk .
s(f (x))
2) −→ 0 für x −→ a.
kx − ak
Nach Voraussetzung gilt

s(y)
−→ 0 für y −→ f (a);
ky − f (a)k

das kann man auch so ausdrücken:

Die Funktion (
ks(y)k
ky−f (a)k für y 6= f (a)
l(y) :=
0 für y = f (a)

ist stetig im Punkt y = f (a). Es gilt offenbar

ks(f (x))k kf (x) − f (a)k

= l(f (x)) .
kx − ak kx − ak

Wir wollen zeigen, daß dieser Ausdruck gegen Null strebt für x → a. Dazu
braucht man nur zu wissen, daß

kf (x) − f (a)k
≤C
kx − ak

in einer Umgebung von a gilt. Dies sieht man mit Hilfe der Darstellung

f (x) − f (a) = J(f ; a)(x − a) + r(x). u

t
§1. Partielle Ableitungen und totale Differenzierbarkeit 265

Andere Formulierungen der Kettenregel und Anwendungen.

Wir betrachten den Spezialfall p = 1:

f : D −→ R m , g : D0 −→ R,
(D ⊂ R n , D0 ⊂ R m beide offen, f (D) ⊂ D0 ).

Dann ist die Jacobi-Matrix von g einfach eine Zeile

J(g; b) = (∂1 g, . . . , ∂m g)(b).

Zerlegt man f = (f1 , . . . , fm ) und h = g ◦f = (h1 , . . . , hp ) in die Komponenten,

so besagt die Kettenregel explizit

m
∂hi X ∂gi ∂fk
(a) = (b) (a) (b = f (a)).
∂xj ∂yk ∂xj
k=1

Häufig schreibt man dafür einfach etwas schlampig

m
∂hi X ∂gi ∂fk
= .
∂xj ∂yk ∂xj
k=1

Ein weiterer wichtiger Spezialfall ist der Fall n = 1, p = 1. Dann hat man also
m Funktionen einer Veränderlichen

f1 , . . . , fm : D −→ R, D ⊂ R,

und eine Funktion von m Veränderlichen

g : D0 −→ R, D0 ⊂ R m offen.

Die Funktion
h : D −→ R, h(x) = g(f1 (x), . . . , fm (x)),

hängt wieder nur von der einen Variablen x ab. Die Kettenregel besagt jetzt:

m
X
0
h = (∂k g) · fk0 .
k=1
266 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Anwendungen der Kettenregel, 1. Richtungsableitung.

Gegeben sei eine stetig differenzierbare Funktion

f : D −→ R, D ⊂ R n offen.

Außerdem seien a ∈ D ein fester Punkt und α ∈ R n ein Vektor. Unter

der Richtungsableitung von f im Punkte a in Richtung α versteht man die
Ableitung der Funktion
g(t) := f (a + tα)
im Nullpunkt. Aus der Kettenregel folgt
n
X
0
g (0) = ∂ν f (a)αν .
ν=1

Dies ist das Skalarprodukt des Vektors (∂1 f (a), . . . , ∂n f (a)) mit α. Den Vektor

(∇f )(a) = (∂1 f (a), . . . , ∂n f (a))

nennt man auch den Gradienten von f in a. Man erhält also

g 0 (0) = h(∇f )(a), αi.

2. Koordinatentransformation.
Seien D, D0 ⊂ R n offene Teile. Ein C k -Diffeomorphismus (k ∈ N) ist eine
bijektive Abbildung ϕ : D −→ D0 , so daß sowohl ϕ als auch ϕ−1 k-fach stetig
differenzierbar sind.
Sei
f : D0 −→ R
eine k-fach stetig differenzierbare Funktion. Dann ist auch

g = f ◦ ϕ : D −→ R

k-fach stetig differenzierbar und man erhält umgekehrt jede derartige Funktion
g ∈ C k (D) auf diesem Wege. Man muß lediglich f := g ◦ ϕ−1 setzen.
Sprech- und Schreibweise.
Die Funktion g entsteht aus f durch die Koordinatentransformation ϕ

g(y) = f (x), y = ϕ(x).

Die partiellen Ableitungen der Funktion g erhält man aus denen von f durch
Anwenden der Kettenregel
n
X ∂yν
∂j f = (∂ν g)
ν=1
∂xj
§1. Partielle Ableitungen und totale Differenzierbarkeit 267

(genauer
n
X ∂ϕν
∂j f (a) = ∂ν g(ϕ(a)) (a) ).
ν=1
∂xj
Sind f und ϕ sogar zweimal stetig differenzierbar, so ergibt sich
n n
∂2f X ∂ 2 yν X ∂ 2 g ∂yν
= ∂ν g ,
∂xi ∂xj ν=1
∂x i ∂xj ν=1
∂xi ∂y ν ∂xj

also
n n n
∂2f X ∂ 2 yν X X ∂ 2 g ∂yl ∂yν
= ∂ν g
∂xi ∂xj ν=1
∂xi ∂xj ν=1 ∂yl ∂yν ∂xi ∂xj
l=1

Polarkoordinaten
x = r cos ϕ, y = r sin ϕ.
Seien D, D0 ⊂ R 2 offene Teile, so daß durch die Abbildung

(r, ϕ) 7→ (x, y) = h(r, ϕ) = (r cos ϕ, r sin ϕ)

ein Diffeomorphismus
h : D0 −→ D
vermittelt wird, etwa

D0 : = {(r, ϕ) ∈ R 2 ; r > 0, 0 < ϕ < 2π}

D : = R 2 − {(x, y); x = 0, y ≥ 0}.
Der Laplace-Operator ∆ auf D ist durch
∂2f ∂2f
∆f := + , f ∈ C 2 (D),
(∂x)2 (∂y)2
erklärt. Wir wollen diesen Operator auf Polarkoordinaten umtransformieren.
Darunter ist folgendes zu verstehen: Für eine Funktion g ∈ C 2 (D0 ) setzen wir

∆∗ g := ∆f ◦ h (g = f ◦ h).

Man nennt ∆∗ den auf Polarkoordinaten transformierten Operator. Aus der

Kettenregel ergibt sich nach einiger Rechnung:

∂2g 1 ∂g 1 ∂2g
∆∗ g = + + .
(∂r)2 r ∂r r2 (∂ϕ)2
268 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

2. Der Satz für implizite Funktionen

Es seien n Funktionen von n Veränderlichen gegeben, also eine Abbildung

f : D −→ R n , D ⊂ R n offen.

Wir fragen uns nun, wann eine derartige Abbildung umkehrbar ist, d.h. wann
eine Abbildung
g : f (D) −→ R n
existiert mit
f (x) = y ⇐⇒ x = g(y).
Die Gleichung
f (x) = y
ist dann bei gegebenem y aus dem Wertevorrat von f eindeutig durch ein x ∈ D
lösbar und dieses x ist gleich g(y).
Nehmen wir einmal an, daß f und g stetig differenzierbar sind. Dann muß nach
der Kettenregel gelten (beachte g ◦ f = id)

J (g, f (a)) · J(f ; a) = E (Einheitsmatrix),

so daß also die Jacobi-Matrix J(f ; a) für alle a ∈ D invertierbar sein muß.
Notwendig für die Umkehrbarkeit einer Abbildung

f : D −→ R n

(unter gewissen Differenzierbarkeitsbedingungen) ist die Invertierbarkeit der

Jacobi-Matrix J(f ; a) für jedes a ∈ D.
Leider ist diese Bedingung nicht hinreichend, wie folgendes Beispiel zeigt:
Es sei
D = R 2 − {0} = punktierte Ebene
und f : D −→ R 2 definiert durch

(r, ϕ) 7→ (r cos ϕ, r sin ϕ).

Man überzeugt sich leicht davon, daß die Funktionalmatrix invertierbar ist.
(Dies geschieht mit Hilfe der Funktionaldeterminante det J(f ; a). Aus der
linearen Algebra weiß man, daß eine quadratische Matrix genau dann inver-
tierbar ist, wenn ihre Determinante nicht verschwindet.)
Diese Abbildung f ist aber nicht eineindeutig, denn sie hat in Abhängigkeit
von ϕ die Periode 2π. Aber sie ist in einem eingeschränkten Sinn dennoch
§2. Der Satz für implizite Funktionen 269

umkehrbar. Greift man einen beliebigen Streifen D0 ⊂ D der Breite 2π heraus,

also
D0 := (r, ϕ); r > 0; ϕ0 < ϕ ≤ ϕ0 + 2π ,
so ist die Einschränkung von f auf D0 umkehrbar.
Kehren wir zurück zur allgemeinen Situation. Wenn die Jacobi-Matrix J(f ; a)
für alle a ∈ D invertierbar ist, so kann man allenfalls erwarten, daß f lokal
umkehrbar ist, d.h. daß zu jedem Punkt a ∈ D eine offene Umgebung a ∈
D0 ⊂ D existiert, so daß die Einschränkung f |D0 von f auf D0 umkehrbar ist.
Dies läßt sich tatsächlich beweisen.

2.1 Theorem (Satz für umkehrbare Funktionen, erster Teil).

Es sei
f : D −→ R n , D ⊂ R n offen,
eine stetig differenzierbare Abbildung mit invertierbarer Jacobi-Matrix J(f ; a)
für jedes a ∈ D. Dann hat die Abbildung f die folgenden beiden Eigenschaften
a) f ist offen (also: D0 ⊂ D offen =⇒ f (D0 ) ⊂ R n offen).
b) f ist lokal umkehrbar, d.h. zu jedem a ∈ D existiert eine offene Umgebung
D0 , a ∈ D0 ⊂ D, so daß die Einschränkung f |D0 umkehrbar ist.

Wir merken noch an:

Ist f stetig differenzierbar und a ∈ D eine fester Punkt, für den die Jacobi-
matrix invertierbar ist, so existiert eine offene Umgebung a ∈ D0 ⊂ D, so daß
J(f, b) für alle b ∈ D0 invertierbar ist (und man kann 2.1 auf D0 anstelle von
D anwenden.
(Die Jacobimatrix ist genau dann invertierbar, wenn ihre Determinante von
Null verschieden ist. Diese Eigenschaft überträgt sich wegen der Stetigkeit der
Funktionalmatrix und damit der Funktionaldeterminante von a auf eine voll
Umgebung.)
Beweis von 2.1 . Offenbar genügt es, folgendes zu zeigen:
Sei a ∈ D. Es gibt positive Zahlen R, r > 0 mit der Eigenschaft:
Zu jedem y0 ∈ R n mit
ky0 − f (a)k < R
existiert genau ein x0 ∈ D mit kx0 − ak < r und

f (x0 ) = y0 .

(Dann ist also UR (f (a)) ⊂ f (D), d.h. f (D) ist offen und außerdem ist f
eingeschränkt auf D ∩ Ur (a) eineindeutig.)
Es ist im folgenden eine Vereinfachung anzunehmen, daß gilt

a = f (a) = 0 und J(f ; a) = E Einheitsmatrix.

270 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Wir werden später sehen, daß dies keine wesentliche Einschränkung der Allge-
meinheit bedeutet.
Um unser Problem dem Banachschen Fixpunktsatz zugänglich zu machen,
schreiben wir die Gleichung f (x) = y0 auf die Fixpunktgleichung
F (x) = x mit F (x) := x − f (x) + y0
um.
Im folgenden werden wir nun r und R so zu bestimmen versuchen, daß folgende
Bedingungen erfüllt sind:
1) Ūr (0) = {x ∈ R n ; kxk < r} ⊂ D.
2) Für jedes y0 ∈ UR (0) gilt:
kxk ≤ r =⇒ kF (x)k ≤ r.
3) Für x, x0 ∈ Ūr (0) gilt
1
kF (x) − F (x0 )k ≤
kx − x0 k .
2
Wenn r und R derart bestimmt sind, dann ist alles bewiesen, denn wegen 1) und
2) kann man F als Selbstabbildung von Ūr (0) auffassen, die wegen 3) außerdem
kontrahierend ist. Da aber Ūr (0) als abgeschlossener Teil des R n vollständig
ist, kann man den Banachschen Fixpunktsatz V.7.6 anwenden.
Konstruktion von r. Wir vergessen zunächst die Bedingung 2); diese wird dann
bei der Wahl von R erfüllt. Von vornherein kann angenommen werden, daß 1)
erfüllt sei (eventuelle Verkleinerung von r). Die Bedingung 3) besagt
1
kx − f (x) − x0 + f (x0 )k ≤kx − x0 k für kxk , kx0 k ≤ r.
2
(Diese Bedingung ist offenbar unabhängig von y0 .)
Im Falle n = 1 könnte man jetzt leicht mit Hilfe des Mittelwertsatzes weiter-
schließen. Wendet man ihn auf die Funktion
h(x) = x − f (x)
an, so würde folgen
|x − f (x) − x0 + f (x0 )| = |h0 (ξ)||x − x0 |
mit einer Zwischenstelle ξ zwischen x und x0 . Die Ungleichung, die wir zu
realisieren haben, lautet dann
1
|h0 (ξ)| ≤
.
2
Nach Voraussetzung war f 0 (0) = 1, also h0 (0) = 0. In einer genügend kleinen
Umgebung von 0 ist die fragliche Ungleichung also sicher erfüllt.
Es ist naheliegend, im Fall n > 1 ein brauchbares Analogon des Mittelwertsatzes
zu suchen.
§2. Der Satz für implizite Funktionen 271

2.2 Hilfssatz (Verallgemeinerter Mittelwertsatz der Differentialrech-

nung). Es sei
h : D −→ R, D ⊂ R n offen,
eine stetig differenzierbare Funktion. Gegeben seien zwei Punkte a, b ∈ D, so
daß auch noch ihre Verbindungsstrecke

a + t(b − a), 0 ≤ t ≤ 1,

ganz in D enthalten ist. Dann existiert auf dieser Verbindungsstrecke ein Punkt
ξ, so daß gilt
Xn
h(a) − h(b) = ∂ν h(ξ)(aν − bν ).
ν=1

Speziell gilt dann

n
X
|h(a) − h(b)| ≤ C · ka − bk mit C ≥ |∂ν h(ξ)|.
ν=1

Beweis. Man wendet auf die Funktion

h0 (t) = h(a + t(b − a))

den gewöhnlichen Mittelwertsatz an und erhält

h0 (1) − h0 (0)
= h00 (t0 ); t0 ∈ (0, 1).
1−0

Die Kettenregel liefert nun

n
X
h00 (t0 ) = ∂ν h(ξ)(aν − bν ) mit ξ = a + t0 (a − b). u
t
ν=1

Mit Hilfe dieses verallgemeinerten Mittelwertsatzes können wir nun die Unglei-
chung
1
kx − f (x) − x0 + f (x0 )k ≤ kx − x0 k
2
dadurch erzwingen, daß wir fordern:
X ∂hi 1
(ξ) ≤ für alle ξ mit |ξ| ≤ r.
∂xk 2
i,k

Dabei sei wiederum

h(x) := x − f (x).
272 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Nach Voraussetzung ist

J(h; 0) = E − E = 0,
d.h. alle Ableitungen
∂hi
(0)
∂xk
verschwinden. Wegen der Stetigkeit der partiellen Ableitungen ist die Summe
ihrer Beträge in der Nähe des Nullpunkts kleiner oder gleich 1/2.
Konstruktion von R.
Es ist die Bedingung 2) zu erfüllen, d.h.

kxk ≤ r und ky0 k ≤ R =⇒ kx − f (x) + y0 k ≤ r.

Dabei muß auch r eventuell noch verkleinert werden. Nach Voraussetzung gilt

f (0) = 0 und J(f ; 0) = E,

also
kr(x)k
f (x) = x + r(x) mit −→ 0 für x −→ 0.
kxk
Es ist also
kx − f (x) + y0 k = kr(x) + y0 k ≤ kr(x)k + kyk0 .
Wir denken uns r bereits so klein gewählt, daß

kr(x)k 1
≤ für kxk ≤ r
kxk 2
r
gilt. Dann erfüllt R = 2 das Gewünschte, denn man hat dann

r r
kx − f (x) + y0 k ≤ kr(x)k + ky0 k ≤ + = r für kxk ≤ r, ky0 k < R.
2 2
Als nächstes müssen wir uns von der Voraussetzung

f (0) = 0 und J(f ; 0) = E

freimachen. Dies geschieht durch einen kleinen Kunstgriff.

Die Voraussetzungen von 2.1 seien gegeben. Wir betrachten nun die Abbildung

g(x) := J(f ; a)−1 [f (x + a) − f (a)]

auf dem Definitionsbereich

D0 := {x ∈ R n ; x + a ∈ D}.
§2. Der Satz für implizite Funktionen 273

Diese hat offenbar die Eigenschaften

a) g(0) = 0,
b) J(g; 0) = E.
Wir wissen daher, daß es offene Umgebungen U und V von 0 gibt, so daß die
Gleichung
g(x) = y0

für jedes y0 ∈ V eindeutig durch ein x ∈ U lösbar ist.

Hieraus folgt durch Umrechnen auf f unmittelbar, daß die Gleichung

f (x) = y0

für jedes y0 ∈ V0 eindeutig durch ein x ∈ U0 lösbar ist. Dabei seien

U0 := {x ∈ R n ; x − a ∈ U },
V0 := {x ∈ R n ; J(f ; a)−1 (x − f (a)) ∈ V }.

Beide Mengen sind offen.

Wir wissen jetzt also, daß die Abbildung f lokal umkehrbar ist, d.h. zu jedem
a ∈ D existiert eine offene Umgebung D0 und eine lokale Umkehrfunktion

g : f (D0 ) −→ R n

mit
f (x) = y, x = g(y) (x ∈ D0 , y ∈ f (D0 )).

2.3 Theorem (Satz für umkehrbare Funktionen, zweiter Teil).

Es mögen die Voraussetzungen von 2.1 gelten; es sei also

f : D −→ R n , D ⊂ R n offen,

eine stetig differenzierbare Abbildung mit invertierbarer Jacobi-Matrix J(f ; a)

für jedes a ∈ D. Zusätzlich sei f umkehrbar, d.h. es möge eine Abbildung

g : f (D) −→ R n mit f (x) = y ⇐⇒ x = g(y)

existieren. Dann ist auch g stetig partiell ableitbar und es gilt

J(g; b) = J(f ; a)−1 für b = f (a) (⇐⇒ a = g(b)).

274 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Beweis. Es gilt

kr(x)k
f (x) = f (a) + J(f ; a)(x − a) + r(x), −→ 0 für x −→ a.
kx − ak

Wir machen den Ansatz

g(y) = g(b) + J(f ; g(b))−1 (y − b) + s(y).

Abgesehen von der Stetigkeit der partiellen Ableitungen besagt unsere Behaup-
tung nichts anderes, als

ks(y)k
−→ 0 für y −→ b.
ky − bk

Wir werden nun s(y) durch r(x) ausdrücken. Dazu setzen wir in der entspre-
chenden Gleichung
x = g(y) und a = g(b)
ein und erhalten

y = b + J(f ; g(b))(g(y) − g(b)) + r(g(y)).

Hieraus folgt

g(y) = g(b) + J(f ; g(b))−1 (y − b) − J(f, g(b))−1 r(g(y)).

Durch Vergleich ergibt sich

s(y) = −J −1 (f, g(b))−1 r(g(y)).

Wir wollen
ks(y)k
−→ 0 für y −→ b
ky − bk
zeigen. Dazu genügt es nach Hilfssatz 2.2 zu zeigen:

kr(g(y))k
−→ 0 für y −→ b.
ky − bk

Eine einfache Umformung ergibt

kr(g(y))k kr(g(y))k kg(y) − g(b)k

= ·
ky − bk kg(y) − g(b)k ky − bk

(beachte: y 6= b, g(y) 6= g(b)).

Es bleibt jetzt noch zweierlei zu zeigen:
§2. Der Satz für implizite Funktionen 275

a) y → b =⇒ g(y) → g(b) (d.h. g ist stetig).

