A.

T O~(

AT

111I11~liill~l~
+EM6728200X

1q. ~,

Michael Drmota
Bernhard Gittenberger
Gnther Karigl
Alois Panholzer
Institut fr Diskrete Mathematik und Geometrie
Technische Universitt Wien
Wiedner Hauptstrae 8-10/104
A- 1040 Wien

1. Auflage 2007
2. Auflage 2008

Alle Rechte vorbehalten. Das Werk einschlielich aller seiner Teile ist urheberrechtlich
geschtzt. Jede Verwertung auerhalb der engen Grenzen des Urheberrechtsgesetzes
ist ohne Zustimmung d~s Verlages unzulssig und strafbar. Das gilt insbesondere fr
Vervielfltigungen, bersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen.
Gedruckt auf surefreiem Papier.

Copyright 2008 by Heldermann Verlag, Langer Graben 17, 32657 Lemgo, Germany;
[Link]. All rights reserved.

ISBN 978-3- 88538- 117-4

Berliner Studienreihe zur Mathematik

Band 17

M. Drmota, B. Gittenberger

G. Karigl, A. Panholzer

Mathematik fr Informatik

Heldermann Verlag

Inhaltsverzeichnis
vii

Vorwort
1

Grundlagen
1.1 Zahlen . ......... ...... .
1.2 Elementare Zahlentheorie
1.3 Elementare Aussagenlogik .
1.4 Mengen . . . . . . . . . . .
1.5 Relationen und Abbildungen .
1.6 bungsaufgaben . . .... ......

1
15

24
29
35
43

Diskrete Mathematik
2.1 Kombinatorik . .
2.2 Graphentheorie .
2.3 Algebraische Strukturen
2.4 bungsaufgaben

47
47
57
71

Lineare Algebra
.......... .
3.1 Vektoren
. . . . ....
3.2 Matrizen
3.3 Lineare Abbildungen .
3.4 Lineare Gleichungssysteme
3.5 Determinanten .......... . .
3.6 Eigenwerte und Eigenvektoren .
3.7 Skalarprodukte
3.8 bungsaufgaben

92

.......

88

..

4 Folgen, Reihen und Funktionen

4.1 Folgen reeller Zahlen . . . . . .... . .
4.2 Unendliche Reihen . . . . . . . . . .
4.3 Asymptotischer Vergleich von Folgen
4.4 Elementare Funktionen . . . . . . . .
4.5 Grenzwerte von Funktionen und Stetigkeit
4.6 bungsaufgaben . . . ... ...... ...... .... .

93
104
113
118

125
129
132
136

139

139
148
158
160
170
177

Inhaltsverzeichnis

Vl

Differential- und Integralrechnung in einer Variablen

5.1 Die Ableitung . . . . . . . . . . . . . . . . . .
5.2 Die Taylor'sche Formel und der Mittelwertsatz
5.3 Das unbestimmte Integral
5.4 Das bestimmte Integral .
5.5 Uneigentliche Integrale .
5.6 bungsaufgaben . . . .
Differential- und Integralrechnung in mehreren Variablen
6.1 Funktionen in mehreren Variablen . . . . . .
6.2 Differentialrechnung in mehreren Variablen.
6.3 Bestimmung von Extrema . . . . . . .
6.4 Integralrechnung in mehreren Variablen
6.5 bungsaufgaben . . . . . . . . . . .

7 Differenzen- und Differentialgleichungen

7.1 Differenzengleichungen - Einfhrung und Beispiele
7.2 Differenzengleichungen erster Ordnung . . . . . .
7.3 Lineare Differenzengleichungen zweiter Ordnung ..
7.4 Zellulre Automaten und das Spiel des Lebens . . .
7.5 Gewhnliche Differentialgleichungen - Einfhrung und allgemeine Theorie.
7.6 Lineare Differentialgleichungen erster und zweiter Ordnung . .
7.7 Nichtlineare Differentialgleichungen und qualitative Methoden
7.8 Partielle Differentialgleichungen .
7.9 bungsaufgaben . . . . . . . . .
8 Fourier-Analyse
8.1 Fourier-Reihen
8.2 Diskrete Fourier-Transformation.
8.3 Fourier-Transformation.
8.4 Laplace-Transformation
8.5 bungsaufgaben ..

182
183
189
204

209
217

220

225
225
233

243
249
265

270
270
273
282
287
289
293
302
306
336

342
342
360
367
375
383

388

9 Numerische Mathematik
9.1 Auflsung von Gleichungen und Gleichungssystemen
9.2 Verfahren zur Lsung linearer Gleichungssysteme
9.3 Approximation und Interpolation .. .
9.4 Numerische Integration . . . . . . . .
9.5 Simulation von Differentialgleichungen
9.6 Die Methode der Finiten Elemente.
9.7 bungsaufgaben . . . . . . . . . .

400
409

Literaturverzeichnis

427

Sachverzeichnis

429

388

395
414
420
424

Vorwort
Das vorliegende Buch ist aus Vorlesungen Mathematik 1 - 3 fr Studierende der Informatik an
der Technischen Universitt Wien entstanden, die von den Autoren seit mehreren Jahren betreut
werden. Es behandelt alle erforderlichen Gebiete, die im Studienplan fr diese drei Vorlesungen
vorgesehen sind, versucht aber auch, durch inhaltliche Ergnzungen zum Weiterlesen und zum
Weiterstudium anzuregen.
Das Buch richtet sich vorrangig an Studierende der Informatik. Es soll einerseits ein begleitendes Lehrbuch fr die mathematischen Grundvorlesungen sein, natrlich Unterlage zur
Prfungsvorbereitung, es soll aber genau so als Mathematik-Nachschlagewerk fr das gesamte
Studium dienen. Dieses Buch ist schlielich auch zum Selbststudium geeignet, und die Autoren
wrden sich freuen, wenn es ebenso von dritter Seite Verwendung finden wrde.
Eine besondere Herausforderung war es, trotz der knappen Darstellung sowohl die Lesbarkeit als auch die Vollstndigkeit der behandelten Themenkreise zu erhalten. Weiters wurden
viele inhaltliche Bezge zur Informatik hergestellt, insbesondere in den im Text ausgefhrten Beispielen, und der algorithrnische Aspekt steht, wo immer es mglich war, im Vordergrund. So werden unter anderem der Euklidische Algorithmus, die Berechnung von Prfziffern,
das RSA-Verschlsselungsverfahren, Fehler korrigierende Linearcodes, die Berechnung elektrischer Netzwerke, die Eigenwertmethode zur Reihung von Webseiten, Aufwandsabschtzungen
von Algorithmen wie Z.B. Bubblesort und Quicksort, zellulre Automaten wie z.B. "Spiel des
Lebens", die Fast-Fourier-Transform in der Signalverarbeitung und verschiedene AufgabensteIlungen aus der Physik und Elektrotechnik behandelt.
Wie bereits angedeutet, orientiert sich der Inhalt an den mathematischen Grundvorlesungen.
Nach den Grundlagen (d.s. im Wesentlichen Zahlen, elementare Aussagenlogik und Mengenlehre) befasst sich bereits das zweite Kapitel mit Informatik-nahen Themenbereichen aus der
diskreten Mathematik, nmlich mit kombinatorischen Methoden, Graphentheorie und Grundlagen algebraischer Strukturen. Codierungstheorie und Kryptografie wurden nur in Beispielen
behandelt, da diese fr die Informatik zweifellos wichtigen Gebiete an der TU Wien in einer
eigenen Lehrveranstaltung unterrichtet werden. Das dritte Kapitel befasst sich mit linearer Algebra. Hier wurde bewusst ein allgemeiner Zugang (ber beliebigen Skalarkrpern) gewhlt.
Trotzdem wird versucht, den Bezug zur Anschauung immer wieder herzustellen.
Die nchsten drei Kapitel sind der Analysis gewidmet. Das vierte Kapitel beginnt mit dem
Grenzwertbegriff und behandelt weiters Folgen, Reihen und elementare Funktionen. Das fnfte
Kapitel umfasst die Differential- und Integralrechung in einer Variablen und das sechste die in
mehreren Variablen. Einen besonderen Stellenwert nehmen Extremwertaufgaben ein.