Hieraus folgt dann
kr(g(y))k
−→ 0 für y −→ b (a = g(b)).
kg(y) − ak

kg(y) − g(b)k
b) ≤ C in einer Umgebung von b.
ky − bk
Zu a). Eine Abbildung ist genau dann stetig, wenn das Urbild einer offenen
Menge offen ist. Sei also U ⊂ D offen. Es ist zu zeigen, daß g −1 (U ) ⊂ f (D)
offen ist. Offenbar gilt
g −1 (U ) = f (U ).
Nach 2.1 ist aber f (U ) tatsächlich offen.
Zu b). Schreiben wir x = g(y), so besagt dies nichts anderes als

kx − ak
≤K
kf (x) − f (a)k
in einer geeigneten Umgebung von a mit einer Konstanten K. Das holt man
aus der Gleichung

f (x) = f (a) + J(f ; a)(x − a) + r(x)

heraus und zwar durch die Umformung

x − a = J(f ; a)−1 (f (x) − f (a)) − J(f ; a)−1 r(x).

Anwendung der Dreiecksungleichung liefert

kx − ak ≤ C kf (x) − f (a)k + C kr(x)k

oder
kf (x) − f (a)k 1 kr(x)k 1
≥ − ≥
kx − ak C kx − ak 2C
in einer genügend kleinen Umgebung von a. Damit ergibt sich
kx − ak
≤ 2C.
kf (x) − f (a)k
Wir müssen nun abschließend noch zeigen, daß die partiellen Ableitungen von
g stetig sind. Dies folgt aber einfach aus der Formel

J(g; y) = J(f ; (g(y)))−1 ,

wenn man berücksichtigt, daß die Koeffizienten der inversen Matrix A sich
aus denen von A durch rationale Operationen berechnen lassen (Cramersche
Regel für das Invertieren einer Matrix.) u
t
276 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

2.4 Theorem (Satz für implizite Funktionen). Sei

f : D −→ R m , D ⊂ R n+m offen,
eine stetig differenzierbare Abbildung. Außerdem sei ein Punkt
(a, b), a ∈ R n, b ∈ R m
mit folgenden Eigenschaften gegeben:
a) f (a, b) = 0.
b) Die Funktionalmatrix J(fa ; b) der Abbildung
fa : Da −→ R m , Da := {y ∈ R m ; (a, y) ∈ D}; fa (y) := f (a, y)
ist umkehrbar.
Dann gibt es offene Umgebungen
a ∈ A ⊂ R n, b ∈ B ⊂ R m,
so daß für jedes x ∈ A eine und nur eine Lösung y ∈ B der Gleichung
f (x, y) = 0
existiert.
Zusatz. Die Abbildung
h : A −→ B, y = h(x),
ist stetig differenzierbar und es gilt
J(h; a) = −J(fa ; b)−1 J(fb ; a).
Dabei ist fb analog zu fa definiert (fb (x) := f (x, b)).
Der Satz für implizite Funktionen ist allgemeiner als der Satz für umkehrbare
Funktionen. Durch einen Kunstgriff kann man ihn aber auf den bereits behan-
delten Fall zurückführen. Da wir im folgenden davon keinen Gebrauch machen
werden, geben wir lediglich die Beweisidee an.
Die Abbildung
F : D −→ R n+m , F (x, y) := (x, f (x, y),
hat die Jacobi-Matrix
1 0 
.. 0

 . 

0 1 
 
 
 ∂f1 ∂f1 

∂y1 ... ∂ym

∗
 
 .. .. .. 
 . . . 
∂fm ∂fm
∂y1 ... ∂ym
§2. Der Satz für implizite Funktionen 277

Diese ist in (a, b) nicht ausgeartet, da die Matrix

∂fν
J(fa ; b) = (a, b)
∂yµ νµ

voraussetzungsgemäß nicht ausgeartet ist. Die Voraussetzung von Theorem 2.1

wird somit von F erfüllt. Nun ist es nicht mehr sehr schwer, 2.4 mit Hilfe von
2.1 und 2.3 zu beweisen.
Beispiele. Wir betrachten die Abbildung

x = r cos ϕ, y = r sin ϕ.

Die Jacobi-Matrix dieser Abbildung ist

∂x ∂x
!
−r sin ϕ

∂r ∂ϕ cos ϕ
∂y ∂y = .
∂r ∂ϕ
sin ϕ r cos ϕ

Sie ist für r > 0 invertierbar, denn ihre Determinante ist

r cos2 ϕ + r sin2 ϕ = r

und somit im genannten Fall von 0 verschieden. Aus dem Satz für umkehrbare
Funktionen folgt, daß die Abbildung

h(r, ϕ) := (r cos ϕ, r sin ϕ)

in einer geeigneten Umgebung eines beliebigen Punktes r0 , ϕ0 ) mit r0 > 0

umkehrbar ist.
Polarkoordinaten im Raum. Sei

D := {(r, ϕ, θ) ∈ R 3 ; r > 0}.

Wir betrachten die Abbildung

h : D −→ R 3 , h(r, ϕ, θ) = (r cos ϕ cos θ, r sin ϕ cos θ, r sin θ).

Ihre Jacobi-Matrix ist

cos ϕ cos θ −r sin ϕ cos θ −r cos ϕ sin θ
 
 sin ϕ cos θ r cos ϕ cos θ −r sin ϕ sin θ 
sin θ 0 r cos ϕ

Diese Matrix hat die Determinante r2 cos θ; sie ist daher dann von Null
verschieden, wenn
r > 0 und cos θ 6= 0.
278 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Jeder Punkt (r0 , θ0 ) mit dieser Eigenschaft besitzt also eine Umgebung, in der
h eine differenzierbare Umkehrabbildung hat. Es ist nicht schwer zu zeigen, daß
die Abbildung h eine bijektive Abbildung von
n π π o
0
D := (r, ϕ, θ); r > 0; ϕ ∈ (0, 2π); θ ∈ − ,
2 2
auf
D00 := R 3 − {(x, y, z); x ≥ 0, y = 0}
vermittelt. Die Umkehrabbildung D00 → D0 ist nach dem eben Gesagten stetig
differenzierbar.
Geometrisch ist θ der Winkel zwischen dem Vektor (x, y, z) und dem Vektor
(x, y, 0). ϕ ist der Winkel zwischen (x, y, 0) und (x, 0, 0) und r der Abstand
von 0 und (x, y, z).

3. Extremwerte differenzierbarer Funktionen

Sei
f : D −→ R, D ⊂ R n offen,
eine differenzierbare Funktion, deren partielle Ableitungen verschwinden

∂1 f = . . . = ∂n f = 0.

Seien ferner a und b zwei Punkte in D.

Annahme. Die Verbindungsstrecke zwischen a und b möge ganz in D enthalten
sein:
a + t(a − b) ∈ D für 0 ≤ t ≤ 1.
Dann ist die Funktion

g : [0, 1] −→ R; g(t) := f (a + t(a − b))

definiert. Aus der Kettenregel folgt

g 0 (t) = 0.

Wie aus der Analysis einer Veränderlichen bekannt, folgt hieraus, daß g
konstant ist, also insbesondere

g(a) = g(b).

Die offene Menge D heißt konvex , wenn mit je zwei Punkten a, b ∈ D immer
die Verbindungsstrecke ganz in D enthalten ist. Somit ergibt sich:
§3. Extremwerte differenzierbarer Funktionen 279

Verschwinden die partiellen Ableitungen einer Funktion f : D → R und ist D

konvex, so ist f konstant.
Zum Beispiel sind die Euklidischen Kugeln

Ur (a) = {x ∈ R n ; d(a, x) < r}

konvex (hierbei sei d die Euklidische oder Maximums-Metrik).

Eine Funktion
f : X −→ R

auf einem beliebigen metrischen Raum heißt lokal konstant, wenn es zu jedem
Punkt a ∈ X eine Umgebung a ∈ U ⊂ X gibt, so daß die Einschränkung von
f auf U konstant ist.

3.1 Bemerkung. Sei

f : D −→ R, D ⊂ R n offen,

eine differenzierbare Funktion. Wenn die partiellen Ableitungen von f ver-

schwinden, so ist f lokal konstant (und natürlich umgekehrt).

3.2 Definition. Ein metrischer Raum X heißt zusammenhängend , wenn

jede lokal konstante Funktion f : X → R sogar konstant ist.
Beispiel . Jedes Intervall D ⊂ R ist zusammenhängend.
Beweis. Sei f : D → R eine lokal konstante Funktion. Dann gilt offensichtlich
f 0 = 0. Wie aus der Differentialrechnung einer Veränderlichen bekannt, folgt
hieraus, daß f konstant ist.

3.3 Definition. Ein metrischer Raum X heißt bogenweise zusammen-

hängend, wenn es zu je zwei Punkten a, b ∈ X eine stetige Abbildung ϕ gibt,
mit
ϕ : [0, 1] −→ X; ϕ(0) = a, ϕ(1) = b.

Man stelle sich [0, 1] als Zeitintervall vor. Dann ist ϕ(t) ein Punkt, welcher sich
stetig von a nach b bewegt. Das Bild von ϕ stelle man sich als eine (krumme)
Linie vor, die a mit b verbindet. Man nennt ϕ auch eine Kurve, manchmal auch
Bogen oder auch Weg.

3.4 Bemerkung. Jeder bogenweise zusammenhängende Raum ist zusammen-

hängend.
280 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Beweis. Sei f : X → R eine lokal konstante Funktion auf dem metrischen

Raum X. Wir müssen zeigen, daß f konstant ist, daß also f (a) = f (b) für zwei
vorgegebene Punkte a, b ∈ X gilt. Nach Voraussetzung existiert eine stetige
Abbildung
ϕ : [0, 1] −→ X; ϕ(0) = a, ϕ(1) = b.
Man zeigt leicht mit Hilfe der Stetigkeit von ϕ, daß auch die Abbildung

g = f ◦ ϕ : [0, 1] −→ R

lokal konstant ist. Da das Intervall [0, 1] zusammenhängend ist, muß g konstant
sein. Es folgt
f (a) = g(0) = g(1) = f (b). u
t

3.5 Definition. Ein Gebiet im R n ist eine offene, zusammenhängende Teil-

menge D ⊂ R n .
Halten wir noch einmal fest:

3.6 Bemerkung. Sei D ⊂ R n ein Gebiet und f : D → R eine differenzierbare

Funktion, deren partielle Ableitungen verschwinden. Dann ist f konstant.
Übungsaufgaben.
1) Die einzigen zusammenhängenden Teile von R sind die Intervalle.
2) Ein metrischer Raum X ist genau dann zusammenhängend, wenn folgendes
erfüllt ist:
Ist X = U ∪ V ; U, V offen, U ∩ V = ∅, so gilt U = X oder V = X (und
V = ∅ oder U = ∅).
Anleitung. a) Ist f : X → R lokal konstant, so wähle man einen Punkt a ∈ X
und setze

U := {x ∈ X; f (x) = f (a)}, V := {x ∈ X; f (x) 6= f (a)}.

b) Ist X = U ∪ V , so betrachte man die Funktion

1 für x ∈ U
n
f (x) =
0 für x ∈ V
3) Jedes Gebiet D ⊂ R n ist bogenweise zusammenhängend.
Anleitung. Man wähle a ∈ D und setze

U := x ∈ D; x ist mit a durch eine Kurve innerhalb D verbindbar

und
V := D − U.
4) Man konstruiere einen metrischen Raum, welcher zwar zusammenhängend,
nicht jedoch bogenweise zusammenhängend ist.
§3. Extremwerte differenzierbarer Funktionen 281

Lokale Extrema
Seien X ein metrischer Raum und f : X → R eine Funktion auf X. Ein Punkt
a ∈ X heißt lokales Maximum (Minimum) von f , wenn es eine Umgebung
U, a ∈ U ⊂ X, gibt, so daß

f (x) ≤ f (a) f (x) ≥ f (a) für alle x ∈ U

gilt. Der Punkt a heißt lokales Extremum, wenn f lokales Maximum oder
Minimum ist.

3.7 Bemerkung. Sei

f : D −→ R, D ⊂ R n offen,

eine differenzierbare Funktion und sei a ∈ D ein lokales Extremum von f . Dann
gilt
∂ν f (a) = 0 für ν = 1, . . . , n.

Der Beweis reduziert sich unmittelbar auf den bereits bekannten Fall n = 1.
Wie auch dort ist jedoch das Verschwinden der partiellen Ableitungen keine
hinreichende Bedingung für das Vorliegen eines lokalen Extremums. Solche
erhält man, wenn man auch höhere Ableitungen betrachtet. Beispielsweise
ergibt sich im Falle n = 1:
Sei
f : D −→ R, D ⊂ R ein Intervall,
eine zweimal stetig differenzierbare Funktion und sei a ein Punkt mit den Eigen-
schaften
a) f 0 (a) = 0,
b) f 00 (a) < 0.
Dann ist a ein lokales Maximum von f .
Der Beweis ergibt sich leicht aus dem Mittelwertsatz

f (x) − f (a)
= f 0 (ξ), ξ ∈ (a, x).
x−a
Nach Voraussetzung ist f 00 (a) negativ. Aus Stetigkeitsgründen ist f 00 dann in
einer vollen Umgebung von a negativ. Wir können annehmen, daß f 00 (x) für
alle x ∈ D negativ ist. Die Funktion f 0 ist dann streng monoton fallend, also

f 0 (x) < f 0 (a) = 0 für x > a sowie f 0 (x) > f 0 (a) = 0 für x < a,

also beispielsweise
f (x) − f (a)
<0 für x>a.
x−a
282 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Hieraus folgt
f (x) < f (a) für alle x.

Der Beweis zeigt tatsächlich etwas mehr als wir formuliert haben, nämlich:
Sei f : D → R eine zweimal stetig differenzierbar Funktion auf einem Intervall
D und a ∈ D ein Punkt mit f 0 (a) = 0. Sei D0 ein Intervall, a ∈ D0 ⊂ D, auf
welchem die zweite Ableitung von f negativ ist, d.h.

f 00 (x) < 0 für alle x ∈ D0 .

Dann besitzt f |D0 sein (absolutes) Maximum in a. Es ist also

f (x) < f (a) für alle x ∈ D0 .

Wir fassen die zweiten partiellen Ableitungen in einem Punkt a ∈ D in einer

Matrix zusammen:

2 2
 
∂11 f (a) ... ∂1n f (a)
H := H(f, a) := 
 .. .. 
(Hessematrix).
. . 
2 2
∂n1 f (a) . . . ∂nn f (a)

Diese Matrix ist symmetrisch, da es auf die Reihenfolge der Differentiationen

nicht ankommt.

3.8 Definition. Eine reelle symmetrische Matrix

h11 ... h1n

 
. .. 
H =  .. . , hij = hji für1 ≤ i, j ≤ n,
hn1 ... hnn

heißt positiv definit, wenn der Ausdruck

X
hij xi xj
1≤i,j≤n

für jeden von 0 verschiedenen Vektor x ∈ R n positiv ist.

Eine einreihige Matrix H = (h) ist natürlich genau dann positiv (definit), wenn
die Zahl h positiv ist.
Ergänzung zu 3.8. Man nennt die Matrix H negativ definit, wenn −H positiv
definit ist und definit, wenn sie entweder positiv oder negativ definit ist.
§3. Extremwerte differenzierbarer Funktionen 283

3.9 Satz. Die Funktion

f : D −→ R, D ⊂ R n offen,

sei zweimal stetig differenzierbar. Sei a ∈ D ein Punkt mit den Eigenschaften
a) ∂j f (a) = 0 für j = 1, . . . , n,
2

b) H(f, a) = ∂ij f (a) ij ist negativ definit.
Dann besitzt f in a ein lokales Maximum.
Beweis. Wir betrachten für eine beliebige Richtung“ α ∈ R n die Funktion
”
gα (t) := f (a + tα).

Sie ist in einer offenen Umgebung von t = 0 definiert. Aus der Kettenregel
ergibt sich gα0 (a) = 0 und
X
gα00 (t) = 2
∂ij (a + tα)αi αj .
1≤i,j≤n

Die Menge

(α, t) ∈ R n × R; a + tα ∈ D, gα00 (t) < 0

U :=

ist aus Stetigkeitsgründen eine offene Teilmenge des R n+1 . Es gilt

U ⊃ S n × {0} mit S n := {α ∈ R n ; kαk = 1}.

Übungsaufgabe. Aus der Kompaktheit von S n folgert man die Existenz einer
Zahl ε > 0 mit der Eigenschaft

kαk = 1, |t| < ε =⇒ a + tα ∈ D und gα00 (t) < 0.

Wie aus der Theorie einer Variablen bekannt, hat die Funktion

(−ε, ε) −→ R, t 7−→ gα (t) (kαk = 1)

in t = 0 ein absolutes Maximum. Es gilt insbesondere

f (x) < f (a),

wenn sich x in der Form

x = a + tα, |t| < ε, kαk = 1

schreiben läßt. Die Menge dieser x ist eine Umgebung von a. u

t
284 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Extremwerte unter Nebenbedingungen.

Wir nehmen einmal an, daß D eine nichtleere, beschränkte und offene Menge
im R n sei. Dann ist der Abschluß D̄ von D kompakt. Wir nehmen außerdem
an, daß eine stetige Funktion f : D̄ → R gegeben sei, welche in D zweimal
stetig differenzierbar sei. Die Funktion f muß dann in D̄ ein absolutes Maxi-
mum haben. Dann gibt es zwei Möglichkeiten. Entweder das Maximum wird
im Inneren – also in D – angenommen. In diesem Fall müssen die partiellen
Ableitungen von f in a (dem Maximalpunkt) verschwinden. Oder es wird auf
dem Rand angenommen. Der Rand ist nur im Fall n > 1 selbst eine unendliche
Punktmenge, z.B.

D = {x ∈ R n ; kxk < 1} =⇒ ∂D = S n .

Wie bestimmt man nun das Maximum von f |∂D oder anders gesprochen: Wie
bestimmt man das Maximum der Funktion f unter der Nebenbedingung kxk =
1?
Die Methode der Lagrange-Multiplikatoren liefert ein allgemeines Verfahren,
Maxima und Minima unter Nebenbedingungen zu untersuchen.

3.10 Satz. Gegeben seien

a) eine offene Teilmenge D ⊂ R n+m ,
b) eine stetig differenzierbare Funktion f : D → R,
c) eine stetig differenzierbare Abbildung

g : D −→ R m , g = (g1 , . . . , gm ).

Voraussetzung. Die Jacobi-Matrix J(g; x) habe für jeden Punkt x ∈ D den

(maximal möglichen) Rang m. Wir setzen

M := {x ∈ D; g(x) = 0}. (Nebenbedingungsmenge)

Annahme. a ∈ M sei ein relatives Extremum der Einschränkung f |M von f

auf M .
Behauptung. Es existieren reelle Zahlen λ1 , . . . , λm (die Lagrangeschen
Multiplikatoren), so daß gilt:

m
X ∂gj
∂i f (a) = λj (a) für i = 1, . . . , n + m.
j=1
∂xi
§3. Extremwerte differenzierbarer Funktionen 285

Die lokalen Extrema von f |M sind also unter den Lösungen des Gleichungssy-
stems
gj (x) = 0 für j = 1, . . . , m
m
X ∂gj
∂i f (a) = λj (a) für i = 1, . . . , n + m
j=1
∂xi

zu suchen.
Die Anzahl dieser Gleichungen ist 2m + n. Dies ist auch die Anzahl der
Unbestimmten (unbestimmt sind die Multiplikatoren und der Punkt x). Dies
läßt hoffen (mehr nicht!), daß in nicht allzu entarteten Fällen dieses Gleichungs-
system nur endlich viele Lösungen (x, λ) besitzt. Unter diesen sind die lokalen
Extrema durch weitere Überlegungen auszusondern.
Beweis von Satz 3.10 . Der Beweis erfolgt in drei Schritten.
1. Schritt. Der Spezialfall

gi (x) = xn+i für i = 1, . . . , m,

also
M= x ∈ D; xn+1 = . . . = xn+m = 0 .
Ist a ∈ M ein relatives Extremum von f |M , so gilt

∂i f (a) = 0 für i = 1, . . . , n.