Vlll

Vorwort

Die letzten drei Kapitel sind spezielleren Themenlcreisen gewidmet. Da siebente be chf
tigt sich mit Differenzen- und Differentialgleichungen. Dabei werden sowohl L ung erfahren, einschlielich der Methode der erzeugenden Funktionen, als auch die qualitative Theorie behandelt. Hier findet man zahlreiche Anwendungsbeispiele aus Naturwissen chaft und
Technik: Komplexitt von Sortieralgorithmen, zellulre Automaten, elektrischer Schwingkreis,
Wachstumsmodelle in der Biologie, die Wellengleichung und die Differentialgleichung der
schwingenden Membran. Das achte Kapitel befasst sich mit verschiedenen Gesichtspunkten
der Fourieranalyse. Neben den klassischen Fourierreihen werden die Fast-Fourier-Tran form
(FFT), die Fouriertransformation und die Laplacetransformation behandelt. Schlielich ind im
neunten Kapitel noch einfache numerische Verfahren wie z.B. Nherungsverfahren zur Lsung
von Gleichungen und Gleichungssystemen, Interpolationsverfahren, numerische Integrationsverfahren und Nherungsverfahren fr Differentialgleichungen zusammengestellt. Au Platzgrnden mussten einige Themenbereiche der angewandten Mathematik wie z.B. Stocha tik und
Statistik oder lineare und diskrete Optimierung ausgeklammert werden.
Das Lesen des Buches erfordert keine speziellen Vorkenntnisse. Es werden alle Begriffe grundlegend erklrt, und durch zahlreiche Bilder und durchgerechnete Beispiele wird versucht, die angegebenen Methoden und Resultate zu illustrieren. Jedes Kapitel schliet mit einer
Sammlung ausgewhlter bungsaufgaben. Sie sollten aUe mit den im Text dargestellten Methoden gelst werden knnen.
Wenn auch keine speziellen Vorkenntnisse erforderlich sind, so mchten wir trotzdem einen
Rat zur Benutzung des Buches geben, der sich in erster Linie an Anfangerinnen und Anfanger
bzw. weniger Gebte richtet: Die Mathematik ist geprgt von einem intensiven Gebrauch von
Abkrzungen und Symbolen, die am Anfang abschreckend und vielleicht auch unntig kompliziert erscheinen mgen. Dass diese Symbole beraus ntzlich, ja sogar notwendig sind, wird
erst nach einer gewissen Vertiefung verstndlich. Dieser Unterschied zur Alltagssprache hat
aber zur Folge, dass man Mathematikbcher nicht einfach durchliest und schon deren Inhalt beherrscht. Mathematik lsst sich nur durch leaming by doing begreifen. Deshalb sollte man beim
Lesen dieses Buches immer wieder inne halten und - mit Hilfe von Bleistift und Papier - einzelne Passagen durchdenken. Auf diese Art werden Sie als Leser dieses Buches rasch Fort chritte
machen und hoffentlich auch viel Freude an der Mathematik finden.
Die Autoren mchten sich vor allem bei ihrem Kollegen Gnther Eigenthaler fr das genaue
Korrekturlesen des Manuskripts und fr seine zahlreichen wertvollen Verbesserungsvorschlge
bedanJcen. Wir danken auch Hans Havlicek fr seine Untersttzung bei der Erstellung der Formatvorlage fr dieses Buch. Unser Dank gebhrt schlielich dem Heldermann-Verlag ftir die
Aufnahme und Untersttzung bei der Herausgabe des Buches.

Wien, im Mrz 2007

MICH AEL DRMOTA

BERN HA RD GITTENBERG ER
G NTHER K ARIGL
ALOIS P AN HOLZER

Kapitell
Grundlagen
Mathematik hat sich historisch aus der Notwendigkeit entwickelt, zhlen und messen bzw.
quantifizieren zu knnen. Wir fhren daher gleich am Anfang die natrlichen, ganzen, rationalen, reellen und komplexen Zahlen ein. Daran schliet eine kleine Einfhrung in die elementare
Zahlentheorie und in das Rechnen mit Kongruenzen. Die modeme Mathematik ruht hingegen
auf zwei Sulen, auf der Mathematischen Logik und der Mengenlehre. Fr unsere Zwecke
dienen diese Grundlagen auch zur Sprachregelung, die wir im weiteren Verlauf bentzen werden. Die nchsten Unterkapitel sind daher der Aussagenlogik und der Mengenlehre gewidmet.
Abschlieend kommen wir noch zu weiteren grundlegenden Begriffen, zu Relationen und Funktionen.

1.1

Zahlen

1. Natrliche Zahlen
Die natrlichen Zahlen l sind die Zahlen 0, 1,2, 3, . . . In der Mathematik fasst man sie zu einer
Menge zusammen, die mit N = {O, 1,2, 3, . .. } bezeichnet wird. Die wesentliche Eigenschaft
der natrlichen Zahlen ist, dass es zu jeder natrlichen Zahl n einen Nachfolger n' = n + 1 gibt.
Das entspricht dem intuitiven "Immerweiterzhlen". Streng genommen knnen die natrlichen
Zahlen etwa durch die Peanoaxiome charakterisiert werden:
1.

(Null) ist eine natrliche Zahl.

2. Jede natrliche Zahl n hat genau einen Nachfolger.

3.

ist nicht Nachfolger einer natrlichen Zahl.

4. Verschiedene natrliche Zahlen besitzen verschiedene Nachfolger.

5. Jede Eigenschaft, welche zukommt und sich von jeder natrlichen Zahl auf den Nachfolger bertrgt, kommt bereits allen natrlichen Zahlen zu.
Das letzte Axiom heit auch Induktionsaxiom.
l Nach

NORM ist 0 (Null) auch eine natrliche Zahl.

1 Grundlagen

Man berlegt sich leicht, dass die natrlichen Zahlen durch diese fnf (Peano-)[Link] eindeutig bestimmt sind. Graphisch kann man sie folgendermaen darstellen ( iehe Abb. l.]).
Dabei ist 1 = 0' der Nachfolger von 0, 2 = l' ist der Nachfolger von 1, u w.

o --...

1 --... 2 - - ... 3 - -... 4 - -......

Abbildung 1.1 Die natrlichen Zahlen

Die folgende Tabelle zeigt, warum die in Abb. 1.1 angegebene Struktur nach den Peanoaxiomen die einzig mgliche ist.

()

unmglich wegen 3.

O - I - 2 - - n <

0-

1 - ...

-n -

n'
n'

II'/ ...... ""'n""

n~

"""

O-----!--- - - I t

a-a'~

oder

unmglich wegen 4.

/'
n"'./

~,
,
n =m

unmglich wegen 4.

0 - 1 - '"
b"

unmglich wegen 5.

m/
O-}-'"

unmglich wegen 2.

b~b'

Aus der "Aufiistung" 0, 1, 2,3, . . . der natrlichen Zahlen ergibt ich eine natrliche Ordnung. Man sagt m ist kleiner als n und schreibt dafr m < n, wenn m in der Liste vor n gereiht
i t. Entsprechend sagt man, m ist kleiner oder gleich n, wenn m < n oder m = n, und schreibt
dafr m ~ n. Weiters schreibt man auch m > n anstelle von n < mund m ~ n anstelle von
n~m.

Das interessanteste Axiom ist das Induktionsaxiom 5. Aus diesem leitet man das Beweisprinzip der vollstndigen Induktion ab.
Es sei P( n) eine Eigenschaft2 , die fr eine natrliche Zahl n gelten kann oder nicht ( iehe
Beispiele 1. 1 bis 1.3). Wir wollen untersuchen, ob P{ n) fr alle natrlichen Zahlen wahr i t.
Das Induktionsaxiom besagt, dass man dafr P(O) berprfen muss, also ob die natrliche Zahl
odie Ejgenschaft P hat, und dass man berprfen muss, ob aus der Annahme, da s P (n) gltig
ist, auch die Gltigkeit von P(n') = P(n + 1) gefolgert werden kann.
2Wir werden P(n ) in der Logik als Prdikat bezeichnen, siehe Abschnitt 1.3.

1.1 Zahlen

In der Schreibweise der Logik (siehe Abschnitt 1.3) lautet dies kurz so:

P(O)

1\

(\In

N: P(n)

=}

P(n

+ 1) )

==}

\In

N : P(n).

Zur Illustration dieser Schlussregel betrachten wir ein einfaches Beispiel, das eine Summenformel nachweist.

Beispiel 1.1 Es sei P(n) die Aussage3

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

Offensichtlich ist P(O) wahr, da L~=o k = O. Ist nun P(n) wahr, dann gilt
n

Lk+(n+l)
k=O

n(n + 1)

+ (n+ 1)
(n + l)(n + 2)

Also ist auch P( n

+ 1) wahr. Damit ist gezeigt, dass P( n) fr alle natrlichen Zahlen n

wahr

Die berprfung von P(O) wird auch als Induktionsanfang und der Schluss P(n) ::}
P (n + 1) als Induktionsschritt bezeichnet, dabei nennt man P (n) Induktionsvoraussetzung
und P (n + 1) Induktionsbehauptung.
Im nchsten Beispiel illustrieren wir, dass der Induktionsanfang verschoben werden kann,
d.h. man berprft P(no) und den Induktionsschritt P(n) ::} P(n + 1) fr alle n 2: no. Daraus
folgt die Gltigkeit von P(n) fr alle n 2: no.

Beispiel 1.2 Es sei P( n) die Aussage

2n > n+ 2.
Offensichtlich ist diese Aussage fr n = 0, n = 1 und n = 2 nicht richtig . Allerdings gilt P(3)
wegen 23 = 8 > 5 = 2 + 3, und es ist nahe liegend, dass auch P(4), P(5), . . . alle richtig sind.
Fr den Nachweis verschieben wird den Induktionsanfang zu n = 3 und versuchen nun, den
Schritt P(n) ::} P(n + 1) fr n 2: 3 zu berprfen. Wir nehmen also an, dass 2n > n + 2 fr
ein n 2: 3 richtig ist. Multipliziert man mit 2, so ergibt sich direkt

2 2n = 2n + 1

> 2(n + 2)

= 2n

+ 42: n + 4 2:

(n

+ 1) + 2.

Daher gilt P( n) fr alle n 2: 3.

L, das groe griechische Sigma. Ist ao al , . .. , an eine Folge von

n
Zahlen, soist I: ak eine Kurzschreibweise fUr aO+al + ...+a n also insbesondere ist L k = 0+ 1+ 2+ + n .
3Wir bentzen hier das Summenzeichen
n

k=O

k;Q

1 Grundlagen

Manchmal ist es auch gnstiger, nicht nur den Schluss P(n) =? P(n + 1) .zu verwenden, sondern die Information ber alle vorigen P(k) zu ntzen, d.h. man nimmt an, dass
P(O), PU), . . . ,P(n) gltig sind und leitet daraus P(n + 1) ab. In der Schreibw i e der Logik
sieht diese Variante der vollstndigen Induktion so aus:

P(O)

1\

(Vn E N: (Vk:S n : P(k)) ~ P(n + 1)) ==> Vn E N : P(n) .

Je nach Anwendungsbeispiel verwendet man die eine oder andere Variante.

Beispiel 1.3 Eine natrliche Zahl n > 1 heit prim oder unzerlegbar, wenn sie nicht als Produkt
7' s zweier natrlicher Zahlen r, s darstellbar ist, die beide kleiner sind al n.
Fr n > 1 sei P( n) die Aussage, dass n entweder selbst prim ist oder als Produkt endlich
vieler primer Zahlen darstellbar ist. Wieder ist der Induktionsanfang verschoben. Wir beginnen
mit (der Primzahl) n = 2, hier ist die Aussage offensichtlich richtig. Fr den Bewei nehme man
an, dass P( k) fr alle k ::; n wahr ist. Wenn nun n + 1 nicht prim ist, dann gibt e natrliche
Zahlen r :S n und s ~ n mit n + 1 = r . s. Unter der eben angefhrten Annahme sind p er)
und P( s) wahr. (Man beachte, dass 7' > 1 und s > 1 sein mssen.) Folglich kann n + 1 auch
als Produkt von endlich vielen primen Zahlen dargestellt werden. Daher ist P (n + 1) wahr.
Es wurde damit gezeigt, dass jede natrliche Zahl n > 1 eine Primfaktorenzerlegung besitzt. Um zu zeigen, dass diese Zerlegung bis auf die Reihenfolge der auftretenden Primzahlen
eindeutig ist, bentigt man noch zustzliche berlegungen (vergleiche mit Ab chnitt 1.2). 6.

n=

Das "Immerweiterzhlen" ist auch Grundlage des Rechnens mit natrlichen Zahlen. Die
Addition von n mit 1 ist durch den Nachfolger von n gegeben: n + 1 = n'. Entsprechend i t die
Addition von n und 2 (dem Nachfolger von 1): n + 2 = n + I' = (n + 1)'. Allgemein definiert

man

+ k' =

(n

+ k)'.

Aus dem Induktionsaxiom folgt, dass damit die Addition von zwei beliebigen natrlichen Zahlen definiert wird, wenn man zustzlich noch n + 0 = 0 + n = n setzt.
Die Multiplikation zweier natrlicher Zahlen wird ebenso rekursiv definiert: 0 .. n = 0,
1 . n = n, 2 . n = n + n und allgemein
k' . n = k . n

+ n.

Die Addition und die Multiplikation erfllen die folgenden Rechenregeln die indukti bewie en
werden.
Satz 1.4 Fr natrliche Zahlen n, m , k E N gelten die folgenden Eigenschaften:
(i)
(ii)
(iii)
(iv)

Kommutativgesetz: n + m = m + n, n m = m . n,
Assoziativgesetz: (n + m) + k = n + (m + k), (n . m) . k = n (m . k),
Distributivgesetz: (n + m) . k = n k + m . k,
Existenz eines neutralen Elements: n + 0 = 0 + n = n, n 1 = 1 . n = n.

Neben der Addition und der Multiplikation betrachtet man in den natrlichen Zahlen auch
die Subtraktion und die Division. Ist n :::; m, so bezeichnet k = m - n die Differenz aJ 0
jene natrliche Zahl mit n + k = m . Gibt es zu zwei natrlichen Zahlen m n (mit n 1= 0) eine
natrliche Zahl q mit n . q = m, so sagt man, "n teilt m" und bezeichnet q al Quotienten, der
durch q = m : n = r;: geschrieben wird. Man berlegt sich leicht, dass Differenz und Quotienr
eindeutig bestimmt sind.

1.1 Zahlen

2. Ganze und rationale Zahlen

Ein Nachteil der natrlichen Zahlen ist, dass man nicht uneingeschrnkt subtrahieren und dividieren kann, d.h. , Gleichungen der Form 5 + x = 2 und 3 Y = 5 bzw. allgemein geschrieben

71, + x

und

= 1n

n y = m

sind nicht immer in den natrlichen Zahlen lsbar. Aus diesem Grund fhrt man die ganzen
Zahlen

Z= {... , - 2, - 1, O, l ,2, . . .}
und die rationalen Zahlen

ein.4 Die Lsung der Gleichung 71, + x = m ist nun die ganze Zahl x = m - 71" also z.B.
x = 2 - 5 = - 3, und die Lsung der Gleichung 71, . y = m die rationale Zahl y =
(fr
71, =I 0), also z.B. y = 5/3.
Dazu muss man einiges beachten. Bevor wir Gleichungen dieser Art allgemein betrachten
knnen, mssen wir Addition und Multiplikation fr ganze und rationale Zahlen einfhren.
Bleiben wir zunchst bei den ganzen Zahlen Z. Sie wurden so konstruiert, dass man zu jeder
natrlichen Zahl 71, > 0 auch die negative Zahl - 71, betrachtet. Damit kann man (ausgehend
von 0) auch um - 1 immer weiterzhlen und erhlt auch eine Fortsetzung der Ordnung der
natrlichen Zahlen (siehe Abb. 1.2).

r;

- -... -2--" - 1 --~ 0 - -... 1 - - ... 2 - - .........

Abbildung 1.2 Die ganzen Zahlen

Im nchsten Schritt definiert man die Addition fr alle ganzen Zahlen:

(- m) + (- 71,)
m+ (-n)=( - n)+m
m + (-71,) = (- 71,) + m

=
=

-(m + n) fr n,m ~ 0,
m- n
frO ~ 71, ~ m ,
- (71, - m) fr 0 ~ m < n .

Weiters wird der Begriff negative Zahl auch fr alle ganzen Zahlen definiert, insbesondere setzt
man - 0 = Ound
- (-71,) =71, fr 71, > 0,
also z.B. - ( -3) = 3. Jede ganze Zahl hat daher eine negative Zahl.
Mit dieser Festlegung wird die Subtraktion

n - m = n+ (- m)
fr alle ganzen Zahlen 71" mEZ definiert. Damit ist es nun mglich, die Gleichung n + x = m
fr alle ganzen Zahlen 71" m E Z zu lsen, die Lsung ist x = m - n . Z.B. hat die Gleichung
-4 + x = - 8 die Lsung x = -8 - (-4) = - 4.
4Z wei Brche ? und ~ in Q werden gleich gesetz t, wenn m l = n k ist.