Setzt man
λj = ∂n+j f (a) für j = 1, . . . , m,
so sind die in 3.10 geforderten Gleichungen ersichtlich erfüllt.
2. Schritt. Transformationsinvarianz der Aussage von 3.10.
Sei
ϕ : D −→ D̃, D, D̃ ⊂ R n+m offen,
ein Diffeomorphismus, d.h. eine bijektive Abbildung, so daß ϕ und ϕ−1 stetig
differenzierbar sind. Wir definieren

f˜ : D̃ −→ R und g̃ : D̃ −→ R m

durch
f˜ ◦ ϕ := f und g̃ ◦ ϕ := g
und setzen außerdem noch
ã := ϕ(a).
286 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

Behauptung. Wenn die Aussage des Satzes 3.10 für die Daten (D, f, g, a) richtig
ist, so ist sie es auch für (D̃, f˜, g̃, ã) und umgekehrt).
Zum Beweis dieser Behauptung benutze man für die Multiplikatorengleichung“
”
die Matrixschreibweise

J(f ; a) = λ · J(g; a) λ = (λ1 , . . . , λm ) .

Die Behauptung folgt dann unmittelbar aus der Kettenregel

J(f˜; ã) · J(ϕ; a) = J(f ; a)

(und analog für g). Man erhält sogar dasselbe Multiplikatorensystem λ.

3. Schritt. Aus den beiden ersten Schritten folgt, daß die Aussage des Satzes
für (D, f, g, a) bewiesen ist, wenn es einen Diffeomorphismus ϕ : D → D̃ gibt,
so daß
g̃i (x) = xn+i für i = 1, . . . , m
gilt. Da es sich um eine lokale Aussage handelt, ist es sogar ausreichend, wenn
ein derartiger Diffeomorphismus auf einer (kleinen) Umgebung a ∈ U ⊂ D
existiert (ϕ : U → Ũ ). Wir werden aus dem Satz für umkehrbare Funktionen
folgern, daß ein derartiger Diffeomorphismus ϕ (auf geeignetem U ) existiert. An
dieser Stelle des Beweises wird benutzt, daß die Matrix J(g; a) den maximalen
Rang m hat. Wie aus der linearen Algebra bekannt, bedeutet dies, daß man
J(g; a) zu einer quadratischen (m + n)-reihigen invertierbaren Matrix ergänzen
kann.
Hieraus wiederum folgt, daß man eine Abbildung

G : D −→ R n+m

finden kann, deren letzte m Komponenten mit g übereinstimmen und deren

Funktionalmatrix im Punkt a invertierbar ist. Nach dem Satz über umkehrbare
Funktionen definiert G einen Diffeomorphismus

ϕ : U −→ Ũ , a ∈ U ⊂ D, ϕ(x) := G(x) für x ∈ U,

auf einer offenen Umgebung U von a. Dieser Diffeomorphismus hat die ge-
wünschte Eigenschaft. u
t
Anwendungsbeispiel für Lagrange-Multiplikatoren.
Wir wollen die Extremwerte der Funktion

f (x) := (x1 · . . . · xn )2

auf der Sphäre“

”
x21 + . . . + x2n = 1

S := x;
§3. Extremwerte differenzierbarer Funktionen 287

bestimmen. Die Funktion ist auf dem ganzen R n definiert und stetig differen-
zierbar; ebenso die Nebenbedingung“
”
g(x) = x21 + . . . + x2n − 1.
Da S kompakt ist, nimmt f sein Maximum (und Minimum) in S an und diese
sind unter den Lösungen der Gleichungen
∂i f = λ · ∂i g für i = 1, . . . , n
zu suchen, also
2(x1 · . . . · xn )2
= λ · 2xi für i = 1, . . . , n
xi
oder
(x1 · . . . · xn )2 = λ · x2i für i = 1, . . . , n.
Da wir das Maximum von f bestimmen wollen und da dieses offensichtlich von
0 verschieden ist, können wir
xi 6= 0 für i = 1, . . . , n
annehmen. Es folgt dann λ 6= 0 und
1
x21 = . . . = x2n =⇒ x2i =
.
n
Da die Funktion f (x) sich nicht ändert, wenn man xi durch −xi ersetzt,
erhalten wir aus den bisherigen Überlegungen:
Das Maximum von f auf der Sphäre S wird in dem Punkt
r r !
1 1
,...,
n n
angenommen. Der Wert des Maximums ist
r r !
1 1
f ,..., = n−n .
n n
Wir erhalten also

(x1 · . . . · xn )2 ≤ n−n für x21 + . . . + x2n = 1

Übungsaufgabe. Man folgere aus der eben bewiesenen Ungleichung die bekannte
Ungleichung zwischen geometrischem und arithmetischem Mittel

√ x1 + . . . + xn
n
x1 · . . . · xn ≤ für xi ≥ 0, i = 1, . . . , n.
n
288 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

4. Die Taylorsche Formel und analytische Funktionen

Die Taylorreihe für Funktionen mehrerer Veränderlicher erhält man durch

Reduktion auf den Fall n = 1 (Kapitel III, §6) mit Hilfe des bereits mehrfach
verwendeten Spezialisierungsprozesses

g(t) = f (a + tα),

also durch Einschränken von f auf Geraden.

Zur bequemen Formulierung der Taylorschen Formel ist es zweckmäßig, den
Kalkül der Multiindizes zu verwenden. Ein solcher Multiindex ist ein n-Tupel
nicht negativer ganzer Zahlen

ν = (ν1 , . . . , νn ), νj ∈ N 0 für 1 ≤ j ≤ n.

Bezeichnungen.
1) |ν| := ν1 + ν2 + · · · + νn .
2) ν! := ν1 ! · . . . · νn !.
3) xν := xν11 · . . . · xνnn für x = (x1 , . . . , xn ) ∈ R n .
4) x · y := x1 y1 + . . . + xn yn für x, y ∈ R n (Skalarprodukt).
5) Ist f eine auf einem offenen Teil von R n genügend oft stetig differen-
zierbare Funktion, so setzen wir

∂ |ν| f

∂f ∂f
∂x f := ,..., sowie ∂ ν f := .
∂x1 ∂xn (∂x1 )ν1 . . . (∂xn )νn

Beispiel.
∂3f
∂ (1,2) f = .
∂x1 (∂x2 )2
Wir betrachten nun eine Funktion

f : D → R, D ⊂ R n offen,

welche k-fach stetig differenzierbar sei. Gegeben sei ein Punkt a ∈ D, welcher als
Entwicklungspunkt dienen soll. Für einen beliebigen Richtungsvektor α ∈ R n
definieren wir
g(t) := f (a + tα).
Diese Funktion ist in einer offenen Umgebung von t = 0 k-fach stetig diffe-
renzierbar. Die k-te Ableitung von g kann durch wiederholte Anwendung der
§4. Die Taylorsche Formel und analytische Funktionen 289

Kettenregel gewonnen werden. Es gilt etwa (x := a + tα):

n
X
0
g (t) = ∂i f (x) · αi ,
i=1
n X
X n X
00 2 2
g (t) = ∂ji f (x)αj αi = ∂ij f (x)αi αj
i=1 j=1 1≤i,j≤n

n
X X
= ∂ 2 fii (x)αi2 + 2 2
∂ij f (x)αi αj .
i=1 1≤i<j≤n

Diesen Ausdruck kann man auch in der Form

X 2!
g (2) (t) = (∂ ν f )(x) · αν
ν!
|ν|=2

schreiben. Dabei beachte man, daß

1 für ν = (1, 1)
n
|ν| = 2 =⇒ ν! =
2 sonst.

Durch Induktion nach k beweist man allgemein

4.1 Hilfssatz. Unter obigen Voraussetzungen gilt

X k!
g (k) (t) = (∂ ν f )(x) · αν .
ν!
|ν|=k

Hierbei ist über die endlich vielen Multiindizes ν ∈ N n0 mit |ν| = k zu

summieren.
Wir setzen nun voraus, daß f zumindest N + 1-mal stetig differenzierbar ist.
Die Taylorreihe für die Funktion g (in einer Variablen!) lautet

N Zt
X g (k) (0)tk 1
g(t) = + (t − u)N g (N +1) (u) du.
k! N!
k=0 0

Setzen wir wieder x := a + tα und beachten

(x − a)ν = tk · αν für |ν| = k,

so folgt mittels Hilfssatz 4.1

290 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

4.2 Satz (Taylorformel). Die Funktion

f : D → R, D ⊂ R n offen und konvex,

sei n + 1-mal stetig differenzierbar und es sei a ∈ D. Dann gilt für alle x ∈ D:

X (∂ ν f )(a)
f (x) = (x − a)ν + Rn (x)
ν!
|ν|≤n

Zt
X 1
mit Rn (x) = (n + 1) (t − u)n [(∂ ν f )(a + uα)](a + uα)ν du.
ν!
|ν|=n+1 0

Wir schreiben einige Terme der Taylorschen Formel explizit nieder:

X (∂ ν f )(a)
(x − a)ν =
ν!
|ν|≤2

f (a) + (konstanter Term)

n
X
∂i f (a)(xi − ai ) + (linearer Term)
i=1

1 X
2
∂ij f (a)(xi − ai )(xj − aj ) (quadratischer Term)
2
1≤i,j≤n

Taylorreihen

Wir nehmen jetzt an, daß die Funktion

f : D → R, D ⊂ R n offen,

in a ∈ D beliebig oft stetig partiell ableitbar ist. Die unendliche Reihe

X ∂ν f
(a)(x − a)ν
n
ν!
ν∈N 0

heißt die Taylorreihe von f zum Entwicklungspunkt a. Natürlich ist wie schon
im Fall n = 1 nicht klar, für welche x diese Reihe konvergiert und ob sie, wenn
sie es tut, die Funktion f darstellt.
§4. Die Taylorsche Formel und analytische Funktionen 291

4.3 Definition. Eine Funktion

f : D −→ R, D ⊂ R n offen,

heißt analytisch, wenn sie unendlich oft stetig partiell ableitbar ist und wenn
zu jedem Punkt a ∈ D eine Umgebung U existiert, innerhalb derer die
Taylorreihe absolut konvergiert und die Funktion f darstellt:
X (∂ ν f )(a)
f (x) = aν (x − a)ν , aν = .
ν!
ν=(ν1 ,...,νn )

Allgemeiner heißt eine Abbildung f : D → R m analytisch, wenn alle Kompo-

nenten von f analytisch sind.
Absolute Konvergenz ist hierbei im Sinne des Summierbarkeitsbegriffes I.7.2
zu verstehen (absolute Konvergenz bei irgendeiner Anordnung der Indizes).
Notwendig für die Analytizität von f ist natürlich

lim RN (x) = 0
N →∞

in einer Umgebung von x = a. Die formalen Rechenregeln für Potenzreihen und

die Permanenzeigenschaften analytischer Funktionen gelten wie im Fall n = 1
(vgl. Kapitel IV, §6). Wir können uns daher kurz fassen und wollen auf Beweise
verzichten.
Sprechweise. Eine Potenzreihe
X
P (x) := aν (x − a)ν , aν ∈ R,
ν∈N n
0

heißt konvergent, wenn es eine offene Umgebung U von a gibt, so daß die Reihe
für alle x ∈ U absolut konvergiert (also summierbar ist im Sinne von I.7.2).
Die Reihe P (x) definiert dann in dieser offenen Menge eine analytische Funk-
tion. Die Taylorreihe von P und die vorgegebene Potenzreihe stimmen überein,
d.h.
∂ ν P (a)
aν = .
ν!
Beispiel . Die geometrische Reihe

1 X
= xν
(1 − x1 ) · . . . · (1 − xn ) n ν∈N 0

konvergiert absolut für

kxk < 1; kxk = max |xi |,

1≤i≤n
292 VI. Differentialrechnung für Funktionen mehrerer Veränderlicher

wie sich unmittelbar aus dem Fall n = 1 in Verbindung mit dem Cauchyschen
Multiplikationssatz ergibt.
Wie im Fall n = 1 beweist man: Sei a ∈ R n ein Punkt, so daß
|aν aν | ≤ C für alle Multiindizes ν
mit einer geeigneten Konstanten C gilt. Dann konvergiert die Reihe
X
aν xν
ν
in dem Bereich
|xi | < |ai | für i = 1, . . . , n.
Sind alle ai von Null verschieden, so ist dieser Bereich offen, und die Potenzreihe
definiert dort eine analytische Funktion.
Wir stellen abschließend die Regeln für das Rechnen mit Potenzreihen und die
entsprechenden Permanenzeigenschaften analytischer Funktionen zusammen.
Sei D ⊂ R n offen und a ∈ D ein fester Punkt in D.
Die Summe und das Produkt zweier analytischer Funktionen sind wieder ana-
lytisch.
Die Taylorreihen von f + g und f · g erhält man aus denen von f und g mittels
der Rechenregeln
X X X
aν xν + bν xν = (aν + bν )xν
 
X X X X
aν xν · bν xν =  aα bβ  xν
ν α+β=ν

Hierbei sind α, β und ν Multiindizes!

Sei f : D → R m eine analytische Abbildung und
g : D0 → R, D0 ⊂ f (D) ⊂ R m offen,
eine analytische Abbildung, in welche sich f einsetzen läßt. Dann ist auch die
Funktion
g◦f :D → R
analytisch. Die zugehörige Taylorreihe erhält man aus der Taylorreihe von f in
a und der von g in f (a) durch Einsetzen und Umordnen.
Ein Spezialfall hiervon ist das Invertieren von Potenzreihen:
Ist f : D → R eine analytische Funktion ohne Nullstellen, so ist auch 1/f als
Zusammensetzung von f mit der Funktion x 7→ 1/x analytisch.
Sei
ϕ : D → D0 , D, D0 ⊂ R n offen,
ein Diffeomorphismus, also eine bijektive Abbildung, so daß ϕ und ϕ−1 stetig
differenzierbar sind. Wenn ϕ analytisch ist, so ist auch ϕ−1 analytisch (vgl.
IV.6.6).
Kapitel VII. Integrationstheorie

1. Das Integral für stetige Funktionen mit kompakten

Trägern

Gegeben sei ein abgeschlossener Quader Q im R n , welcher durch die n-Tupel

a = (a1 , . . . , an ), b = (b1 , . . . , bn ), aν ≤ bν für ν = 1, . . . , n,

definiert sei:
Q = {x ∈ R n ; aν ≤ xν ≤ bν }.

Es sei eine stetige Funktion

f : Q −→ R

gegeben. Wie versuchen, das (mehrfache) Integral von f

Z
f (x) dx1 . . . dxn
Q

zu definieren*). Dies soll induktiv geschehen. Zunächst kann man bei festem
x2 , . . . , xn das Integral
Zb1
f (x) dx1
a1

definieren, da f als Funktion von x1 stetig und somit integrierbar ist.

Läßt man jetzt x2 , . . . , xn wieder variieren, so kann man dieses Integral als
Funktion von x2 , . . . , xn auffassen. Definitionsbereich ist der Quader im R n−1 ,
der durch
aν ≤ xν ≤ bν für 2 ≤ ν ≤ n,

definiert ist.

*) Wir haben dies als Anwendung des Weierstraßschen Approximationssatzes im

Anschluß an V.6.4 bereits durchgeführt und rollen dies nochmals wegen seiner
grundlegenden Bedeutung für den Aufbau der Integrationstheorie auf.
294 Kapitel VII. Integrationstheorie

Jetzt will man über x2 integrieren, d.h.

Zb2 Zb1
 
 f (x) dx1  dx2
a2 a1

betrachten, usw. und schließlich soll dann das mehrfache Integral von f über
Q durch die Formel

Z Zbn Zb1
f (x) dx1 . . . dxn = ... f (x) dx1 . . . dxn
Q an a1

definiert werden. Allerdings muß man wissen, daß all diese Integrationen
durchführbar sind.

1.1 Hilfssatz. Die Funktion

f : Q −→ R, Q = {x ∈ R n ; aν ≤ xν ≤ bν } (aν ≤ bν )

sei stetig. Dann ist auch die Funktion

F : Q0 −→ R, Q0 = {(x2 , . . . , xn ) ∈ R n−1 ; aν ≤ xν ≤ bν }
Zb1
F (x2 , . . . , xn ) = f (x1 , x2 , . . . , xn ) dx1
a1

stetig.
Beweis. Dies haben wir bereits bewiesen (s. V.4.16). Wegen der Bedeutung für
den Aufbau der Integrationstheorie gehen wir nochmal darauf ein:
Wesentliches Hilfsmittel zum Beweis ist der Satz von der gleichmäßigen Stetig-
keit. Versuchen wir zunächst einmal, die Stetigkeit direkt zu beweisen, etwa im
Punkt (x02 , . . . , x0n ).
Man muß zeigen:

| F (x2 , . . . , xn ) − F (x02 , . . . , x0n ) |< ε für | xν − x0ν |< δ(ε) (2 ≤ ν ≤ n).

Dabei sei ε > 0 beliebig vorgegeben, also

Zb1
[f (x1 , x2 , . . . , xn ) − f (x1 , x02 , . . . , x0n )] dx1 < ε.
a1
§1. Das Integral für stetige Funktionen mit kompakten Trägern 295

Nun gilt wegen der Stetigkeit von f tatsächlich

| f (x1 , x2 , . . . , xn ) − f (x1 , x02 , . . . , x0n ) |< ε für | xν − x0ν |< δ(ε) (2 ≤ ν ≤ n)

und man kann abschätzen:

Zb1
| F (x2 , . . . , xn ) − F (x02 , . . . , x0n ) |< ε dx1 = (b1 − a1 )ε
a1

für | xν − x0ν |< δ(ε) (2 ≤ ν ≤ n).

Das Auftreten der Konstanten b1 − a1 störte natürlich in keiner Weise, aber der
Beweis funktioniert nur dann, wenn δ(ε) unabhängig von x1 gewählt werden
kann.
Dies folgt aber aus dem Satz von der gleichmäßigen Stetigkeit (III.1.14).
Damit ist folgende Definition möglich

1.2 Definition. Das Integral einer stetigen Funktion

f : Q −→ R, Q = {x; aν ≤ xν ≤ bν } (aν ≤ bν ),

auf einem kompakten Quader Q wird induktiv definiert durch

Zb1
 
Z Z
f (x) dx1 , . . . , dxn =  f (x1 , x2 , . . . , xn ) dx1  dx2 . . . dxn .
Q Q0 a1

(Q0 = {(x2 , . . . , xn ) ∈ R n−1 ; aν ≤ xν ≤ bν } für 2 ≤ ν ≤ n)

Z Zb
f (x) dx = f (x) dx (a < b) im Falle n = 1.
[a,b] a

Schreibweise:
Z Zbn Zb1
f (x) dx = ... f (x) dx1 . . . dxn .
Q an a1

Der Aufbau der Integrationstheorie ist vergleichsweise kompliziert. Für pragmatisch

denkende Anwender ist vielleicht der Hinweis nützlich, daß das Regelintegral einer
Veränderlicher bereits ausreicht, um Volumenberechnungen durchzuführen. Man gehe
folgendermaßen vor: Sei A ⊂ R n eine einigermaßen anständige, sagen wir kompakte
Teilmenge, welche man sich als massiven n-dimensionalen Körper vorstelle. Durch-
schneidet man diesen Körper mit der Ebene“ xn = t, so erhält man einen (n − 1)-
”
dimensionalen Körper A(t). Man will die Volumentheorie induktiv aufbauen, nimmt
296 Kapitel VII. Integrationstheorie

also an, daß man weiß, wie man das (n − 1)-dimensionale Volumen von A(t)
berechnen kann. Induktionsbeginn sind Teilmengen von R , welche man sich als
Vereinigung endlich vieler Intervalle vorstelle. Die Funktion h(t) = vol(A(t)) ver-
schwindet außerhalb eines geeigneten Intervalls [−C, C] In einigermaßen anständiger
Situation darf man erwarten, daß sie eine Regelfunktion ist, so daß man

ZC
vol(A) := h(t) dt
−C

definieren kann. Aber dieser naive Weg gibt keine direkte Einsicht, warum beispiels-
weise das Volumen gegenüber Drehungen des Körpers invariant bleibt. Dennoch:
Obige Vorgehensweise reicht aus für alle praktischen Belange der Volumenbestimmung
und der eine oder andere Hörer mag mit dieser Erkenntnis zufrieden sein und die
Mühe des Aufbaus einer leistungsstarken Integrationstheorie als überflüssig erachten.
Dies ist legitim, wenn er sich in der Mathematik von der Analysis wegorientiert
und beispielsweise eine algebraische Linie bevorzugt. Tieferer Einstieg in Gebiete
wie Analysis, Wahrscheinlichkeitstheorie, etc. erfordert jedoch eine leistungsstarke In-
tegrationstheorie mit guten Grenzwertsätzen (Vertauschbarkeit von Integration mit
Limesbildungen wie beispielsweise Differentiation).

Für die Integrationstheorie ist fundamental, daß man die Reihenfolge der
Integrationen vertauschen darf, daß also beispielsweise im Falle n = 2

Zb2 Zb1 Zb1 Zb2

f (x1 , x2 ) dx1 dx2 = f (x1 , x2 ) dx2 dx1
a2 a1 a1 a2

gilt. Dies kann man an vielen Beispielen nachprüfen, muß aber streng bewiesen
werden. Wir führen dies nochmals durch:
Gegeben sei eine Umordnung (Permutation) σ = {σ1 , σ2 , . . . , σn } der Zahlen
{1, . . . , n}, d.h. jede Zahl 1 bis n kommt unter den σν genau einmal vor.

1.3 Satz. Gegeben sei eine stetige Funktion f : Q → R, Q ein kompakter

Quader in R n und σ eine Permutation der Variablen. Dann gilt

Zbn Zb1 Zbσn Zbσ1

... f (x) dx1 . . . dxn = ... f (x) dxσ1 . . . dxσn .
an a1 aσn aσ1

Es kommt also auf die Reihenfolge der Integrationen nicht an.

Beweis: Die Behauptung ist trivial für Funktionen von dem speziellen Typ

f (x) = f1 (x1 ) · f2 (x2 ) . . . fn (xn ),

§1. Das Integral für stetige Funktionen mit kompakten Trägern 297

wobei
fν : [aν , bν ] −→ R
stetige Funktionen einer Variablen sind, denn dann zerfällt das Integral
 b   b 
Z Z1 Zn
f (x) dx =  f1 (x1 ) dx1  . . .  fn (xn ) dxn 
Q a1 an

in ein Produkt von Integralen.

Wir bezeichnen mit A die Menge aller stetigen Funktionen f : Q → R, die sich
als endliche Summe von Funktionen obigen speziellen Typs schreiben lassen,
also
m
X
f (x) = f1ν (x1 ) . . . fnν (xn ).
ν=1
Es ist klar, daß die Behauptung auch für alle Funktionen dieser Klasse gilt.
Satz 1.3 wird dann mit Hilfe des Approximationssatzes V.6.2 von Stone-
Weierstraß bewiesen.
Zunächst behaupten wir:
Jede stetige Funktion f : Q → R ist gleichmäßiger Grenzwert einer Folge von
Funktionen aus A. Dazu weisen wir die Voraussetzungen des Approximations-
satzes nach. Der einzige nicht völlig triviale Punkt ist die Punktetrennung.
Seien also
x0 = (x01 , . . . , x0n ), y 0 = (y10 , . . . , yn0 )
zwei verschiedene Punkte aus Q, also etwa
x0ν 6= yν0 .
Die Funktion f mit
f (x) = xν − x0ν

trennt die beiden Punkte f (x0 ) = 0, f (y 0 ) 6= 0 und liegt in A. Da man jede
stetige Funktion f : Q → R gleichmäßig approximieren kann durch Funktionen,
für die 1.3 schon bewiesen ist, muß man nur noch wissen, daß das mehrfache
Integral bezüglich gleichmäßiger Konvergenz stabil ist.

1.4 Hilfssatz. Sei Q ⊂ R n ein kompakter Quader und

f : Q −→ R
eine stetige Funktion. Es gilt
Z
f (x) dx1 . . . dxn ≤ kf k(b1 − a1 ) . . . (bn − an ),
Q

wobei kf k die Maximumsnorm bezeichne.

298 Kapitel VII. Integrationstheorie

Beweis. Aus den Rechenregeln für eine Veränderliche folgt unmittelbar

Z Z
f (x) dx1 . . . dxn ≤ g(x) dx1 . . . dxn ,
Q Q

falls
f (x) ≤ g(x) für alle x∈Q

gilt. Insbesondere gilt

Z Z
f (x) dx1 . . . dxn ≤ |f (x)| dx1 . . . dxn ≤
Q Q
Z
kf k dx1 . . . dxn = kf k(b1 − a1 ) . . . (bn − an ).
Q

1.5 Folgerung. Die Folge von stetigen Funktionen

fk : Q −→ R, k = 1, 2, 3, . . . ,

konvergiere gleichmäßig gegen f . Dann gilt

Z Z
f (x) dx1 . . . dxn = lim fk (x) dx1 . . . dxn .
k→∞
Q Q

Beweis:
Z Z
f (x) dx1 . . . dxn − fk (x) dx1 . . . dxn ≤
Q Q

kf − fk k (b1 − a1 ) . . . (bn − an ) −→ 0 für k −→ ∞.

Man sollte sich gut vor Augen halten:

Die Stabilität des Integrals für stetige Funktionen auf kompakten

Quadern ist eine Trivialität, welche auf der banalen Abschätzung
1.4 beruht.
§1. Das Integral für stetige Funktionen mit kompakten Trägern 299

Stetige Funktionen mit kompaktem Träger

Unter dem Träger einer Funktion

f : X −→ R, X ein metrischer Raum,

versteht man den Abschluß der Menge aller Punkte, in denen f nicht verschwin-
det.
Träger f = {x ∈ X; f (x) 6= 0}.
Ein Punkt x ∈ X gehört dann und nur dann zum Träger von f , wenn f (x) 6= 0
ist, oder wenn es eine Folge von Punkten xn ∈ X gibt mit

xn −→ x für n −→ ∞ und f (xn ) 6= 0 für alle n.

Bezeichnung
Klasse der stetigen Funktionen mit kompaktem Träger auf X:

Cc (X) = {f : X −→ R; f stetig, Träger(f ) ist kompakt}

Offenbar gilt

f, g ∈ Cc (X) =⇒ f + g, f · g und cf ∈ Cc (X) (c ∈ R).

Die konstanten Funktionen liegen nur dann in Cc (X), wenn X selbst kompakt
ist.

1.6 Bemerkung. Eine stetige Funktion

f : R n −→ R

gehört dann und nur dann zur Klasse Cc (R n ), wenn eine Zahl R > 0 existiert,
so daß
f (x) = 0 für kxk > R
gilt.

Beweis. 1) Wenn der Träger von f kompakt ist, so existiert eine Zahl R > 0,
so daß
Träger (f ) ⊂ UR (0).
(Jedes Kompaktum ist beschränkt.)
2) Wenn ein solches R existiert, so ist der Träger von f beschränkt, außerdem
ist er nach Konstruktion abgeschlossen und daher nach dem Überdeckungssatz
von Heine–Borel kompakt.
300 Kapitel VII. Integrationstheorie

Im Fall n > 1 erhält man stetige Funktionen mit kompaktem Träger durch

f (x) = f1 (x1 ) . . . fn (xn ),

wobei die fi (xi ) solche in einer Veränderlichen sind.

Das Integral für stetige Funktionen mit kompaktem Träger

Es sei
f : R n −→ R
eine stetige Funktion mit kompaktem Träger. Wir wählen R > 0, so daß gilt:

f (x) 6= 0 =⇒ |xν | ≤ R für ν = 1, . . . , n.

Dann definieren wir

Z Z
Def
f (x) dx1 . . . dxn = f (x) dx1 . . . dxn ,
Rn Q

wobei Q den Quader

−R ≤ xν ≤ R für ν = 1, . . . , n

bezeichne. Es ist klar, daß diese Definition von der Wahl von R nicht abhängt.
R muß nur so groß sein, daß der Träger von f in Q liegt.
Das so definierte Integral für stetige Funktionen mit kompaktem Träger ist der
Baustein des Lebesgue’schen Integrals, das nun mit Hilfe des Daniell-Lebesgue
Prozesses gewonnen werden soll.

2. Die Ausdehnung des Integrals auf halbstetige Funkti-

onen

In §1 haben wir die Klasse Cc (R n ) der stetigen Funktionen mit kompaktem

Träger eingeführt und darauf ein Integral definiert:
Z
f 7−→ f (x) dx1 · · · dxn .
Rn

Wir stellen die Eigenschaften dieses Integrals, die wir im folgenden benutzen,
kurz zusammen.
§2. Die Ausdehnung des Integrals auf halbstetige Funktionen 301

Dabei benutzen wir die abkürzende Schreibweise

Z Z
I(f ) := f (x) dx := f (x) dx1 · · · dxn .
Rn Rn

1) Das Integral ist ein lineares Funktional, d.h.

I(f + g) = I(f ) + I(g), I(cf ) = cI(f ).

2) Das Integral ist positiv“, d.h.

”
I(f ) ≥ 0, falls f (x) ≥ 0 für alle x ∈ R n .

Im folgenden besteht das Problem, das Integral auf eine möglichst große Klasse
von Funktionen auszudehnen.
Zunächst haben wir, das Integral für Funktionen einer Veränderlichen schon
benutzend, das Integral für stetige Funktionen mit kompaktem Träger ge-
wonnen. Allgemeinere Funktionen f versuchen wir jetzt, durch stetige Funk-
tionen zu approximieren. Dabei müssen wir allerdings das gelobte Land der
gleichmäßigen Konvergenz verlassen, denn sonst kommen wir aus dem Bereich
der stetigen Funktionen nicht heraus.
Der Typ der Konvergenz, den wir betrachten wollen, ist die monotone Konver-
genz.

Der Daniell-Lebesgue-Prozess
(1. Teil: Das Integral für halbstetige Funktionen)
Mit Hilfe der Integrationstheorie mehrerer Variablen will man u.a. mehrdimen-
sionale Volumina von Bereichen im R n berechnen.
Sei also
f : D −→ R, D ⊂ R n ,
eine Funktion, die der Einfachheit halber nirgends negativ sei,

f (x) ≥ 0 für alle x ∈ D (Schreibweise f ≥ 0).

Gesucht ist ein Maß für das Volumen des Bereiches im (n + 1)-dimensionalen
Raum
(x, t) ∈ R n+1 ; x ∈ D, 0 ≤ t ≤ f (x)

Dieses Volumen soll gerade

Z
f (x) dx1 · · · dxn
D
302 Kapitel VII. Integrationstheorie

sein.
Man könnte natürlich wie im Falle n = 1 versuchen, das Integral durch
Approximationen mit Hilfe von Treppen“ zu definieren. Das ist möglich, aber
”
schwierig. Im Fall n = 1 sind die Definitionsbereiche D in der Regel einfache
Intervalle. Diese sind sehr einfach aufzuteilen in kleine“ Intervalle, auf denen
”
man dann die Treppen aufbaut.
Im Fall n > 1 kann schon der Definitionsbereich D relativ kompliziert sein. Man
müßte ihn durch eine Quaderaufteilung pflastern (approximativ) und darauf die
Treppen“ aufbauen. Dieser Aufbau ist möglich. Stattdessen haben wir einen
”
anderen Weg eingeschlagen. In sehr naheliegender Weise konnten wir direkt das
Integral für stetige Funktionen definieren. Dazu machten wir einen Rückgriff
auf das Regelintegral in einer Veränderlichen, das ja sehr leicht (relativ zum
Fall n ≥ 1) zu gewinnen war. Jetzt werden wir das Integral für allgemeinere
Funktionentypen f dadurch gewinnen, daß wir f durch stetige Funktionen mit
kompaktem Träger zu approximieren suchen.
Dabei müssen wir notgedrungen auf die gleichmäßige Konvergenz verzichten,
sonst kommen wir nicht aus dem Bereich der stetigen Funktionen heraus.
Warum ist das Integral für allgemeinere Funktionstypen interessant?
Will man das n-dimensionale Volumen eines Bereiches D ⊂ R n definieren und
berechnen, so kann man folgendermaßen vorgehen.
Man betrachte die Funktion

f (x) = 1 für x ∈ D.

Die Anschauung zeigt dann, daß die Definition

Z
Volumen (D) = 1 dx1 · · · dxn
D

sinnvoll ist.
(Die Länge des Intervalls [a, b] kann als Integral über die Funktion 1 interpre-
tiert werden, also eindimensionales Volumen von [a, b]:

Zb
dx = b − a,
a

oder: Die Fläche der Kreisscheibe

x2 + y 2 ≤ 1

E = (x, y) ∈ R × R;

kann interpretiert werden als Volumen des dreidimensionalen Zylinders

Z = (x, y, t) ∈ R 3 ; x2 + y 2 ≤ 1, 0 ≤ t ≤ 1 ,

§2. Die Ausdehnung des Integrals auf halbstetige Funktionen 303

das wäre das Integral

Z
Volumen von Z = dx dy dt.)
x2 +y 2 ≤1
0≤t≤1

Im folgenden werden wir nur Integrale über den R n betrachten, wir nehmen
also an, daß die Funktion f auf dem ganzen R n definiert ist und streben von
vorneherein das uneigentliche Integral
Z
f (x) dx1 · · · dxn
Rn
an.
Dies ist keine Einschränkung der Allgemeinheit, wenn eine Funktion
f : D −→ R, D ⊂ Rn
gegeben ist, so betrachten wir einfach f˜ : R n → R,

f (x) für x ∈ D,
f˜(x) =
0 für x ∈
/ D,
und definieren
Z Z
f (x) dx1 · · · dxn := f˜(x) dx1 · · · dxn ,
D Rn

vorausgesetzt, da die rechte Seite schon definiert ist. Für die Volumenmessung
Volumen(D) bedeutet dies folgendes: Man betrachte die sogenannte charakte-
ristische Funktion von D,

n 1 für x ∈ D,
χD : R → R, χD (x) =
0 für x ∈ / D,
und definiert Z
Volumen(D) = χD (x) dx1 · · · dxn .
Rn

Damit ist gezeigt, daß das Konzept des Volumens eines Bereiches D ⊂ R n sich
unter den Begriffsapparat des Integrals
Z
f (x) dx1 · · · dxn , f : R n −→ R,
Rn

unterordnet, aber man beachte, daß die Funktion χD nicht stetig ist (Die
Randpunkte von D sind Unstetigkeitspunkte). Das Integral für stetige Funk-
tionen mit kompaktem Träger reicht also keineswegs zur Berechnung von
Volumina aus.
Wichtigstes Hilfsmittel für den ersten Schritt im Daniell-Lebesgue-Prozess ist
304 Kapitel VII. Integrationstheorie

2.1 Satz (Dini). Es sei X ein kompakter metrischer Raum und

fn : X −→ R, n = 1, 2, 3 . . . ,

eine Folge von stetigen Funktionen, die monoton gegen Null fällt, d.h.

a) f1 (x) ≥ f2 (x) ≥ · · · ,
b) lim fn (x) = 0 (für jedes x ∈ X).
n→∞

Die Folge (fn ) konvergiert dann gleichmäßig gegen 0.

Beweis: Sei ε > 0 vorgegeben. Zu jedem x ∈ X existiert eine natürliche Zahl

N (ε, x) mit der Eigenschaft

|fn (x)| < ε für n ≥ N (ε, x).

Zu jedem x0 existiert dann eine offene Umgebung U (x0 ) mit der Eigenschaft

|fN (ε,x0 ) (x)| < ε für x ∈ U (x0 ).

Endliche viele dieser Umgebungen überdecken X (Kompaktheit). Wir definie-

ren
N = N (ε) = max N (ε, x0 ); x0 ∈ obiger endlichen Menge .
Es gilt dann
|fN (x)| < ε für alle x.
Wegen der Monotonie der Folge Fn (x) gilt sogar

|fn (x)| < ε für alle x und n ≥ N.

Das heißt gerade, daß fn gleichmäßig gegen Null konvergiert. u

t
Der Satz von Dini gibt uns die Möglichkeit, das Integral für stetige Funktionen
mit kompaktem Träger auf eine große Klasse von Funktionen auszudehnen
und zwar auf solche Funktionen f , die sich monoton durch eine Folge von
Funktionen aus Cc (R n ) approximieren lassen.
Bei der technischen Durchführung der Integrationstheorie hat es sich als zweck-
mäßig erwiesen, auch Funktionen zuzulassen, die die Werte ±∞ annehmen
dürfen, d.h., wir erweitern die reelle Zahlengerade R durch Hinzufügen von
weiteren Elementen, für die wir ∞ und −∞ schreiben
¯ =R
R ∪ {∞} ∪ {−∞} (erweiterte Zahlengerade)

und vereinbaren die folgenden Rechenregeln

a) ∞ > x für alle x ∈ R ∪ {−∞},

b) −∞ < x für alle x ∈ R ∪ {∞}.
§2. Die Ausdehnung des Integrals auf halbstetige Funktionen 305

Diese Erweiterung hat folgenden Vorteil. Jede Teilmenge M ⊂ R, ¯ sofern sie

nicht leer ist, besitzt nun eine obere (natürlich auch untere) Grenze, die wir
mit Sup M bezeichnen wollen*).
Das Supremum Sup M einer nicht leeren Teilmenge M ⊂ R ¯ ist die kleinste
¯
obere Schranke von R. Im selben Sinne verstehen wir Inf M .
Ist insbesondere M ⊂ R eine in R nach oben beschränkte nicht leere Teilmenge,
so ist Sup M = sup M das gewöhnliche Supremum. Ist hingegen M durch kein
Element aus R nach oben beschränkt, so ist Sup M = ∞.
Ist a1 , a2 , a3 , · · · eine Folge von Elementen aus R, so verstehen wir unter dem
Supremum dieser Folge einfach das Supremum der Menge der Folgenglieder
Sup(an ) = Sup{a1 , a2 , . . .}.
Die erweiterte Zahlengerade hat allerdings den Nachteil, daß es unmöglich ist,
die algebraischen Rechenregeln (+, ·) auf R so zu erweitern, daß die üblichen
Gesetze erfüllt sind (Kommutativ-, Assoziativ- und Distributivgesetz). Zu
keinen Widersprüchen führt die Konvention,
∞+x=∞ für alle x∈ R ∪ {∞},
−∞ + x = −∞ für alle x∈ R ∪ {−∞},
x·∞=∞ für alle x∈ R, x > 0,
x · (−∞) = −∞ für alle x∈ R, x > 0,
∞ · ∞ = ∞,
∞ · (−∞) = −∞,
(−∞) · (−∞) = ∞,
wovon sich der Leser (am besten dort wo es verwendet wird) überzeugen mag.
Nicht definiert werden jedoch Bildungen wie: ∞ − ∞ und 0 · ∞.
Wir betrachten nun Funktionen, die man monoton durch stetige Funktionen
mit kompaktem Träger approximieren kann.