1 Grundlagen

Eine hnliche Idee liegt der Konstruktion der rationalen Zahlen Q zu Grunde. Hier spielt der
Kehrwert ~ = r - 1 eine hnliche Rolle wie zuvor die negative Zahl - n oWieder ist e wichtig,
den Kehrwert r - 1 = ~ jeder rationalen Zahl T = ~ =I 0 zu kennen:

(:)-1 = ! = ;

Beispielsweise ist ( ~ ) - 1 = 2. Damit ist (zunchst) fr alle ganzen Zahlen m , n (mit n f:. 0)
die Lsung von n . y = m durch y = r;: gegeben. Neben dem Kehrwert einer rationalen Zahl
definiert man auch die negative Zahl - r einer rationalen Zahl r = !!!::
n
m

-T = - n

- m

= --.

Schlielich fhren wir die Addition und Multiplikation von zwei rationalen Zahlen r =
und s = fein:
k
I

ml

+ nk

r+s =- +- = - - n

nl

r s= - . n 1

und

m
n

m k

= -

- .

n l

Entsprechend definieren wir fr zwei beliebige rationale Zahlen r = :: ' s = ~ die Subtraktion
und Division:
r
1
r - s = r + (- s) und r : s = - = r . - (s f:. 0) .

Damit knnen wir die Gleichungen s + x =

x

=r

- s

und s y = r fr alle rationalen Zahlen r , S l en:

und

=-

(s

=I 0).

In den ganzen Zahlen kann man daher uneingeschrnkt addieren, multiplizieren und subtrahieren. In den rationalen Zahlen kommt noch die uneingeschrnkte Division durch eine Zahl
f:. 0 dazu. Man beachte, dass die Rechenregeln von Satz 1.4 in derselben Weise fr Z und Q
gelten. Zustzlich kommt noch hinzu, dass wir negative und reziproke Zahlen bilden knnen.
Wie bereits angegeben, sind die ganzen Zahlen geordnet. Ebenso knnen die rationalen
Zahlen geordnet werden. Dies wird an der so genannten Zahlengeraden verdeutlicht (siehe
Abb. 1.3):

- 6 - 5-4-3-2-1 0 1 2

1/2

456

3/2

Abbildung 1.3 Zahlen gerade

Fr zwei rationale Zahlen r

= ::' s = ~ (mit n > 0 und l > 0) definiert man

= -m < s = -k
n

{:::;;:::}

m .l

< n . k.

1.1 Zahlen

Weiters beachte man, dass es zwischen je zwei rationalen Zahlen r < s immer noch eine
rationale Zahl gibt, die zwischen rund s liegt:

r+s
r< -2- < s.
Es sieht daher so aus, als ob die rationalen Zahlen auf der Zahlen geraden keine Lcken haben.
Dies ist aber (bei genauerer Betrachtungsweise) falsch. Wir versuchen nun, die Gleichung
x2 = 2
zu lsen. Dies ist jedoch berraschenderweise im Rahmen der rationalen Zahlen nicht mglich.
Eine Lsung der Gleichung x 2 = 2 wird durch x = y'2, die Wurzel von 2 bezeichnet. Eine
Zahl, die nicht rational ist, heit irrational.

Satz 1.5 Die Gleichung x 2 = 2 hat keine Lsung in den rationalen Zahlen, d.h.
nal.

v'2 ist irratio-

Beweis. Wir bentzen eine indirekte Vorgangs weise, den sogenannten indirekten Beweis. Wir
nehmen an, es gbe eine rationale Lsung x = ~ und fhren diese Annahme zu einem Widerspruch. Daraus folgt, dass es unmglich ist, dass x 2 = 2 eine rationale Lsung hat.
Es sei also x = ~ eine rationale Lsung der Gleichung x 2 = 2, also (~) 2 = 2 oder
m 2 = 2n 2 Wir knnen dabei auch 0.B.d.A. 5 annehmen, dass mund n nicht beide gerade sind. 6
Denn wren mund n gerade, so knnte man wegen x = ~ =
anstelle von mund n auch
m/2 und n/2 betrachten und auf diesem Weg erzwingen, dass nach endlich vielen Schritten
(eventuell neue) m und n nicht beide gerade sind.
Aus der Beziehung m 2 = 2n 2 folgt aber, dass m gerade ist. Denn wre m ungerade, so
msste auch m 2 ungerade sein, was der Beziehung m 2 = 2n2 widerspricht. Wir knnen daher m = 2k setzen und erhalten (2k? = 4k 2 = 2n2 und schlielich 2k 2 = n 2 . Aus dieser
Gleichung folgt aber (wie vormn), dass auch n gerade sein muss. Das haben wir aber ausgeschlossen, es ist ein Widerspruch eingetreten. Wie bereits erwhnt, ist es daher unmglich, dass
x 2 = 2 eine rationale Lsung hat.
0

r;:g

3. Reelle Zahlen
Um Gleichungen der Form x 2 = 2 (und hnlicher Art) lsen zu knnen, muss man den Zahlbegriff erweitern, zunchst einmal zu den reellen Zahlen. Bevor wir dies tun, gehen wir noch
einmal kurz zurck zu den natrlichen Zahlen. blicherweise werden natrliche Zahlen in ihrer
Dezimalentwicklung7 angegeben, also z.B.

327 = (327)10 = 3 . 102

+ 2 . 101 + 7 . 10.

Es ist leicht zu ehen, dass jede natrliche Zahl n eindeutig in dieser Weise dargestellt werden
kann als

5 0 hne

Beschrnkung der Allgemeinheit

6Die geraden ganzen Zahlen sind dadurch charakterisiert, dass sie durch 2 teilbar sind.
7Die Basi 10 ist willkrlich und nur historisch bedingt. Man kann anstelle von 10 jede natrliche Zahl q > 1
verwenden. Beispielsweise fhrt dies fr q = 2 zur Binrentwicklung.

1 Grundlagen

wobei die Ziffern Cj E {O, 1,2, . . . , 9} sind. Bei negativen Zahlen setzt man einfach ein Minu zeichen davor, z.B. - 327.
Es ist ganz natrlich, auch negative Potenzen von 10 zuzulassen, und man be chr -ibt dadurch gewisse rationale Zahlen, z.B. ~ = 1 + 5 . 10- 1 = 1.5 = (1.5ho . E i t aber Dicht
mglich, alle rationalen Zahlen in der Form

= Ck . lOk + Ck- l . 10k - 1 + ... + Cl . 10 1 + Co . 100 + C- 1 . 10- 1 + . .. + C- m . lO- m

= (CkCk - l . . . ClCo,C- 1 ... c- mho,

also durch eine endliche Dezimalentwicklung darzustellen. Die Ziffern C-l, C-2 . . . C- m werden auch als NachkommastelIen bezeichnet.
Man erfasst damit nur rationale Zahlen der Form r = n / lO m , wobei n und m natrliche
Zahlen sind. Die Zahl ~ ist aber beispielsweise sicher nicht von dieser Gestalt. Denn ~ = n/ lOm
ist gleichbedeutend mit 3 . n = 10m , was nicht mglich ist, 10 ist nicht durch 3 teilbar.
Trotzdem ist es mglich, jede reelle Zahl durch endliche Dezimalentwicklungen beliebig
gut zu approximieren. Betrachten wir noch einmal das Beispiel x = V2. Zunch t stellt man
fest, dass 1 < V2 < 2 gelten muss, da 12 = 1 < 2 < 22 = 4 ist. Im nchsten Schritt betrachten
wir alle Zahlen zwischen 1 und 2 mit einer Nachkomrnastelle, also die Zahlen
1.0, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9, 2.0.
Offensichtlich gilt 1.4 < V2 < 1.5, da 1.42 = 1.96 < 2 < 1.52 = 2.25. Im darauf folgenden
Schritt betrachtet man alle Zahlen zwischen 1.4 und 1.5 mit zwei Nachkonunastellen,
1.40, 1.41, 1.42, 1.43, 1.44, 1.45, 1.46 , 1.47, 1.48, 1.49 1.50
und stellt fest, dass 1.41 < y'2 < 1.42 gelten muss. In jedem Schritt wird die Approximation
um eine Dezimale genauer. Nach m Schritten gewinnt man rationale Zahlen x~ und x~ mit m
Nachkommastellen, sodass x~ ~ x ~ x~ und x~ - x:n = lO- m Die Zahl
x~o

= 1.41421356237309504880168872420969807856967187537694

unterscheidet sich von v'2 um weniger als 10- 50 . Dies ist fr die praktische Rechnung zwar
mehr als ausreichend. Trotzdem kann man in endlich vielen Schritten clie Zahl V2 nicht exakt darstellen, die Zahl J2 ist ja irrational. Es ist daher nahe liegend, die Zahl J2 mit einer

unendlichen Dezimalentwicklung

y'2

= (1.41421356237309504880168872420969807856967187537694 . .