2.2 Definition. Eine Funktion

¯
f : R n −→ R
gehört der Klasse B + an (Bairesche Klasse), wenn es eine Folge von stetigen
Funktionen mit kompaktem Träger
fν : R n −→ R
mit den Eigenschaften
a) f1 (x) ≤ f2 (x) ≤ f3 (x) · · ·
b) f (x) = Supν fν (x) für alle x ∈ R n
gibt.
*) Wir haben eine ähnliche Konvention bereits im Zusammenhang mit der Berech-
nung des Konvergenzradius einer Potenzreihe verwendet, s. Kapitel I, §4
306 Kapitel VII. Integrationstheorie

Im folgenden schreiben wir einfach fn ↑ f , wenn die Eigenschaften a) und b)

erfüllt sind.
(Die Bezeichnung fn ↓ f versteht sich von selbst.)
Es ist klar, daß die Funktionen aus B + den Wert ∞ annehmen können aber
auf keinen Fall −∞. Man kann Funktionen aus der Klasse B + addieren, ohne
diese Klasse zu verlassen, aber wenn f in B + enthalten ist, braucht −f noch
lange nicht in B + enthalten zu sein. Die Menge B + ist also kein Vektorraum.
Immerhin gilt noch

f ∈ B+, C ≥ 0 =⇒ Cf ∈ B + .

2.3 Bemerkung. Es seien f ∈ B + und (fν ), (gν ) zwei Folgen von Funktionen
aus Cc (stetige Funktionen mit kompaktem Träger) mit der Eigenschaft

fν ↑ f, gν ↑ f.

Dann gilt    
Z Z
Supν  fν (x) dx = Supν  gν (x) dx .
Rn Rn

Diese Bemerkung —wir werden sie gleich beweisen— gibt dann Anlaß zu

2.4 Definition. Es sei f ∈ B + . Das Integral von f wird durch die Formel
 
Z Z
f (x) dx = Supν  fν (x) dx
Rn Rn

definiert, wobei fν ∈ Cc (R n ) irgend eine Folge von Funktionen (stetig mit

kompaktem Träger) ist, die f monoton wachsend approximiert, d.h. fν ↑ f .
Die Bemerkung 2.3 besagt gerade, daß diese Definition unabhängig von der
Wahl der Folge (fν ) ist. Außerdem beachte man, daß eine Funktion f ∈ Cc
auch in B + liegt, man kann sie durch die konstante Folge f, f, f, · · · monoton
wachsend approximieren.
Also: Es gilt Cc ⊂ B + und das durch 2.4 definierte Integral stimmt auf Cc mit
dem früher definierten Integral (§1) überein.
Beweis von 2.4 . Wir erinnern an die Bezeichnungen für die Funktionen

f ∨ g und f ∧ g, die durch

(f ∨ g)(x) = max(f (x), g(x))
(f ∧ g)(x) = min(f (x), g(x))
§2. Die Ausdehnung des Integrals auf halbstetige Funktionen 307

definiert sind.
Es gilt: f, g ∈ Cc =⇒ f ∨ g und f ∧ g ∈ Cc .
Wir zeigen zunächst folgendes:
Sei
fν ↑ f, fν stetig mit kompaktem Träger,
und sei g irgendeine stetige Funktion mit kompaktem Träger mit der Eigen-
schaft
f ≥ g.
Dann ist Z Z
Sup fν (x) dx ≥ g(x) dx.
Rn Rn

Beweis: Die Folge g − (fν ∧ g) fällt offenbar monoton gegen Null. Nach dem
Satz von Dini konvergiert sie daher gleichmäßig gegen Null, und da das Integral
stabil gegenüber gleichmäßiger Konvergenz ist (1.5), gilt
Z Z
lim (fν ∧ g) dx = g(x) dx.
ν→∞
Rn Rn

Nun ist
fν ∧ g ≤ fν für alle ν,
es folgt daher Z Z
g(x) dx ≤ Supν fν (x) dx.
Rn Rn

Es sei nun
gν ↑ f, gν ∈ Cc .
Nach dem, was eben bewiesen wurde, gilt
Z Z
gµ (x) dx ≤ Supν fν (x) dx für jedes µ.
Rn Rn

Insbesondere gilt
Z Z
Supν gν (x) dx ≤ Supν fν (x) dx.
Rn Rn

Die umgekehrte Ungleichung gilt genauso, da man die Rollen von fk und gk
vertauschen kann.
Dieser Beweis zeigt in Wirklichkeit noch etwas mehr, nämlich:
308 Kapitel VII. Integrationstheorie

2.5 Hilfssatz. Seien f ≤ g zwei Funktionen aus B + , dann gilt

Z Z
f (x) dx ≤ g(x) dx.
Rn Rn

Rechenregeln für die Bairesche Klasse

Wir nennen manchmal die Funktionen aus B + auch (unter-) halbstetig. Das
hat seine Berechtigung in folgender Eigenschaft der Funktionen aus B + , die
für stetige Funktionen wohlbekannt ist.

2.6 Bemerkung. Seien f ∈ B + , C eine reelle Zahl und a ∈ R n ein Punkt

mit f (a) > C. Dann gilt

f (x) > C in einer vollen Umgebung von a.

Beweis: Sei
fν ↑ f, fν ∈ Cc .

Nach Definition des Supremums existiert ein Index l mit

f (a) ≥ fl (a) > C.

Für die stetige Funktion fl stimmt aber die Behauptung und damit erst
recht für f . Allgemein nennt man Funktionen mit der in Bemerkung 2.6
genannten Eigenschaft unterhalbstetig. Man kann umgekehrt zeigen, daß jede
unterhalbstetige Funktion f : R n → R mit der Eigenschaft f (x) ≥ 0 außerhalb
eines Kompaktums zu B + gehört.
Als nächstes zeigen wir, daß das Integral für Funktionen aus B + stabil gegen-
über monotoner Approximation ist.

2.7 Hilfssatz. Sei

f1 ≤ f2 ≤ f3 ≤ · · ·

eine monotone Folge aus B + . Dann gilt

a) f = Sup fν ∈ B + ,
Z Z
b) f (x) dx = Sup fν (x) dx.
Rn Rn
§2. Die Ausdehnung des Integrals auf halbstetige Funktionen 309

Beweis. Sei
fk ↑ f, fk ∈ B + (Bairesche Klasse).
Es existiert also

f1k ≤ f2k ≤ f3k · · · mit fk = Supi fik .

Wir bilden die Funktionenfolge

_
gr = fik also gr (x) = max (fik (x) .
i+k≤r
i+k≤r

Offenbar gilt gr ∈ Cc .
Außerdem gelten die Ungleichungen

g1 ≤ g2 ≤ g3 ≤ · · · ≤ f.

Hieraus folgt
g = Sup gk ≤ f.
Beachtet man außerdem

fik ≤ gi+k ≤ g für alle i, k,

so folgt
fk ≤ g für alle k = 1, 2, · · ·
und daher
f = Sup fk ≤ g,
insbesondere also f = g.
Damit ist gezeigt:
gk ↑ f, also f ∈ B + .
Außerdem gilt Z Z
f (x) dx = Supk gk (x) dx.
Rn Rn

Aus den Ungleichungen

gk ≤ fk für alle k
folgt (2.5) Z Z Z
gk (x) dx ≤ fk (x) dx ≤ f (x) dx
Rn Rn Rn

und hiermit Z Z
Sup fk (x) dx = f (x) dx. u
t
Rn Rn
310 Kapitel VII. Integrationstheorie

2.8 Hilfssatz. Seien f, g ∈ B + und a, b nicht negative Zahlen, a ≥ 0, b ≥ 0.

Dann gilt af + bg ∈ B + und
Z Z Z
(af (x) + bg(x)) dx = a f (x) dx + b g(x) dx.
Rn Rn Rn

Beweis: Seien
fk ↑ f, gk ↑ g, fk , gk ∈ Cc .
Offenbar gilt

afk + bgk ↑ af + bg (beachte: a > 0, b > 0!)

und die Behauptung ist evident. u

t
+
Hier sieht man auch den wesentlichen Nachteil des Integrals für B . Leider gilt
im allgemeinen nicht
f ∈ B + =⇒ −f ∈ B + .

3. Der Daniell-Lebesgue-Prozess, 2. Teil

Das äußere Integral

¯ ein gewisses äußeres Integral zu, das wir
Wir ordnen nun jeder Funktion f : R n → R
mit
Z− Z−
f (x) dx1 · · · dxn = f (x) dx

bezeichnen werden. Zur Motivation nehmen wir einige Eigenschaften vorweg.

1) Wenn f in der Klasse B + liegt, dann stimmt das äußere Integral mit dem früher
definierten Integral überein.
2) Das äußere Integral ist im allgemeinen nicht additiv, es gilt z. B. im allgemeinen
nicht
Z− Z−
f (x) dx = − (−f (x)) dx.

Man nennt manchmal auch

Z Z−
def
f (x) dx = − (−f (x)) dx
−
§3. Der Daniell-Lebesgue-Prozess, 2. Teil 311

das innere Integral von f (x).

Eine Funktion f : R n → R ¯ heißt (im Lebesgue’schen Sinn) integrierbar, wenn äußeres
und inneres Integral von f übereinstimmen und wenn diese einen endlichen Wert
(6= ∞, −∞) annehmen.
Die Klasse L1 ( R n ) der Lebesgue integrierbaren Funktionen hat dann alle die Eigen-
schaften, die man von einem vernünftigen“ Integral erwartet. Diese werden dann in
”
§4 formuliert und bewiesen.

3.1 Definition. Das äußere Integral (oder Oberintegral) einer Funktion

¯
f : R n −→ R

wird durch die Formel

 
Z− Z 
f (x) dx = Infg g(x) dx
 
Rn

¯ alle Funktionen der Klasse B + mit der Eigenschaft

definiert, wobei g : R n → R

g(x) ≥ f (x) für alle x ∈ R n

durchläuft.
Fast unmittelbar aus der Definition kann man einige Eigenschaften des äußeren
Integrals ableiten, die für das folgende wichtig sind.
Zunächst wollen wir noch klarstellen, daß das Oberintegral überhaupt wohlde-
finiert ist. Da wir die Werte ∞ und −∞ zulassen, muß dazu nur gezeigt werden,
daß die Menge der Funktionen

g ∈ B + mit g ≥ f (d.h. g(x) ≥ f (x) für alle x ∈ R n )

nicht leer ist. Dazu beachten wir einfach

3.2 Hilfssatz. Die Funktion

¯
f : R n −→ R, f (x) = ∞ für alle x ∈ R n ,

gehört der Klasse B + an.

Wir deuten den Beweis nur im Falle n = 1 an. Es ist dann sehr einfach, ihn auf
den Fall n > 1 zu verallgemeinern. Die Funktion f kann approximiert werden
durch die Folge von Dreiecken“
”

−|x| + k für |x| ≤ k,
fk (x) =
0 für |x| ≥ k.

Damit ist also das äußere Integral wohldefiniert. Das äußere Integral ist
erfreulicherweise ordnungstreu.
312 Kapitel VII. Integrationstheorie

3.3 Hilfssatz. Es seien zwei Funktionen

¯ mit f ≤ h
f, h : R n −→ R

gegeben. Dann gilt für das äußere Integral

Z− Z−
f (x) dx ≤ h(x) dx.

Beweis: Ist g ∈ B + eine Funktion der Baireschen Klasse mit der Eigenschaft
g ≥ h, so gilt erst recht g ≥ f . Bei der Definition des Oberintegrals h werden
also weniger Funktionen zur Konkurrenz zugelassen als bei f . Dieses wird daher
höchstens größer.
Für Funktionen aus der Baireschen Klasse B + bringt das äußere Integral nichts
Neues.

3.4 Hilfssatz. Für jede Funktion f ∈ B + gilt

Z Z− Z−
f (x) dx = f (x) dx = − (−f (x)) dx.
Rn

Beweis:
1. Teil: Die Gleichung
Z Z−
f (x) dx = f (x) dx
Rn

ist klar, denn dann ist sogar

Z Z
f (x) dx = min g(x) dx ,
g∈B + , g≥f
Rn Rn

da unter den Funktionen g ∈ B + , g ≥ f die Funktion f selbst vorkommt.

2. Teil: Die Ungleichung

Z− Z
− (−f (x)) dx ≥ f (x) dx :
Rn

(Beachte: wenn f ∈ B + enthalten ist, so braucht dies nicht für −f zuzutreffen.)

§3. Der Daniell-Lebesgue-Prozess, 2. Teil 313

Sei (fν ) eine Folge von stetigen Funktionen mit kompaktem Träger, die f
monoton wachsend approximiert

fν ∈ Cc , fν ↑ f.

Dann gilt
−fν ≥ −f,
also
Z Z−
(−fν )(x) dx ≥ (−f )(x) dx
Rn

oder
Z− Z
− (−f (x)) dx ≥ fν (x) dx.
Rn

Da dies für alle ν gilt, folgt die behauptete Ungleichung.

3. Teil: Die Ungleichung

Z− Z
(−f (x)) dx ≥ − f (x) dx.
Rn

Nach Definition des Oberintegrals als ein Infimum bedeuted dies nichts anderes
als Z Z
g(x) dx ≥ − f (x) dx,
Rn Rn

wobei g alle Funktionen

g ∈ B+ mit − f ≤ g

durchläuft.
Dies wiederum ist äquivalent zu
Z Z Z
g(x) dx + f (x) dx = (g(x) + f (x)) dx ≥ 0,
Rn Rn Rn

was aber wegen g + f ≥ 0 trivial ist.

Die Gleichung
Z− Z−
f (x) dx = − (−f (x)) dx

ist für beliebige Funktionen f nicht richtig, wie komplizierte Gegenbeispiele

zeigen, auf die wir hier nicht eingehen wollen.
314 Kapitel VII. Integrationstheorie

3.5 Bezeichnung (Inneres Integral oder Unterintegral).

Z Z−
f (x) dx := − (−f (x)) dx.
−

Allgemein gilt noch die folgende Ungleichung

3.6 Hilfssatz. ¯ gilt

Für jede Funktion f : R n → R
Z Z−
f (x) dx ≤ f (x) dx.
−

Beweis: Diese Ungleichung ist äquivalent zu

Z− Z−
f (x) dx + (−f (x)) dx ≥ 0,

wenn man die beiden Fälle

Z− Z−
f (x) dx = ±∞ und gleichzeitig (−f (x)) dx = ∓∞
R− R
ausschließt. In diesen Ausnahmefällen gilt sogar = − . Nach Definition des
Oberintegrals als ein Infimum ist die Behauptung äquivalent zu
Z Z
g(x) dx + h(x) dx ≥ 0
Rn Rn

für alle halbstetigen Funktionen

g, h ∈ B + , mit g ≥ f, h ≥ −f.
Hieraus folgt g +h ≥ 0 und somit ist alles klar, denn für halbstetige Funktionen
aus B + gilt ja
Z Z Z
g(x) dx + h(x) dx = [g(x) + h(x)] dx.
Rn Rn Rn

¯ heißt integrierbar ∗) , wenn

3.7 Definition. Eine Funktion f : R n → R
Z− Z
f (x) dx = f (x) dx
−

gilt und wenn dieser Wert endlich ist (also 6= ∞, −∞).

∗)
im Sinne von Lebesgue
§4. Die integrierbaren Funktionen 315

Bezeichnung: Wenn eine Funktion f integrierbar ist, so setzen wir

Z Z− Z
f (x) dx = f (x) dx = f (x) dx.
Rn −

Diese Bezeichnung ist gerechtfertigt (Hilfssatz 3.3).

Eine offensichtliche, den Begriff des Supremums umgehende Umformulierung
des Begriffs der Integrierbarkeit ist:

3.8 Bemerkung. Eine Funktion f : R n → R ¯ ist genau dann integrierbar,

wenn es zu jedem ε > 0 zwei Funktionen g, h der Baireschen Klasse mit
folgenden beiden Eigenschaften gibt:
a) g(x) ≥ f (x), h(x) ≥ −f (x),
Z
b) (g + h) dx < ε.
Rn

Aus dieser Umformulierung leiten wir eine wichtige Konsequenz ab.

3.9 Satz. Sei f eine integrierbare Funktion. Dann sind auch die Funktionen
f + , und f − integrierbar.
Wir erinnern an die Bezeichnungen

f + (x) = max(f (x), 0), f − (x) = − min(f (x), 0).

Beweis: Wenn f eine Funktion der Baireschen Klasse ist, so trifft die auch für
die beiden Funktionen f + und −f − zu (weil der entsprechende Sachverhalt
für stetige Funktionen mit kompaktem Träger gilt und weil die Bildungen
ordnungstreu sind). Mit den Bezeichnungen von 3.8 gilt g + (x) ≥ f + (x) und
−h− (x) ≥ −(−f )− (x) = −f + (x). Außerdem gilt g + (x) − h− (x) ≤ g(x) + h(x).
Diese Ungleichung ist klar, wenn g(x) ≥ 0, denn dann ist g(x) = g + (x) und
außerdem gilt stets −h− (x) ≤ h(x). Im Falle g(x) < 0 gilt f (x) < 0 und g ( x)
und h− (x) sind beide 0. Andererseits ist g(x) + h(x) ≥ 0 für alle x (auch in
den Unendlichkeitsstellen von f ).

4. Die integrierbaren Funktionen

In diesem und im nächsten Paragraphen wird sich zeigen, daß das Lebesgue-
Integral alle Eigenschaften hat, die man von einem vernünftigen“ Integral
”
erwartet.
316 Kapitel VII. Integrationstheorie

Im folgenden werden wir häufig nur noch Funktionen f : R n → R betrachten,

die also nur endliche Werte annehmen. Die Werte +∞ und −∞ haben nur
für die technische Durchführung der Theorie Bedeutung. Außerdem werden
wir noch zeigen (vergleiche §5), daß eine integrierbare Funktion f : R n → R ¯
n
in den Unendlichkeitsstellen (das sind Stellen x ∈ R mit f (x) = +∞ oder
= −∞) beliebig abgeändert werden kann, ohne daß der Wert des Integrals
verändert wird. Die Unendlichkeitsstellen einer integrierbaren Funktion haben
kein positives Volumen.
Bezeichnung. Menge der integrierbaren Funktionen ohne Unendlichkeitsstel-
len:
L1 = L1 (R n ) = f : R n −→ R; f integrierbar .

4.1 Satz. Die integrierbaren Funktionen aus L1 bilden einen Vektorraum und
das Integral ist ein lineares Funktional, d. h. also:

f, g ∈ L1 =⇒ f + g ∈ L1 und cf ∈ L1 für c ∈ R,

außerdem Z Z Z
(f (x) + g(x)) dx = f (x) dx + g(x) dx
Rn Rn Rn

und Z Z
cf (x) dx = c f (x) dx.
Rn Rn

Der Beweis der Additivität beruht auf einer Ungleichung für das äußere
Integral:

4.2 Hilfssatz. Es seien

¯
f, g, h : R n −→ R
drei Funktionen mit der Eigenschaft

f (x) + g(x) = h(x),

falls die Summe f (x) + g(x) wohldefiniert ist. (Wenn also f (x) = ∞, g(x) =
−∞ oder f (x) = −∞, g(x) = ∞ gilt, so wird nichts gefordert, denn dann ist
die Summe f (x) + g(x) nicht definiert. Es ist dann gleichgültig, was h(x) für
einen Wert annimmt.)
Dann gilt
Z− Z− Z−
f (x) dx + g(x) dx ≥ h(x) dx,

falls die Summe auf der linken Seite definiert ist. Für das Unterintegral gilt
eine entsprechende Ungleichung in der anderen Richtung.
§4. Die integrierbaren Funktionen 317

( Im Spezialfall g = −f, h = 0 ist dies nichts anderes als Hilfssatz 3.4. Der
Beweis von 4.2 erfolgt in Analogie zu dem von 3.4).
Beweis von 4.2 . Man muß zeigen, daß für alle halbstetigen Funktionen

f ∗ , g∗ ∈ B + mit f ∗ ≥ f, g ∗ ≥ g

gilt
Z Z Z−
∗ ∗
f (x) dx + g (x) dx ≥ h(x) dx.
Rn Rn

Dies ist aber trivial, denn es gilt f ∗ + g ∗ ≥ h (auch in den Stellen, in denen
f (x) + g(x) nicht definiert ist!).
Der Beweis von 4.1 ist eine triviale Folgerung aus 4.2. Es gilt sogar mehr als
wir in 4.1 formuliert haben. Die in 4.1 formulierte Additivität gilt auch für
integrierbare Funktionen f , g mit eventuellen Unendlichkeitsstellen. Definiert
man die Funktion h durch die Bedingungen h(x) = f (x) + g(x) in allen Stellen
x, in denen die Summe definiert ist und definiert man h(x) an allen anderen
Stellen beliebig—etwa = 0, so folgt aus 4.2 daß auch h integrierbar ist und daß
das Integral von h gleich der Summe der Integrale von f und g ist. In der Regel
kommen wir mit der glatteren Variante 4.1 aus. In Bewiesen werden wir jedoch
gelegentlich auf diese durch 4.2 gegebene Verschärfung zurückgreifen.
Noch einfacher sieht man, daß

f ∈ L1 ⇒ cf ∈ L1 für c ∈ R

und Z Z
cf (x) dx = c f (x) dx.
Rn Rn

Man beweist zunächst die Gleichung

Z Z
cf (x) dx = c f (x) dx für positive c > 0.
Rn Rn

Diese folgt unmittelbar aus der Definition des äußeren Integrals, wenn man
beachtet, daß die entsprechende Gleichung für halbstetige Funktionen aus B +
gilt. Der Übergang zu negativen c bei integrierbaren Funktionen f erfolgt über
die Rechenregel Z Z
(−f (x)) dx = − f (x) dx.
Rn Rn
318 Kapitel VII. Integrationstheorie

4.3 Satz. Ist f : R n → R ¯ eine integrierbare Funktion, so ist auch ihr Betrag
|f | integrierbar. Ist g : R n → R¯ eine weitere integrierbare Funktion, so sind
auch die Maxima und Minima f ∨ g und f ∧ g integrierbar.
Zum Beweis der ersten Aussage verwende man die Formel f (x) = f + (x) −
f − (x). Wir wissen, daß die Funktionen f ± integrierbar sind 3.9. Die Behaup-
tung folgt aus der Linearität des Integrals, wobei man die verschärfte Fassung
4.2 benötigt. Die beiden restlichen Aussagen beweist man analog.
Die Stärke des Lebesgue-Integrals liegt in seiner Stabilität gegenüber Grenz-
prozessen.

4.4 Theorem (Beppo Levi). Gegeben sei eine monoton wachsende Folge

f1 ≤ f2 ≤ f3 ≤ · · ·

von integrierbaren Funktionen aus L1 (R n ). Die Folge der Integrale

Z
fν (x) dx
Rn

sei beschränkt. Die durch

f (x) = sup fν (x)
ν∈N

definierte Funktion f : R n → R ¯ ist integrierbar und es gilt

Z Z
f (x) dx = lim fν (x) dx.
ν→∞
Rn Rn

Beweis Wir betrachten die Funktionen

hν = fν − fν−1 ≥ 0 (f0 = 0).

Es gilt
k
X
hν = fk .
ν=1

Da jede monotone und beschränkte Folge konvergiert, existieren die Grenzwerte

∞ Z
X Z
R= hν (x) dx = lim fk (x) dx.
k→∞
ν=1R n Rn

1) Es gilt Z
R≤ f (x) dx.
−
§4. Die integrierbaren Funktionen 319

Beweis: Man beachte die Ungleichung (3.3)

Z Z
fk (x) dx ≤ f (x) dx für k = 1, 2, · · · .
Rn −

2) Es gilt
Z−
f (x) dx ≤ R

Der Beweis folgt offenbar aus der Ungleichung

Z− ∞ Z
X
−

f (x) dx ≤ hν (x) dx,

ν=1

welche es nun zu beweisen gilt.

Nach Definition des äußeren Integrals können wir halbstetige Funktionen
h̄ν ∈ B + mit h̄ν ≥ hν
und Z Z
ε
h̄ν (x) dx ≤ hν (x) dx +
2ν
Rn Rn

finden (ε > 0 beliebig vorgegeben).

Wir setzen
k
X
f¯ = sup h̄ν ≥ f.
k ν=1
Da das Integral für halbstetige Funktionen stabil gegenüber monotoner Kon-
vergenz ist, folgt
Z− Z
f (x) dx ≤ f¯(x) dx =
Rn
 
∞ Z ∞ Z
X X ε
h̄ν (x) dx ≤ hν (x) dx + ν .
ν=1R n ν=1
 2 
Rn

Beachtet man
∞
X ε
ν
=ε (geometrische Reihe),
ν=1
2
so folgt
Z− ∞ Z
X
f (x) dx ≤ hν (x) dx + ε.
ν=1R n

Da dies für alle ε > 0 gilt, ist die Behauptung bewiesen. u

t
320 Kapitel VII. Integrationstheorie

4.5 Theorem (Lebesgue’scher Grenzwertsatz). Gegeben sei eine Folge

fk : R n −→ R, k = 0, 1, 2, . . . ,

von integrierbaren Funktionen, die punktweise gegen eine Funktion f : R n →

R konvergiert.
Es existiere eine Funktion h : R n → R mit den Eigenschaften

a) |fk | ≤ h für k = 1, 2, 3, · · ·
Z−
b) h(x) dx < ∞.

Dann ist auch f integrierbar und es gilt

Z Z
f (x) dx = lim fk (x) dx.
k→∞
Rn Rn

Beweis: Aus den Ungleichungen |fk | ≤ h folgt |f | ≤ h. Daher ist das äußere
Integral von |f | endlich:
Z−
|f (x)| dx < ∞.

Insbesondere sind daher äußeres und inneres Integral von f endlich (6= ±∞).
Aus f ≤ |f | und −f ≤ |f | folgt nämlich

Z− Z−
f (x) dx < ∞ und (−f (x)) dx < ∞,

also
Z Z−
−∞ < f (x) dx ≤ f (x) dx < ∞.
−

Wir wollen den Lebesgue’schen Grenzwertsatz auf den Satz von Beppo Levi
zurückführen und bilden hierzu

g k (x) = Inf {fν (x), ν ≥ k} ,

g k (x) = Sup {fν (x), ν ≥ k} .

Dann gilt offenbar

g1 ≤ g2 ≤ g3 ≤ · · · ,
g1 ≥ g2 ≥ g3 ≥ · · · .
§4. Die integrierbaren Funktionen 321

Aus f = limk→∞ fk folgert man leicht

g k ↑ f, g k ↓ f.
Als nächstes wird gezeigt, daß die g k und g k integrierbare Funktionen sind.
Dazu wird der Satz von Beppo Levi ausgenutzt. Bildet man nämlich
Gkj = fk ∧ fk+1 ∧ · · · ∧ fk+j
und
Gkj = fk ∨ fk+1 ∨ · · · ∨ fk+j
so sind Gkj und Gkj integrierbar (4.3) und es gelten die Ungleichungen
−h ≤ Gkj ≤ fk ≤ Gkj ≤ h.
Ferner gilt offensichtlich
Gkj ↓ g k (j −→ ∞)
und
Gkj ↑ g k (j −→ ∞).
Daher sind nach dem Satz von Beppo Levi g k und g k integrierbar.
Ferner gelten die Ungleichungen
−h ≤ g k ≤ fk ≤ g k ≤ h,
also
Z− Z Z Z Z−
− h(x) dx ≤ g k (x) dx ≤ fk (x) dx ≤ g k (x) dx ≤ h(x) dx.
Rn Rn Rn
Da g k und g k monoton gegen f konvergieren, ist f integrierbar und aus der
letzten Ungleichung folgt
Z Z
lim g k (x) dx = lim fk (x) dx
k→∞ k→∞
Rn Rn
Z Z
= lim g k (x) dx = f (x) dx.
k→∞
Rn Rn

Bezeichnung. Sei f eine Funktion, deren Definitionsbereich die Menge D ⊂

R n umfasse. Wir definieren
χD · f : R n −→ R
durch
f (x) für x ∈ D,
n
χD · f (x) =
0 für x ∈
/ D.
Die Funktion f heißt über D integrierbar, wenn χD · f integrierbar ist, und
man definiert Z Z
f (x) dx := χD · f (x) dx.
D Rn
322 Kapitel VII. Integrationstheorie

5. Integrierbarkeitskriterien

Eine Teilmenge A ⊂ R n heit endlich meßbar, wenn die charakteristische Funk-

tion
1 für x ∈ A
n
χA =
0 sonst
integrierbar ist und man nennt
Z
def
v(A) = χA (x) dx
Rn
das (Euklidische) Volumen von A.

5.1 Satz. Die charakteristische Funktion

χU : R n → R
einer offenen Teilmenge U ⊂ R n gehört der Klasse B + an.
Beweis, 1. Schritt. U ist ein offener Quader
U = {x ∈ R n ; aν < xν < bν } (aν ≤ bν ).
Im Falle n = 1 approximiert man die charakteristische Funktion in naheliegen-
der Weise von unten durch Trapeze. Im Fall n > 1 verfährt man ähnlich.
2. Schritt. U ist beliebig. Zunächst zeigen wir, daß U abzählbare Vereinigungen
von offenen Quadern ist.
U = U1 ∪ U2 ∪ U3 ∪ . . . , Uν offene Quader.
Man betrachte hierzu die Menge aller offenen Quader
Q ⊂ U; Q = {x; aν < xν < bν , 1 ≤ ν ≤ n} ,
wobei die Zahlen a1 , · · · , an , b1 , · · · , bn rational sind. Es ist klar, daß die Menge
dieser Quader U überdeckt. Außerdem ist diese Menge abzählbar, weil die
rationalen Zahlen und damit auch die n-Tupel von rationalen Zahlen abzählbar
sind.
Man hat jetzt eine monotone Approximation von χU :
χU1 , χU1 ∪U2 , χU1 ∪U2 ∪U3 , . . . . u
t
5.2 Satz. Jede stetige und beschränkte Funktion f : D → R auf einem offenen
und beschränkten Teil D ⊂ R n ist integrierbar.
Beweis: Man kann annehmen, daß f nirgends negativ ist. Die Funktion

f (x) für x ∈ D,
f · χD (x) =
0 für x ∈
/ D,
gehört dann sogar der Klasse B + (R n ) an. Sie wird approximiert durch die
Folge
fk · f · χD ,
wobei fk ∈ Cc eine Folge ist, die χD monoton approximiert.
§5. Integrierbarkeitskriterien 323

5.3 Folgerung.
a) Jede beschränkte offene Teilmenge des R n ist endlich meßbar.
b) Jede kompakte Teilmenge des R n ist endlich meßbar.
Beweis: Es ist nur noch b) zu beweisen.
Sei jetzt K ⊂ R n kompakt. Wir werden eine Folge von offenen beschränkten
Mengen
U1 ⊃ U2 ⊃ U3 · · · ⊃ K
konstruieren, so daß
∞
\
Uν = K
ν=1

gilt.
Dann können wir wieder den Grenzwertsatz (auf die Folge χUν ) anwenden. Wir
setzen

n 1
Uν = x ∈ R ; kx − yk < für mindestens ein y ∈ K .
ν

Es sei wieder dem Leser überlassen, die gewünschten Eigenschaften zu beweisen.

u
t
Das Lebesgue’sche Integral ist eine Verallgemeinerung des Regelin-
tegrals
Sei
f : [a, b] → R
eine Regelfunktion. Dann ist f auch Lebesgue-integrierbar und das Regel- und
Lebesgue-Integral stimmen überein. Dies ist für Treppenfunktionen einfach zu
zeigen und folgt dann allgemein aus den Grenzwertsätzen.
Allgemeiner gilt:
Sei
f : D −→ R, D ⊂ R ein Intervall,
eine Funktion auf einem nicht notwendigerweise geschlossenen Intervall. Die
Einschränkung von f auf jedes geschlossene Intervall sei eine Regelfunktion.
Die Funktion f ist genau dann Lebesgue-integrierbar, wenn |f | uneigentlich
integrierbar ist im Sinne von III, §1.
Das uneigentliche Integral und das Lebesgue-Integral stimmen dann überein.
Der Beweis ergibt sich leicht aus dem Lebesgueschen Grenzwertsatz.
Die wichtigsten Integrierbarkeitskriterien liegen in den Grenzwertsätzen. Es
gibt aber auch eine einfache direkte Charakterisierung der Integrierbarkeit,
welche unabhängig von ihren Anwendungen von eigenem theoretischem Inter-
esse ist.
324 Kapitel VII. Integrationstheorie

5.4 Satz. Eine Funktion

f : R n −→ R
ist genau dann integrierbar, wenn es zu jedem ε > 0 eine Funktion g ∈ Cc mit
Z−
|f (x) − g(x)| dx < ε

gibt.
(Dieser Satz wird noch in §6 kommentiert.)
Beweis. Es ist unmittelbar klar, daß die angegebene Bedingung notwendig
für die Integrierbarkeit von f ist, denn man findet zunächst eine Bairesche
Funktion, deren Integral sich beliebig wenig von dem von f unterscheidet
und anschließend eine stetige Funktion mit kompaktem Träger, deren Integral
beliebig nahe bei dem der Baireschen Funktion liegt. Wir müssen umgekehrt
zeigen, daß diese Bedingung hinreichend ist.
Nach Voraussetzung findet man zu jedem ε > 0 eine stetige Funktion g mit
kompaktem Träger und eine Bairesche Funktion h mit den Eigenschaften
Z−
|f (x) − g(x)| < h(x), h(x) < ε.

Die Behauptung folgt nun aus der Charakterisierung 3.8 (mit Hilfe der Baire-
schen Funktionen h + g und h − g). u
t

6. Nullmengen

6.1 Definition.
¯ heißt Nullfunktion, wenn
a) Eine Funktion f : R n → R
Z−
|f (x)| dx = 0

gilt.
b) Eine Teilmenge A ⊂ R n heißt Nullmenge, wenn die charakteristische Funk-
tion χA
1 für x ∈ A
χA (x) =
0 für x ∈
/A
eine Nullfunktion ist.
R R−
Die Ungleichung − ≤ zeigt, daß jede Nullfunktion in der Tat integrierbar
ist. Außerdem ist mit f auch h eine Nullfunktion, wenn |h| ≤ |f | gilt.
§6. Nullmengen 325

6.2 Satz. Eine Funktion f : R n → R ¯ ist dann und nur dann Nullfunktion,
n
wenn die Menge {x ∈ R ; f (x) 6= 0} eine Nullmenge ist.
Beweis: Sei f eine Nullfunktion. Man wende den Satz von Beppo Levi auf die
Folge
ν|f (x)|, falls f (x) 6= ±∞
hν (x) =
ν, falls f (x) = ∞
an und erhält Z
h(x) dx = 0,
Rn

wobei
∞ für f (x) 6= 0,
h(x) =
0 für f (x) = 0.
Aus der Ungleichung

χA ≤ h mit A = {x ∈ R n , f (x) 6= 0}

folgt dann, daß A eine Nullmenge ist.

Umkehrung. Sei A = {x ∈ R n ; f (x) 6= 0} eine Nullmenge. Der erste Teil dieses
Beweises zeigt dann, daß h eine Nullfunktion ist und wegen |f | ≤ h ist dann
auch f eine Nullfunktion. u
t

6.3 Bemerkung. Wenn eine Funktion f integrierbar ist, dann ist die Menge
der Punkte
{x ∈ R n ; f (x) = ∞ oder = −∞}
eine Nullmenge.
Beweis: Es sei A die Menge der Unendlichkeitsstellen von f und χA die chara-
kteristische Funktion, offenbar gilt

χA (x) = f (x) + (−f (x)),

wann immer diese Summe definiert ist. Nicht definiert sind die Ausdrücke ∞ +
(−∞).
Nach 4.2 gilt daher

Z− Z Z
χA (x) dx ≤ f (x) dx − f (x) dx = 0.
Rn Rn

6.4 Satz. Sei f eine integrierbare Funktion und g eine Funktion, welche nur
auf einer Nullmenge von f verschieden ist. Dann ist auch g integrierbar und
die Integrale von f und g stimmen überein.
326 Kapitel VII. Integrationstheorie

6.5 Folgerung. Man darf eine integrierbare Funktion in ihren Unendlichkeits-

stellen beliebig abändern—etwa zu 0, ohne ihre Integrierbarkeit zu verlieren und
den Wert des Integrals zu verändern.

Damit haben die Unendlichkeitsstellen ihre Bedeutung verloren!

Beweis. Man kann annehmen, daß die Funktion g in allen Punkten, in denen
sie sich von f unterscheidet, verschwindet. Dann gilt aber f = g + h mit einer
Nullfunktion und man kann 4.2 anwenden (4.1 genügt nicht, da wir noch Un-
endlichkeitsstellen zulassen).
Was haben wir nun gewonnen? Es wurde gezeigt, daß man integrierbare Funk-
tionen in Nullmengen beliebig abändern kann ohne ihre Integrierbarkeit und
den Wert des Integrals zu verändern.
Außerdem wissen wir, daß es auf die Unendlichkeitsstellen einer integrierbaren
Funktion beim Integrieren nicht ankommt, denn diese bilden eine Nullmenge.

6.6 Satz. a) Jede Teilmenge einer Nullmenge ist eine Nullmenge.

b) Jeder Punkt ist eine Nullmenge. ∞
S
c) Sind A1 , A2 , A3 , · · · Nullmengen, so ist auch Aν eine Nullmenge.
ν=1

Beweis: a) und b) sind klar. c) folgert man leicht aus dem Satz von Beppo
Levi. u
t
Insbesondere ist Q in R eine Nullmenge, womit noch einmal sehr drastisch
gezeigt ist, daß es irrationale Zahlen geben muß.

Weiteres Beispiel einer Nullmenge

Sei U ein Untervektorraum des R n mit dim U < n. Dann ist

L = x + U für jedes x ∈ R n

eine Nullmenge.
Übungsaufgabe. Man beweise dies wenigstens für einen achsenparallelen Unter-
raum, d. h.

U = {(x1 , · · · , xn ); xk = · · · = xn = 0} (1 ≤ k ≤ n).

(Den allgemeinen Fall kann man auf diesen speziellen mittels der Transforma-
tionsformel (§9) zurückführen.)
§7. Ausblicke auf die allgemeine Integrationstheorie 327

7. Ausblicke auf die allgemeine Integrationstheorie

Das Lebesgue’sche Integral läßt sich verallgemeinern, ohne daß man an den
Beweisen etwas ändern müßte:
Anstelle des R n betrachten wir einen metrischen Raum X und nehmen an, daß
irgend ein positives lineares Funktional

Cc (X) −→ R

gegeben ist, das wir wieder als Integral

Z
f 7−→ f (x) dx
X

schreiben wollen. Die Axiome sind

Z Z Z
(f (x) + g(x)) dx = f (x) dx + g(x) dx, Linearität
X X X
Z Z
Cf (x) dx = C f (x) dx, C ∈ R,
X X
Z
f (x) dx ≥ 0 für f ≥ 0. Positivität
X

Man nennt ein solches Funktional auch ein Radonsches Maß . Für ein Radon-
sches Maß kann man den Daniell-Lebesgue-Prozeß durchführen, also

B + = {f = sup fν ; fν ∈ Cc , f1 ≤ f2 ≤ · · ·}

betrachten.
Bei der Definition des äußeren Integrals mußte gezeigt werden, daß die Funktion

f (x) = ∞ für alle x ∈ X

in B + liegt. Dies ist der einzige Punkt, was bei beliebigem X nicht immer
möglich ist. Man muß annehmen, daß gilt:
a) Zu jedem Punkt a ∈ X existiert eine kompakte Umgebung

U = U r (a) = {x ∈ X; d(a, x) ≤ r}.

b) X läßt sich als Vereinigung von abzählbar vielen Kompakta schreiben,

X = K1 ∪ K2 ∪ · · · .
328 Kapitel VII. Integrationstheorie

Jetzt kann man zeigen, daß ∞ tatsächlich approximiert werden kann durch eine
Folge
fν ↑ ∞, fν ∈ Cc .
Das soll hier nicht durchgeführt werden. Wir kommen hierauf in Kapitel VIII,
§4 nochmals zurück.
R−
Jetzt kann man und die allgemeine Integrierbarkeit definieren, alle Sätze
und Beweise bleiben gültig, man muß nur R n durch X ersetzen.
Lediglich 5.2, 5.3 und 5.4 müssen noch modifiziert werden. Die Bedingung U
”
ist beschränkt offen“ ist zu ersetzen durch U ist offen und U ist kompakt“.
”
Der Beweis von 5.2 ist im allgemeinen Fall etwas schwieriger.