= 1 + 4.10- + 1 .
1

10- 2

+4.

10- 3

ho

+ 2.10- + ., .
4

zu identifizieren.
In analoger Weise betrachtet man beliebige unendliche Dezimalentwicklungen
00

= Ck . lO k + Ck - 1 . 10 k- 1 + . .. + Cl . 10 1 + Co . 10 + L

C- m .

lO- m

m= l

mit (beliebigen) Ziffern Cj E {O, 1, 2, . .. , 9}. Zu so einer unendlichen Dezimalentwicklung gehrt immer eine so genannte Intervallschachtelung von Intervallen8 Im = [x~n x~] , indem
8Ein reelles Intervall besteht aus allen reellen Zahlen zwischen zwei vorgegebenen Zahlen a b. Die Menge

[a , b] = {x E IR Ia ~ x ~ b} bezeichnet man als abgeschlossenes Intervall, das die Endpunkte a, b enthlt, und
die Menge (a , b) = {x E IR I a < x < b} al offenes Intervall ohne Endpunkte.

1.1 Zahlen

man die unendliche Dezimalentwicklung nach m Schritten abbricht. Bei v'2 sind dies die Intervalle 10 = [1,2], h = [1.4, 1.51, 12 = [1.41) 1.42] usw. Diese Intervalle sind ineinander
geschachtelt, 11 ist in 10 enthalten, 12 in I 1 usw., und die Intervalllngen werden beliebig klein,
sie unterschreiten jede beliebig vorgegebene positive Zahl .
Das soeben beschriebene Intervallschachtelungsverfahren kann nicht nur fr irrationale
Zahlen (wie V2) sondern auch fr rationale Zahlen durchgefhrt werden. Fr x = ~ oder
x = 5/ 11 stellt sich beispielsweise heraus, dass diese Zahlen die unendliche Dezimalentwicklung
1
5
-3 = 0 .333 bzw. - = 0.454545
11
haben. Solche Entwicklungen werden periodische Dezimalentwicklungen genannt. Wenn die
Dezimalentwicklung erst ab einer Stelle periodisch wird, also eine "Vorperiode" hat, bezeichnet
man sie auch als periodische Entwicklung. Manchmal wird auch zwischen "rein periodischen"
Entwicklungen (ohne Vorperiode) und "schlielich periodischen" Entwicklungen (mit Vorperiode) unterschieden. Es ist leicht nachzurechnen (siehe Satz 1.6), dass die rationalen Zahlen
gerade durch periodische Dezimalentwicklungen beschrieben werden. Man beachte dabei, dass
diese nicht immer eindeutig sind, z.B . gilt 0.999 . . = 1.000 ", das ist aber (im Wesentlichen)
die einzige Ausnahme.

Satz 1.6 Die Dezimalentwicklung einer rationalen Zahl ist entweder endlich oder (schlielich)
periodisch. Sie ist eindeutig, wenn man die (schlieliche) Periode 999 .. ausschliet.
Beweis. Ist die Dezimalentwicklung von x endlich, so ist x offensichtlich eine rationale ZahL Hat hingegen die Zahl x die (schlielich) periodische Dezimalentwicklung x =
(CkCk - l ... CICo, C- l ... C- mPl . .. PrPl . " P7' . . . ho mit Periode PI'" P", so hat lOr x - x =
(101' - l )x eine endliche Dezimalentwicklung, also (101' - l)x ist rational. Daher ist auch x
rationaL
Wendet man im speziellen das soeben beschriebene Verfahren fr die periodische Dezimalzahl x = 0.999 .. an, 0 erhlt man x = lOX9- x = 9.999" '"9 0 .999 ... = 1. Man kann also eine
Zahl mit ( chljelicher) Periode 999 . . immer durch eine endliche Dezimalentwicklung darstellen. Bei pielsweise ist 4.367999 .. = 4.368. Wir setzen das im Folgenden immer voraus.
Als nchstes beobachtet man, dass jede Zahl x = 0,C- IC- 2C3 ' . . -=I=- 0.999 . . kleiner als 1 ist.
Ist etwa C- k ~ 8, so folgt x :::; 1 - lO- k < 1. In hnlicher Weise zeigt man, dass zwei Zahlen
x, y mit ver chiedener ( chlielich) periodischer Dezimalentwicklung (mit Periode -=I=- 999 .. )
ver chieden ind. Die Dezimalentwicklullg ist daher eindeutig.
Ist nun umgekehrt x = ~ (n > 0) eine rationale Zahl, so erhlt man die DezimalentwickJung durch den blichen Divisonsalgorithmus von m : n. Die dabei auftretenden Reste Ti sind
alle kleiner als n. I t ein Rest Ti = 0, so ist die Dezimalentwicklung endlich und es ist nichts
zu zeigen. Andernfalls muss sich nach jeweils n Schritten ein Rest wiederholen, d.h . e gibt ein
i und ein > 0 mit TiH = T i 2: 1. Der darauf folgende Rest Ti+! ist aber (ab einem Index
io, wenn immer nur Null bertragen wird) nur von T i und n abhngig. Daher gilt (fr i 2: io)
TiH+l = Ti+l, d.h. die Reste sind (schlielich) periodisch. Daraus folgt aber auch, dass die
0
dazugehrige Dezimalentwicklung (schlielich) periodisch ist.

Die er Satz beschreibt auch den Unterschied zwischen den rationalen Zahlen und beliebigen
unelldhchen Dezirnalentwicklungen, den so genannten reellen Zahlen.

1 Grundlagen

10

Definition 1.7 Die Menge aller positiven und negativen, endlichen und unendlichen Dezimalentwicklungen - wobei Zahlen mit (schlielicher) Periode 999 . .. mit ihrer endlichen Dezimalentwicklung identifiziert werden - wird als die Menge lR der reellen Zahlen bezeichnet
Anschaulich gesprochen fllen die reellen Zahlen die Lcken auf der Zahlengeraden (siehe
Abb. 1.3), die die rationalen Zahlen lassen. Aus der Dezimalentwicklung ergibt sich auch die
natrliche Ordnung der reellen Zahlen (die sich auch graphisch auf der Zahlengeraden widerspiegelt).
Selbstverstndlich kann man reelle Zahlen auch addieren und multiplizieren. Sind x und y
zwei reelle Zahlen (wobei wir aus Grnden der Einfachheit annehmen, dass x und y positiv sind)
und bezeichnen x~ , x~ und Y~ , y~ die durch die Dezimalentwicklung induzierten Approximationen mit jeweils m Dezimalstellen nach dem Komma, gilt also insbesondere x:n ::; x ::; x~ ,
' <- Y <
[x'711 + y'm x"m + ytlm ]
Ym
- y"
m und x"
m - x'm = y"
m - y'm = lO- m' so bilden. die Intervalle
'
.'
und [x:n . y'm, x~ . y~l wieder Intervallschachtelungen, die reelle Zahlen definieren, die wir mit
x + y und x . y identifizieren knnen. Es bertragen sich auch alle Rechenregeln aus Satz 1.4.
Weiters kann man uneingeschrnkt subtrahieren und durch Zahlen -=J 0 dividieren, also negative
und reziproke Zahlen bilden.
Jede reelle Zahl x kann auch eindeutig als Summe einer ganzen Zahl n und einer Zahl
r mit 0 ::; r < 1 dargestellt werden: x = n + r . Die ganze Zahl n wird durch n = lxJ
= max{k E Z I k ::; x } bestimmt und heit Ganzteil von x, der verbleibende Rest r = {x } =
x - Lx J Bruchteil von x. Weiters definieren wir den Betrag lx i einer reellen ZahJ aJs lx i m ax{x, -x}. Es ist also z.B. 131 = 3 und 1- 51 = 5.