Äquivalenz von Funktionen

Zwei integrierbare Funktionen

f, g : X → R

heißen äquivalent, wenn die Menge

{x ∈ X; f (x) 6= g(x)}

eine Nullmenge ist. Die Integrale stimmen dann überein. Wir bezeichnen mit
[f ] die Klasse der zu f äquivalenten Funktionen und mit L1 (X) die Menge aller
dieser Äquivalenzklassen:
Durch die Definition

[f ] + [g] = [f + g], C[f ] = [Cf ] (C ∈ R)

die von der Wahl der Repräsentanten unabhängig ist, wird L1 (X) zu einem
Vektorraum über R.
Durch Z
kf k1 = |f | dx
Rn

wird auf L1 (X) eine Norm erklärt (beachte:

kf k1 = 0 =⇒ f ∼ 0 d.h. [f ] = 0).

Man kann nun sogar zeigen (vgl. auch 10.6).

1) L1 (X) ist ein Banachraum (s. V.7.7).
2) Cc (X) ⊂ L1 (X) ist ein dichter Teilraum.
Zu 2): Wenn in einer Klasse aus L1 (X) eine stetige Funktion f liegt, so ist
diese eindeutig bestimmt und wir können f und [f ] eindeutig identifizieren.
§8. Der Satz von Fubini 329

In diesem Sinne ist das Inklusionszeichen (nicht ganz exakt aber suggestiv) zu
verstehen.
Die Aussage 2) folgt aus 5.4.
Die Aussage 1) kann man (in nicht offensichtlicher Weise) aus dem Les-
besgue’schen Grenzwertsatz folgern. In dieser Aussage zeigt sich auch die
Überlegenheit des Lebesgue’schen Integrals zum Riemannschen oder Regelin-
tegral, wo man 1) nicht beweisen kann.
Verallgemeinerungen von L1 sind die Räume Lp . Wir kommen in §10 nochmals
hierauf zurück (vgl. 10.6, 10.7).

8. Der Satz von Fubini

In diesem Paragraphen soll Satz 1.3 über die Vertauschbarkeit der Integrati-
onsreihenfolge auf integrierbare Funktionen verallgemeinert werden. Gegeben
sei eine integrierbare Funktion

(x, y) 7→ f (x, y) = f (x1 , . . . , xn , y1 , . . . , ym )

in n + m Veränderlichen. Wir setzen z = (z, y) und bezeichnen die Volumene-

lemente im

R n+m mit dz, im R n mit dx und im R m mit dy.

Es soll eine Formel der Art

   
Z Z Z Z Z
f (x, y) dz =  f (x, y) dx dy =  f (x, y) dy  dx
R n+m Rm Rn Rn Rm

bewiesen werden.
Das Problem ist zunächst, daß wir nicht wissen, ob f bei festgehaltenem y
bzw. x integrierbare Funktion von x bzw. y ist.
Daher behelfen wir uns zunächst mit äußerem und innerem Integral, also bei-
spielsweise mit

Z−
x 7−→ f (x, y) dy (dies ist eine Funktion von x),
Rm

Von dieser Funktion kann man sagen, daß sie integrierbar ist.
330 Kapitel VII. Integrationstheorie

8.1 Theorem (Fubini). Gegeben sei eine integrierbare Funktion

f : R n+m −→ R, (x, y) 7−→ f (x, y).

Dann sind die beiden Funktionen

Z− Z−
x 7→ f (x, y) dy, y 7→ f (x, y) dx

ebenfalls integrierbar (im R n bzw. R m ) und es gilt die Formel

Z Z Z−
f (x, y) dz = f (x, y) dy dx
R n+m Rn
Z Z−
= f (x, y) dx dy.
Rm

Dieselbe Formel bleibt richtig, wenn man das äußere Integral durch das innere
ersetzt.
Es drängt sich natürlich die Frage auf, ob die Funktion f (x, y) bei festem
y (bzw. x) nicht sogar integrierbar ist. Aus 8.1 folgt, daß dies bis auf eine
Ausnahmemenge vom Maß 0, auf die es bei der Integration nicht ankommt,
der Fall ist. Man muß nur beachten, daß aus 8.1 beispielsweise

Z− Z
 
Z
 f (x, y) dy − f (x, y) dy  dx
Rn −

folgt. Der Integrand ist also eine Nullfunktion. Man kann also die Fubini-Formel
auch etwas unpräzise aber doch legitim in der Form
   
Z Z Z Z Z
f (x, y) dz =  f (x, y) dx dy =  f (x, y) dy  dx
R n+m Rm Rn Rn Rm

schreiben. Für die Anwendungen ist dieser Zusatz jedoch irrelevant. Man sieht
die Integrierbarkeit meist direkt.
Beweis, 1. Schritt. f ∈ Cc : Die Behauptung folgt aus 1.3.
2. Schritt. f ∈ B + R n+m . Es existiert eine Folge

fk ↑ f, fk ∈ Cc .
§8. Der Satz von Fubini 331

Bei festgehaltenem x gilt dann

Z Z
fk (x, y) dy ↑ f (x, y) dy.
Rm Rm

Nach 1.1 ist die Folge dieser Integrale stetig, d. h. das Integral
Z
f (x, y) dy
Rm

liegt in B + (als Funktion von x) und außerdem gilt

   
Z Z Z Z
 f (x, y) dy  = lim  fk (x, y) dy  dx.
k→∞
Rn Rm Rn Rm

Da die Behauptung für die stetige Funktion f mit kompaktem Träger fk richtig
ist, gilt sie auch für f .
3. Schritt. Sei h : R n+m → R eine Funktion, h ∈ B + und f ≤ h. Dann gilt
Z Z Z
2. Schritt
h(x, y) dz h(x, y) dx dy
=
m n
R n+m R R
−
 −  −
 − 
Z Z Z Z
=  h(x, y) dx dy ≥  f (x, y) dx dy.
Rm Rm

Hieraus folgt mit Hilfe der Definition des Integrals

 
Z  Z 
f (x, y) dz = inf h(x, y) dz
h∈B + , f ≤h  
R n+m R n+m
Z− Z−
 

≥  f (x, y) dx dy.

Diese Ungleichung kann man auch für −f anstelle von f anwenden. Beachtet
man.
Z− Z
(−f ) dx = − f dx,
−

so folgt  
Z Z Z
 f (x, y) dx dy ≥ f (x, y) dz.
R m̄ − R n+m
332 Kapitel VII. Integrationstheorie

Aus der Ungleichung

Z Z−
≤
−

folgt dann
Z− Z− Z Z−
     
Z Z
 f (x, y) dx dy ≥  f (x, y) dx dy ≥  f (x, y) dx dy.
− − −

Andererseits haben wir eben die Ungleichungen

Z Z Z− Z−
≥
− −

erhalten, also folgt

Z− Z−
 
Z
f (x, y) dz =  f (x, y) dx dy
R n+m
 − 
Z Z
=  f (x, y) dx dy.
−
R−
Da äußeres und inneres Integral von f (x, y) dx somit übereinstimmen, ist
diese Funktion integrierbar, und es gilt die Formel
Z Z−
 
Z
f (x, y) dz =  f (x, y) dx dy.
R n+m

Entsprechend werden auch die anderen Formeln bewiesen. u

t
Eine Anwendung:

8.2 Satz. Sei

f : R n −→ R, f ≥ 0,
eine integrierbare Funktion, die keine negativen Werte annimmt.
Sei
M = {(x, y) ∈ R n × R; 0 ≤ y ≤ f (x)} .
Dann ist M endlich meßbar und es gilt
Z
vol (M ) = f (x) dx.
Rn
§9. Die Transformationsformel 333

Beweis. Das Volumen ist definiert durch die Formel

Z
vol (M ) = χM (x, y) dz
R n+1

Man integriere zunächst bei festem x über y und wende den Satz von Fubini
an.

9. Die Transformationsformel

Wir erinnern uns daran, daß eine Funktion

f : D −→ R, D ⊂ R n,

über D integrierbar heißt, wenn die Funktion

˜ n ˜ f (x) für x ∈ D,
f : R −→ R, f (x) =
0 für x ∈
/ D,

integrierbar ist, und wir setzen dann

Z Z
f (x) dx = f˜(x) dx.
D Rn

Seien A, B ⊂ R n offene Mengen. Unter einem Diffeomorphismus

ϕ : A −→ B

verstehen wir eine bijektive (=umkehrbare) stetig differenzierbare Abbildung

mit nirgends verschwindender Funktionaldeterminante

j(ϕ, x) = det J(ϕ; x) 6= 0 für alle x ∈ A.

Nach dem Satz für implizite Funktionen ist dann auch ϕ−1 differenzierbar und
es gilt
J(ϕ; x)−1 = J ϕ−1 , ϕ(x) .

9.1 Theorem. Es sei u : A → B ein Diffeomorphismus zwischen offenen

Mengen A, B ⊂ R n . Ist f : B → R eine integrierbare Funktion, so gilt
Z Z
f (y) dy = f (u(x)) |j(u, x)| dx.
B A
334 Kapitel VII. Integrationstheorie

(Insbesondere wird also behauptet, daß f (u(x)) |j(u, x)| über A integrierbar
ist.)

Beweis der Transformationsformel, 1. Schritt. Es sei f : R n → R eine stetige

Funktion mit kompaktem Träger. Dann gelten die Transformationsformeln
Z Z
a) f (x1 , · · · , xi−1 , xi + xj , xi+1 , · · · , xn ) dx = f (x) dx
Rn Rn
Z Z
b) f (a1 x1 , · · · , an xn ) dx = |a1 · · · an | f (x) dx
Rn n
Z ZR
c) f (x1 , · · · , xn ) dxσ(1) · · · dxσ(n) = f (x) dx1 · · · dxn
Rn Rn
Z Z
d) f (x + b) dx = f (x) dx
Rn Rn

Dabei sei b = (b1 , · · · , bn ) ein festes n-Tupel.

Beweis: Man benutzt die Transformationsformel im Fall n = 1, sowie die
Tatsache, daß das Integral für stetige Funktionen mit kompaktem Träger
iterativ definiert ist, beispielsweise
 
Z Z Z
f (x1 + x2 , x2 ) dx =  f (x1 + x2 , x2 ) dx1  dx2 .
R2 R R

Im inneren Integral macht man die Substitution t = x1 + x2 und erhält für das
innere Integral Z
f (x1 , x2 ) dx1 .
R

2. Schritt. Sei f : R n → R stetig mit kompaktem Träger und

A = (aνµ ) 1 ≤ ν, µ ≤ n

eine feste Matrix mit von Null verschiedener Determinante, b ∈ R n ein fester
Vektor. Dann ist
Z Z
f (y) dy = f (Ax + b) | det A| dx.
Rn Rn

Beweis: Man kann b = 0 annehmen (1. Schritt d)). Im Spezialfall, daß die
Abbildung A zu den drei Typen
§9. Die Transformationsformel 335

a) Scherung
b) (x1 , · · · , xn ) → (a1 x1 , · · · , an xn )
c) Permutation der Variablen
gehört, haben wir das im 1. Schritt erkannt.
Man muß jetzt nur aus der linearen Algebra wissen, daß sich jede lineare
Abbildung A, det A 6= 0, als Hintereinanderausführung von Transformationen
des Typs a) – c) schreiben läßt. Dies ist nichts anderes als die Tatsache,
daß sich jede Matrix A, det A 6= 0, durch elementare Umformungen in die
Einheitsmatrix überführen läßt.
Außerdem muß man benutzen, daß die Determinante multiplikativ ist,
det(A1 · · · An ) = det A1 · · · det An .
3. Schritt. Sei f : R n → R beliebig und A = (aν,µ )1≤ν,µ≤n eine Matrix mit
det A 6= 0, b ∈ R n . Dann ist
Z− Z−
f (y) dy = f (Ax + b) | det A| dx.

Beweis: Ist f ∈ B + und fk ↑ f eine monotone Approximation durch Funktionen

fk ∈ Cc , so sind die Funktionen

gk (x) = fk (Ax + b)

ebenfalls stetig mit kompaktem Träger und approximieren monoton g(x) =

f (Ax + b). Damit ist die Behauptung für Funktionen f ∈ B + zurückgeführt
auf den 2. Schritt. Ist f beliebig, so folgt die Behauptung unmittelbar aus der
Definition des äußeren Integrals.
Die bisherigen Überlegungen zeigen:
1) Ist f integrierbar, so gilt
Z Z
f (y) dy = f (Ax + b) | det A| dx.
Rn Rn

2) Jede Teilmenge W0 ⊂ R n der Form

W0 = a + W, W ⊂ R n ein Untervektorraum, dim W < n,

ist eine Nullmenge.

(Mit Hilfe einer linearen Transformation macht man W achsenparallel.)
4. Schritt: (A, B, u wie in 9.1.) Die Funktion f : R n → R sei stetig. Sei a ∈ A
fest, b = u(a). Es gelte f (b) > 0. Außerdem sei q > 1 beliebig, aber fest gewählt.
Dann existiert eine Umgebung a ∈ U ⊂ A,

U = U R (a) = {x; kx − ak < R} (hierbei sei k · k die Maximumsnorm),

336 Kapitel VII. Integrationstheorie

so daß für jeden Würfel

W = Ur (x0 ) ⊂ U
gilt: Z Z
n+4
q f (y) dy ≥ f (ux) |j(u, x)| dx.
u(W ) W

(Es wird nicht gefordert, daß W den gleichen Mittelpunkt wie U hat!)
Beweis. Die Ungleichung wird auf den linearen Fall (3. Schritt) zurückgeführt,
indem man u(x) linear approximiert.

u(x) = u(a) + J(u, a)(x − a) + r(x).

Wir ersetzen u durch

u0 (x) = u(a) + J(u; a)(x − a)

und erhalten nach dem 3. Schritt

Z Z
f (y) dy = f (u0 x) |j(u, a)| dx.
u0 (W ) W

Dabei sei r so klein gewählt, daß der abgeschlossene Würfel W noch in A

enthalten ist, dann ist f (u0 x) in W beschränkt und damit wegen 5.2 über W
integrierbar.
Wir denken uns R immer so klein gewählt, daß

f (u0 x) > 0 für x ∈ U

gilt. (Beachte u0 (a) = u(a) = b und f (b) > 0 nach Voraussetzung.)

In einer solchen Umgebung kann man

f (ux)
f (u0 x)

betrachten. Diese Funktion ist stetig und konvergiert gegen 1, wenn x nach a
strebt. Daher gilt

f (ux)
q> für x ∈ U, r genügend klein.
f (u0 x)

Aus demselben Grund gilt

q |j(u, a)| ≥ |j(u, x)| für x ∈ U,

§9. Die Transformationsformel 337

wenn man R genügend klein wählt.

Also gilt Z Z
2
q f (y) dy ≥ f (ux) |j(u, x)| dx.
u0 (W ) W

In dieser Ungleichung müßte u(W ) anstelle von u0 (W ) stehen. Wir werden

daher
u(W ) und u0 (W )
vergleichen.
Behauptung. Wählt man R genügend klein, so gilt u0 (W ∗ ) ⊂ u(W ). Dabei sei

W ∗ = x; kx − x0 k < rq −1

der Würfel, der aus W durch Schrumpfung um den Faktor q −1 entsteht.

Beweis. Dies bedeutet nichts anderes als

v(W ∗ ) ⊂ W mit v = u−1 u0 ,

also
kx − x0 k < rq −1 ⇒ kv(x) − v(x0 )k < r.
Wir schätzen v(x) − v(x0 ) nach dem verallgemeinerten Mittelwertsatz der Dif-
ferentialrechnung ab:
n
X
0 0
|vν (x) − vν (x )| ≤ kx − x k ∂µ vν ξ (ν) .
µ=1

Dabei ist ξ (ν) ein Punkt auf der Verbindungsstrecke zwischen x und x0 . Hieraus
folgt
kv(x) − v(x0 )k ≤ kx − x0 k < M
mit
n
X
M = sup |∂µ vν (ξ)| .
ξ∈U µ=1

Wir wollen ja U so bestimmen, daß gilt:

kv(x) − v(x0 )k < r falls kx − x0 k < rq −1 .

Dazu benötigt man ersichtlich die Ungleichung M ≤ q, d. h.

n
X
|∂µ vν (ξ)| < q für alle ξ ∈ U.
µ=1
338 Kapitel VII. Integrationstheorie

Nun beachte man, daß nach der Kettenregel für v = u−1 · u0 gilt:

j(v, x) = Einheitsmatrix,

d. h. obige Ungleichung ist im Punkt ξ = a erfüllt (wegen 1 < q). Sie gilt dann
aus Stetigkeitsgründen auch in einer vollen Umgebung von a.
Damit erhalten wir nun die Ungleichung
Z Z
2
q f (y) dy ≥ f (u(x)) |j(u, x)| dx.
u(W ) W∗

Die Abbildung u0 ist damit eliminiert, wir müssen allerdings noch die Integrale
Z Z
g(x) dx und g(x) dx mit g(x) = f (ux) |j(u, x)|
W∗ W

vergleichen.
Wählt man R genügend klein, so gilt

g(a) · q > g(x) > g(a)q −1 für x ∈ U (beachte q > 1 und g(a) > 0).

Hieraus folgt
Z
g(x) dx ≥ g(a)q −1 = vol (Wrq−1 ) = g(a)q −1 · q −n (2r)n ;
W∗

andererseits ist
Z
g(x) dx ≤ g(a) · q · vol (W ) = g(a)q(2r)n .
W

Aus den beiden Ungleichungen folgt

Z Z
n+2
q g(x) dx ≥ g(x) dx.
W∗ W

Wir erhalten die gewünschte Ungleichung

Z Z
n+4
q f (y) dy ≥ f (ux) |j(u, x)| dx
u(W ) W

für W ⊂ U = UR (a), R genügend klein.

5. Schritt, Konstruktion einer geeigneten Würfelüberdeckung.
§9. Die Transformationsformel 339

Jede offene Teilmenge U ⊂ R n läßt sich als abzählbare Vereinigung von abge-
schlossenen Würfeln schreiben

U = W1 ∪ W2 ∪ W3 ∪ ···,

wobei die Würfel Wν offen und paarweise disjunkt sind

W ν = {x; kx − ak ≤ ε, Wν = {x; kx − ak < ε.

Beweis. Wir betrachten die Menge aller Würfel

an u an u + 1
W = x; r < xν < , ν = 1, · · · , n ,
2 2r

wobei r alle natürlichen und aν alle ganzen Zahlen durchläuft.

Die Menge dieser Würfel ist abzählbar. (Die Menge N × Z n ist abzählbar, weil
allgemein das kartesische Produkt von abzählbaren Mengen abzählbar ist.) Man
überlegt sich nun (dies im einzelnen durchzuführen sei dem Leser überlassen):
a) Sind W und W 0 zwei der beschriebenen Würfelmengen, so gilt

W ∩ W 0 6= ∅ ⇒ W ⊂ W 0 oder W 0 ⊂ W.

b) Jeder Punkt a ∈ R n ist enthalten in einem der Würfel W , wobei noch

r beliebig groß gewählt werden kann (und daher die Kantenlänge beliebig
klein).
Aus a) und b) konstruiert man nun leicht eine Würfelaufteilung der gewünsch-
ten Art.
6. Schritt. Die Funktion

f : R n −→ R, f ≥ 0,

sei stetig mit kompaktem Träger in B. Es gilt

Z Z
f (y) dy ≥ f (u(x)) |j(u, x)| dx.
B A

Beweis indirekt: Die Ungleichung sei falsch. Dann kann jedenfalls f nicht
identisch Null sein, aus Stetigkeitsgründen sind beide Integrale nicht Null und
man kann eine Zahl q > 1 finden, so daß sogar
Z Z
n+4
q f (y) dy < f (u(x)) |j(u, x)| dx
B A
340 Kapitel VII. Integrationstheorie

gilt.
Wir betrachten nun die Menge

A0 = {x ∈ R n ; f (u(x)) 6= 0} ⊂ A.

Diese Menge ist offen, da f stetig ist. Nach dem 5. Schritt existiert eine
Überdeckung
A0 = W 1 ∪ W 2 · · · .
wobei die Würfel Wν offen und paarweise disjunkt sind.
Behauptung. Für mindestens einen dieser Würfel, nennen wir ihn W (1) , gilt die
Ungleichung
Z Z
n+4
q f (y) dy < f (u(x)) |j(u, x)| dx.
u(W (1) ) W (1)

Beweis. Würde für alle Würfel W die Ungleichung ”≥” gelten, so könnte man
mit Hilfe des Lebesgueschen Grenzwertsatzes sogar
Z X Z
n+4 n+4
q f (y) dy ≥ q f (y) dy
B ν=1
u(Wν )
XZ
≥ f (u(x)) |j(u, x)| dx
ν=1W
ν
Z
= f (u(x)) |j(u, x)| dx
A

schließen. (Man beachte, daß das Integral über den Rand eines Würfels Null
ergibt.)
Die Existenz eines Würfels W (1) mit
Z Z
n+4
q f (y) dy < f (u(x)) |j(u, x)| dx
u(W (1) ) W (1)

ist damit gesichert. Den Würfel W (1) kann man durch Halbieren der Kanten-
länge in 2n Würfel aufteilen. Mit der gleichen Schlußweise folgt die Existenz
eines Würfels W (2) mit der obigen Ungleichung.
So fortfahrend erhält man eine Folge von Würfeln

W (1) ⊃ W (2) ⊃ W (3) ⊃ . . .

mit den Eigenschaften

§10. Die Transformationsformel 341

a) Kantenlänge von W (k) → 0 für k → ∞.

Z Z
n+4
b) q f (y) dy < f (u(x)) |j(u, x)| dx.
u(W (k) ) W (k)
Nach dem verallgemeinerten Intervallschachtelungsprinzip existiert ein Punkt

a ∈ W (1) ∩ W (2) ∩ W (3) . . . .

Zu diesem a betrachten wir die im 4. Schritt konstruierte Umgebung U . Wählt

man k genügend groß, so gilt
W (k) ⊂ U
und wir haben einen Widerspruch zwischen den Ungleichungen des 4. und
6. Schritts erhalten.
7. Schritt, Beweis von Theorem 9.1 für stetige Funktionen mit kompaktem
Träger f .
Man kann annehmen, daß f ≥ 0 gilt. Dies liegt an der Möglichkeit des
Aufspaltens
f = f+ − f−
mit
f + = f ∨ 0, f − = (−f )+ .
Nach dem 6. Schritt gilt die Ungleichung
Z Z
f (y) dy ≥ f (u(x)) |j(u, x)| dx.
B A

Wendet man diese Ungleichung an auf

A anstelle von B
B anstelle von A
u−1 anstelle von u
f (u(x)) |j(u, x)| anstelle von f ,
so resultiert die umgekehrte Gleichung.
8. Schritt, Beweis von 9.1. Sei

f : R n −→ R, f ≥ 0.

eine halbstetige Funktion. Dann ist auch fχB halbstetig. Man wähle

fk ↑ f

und
gk ↑ χB ; gk ≥ 0,
342 Kapitel VII. Integrationstheorie

wobei fk und gk stetig mit kompaktem Träger sei. Dann gilt

fk · gk ↑ f · χB .
Die Gleichung Z Z
f (y) dy = F (u(x)) |j(u, x)| dx
B A
folgt nun aus dem 8. Schritt. Jetzt folgt die Transformationsformel unmittelbar
für das äußere Integral und dann erst recht für das Integral.

10. Meßbarkeit

Man kann jede Funktion f : R n → R als Limes einer Folge von beschränkten
Funktionen mit kompaktem Träger schreiben, nämlich
f = lim fk
mit
f (x), falls kxk ≤ k und |f (x)| ≤ k,
fk (x) =
0, sonst.

10.1 Definition. Eine Funktion f : R n → R heißt meßbar, falls die Funktio-

nen fk , k = 1, 2, . . ., alle integrierbar sind.
Es gilt offenbar
fk = (ϕk ∧ f ) ∨ (−ϕk ),
wenn ϕk die Funktion
k für kxk ≤ k
n
ϕk (x) =
0 sonst
bezeichnet. Da ϕk integrierbar ist, folgt

10.2 Bemerkung. Jede integrierbare Funktion ist meßbar.

Diese und die folgende Bemerkung folgen unmittelbar aus dem Lebesgueschen
Grenzwertsatz.

10.3 Bemerkung. Sei f : R n → R eine meßbare Funktion. Es existiere eine

integrierbare Funktion h mit der Eigenschaft
|f (x)| ≤ |h(x)| für alle x.
Dann ist auch f integrierbar.
Die meßbaren Funktionen haben alle wünschenswerten Stabilitätseigenschaf-
ten.
§10. Meßbarkeit 343

10.4 Satz.
1) Summe und Produkt von meßbaren Funktionen sind meßbar, konstante
Funktionen sind meßbar.
2) Seien f, g meßbare Funktionen. Dann sind auch f ∧ g, f ∨ g, insbesondere
|f | meßbar.
3) Sei fn eine punktweise konvergente Folge meßbarer Funktionen. Dann ist
auch ihr Grenzwert meßbar.
4) Man darf eine meßbare Funktion auf einer Nullmenge abändern, ohne ihre
Meßbarkeit zu verlieren.
Beweis. Es genügt zu zeigen, daß das Produkt meßbarer Funktionen meßbar
ist, da alle anderen Stabilitätseigenschaften aus entsprechenden Eigenschaften
integrierbarer Funktionen folgen.
Wegen der Formel
4(f · g) = (f + g)2 − (f − g)2
braucht man nur zu beweisen, daß mit f auch f 2 meßbar ist. Da man f durch
fk ersetzen darf, genügt es zu zeigen:
Das Quadrat einer beschränkten integrierbaren Funktion ist integrierbar. Dies
folgt aus der Charakterisierung 5.4 unter Verwendung der Formel (f 2 − h2 =
(f − h)(f + h)).
Als Anwendung des Begriffs der meßbaren Funktion dient:

10.5 Ergänzung zum Satz von Fubini. Sei f : R n+m → R eine meßbare
Funktion, so daß
Z− Z−
|f (x, y)| dy dx

endlich ist. Dann ist f integrierbar und es gilt folgedessen der Satz von Fubini
8.1.
Der Beweis ist einfach und wird übergangen.
Als weitere Anwendung des Begriffs der meßbaren Funktion führen wir die
Lp - und die Lp -Räume ein. Dabei kann X ein beliebiger lokal kompakter
metrischer Raum sein, welcher abzählbar im Unendlichen ist und auf welchem
ein Radonsches Maß ausgezeichnet ist. Für uns ist der Fall X = R n mit dem
Standardmaß ausreichend.
Den Fall p = 1 haben wir bereits behandelt (s. §7). Auf Beweise gehen wir hier
nicht ein. Man findet sie in der Standardliteratur über Maßtheorie. Hier geben
wir nur einen Ausblick.
Lp (X), p > 0, bestehe aus allen meßbaren Funktionen f , so daß |f |p integrierbar
ist. Wir definieren
vZ
u
kf kp = t |f |p dv für f ∈ Lp (X).
u
p

Rn
344 Kapitel VII. Integrationstheorie

Es gilt
a) kcf k = |c| kf kp ,
b) kf kp ≥ 0,
c) Mit f und g ist auch f + g in Lp (X) enthalten und es gilt
d) kf + gkp ≤ kf kp + kgkp .
Die Ungleichung d) folgt aus der Hölderschen Ungleichung (s. Kapitel IV §5).
Identifiziert man zwei Funktionen, wenn sie sich nur auf einer Nullmenge un-
terscheiden, so erhält man den Raum

Lp (X) = { [f ], f ∈ Lp (X)} , [f ] = {g ∈ Lp (X), kf − gkp = 0} .

Die Definitionen

[f ] + [g] = [f + g], C[f ] = [Cf ], k[f ]kp = kf kp

hängen nicht von der Wahl der Repräsentanten ab.

In Lp (X) gilt
k[f ]kp = 0 =⇒ [f ] = [0],
d. h. Lp (X) ist ein normierter Vektorraum. Aus den Grenzwertsätzen läßt sich
(in nicht offensichtlicher Weise) folgern:

10.6 Satz. Die Räume (Lp (X), k · kp ) sind für p > 0 Banachräume. Der
Unterraum der Funktionen [f ], f ∈ Cc (X), ist dicht in Lp (X).
Übrigens: Wenn f und g stetige Funktionen mit kompaktem Träger sind, so
gilt [f ] = [g] =⇒ f = g. Wir können also (leicht unpräzise aber suggestiv)
Cc (X) ⊂ Lp (X) schreiben.
Der Fall p = 2 ist besonders wichtig. Man kann zeigen, daß durch
Z
h[f ], [g]i := f (x)g(x) dx
X

ein Skalarprodukt auf L2 (X) definiert wird und erhält somit:

10.7 Satz. Der Raum L2 (X) ist ein Hilbertraum (wenn er mit obigem
Skalarprodukt versehen wird).

Das könnte Ihnen auch gefallen

Top Ps
Noch keine Bewertungen
Top Ps
10 Seiten
Maturit Tsarbeit Erster Entwurf
100% (1)
Maturit Tsarbeit Erster Entwurf
11 Seiten
Diffgeo1 Baum PDF
Noch keine Bewertungen
Diffgeo1 Baum PDF
264 Seiten
Mathe Ing I
Noch keine Bewertungen
Mathe Ing I
136 Seiten
Ana 2 Skript 21
Noch keine Bewertungen
Ana 2 Skript 21
192 Seiten
Geo2 12
Noch keine Bewertungen
Geo2 12
5 Seiten
C14T Einheit 2
Noch keine Bewertungen
C14T Einheit 2
28 Seiten
Eng Mathematik I Syllabus
Noch keine Bewertungen
Eng Mathematik I Syllabus
3 Seiten
Uebung4-L
Noch keine Bewertungen
Uebung4-L
10 Seiten
VL 04 Folien Ana2 Winkert Differenzierbarkeit Und Lineare Approximation SoSe 2024
Noch keine Bewertungen
VL 04 Folien Ana2 Winkert Differenzierbarkeit Und Lineare Approximation SoSe 2024
7 Seiten
Rechnen Mit Distributionen
Noch keine Bewertungen
Rechnen Mit Distributionen
13 Seiten
Beweis Nikoida Isoda
Noch keine Bewertungen
Beweis Nikoida Isoda
9 Seiten
Spern at
Noch keine Bewertungen
Spern at
133 Seiten
Analysis 3慕尼黑大學
Noch keine Bewertungen
Analysis 3慕尼黑大學
233 Seiten
04 Reelle Vektorraeume Deck
Noch keine Bewertungen
04 Reelle Vektorraeume Deck
33 Seiten
02 Abbildungen Deck
Noch keine Bewertungen
02 Abbildungen Deck
26 Seiten
28 Cantor Uber Eine Eigenschaft Des Inbegriffes Aller Reellen Algebraischen Zahlen 1874
Noch keine Bewertungen
28 Cantor Uber Eine Eigenschaft Des Inbegriffes Aller Reellen Algebraischen Zahlen 1874
5 Seiten
Lineare Algebra 1 Für Physiker - Uni Tübingen
Noch keine Bewertungen
Lineare Algebra 1 Für Physiker - Uni Tübingen
88 Seiten
02 Funktionen BoolscheAlgebra
Noch keine Bewertungen
02 Funktionen BoolscheAlgebra
58 Seiten
O. Univ.-Prof. Dr. Walter Thirring (Auth.) - Lehrbuch Der Mathematischen Physik - 1 Klassische Dynamische Systeme-Springer Vienna (1977)
Noch keine Bewertungen
O. Univ.-Prof. Dr. Walter Thirring (Auth.) - Lehrbuch Der Mathematischen Physik - 1 Klassische Dynamische Systeme-Springer Vienna (1977)
267 Seiten
VL 10 Folien Ana2 Winkert Definitheit Und Taylorapproximation SoSe 2024
Noch keine Bewertungen
VL 10 Folien Ana2 Winkert Definitheit Und Taylorapproximation SoSe 2024
8 Seiten
mII 2
Noch keine Bewertungen
mII 2
1 Seite
2003 Hopf-Verzweigung
Noch keine Bewertungen
2003 Hopf-Verzweigung
2 Seiten
Folien Vom 3.6.
Noch keine Bewertungen
Folien Vom 3.6.
3 Seiten
Masstheorie-29 1 2024
Noch keine Bewertungen
Masstheorie-29 1 2024
51 Seiten
Uebungsblatt 01 Loesung
Noch keine Bewertungen
Uebungsblatt 01 Loesung
10 Seiten
Atome Und Molekuele
Noch keine Bewertungen
Atome Und Molekuele
59 Seiten
Ana3 Kap1-5 (Vollstaendig 3 5 2024)
Noch keine Bewertungen
Ana3 Kap1-5 (Vollstaendig 3 5 2024)
121 Seiten
Vademecum Math Methods
Noch keine Bewertungen
Vademecum Math Methods
44 Seiten
Topologie ws1819 Uebungen
Noch keine Bewertungen
Topologie ws1819 Uebungen
14 Seiten
La 2022 23
Noch keine Bewertungen
La 2022 23
168 Seiten
Algebra Methoden
Noch keine Bewertungen
Algebra Methoden
2 Seiten
Lösungsskizze Zur Probeklausur Elemente Der Topologie
Noch keine Bewertungen
Lösungsskizze Zur Probeklausur Elemente Der Topologie
13 Seiten
BF 01187749
Noch keine Bewertungen
BF 01187749
40 Seiten
Vorlesung 4
Noch keine Bewertungen
Vorlesung 4
41 Seiten
Gruppentheorie 2009 2010
Noch keine Bewertungen
Gruppentheorie 2009 2010
286 Seiten
Castro Ibarra 17490572 PDF
Noch keine Bewertungen
Castro Ibarra 17490572 PDF
38 Seiten
Serie-Nr. 7-Homothetie - 2008-2009 (Hbib-Thamer1)
Noch keine Bewertungen
Serie-Nr. 7-Homothetie - 2008-2009 (Hbib-Thamer1)
2 Seiten
Vektoren Polygonmethode
Noch keine Bewertungen
Vektoren Polygonmethode
4 Seiten
Vektor Ko Ordinate N
Noch keine Bewertungen
Vektor Ko Ordinate N
5 Seiten
Bemerkenswerte Geraden - Übungen - Demonstrationen
Noch keine Bewertungen
Bemerkenswerte Geraden - Übungen - Demonstrationen
8 Seiten
Kreisgeometrie. Notizen
Noch keine Bewertungen
Kreisgeometrie. Notizen
25 Seiten
Mathe AnalGeo
Noch keine Bewertungen
Mathe AnalGeo
2 Seiten
Kreis-Theorie Einheit 1
Noch keine Bewertungen
Kreis-Theorie Einheit 1
8 Seiten
Analytische Geometrie - Themen Rheinland Pfalz
Noch keine Bewertungen
Analytische Geometrie - Themen Rheinland Pfalz
5 Seiten
07 Gerade Linie Brahmastra
Noch keine Bewertungen
07 Gerade Linie Brahmastra
16 Seiten
182 1 Vektoren Und Ihre Geometrische Bedeutung
Noch keine Bewertungen
182 1 Vektoren Und Ihre Geometrische Bedeutung
18 Seiten
Analytische Geometrie Gesamt
Noch keine Bewertungen
Analytische Geometrie Gesamt
81 Seiten
Vektor Formeln
Noch keine Bewertungen
Vektor Formeln
4 Seiten
Ion F. (MTK - Transfor Kelas 11)
Noch keine Bewertungen
Ion F. (MTK - Transfor Kelas 11)
12 Seiten
Komplexe Zahlen in Polarkoordinaten
Noch keine Bewertungen
Komplexe Zahlen in Polarkoordinaten
3 Seiten
Definition Eines Vektors in R2, R3 Und Seine Geometrische Interpretation
Noch keine Bewertungen
Definition Eines Vektors in R2, R3 Und Seine Geometrische Interpretation
10 Seiten
Normalprojektion Auf Ein e Ebene.: A', B', 0', ... BB', 00' ..
Noch keine Bewertungen
Normalprojektion Auf Ein e Ebene.: A', B', 0', ... BB', 00' ..
2 Seiten
LinA2023 Chap04
Noch keine Bewertungen
LinA2023 Chap04
13 Seiten
Ma2Folien1 Neu
Noch keine Bewertungen
Ma2Folien1 Neu
39 Seiten
Mathematische Grundlagen
Noch keine Bewertungen
Mathematische Grundlagen
4 Seiten
Klasse Mathematik Vollbuch Definitionen PDF Q3J
Noch keine Bewertungen
Klasse Mathematik Vollbuch Definitionen PDF Q3J
10 Seiten
17489942133016
Noch keine Bewertungen
17489942133016
5 Seiten
SCCS
Noch keine Bewertungen
SCCS
63 Seiten
Ana2 Phy Skript
Noch keine Bewertungen
Ana2 Phy Skript
14 Seiten
Ana BKap 4
Noch keine Bewertungen
Ana BKap 4
8 Seiten
Musterlösung Serie 5
Noch keine Bewertungen
Musterlösung Serie 5
9 Seiten
Musterlösung Serie 1: Prof. D. Salamon
Noch keine Bewertungen
Musterlösung Serie 1: Prof. D. Salamon
4 Seiten
Geo2 14
Noch keine Bewertungen
Geo2 14
4 Seiten
Geo2 11
Noch keine Bewertungen
Geo2 11
4 Seiten
Inclinometer Working Principles - R & A
Noch keine Bewertungen
Inclinometer Working Principles - R & A
4 Seiten
A Linguistic Survey of The Malayalam Lan
Noch keine Bewertungen
A Linguistic Survey of The Malayalam Lan
1 Seite
Physik Lehr - Und Übungsbuch - (Frühe Quantentheorie Und Atommodelle)
Noch keine Bewertungen
Physik Lehr - Und Übungsbuch - (Frühe Quantentheorie Und Atommodelle)
38 Seiten
STAUD - Yattsu
Noch keine Bewertungen
STAUD - Yattsu
32 Seiten
Testen Sie Ihre Programmierkenntnis Ergebnisse
Noch keine Bewertungen
Testen Sie Ihre Programmierkenntnis Ergebnisse
7 Seiten
Meine Lieblingssendung
Noch keine Bewertungen
Meine Lieblingssendung
2 Seiten
2023-02-01 Preisliste Tarif Basic
Noch keine Bewertungen
2023-02-01 Preisliste Tarif Basic
2 Seiten
EBE B Chapter 5
Noch keine Bewertungen
EBE B Chapter 5
27 Seiten
Kurzgeschichten Für Kinder
Noch keine Bewertungen
Kurzgeschichten Für Kinder
4 Seiten
Erg. Bedingungen Tab2023 Final
Noch keine Bewertungen
Erg. Bedingungen Tab2023 Final
8 Seiten