4. Komplexe Zahlen
Wir haben nun gesehen, dass das Lsen von Gleichungen der Form a + x = b, a . y = b bzw.
x 2 = a uns dazu gefhrt hat; unseren Zahl begriff ausgehend von den natrlichen Zahlen immer
wieder zu erweitern. Diese Vorgangweise wird noch ein weiteres Mal angewandt.
Dazu betrachten wir die Gleichung

Diese Gleichung hat selbst in den rellen Zahlen keine Lsung, da das Quadrat einer rellen
Zahl nicht negativ sein kann. Trotzdem ist es mglich, die reellen Zahlen so zu erweitern, dass
Gleichungen dieser Art (also algebraische Gleichungen) immer lsbar sind.
Entscheidend ist das Einfhren der so genannten imaginren Zahl i, die Lsung dieser
Gleichung ist, also die Beziehung

erfllt. Wir machen uns zunchst noch keine Gedanken, was i sein kann , selb tverstndJich ist
i keine reeJIe Zahl. Mit Hilfe von i werden die komplexen Zahlen definiert.

Definition 1.8 Die Menge C der komplexen Zahlen besteht aus den formalen Summen der
Fonn

z = a + i b mit a, b E R.
Dabei heit a = 1R( z ) auch Realteil und b = 8'(z) Imaginrteil von z.

----------~~--~

_l._l__Z ~

l~

__
le_n______________________________________________________

Beispielsweise ist z = 3 + 2 i eine komplexe Zahl mit Realteil R( z ) = 3 und Imaginrteil

~(z) = 2. Es erweist sich als gnstig, komplexe Zahlen (in gewisser Analogie zur Zahlengeraden) in der Ebene, der so genannten Gau'schen Ebene als Zeiger darzustellen (siehe
Abb. 1.4). Dabei dienen Real- und Imaginrteil von z = a + i b als Koordinaten der Spitze
2 + b2 von . z und
des Zeigers. Die Lnge dieses Zeigers wird auch als Betrag r = Izl =

va

b ;:: Im( z) +----------~

Z

=a + ib

a ;:: Re(z)

Abbildung 1.4 Die Gau'sche Zablenebene

der Winkel zur reellen Achse als Argument r..p = arg(z) be zeichnet. 9 Das Paar [r, r..p] bildet die
Polarkoordinaten von z. Dabei ist das Argument nur bis auf ein ganzzahliges Vielfaches von
21f bestimmt, man sagt auch, es ist modulo 27r bestimmt. Mit Hilfe der Winkelfunktionen sin
und cos gewinnt man einen direkten Zusammenhang zwischen der Darstellung einer komplexen
Zahl z = a + i b durch Real- und Irnaginrteil und den Polarkoordinaten:

a = r cos <p,
bzw. lO

b = r sin r.p

b
tanr.p = - .
a

Beispielsweise ist 1 + i = [v'2, 7r/4] und - 1 - i = [V2,57r/4].

Komplexe Zahlen werden so addiert, dass Realteile und Imaginrteile addiert werden. Sind
also Zl = al + ib1 und Z 2 = a2 + ib2 so ist

die Summe von Zl und Z2 . Graphisch entspricht dies der Addition der entsprechenden Zeiger
(in der Gau 'schen Ebene) mittels der Parallelogrammregel (siehe Abb. 1.5).
Ebenso kann man komplexe Zahlen in natrlicher Weise multiplizieren, indem man formal die Gltigkeit des Distributivgesetzes annimmt und unter Beachtung der Regel i 2 = -1
multipliziert:

Zl . Z2
-

(al + ibd(a2 + ib2) = ala2 + ib1a2

(ala2 - b1 b2) + i(a l b2 + a2b1 )

+ ia 1b2 + i 2b1b2

9Das Argument <p wird blicherweise im Bogenma angegeben, d.h. der volle Winkel von 360 0 entspricht im
Bogenma dem Winkel <p = 27r.
IOMan beachte, dass der Winkel <p durch die Beziehung tan<p = b/ a nicht eindeutig bestimmt ist, auch wenn
man <p auf das lntervall [0, 27r) einschrnkt. Fr b > ist <p E (0, 7r) und fur b < gilt <p E (7r, 21f).

1 Grundlagen

12

Abbildung 1.5 Parallelogramrnregel

Wegen (ai + bi)(a~ + b~) = (ala2 - b1 b2)2 + (a 1 b2 + a2bl)2 ist der Betrag des Produkts [Link]
dem Produkt der Betrge:
IZ I .

z21=

I 21

IZll Z

Auerdem addieren sich die Argumente:

was aus den Summenstzen der Winkelfunktionen abgeleitet werden kann (siehe Abschnitt 4 ,4).
Graphisch entspricht dies einer Drehstreckung des Zeigers von Zl um den Betrag von Z2 und
den Winkel von Z2, und auf Polarkoordinaten bertragen lautet dies einfach
(1. 1)

In diesem Zusammenhang sei auch die Moivre'sche Formel erwhnt:

(COSip

+ isin <pt =

+ isin (n. ip).

cos(n <p)

Zum Nachweis betrachte man einfach beide Seiten in Polarkoordinaten.

Es ist leicht nachzurechnen, dass fr die komplexen Zahlen wieder die blichen Rechenregeln gelten, insbesondere bertragen sich alle Eigenschaften aus Satz 1.4 auf die komplexen
Zahlen. Weiters kann man uneingeschrnkt subtrahieren, die negative Zahl - z von z = a + i b
ist durch - z = - a - i b gegeben. Weiters, und das ist bemerkenswert, kann man - wie man
wieder sofort nachrechnet - auch von jeder komplexen Zahl Z = a + i b i= 0 den Reziprokwert
1
- =

a
a2

b2

-'1,---

a2

+ b2

bilden, d.h. man kann jn <C uneingeschrnkt durch Zahlen i= 0 dividieren.

Der Reziprokwert kann mjt Hilfe der konjugiert komplexen Zahl z von z = a
durch
z = a - ib
definiert ist, noch einfacher angegeben werden:

Z Z

IzI2 '

+ bi, die

1.1 Zahlen

13

Dabei haben wir bereits eine einfache Rechenregel fr konjugiert komplexe Zahlen verwendet
(nmlich Z . Z = IzI2) . E gelten - wie man direkt sieht - noch weitere Rechenregeln:

Zl + Z2 - Zl + Z2,
Zl . Z2 - Zl . Z2,
V Z ' Z,
Izi
Z+ Z
- - ,

3t( Z )

z- z

8 z)

2i

Daraus gewinnt man brigens einen weiteren (einfachen) Beweis fUr

IZ1 . z21 2

IZI . z21

Izd . IZ21:

Z l ' Z2 . Zl . Z2
Zl . Z2 . Zl . Z2
Zl . Z l . Z 2 Z2

IZlI2. IZ21 2 .
Man beachte in besondere, dass Z . z = Izl2 immer eine reelIe Zahl ~ 0 ist.
Die Division zI/ Z2 komplexer Zahlen kann nun so gesehen werden, dass der Quotient mit
22 erweitert wird, so dass der Nenner Z 2 . Z 2 insgesamt reell wird:
~

Z2

~.~

= --:::
Z2 . Z2

= ---=
.( Zl ' Z2 ) .
Z2 . Z2

Weiters gilt (wie bei der Multiplikation)

I:: 1=

::: :

arg ( : : ) = arg(zl) - arg(z2) mod 21T.

und

Beispiel 1.9

2 + 3i = (2 + 3i)(1 + 2i) = ~( - 4 + 7i) = _~

1 - 2i
(1 - 2i)(1 + 2i )
5
5

+ ~i.
5

Wir kommen jetzt wieder zur ur prnglichen Motivation fr die Einfhrung komplexer Zahlen zurck, nmlich zum L en von quadratischen und verwandten Gleichungen. Offensichtlich
kann man in den komplexen Zahlen, wenn man eine komplexe Zahl z in ihren Polarkoordinaten
Z = [R, ] darstellt direkt die Wurzel ziehen. Die komplexe Zahl w = [..[R, 'l/J / 2] erfllt wegen
der Rechenregel (1.1) die Beziehung w 2 = z, d.h . w = .jZ. Neben dieser Lsung erfllt aber
w' = -w = [VR,7f;/2 + 1TJ auch die Beziehung (w')2 = z . Wir haben also zwei Lsungen der
Gleichung w 2 = Z gefunden.
Entsprechend bildet man die n-te(n) Wurzel(n) I 1 '\IZ einer komplexen Zahl z E C, d.h. man
sucht w mit w n = z. Ist Z in Pol arkoordinaten z = [R , 'l/Jl gegeben, so sind alle n-ten Wurzeln

wJ =

[n
InR, 'l/J + 2 j ] ,
VrL
1r

J. E {O 1, . .. , n - l}.

1I Der Begriff "Wurzel" wird in der Mathematik allgemein fr Nullstellen von algebraischen Gleichungen bezeichnet. [m speziellen isr die Quadratwurzel w :;; Vi eine Lsung der Gleichung w 2 = z und eine n -te Wurzel
eine Lsung der Gleichung w n :;; z . blicherweise spricht mall nicht von "der Wurzel", da es i. Allg. mehrere
Lsungen gibt.

1 Grundlagen

14

Es ist leicht zu sehen, dass das die einzigen Lsungen sind. Die i t inberein timmung mit
dem Fundamentalsatz der Algebra (siehe Satz 1.12), da es nicht mehr al n L ungen der Gleichung w n = z geben kann.

Beispiel 1.10 Die 5-ten Wurzeln der Zahl z = 1 + i = [v'2, ~l ind

Wo

= [~ , ~]
20 '

Wl=

[~

~ 27r]
' 20 + 5 '

W2

7r
47r]
= [ ~ ' 20+5

W3

~ + 67r]
= [ ~ '20
5

W4

~ + 87r]
= [ ~ '20
5

Man beachte auch, dass alle 5-ten Wurzeln denselben Betrag haben und in der Gau schen
Zahlenebene ein regelmiges Fnfeck bilden.
f':...
Die Wurzeln von 1 heien auch Einheitswurzeln. Die komplexe Zahl
(n

[1, 2:] = (2:) + (2: )

i sin

cos

wird primitive n-te Einheitswu rzel genannt. Sie erfllt die Gleichung
n-ten Einheitswurzeln sind Potenzen von (n:

(~=

[1,

2~j] ,

(~ =

1 und alle anderen

jE {O, l , . .. , n- l}.

Beispielsweise sind {I , -I} die zweiten Einheitswurzeln, {I , - ~

Einheitswurzeln und {I , -1, i, -i} die vierten Einheitswurzeln.

+ i ij-, - ~ -

1:} die dritten

Betrachten wir jetzt eine allgemeine quadratische Gleichung

Z2

+ pz + q = 0

mit komplexen Koeffizienten p, q E C. Wie im Reellen hat diese Gleichung (i. AUg.) zwei
Lsungen
Zl,2

= -

p~
2" V4" - q-

Nur wenn die Diskriminante D = p2 - 4q = 0 ist, fallen diese beiden Lsungen zu ammen.
Das quadratische Polynom zerfllt aber in jedem Fall in zwei Linearfaktoren:
Z2

+ pz + q =

(z -

Z l )( Z -

Z 2).

Vergleicht man die Koeffizienten von den Potenzen von z , erhlt man auch den so genannten
Vieta'schen Wurzelsatz:
p =

- (Zl

+ Z2) und

q=

Zl Z2

Quadratische Gleichungen knnen also immer explizit gelst werden.

1.2 Elementare Zahlentheorie

15

Beispiel 1.11 Die Gleichung Z2 + 2z + 2 = 0 hat die Lsungen Z l ,2

-1 yCI = -1 i und es gilt Z2 + 2z + 2 = (z + 1- i)(z + 1 + i).

-1

v'1=2 =
6

Schlielich knnen wir auch allgemeine algebraische Gleichungen betrachten. Hier gibt es
aber nur in wenigen Fllen explizite Lsungen. Trotzdem ist eine algebraische Gleichung immer
lsbar.

Satz 1.12 (Fundamentalsatz der Algebra) Es seien ao, al, ... 1 an komplexe Zahlen mit an
O. Dann gibt es zum Polynom

komplexe Zahlen

Z l, ...

Zn

=1=

mit

d.h. Zl, .. 1 Zn sind Nullstellen des Polynoms p(z ), also Lsungen der Gleichung p(z)
sind (bis auf die Reihenfolge) eindeutig bestimmt.

= O. Sie

Fr Polynome dritten und vierten Grades gibt es hnlich wie bei der quadratischen Gleichung Lsungsformeln fr djese Nullstellen. Es kann aber gezeigt werden, dass es fr n 2: 5
keine allgemeinen (algebraischen) Lsungsformeln gibt. Man ist daher auf Approximationsverfahren angewiesen.

1.2 Elementare Zahlentheorie

1. Teilbarkeit
In der Zahlentheorie rechnet man mit den natrlichen Zahlen N bzw. mit den ganzen Zahlen
Z. Teilbarkeitsprobleme sind in N etwas leichter, da man nicht auf negative Teiler Rcksicht
nehmen muss, vom algebraischen Standpunkt ist es aber einfacher, in Z zu rechnen, da Zeinen
so genannten Ring bildet (siehe Abschnitt 2.3).

Definition 1.13 Es seinen a, b ganze Zahlen. Man sagt b teilt a, in Zeichen bla, wenn es eine
ganze Zahl c mit a = bc gibt, also wenn alb wieder eine ganze Zahl ist.
Fr viele Anwendungen muss der grte gemeinsame Teiler zweier Zahlen bestimmt werden.
Definition 1.14 Fr a, b E Z heit d = ggT(a, b) ein grter gemeinsamer Teiler, wenn
folgende zwei Eigenschaften erfllt sind:
(i) dia und dlb.
(ii) Ist t gemeinsamer Teiler von a und b, d.h. tla und tlb, dann gilt auch tld.
Man beachte, dass mit d auch - d ein grter gemeinsamer Teiler (in diesem Sinn) ist. Aus
Grnden der Einfachheit nimmt man blicherweise an, dass der grte gemeinsame Teiler nicht
negativ i t. Er i t dan n eindeutig bestimmt. Zwei ganze Zahlen a, b heien teilerfremd, wenn
ggT(a, b) = L
In hnlicher Weise wird das kleinste gemeinsame Vielfache kgV(a, b) zweier ganzer Zahlen definiert

1 Gruncllagen

16

Eine elementare, aber fr die Zahlentheorie grundlegende Eigenschaft i t die Division mit
Rest. Sie wird auch, wie wir gleich sehen werden, bentigt, um den ggT zv eier Zahlen mit
Hilfe des Euklidischen Algorithmus effizient zu bestimmen.

Satz 1.15 Es seien a, b E Z und b > O. Dann gibt es ganze Zahlen q r E Z mit
a = bq +

Beweis. Man setzt q

o ~ T < b.

und

0 ::; T < b.

a - bq = (~ - q) b. Wegen 0 < ~ - q < 1 gilt

0

L~J und T =

In diesem Zusammenhang heit q Quotient und

Rest bei der Divi on von a durch b.

Satz 1.16 (Euklidischer Algorithmus) Fhrt man zu zwei ganzen Zahlen a b mit b > 0 die
Divisionskette
a = bqo + TO ,
b = Toql + Tl ,

Tk - 2

ro = Tlq2

+ T2 ,

+ Tk ,

Tk - lqk

rk- l =

rkqk+1

0 < To < b,
o < Tl < ro,
o < r2 < 1'J,

+0

durch, sO'muss diese wegen b > TO > Tl > T2 > ... 2:: 0 einmal abbrechen, d.1t.. es gibt irgeruleinmal einen verschwindenden Rest. Der letzte Rest Tk =f 0 ist dann der grte gemeinsame
Teiler ggT(a, b).
Beweis. Zunchst folgt aus Tk JTk- l auch Tk Jrk - 2 und induktiv rk Ir j fr alle j ~ O. Die hat aber
schlielich auch TkJb und Tkla zu Folge.
Gilt umgekehrt tJa und tJb, so folgt zunchst tJ(a - qob) = TO, daraufuin tJrl u nd induktiv
t Jrk' Daher ist Tk = ggT(a, b) .
0
Die Anzahl der Divisionsschritte ist (auf den ersten Blick) durch b beschrnkt. TatschUch
ist der Algorithmus viel schneller. Aus rk - 2 ~ r k - l + rk ~ 2 Tk folgt
1

Tk

:s; 2' . Tk-2 '

Das Verfahren bricht also schon nach wenigen Schritten ab. 12

Beispiell.l7 Zur Bestimmung des ggT(59 , 11) ermittelt man die Divisionskette
59

11 5 + 4,

11 -

4 2+3,
3 1 + 1,
1 3 + O.

4 3 Es ist also ggT(59 , 11) = 1.

J2Genauer gilt fr den Rest Tk
Schritten ab.

::;

b2 - Lk/ 2J . Der Algorithmus bricht also sptesten nach 2 (log bl log 2)

+1

1.2 Elementare Zahlentheorie

17

Umgekehrt kann man mit Hilfe dieser Divisionskette auch den ggT zweier Zahlen a, b als
ganzzahlige Linearkombination von 0., b darstellen, indem man ausgehend von der Gleichung
ggT(59, 11) = 1 = 4 - 3 1 sukzessive die weiteren Reste 3 und 4 rckeinsetzt:

4 - 31
4 - (11 - 4 . 2) . 1

3 -4 - 111
3 . (59 - 5 . 11) - 1 . 11

359 - 16 11.

Das soeben beschriebene Verfahren lsst sich allgemein durchfhren.

Satz 1.18 Ist d der grte gemeinsame Teiler der von Null verschiedenen ganzen Zahlen a, b,
so gibt es ganze Zahlen e, J mit

eo.+ Jb = d,
die mit Hilfe der Divisionskette des Euklidischen Algorithmus von
we rden knnen.

0.

und b effektiv berechnet

2. Primzahlen
Als nchstes beschftigen wir uns mit Primzahlen und der eindeutigen Primfaktorenzerlegung
ganzer Zahlen, dem Fundamentalsatz der Zahlentheorie.

Definition 1.19 Eine natrliche Zahl p > 1 heit Primzahl, wenndie einzigen Teiler von p
die Zahlen 1 und p sind. Die Menge der Primzahlen wird mit r bezeichnet.
Satz 1.20 Teilt eine Primzahl P ein Produkt ganzer Zahlen al) 0.2, ... ,ap also pl al a 2 . . . an
dann teilt sie wenigstens einen der Faktoren, also plaj fr ein j E {1, 2, . . . , r}.
Beweis. Wir beweisen den Satz nur fr r = 2 Zahlen a = 0.1 ) b = a2 . Der allgemeine Fall folgt
daraus mit Hilfe vollstndiger Induktion.
Es sei also plab. Gilt bereits pla; dann ist nichts zu beweisen.
Ist hingegen pt 0., so gilt ggT(p, 0.) = 1, da der ggT ein Teiler von p sein muss, aber p
ausscheidet. Demnach gibt es wegen Satz 1.18 zwei ganze Zahlen e, I mit 1 = ep + Ja. Also
kann b in der Form b = bep + Jab dargestellt werden. Sowohl bep als auch lab sind durch p
teilbar, also gilt auch plbep + fab = b.
0

Satz 1.21 (Fundamentalsatz der Zahlentheorie) Jede natrliche Zahl a

Produkt von Primzahlen darstellen:

> 2 lsst

sich als

a = PI' P2 ..... Pr
wobei die Darstellung bis auf die Reihenfolge eindeutig ist. 13
13Der Satz gilt fonnal auch fur die natrliche Zahl a
definierr.

= 1, wenn man -

wie blich - das "leere Produkt" als 1

1 Grundlagen

18

Beweis. Wir zeigen zuerst, dass es immer mglich ist, a als Produkt von Primzahlen darzustellen. Ist a E IP, so ist nichts zu beweisen. Ist a t/:. IP, so kann man a als a = al a2 mit 1 < al < a
und 1 < a2 < a schreiben. Nun kann man dieselbe Fallunterscheidung fr a l und a2 anwenden.
Nach endlich vielen Schritten muss dieses Verfahren abbrechen, da die Teiler immer kleiner
werden, also erhlt man die gewnschte Darstellung. (Man vergleiche auch mit dem induktiven
Beweis aus Beispiel 1.3.)
Nehmen wir nun an, es gbe zwei Darstellungen von a als Produkt von Primzahlen:

a = PI . P2 .... . Pr

= qI

. q2 .. . . . qs,

Insbesondere gilt Pli ql . q2 .. . . . qs . Demnach gilt

Es sei o.B.d.A. Pllql. Daraus folgt aber PI = ql (da PI =1= 1 ist). Also erhlt man
P2 . P3 . . . . . Pr = q2 . q3 . ... . qs

und kann dieselbe berlegung wieder anwenden. Dieses Verfahren ergibt natrlich, dass die
Primzahlen PI ,P2, . ,pr und qI, q2, . . , qs (bis auf die Reihenfolge) bereinstimmen, insbe0
sondere ist r = s .
Fr eine natrliche Zahl a und eine Primzahl P schreibt man vp(a) = k, falls gilt pkla, aber
pHI f a. Aus dem Fundamentalsatz erhlt man dann durch Zusammenfassung der entsprechenden Primzahlteiler zu Primzahlpotenzen die sogenannte Primfaktorenzerlegung14
a = 2112 (a) . 3113 (a) . 5v 5 (a) . 7117 (a ) ... =

IIp

l1p (a ).

p EIP'

Man beachte auch, dass mit Hilfe der Primzahlzerlegung Teilbarkeitseigenschaften abgelesen
werden knnen:
(1.2)

Beispiel 1.22 Fr die Zahl a = 60 gilt 60 = 22 3 . 5. Hier ist v2(60)

v5(60) = 1. Fr alle anderen Primzahlen setzt man l/p(60) = O.

= 2,

v3(60 )

= 1 und
6-

Satz 1.23 Es gibt unendlich viele Primzahlen.

Beweis. Angenommen, es gbe nur endliche viele Primzahlen: lP = {Pl " " ,PN }. Dann betrachte man die Zahl
q = PI . PN + 1.

Offensichtlich gilt
PI

tq

P2 f q, . . . 1 PN

f q,

und die Primzahlen Pl, P2, ... ,PN knnen daher nicht in der Primzahlendarstellung von q vorkommen. Das widerspricht aber der Annahme.
0
14Das groe griechische
n

z.B.

n
j=1

Uj

n wird - in Analogie zum Summenzeichen ~ - als Produktzeichen verwendet. So ist

eine Kurzschreibweise fr das Produkt al . a2 . a3 .... . an

1.2 Elementare Zahlentheorie

19

Mit Hilfe von (1.2) gelingt auch der Nachweis der Darstellung des ggT und des kgV auf
Grund der Primfaktorenzerlegung.

Satz 1.24 Es seien a =

D pEP p IJp(a)

und b -

D pEIP P l1p(b)

die Primjaktorenzerlegungen von

a , bE N. Dann gilt

ggT (a, b)

= II pmin{v (a),lI (b)}

p

und

kgV(a, b) =

pEP

rr

pma.x{lIp(a),lIp{b)}.

p EP

Insbesondere gi/r auch ggT(a, b) . kgV (a, b) = ab.

3. Kongruenzen und Restklassen

Eine wichtige Anwendung der Zahlentheorie ist das Rechnen mit Kongruenzen bzw. das Rechnen modulo m .

Definition 1.25 Es sei eine positive ganze Zahl m. der sogenannte Modul, ausgezeichnet.
Zwei Zahlen a, b E Z heien kongruent modulo m. falls m ein Teiler von b - a ist. Man
schreibt dafr auch a - b mod m. Unter einer Restklasse modulo m versteht man die

Menge

a = a + m . Z = {... , a - 2m, a = {b E Z I a = b mod m}.

m, a, a + m, a + 2m, ... }

Die Menge aller Restklas en modulo m wird mit Zm bezeichnet.

Man beachte auch, da = bgenau dann gilt, wenn a _ b fiod m. Der Name "Restklasse"
kommt daher da in einer Re tklasse genau jene ganzen Zahlen zusammengefasst werden, die
bei der Divi ion durch m den eIben Rest r haben (vergleiche mit Satz 1.15). Ist beispielsweise
m = 2, so be teht TI = 2Z aus den geraden Zahlen und T = 1 + 2Z aus den ungeraden Zahlen.

Satz 1.26 Fr jede po ir;ve natrliche Zahl m gibt es genau m Restklassen:

Zm = {O,l , . . . , m - I} .
Beweis. Di idiert man eine ganze Zahl n durch m (mit Rest) so gilt 11. = qm+r mit 0 :::; r < m .
Es ist also n = r mod m und demnach 11. E r .
Es seien nun Ci, b zwei KongruenzkJas eo mit 0 :::; a < b < m. Angenommen, Ci und b htten
eine Zahl n gemeinsam, so folgt au ml(n - a) und ml(11. - b) auch ml(b - a), was unmglich
ist. Daher gibt es genau m Restkla en, die durch 0, T, .. . ,m - 1 reprsentiert werden.
0

Interessanterwei e kann man mit Kongruenzen bzw. mit Restklassen rechnen. Wir nehmen
an, es gelte
a
mod mund b - d fiod m.

Wir haben also c = a + qlm und d = b + q2m fr gewisse ganze Zahlen ql , q2. Daraus folgt
c d = a b + (ql q2)m und cd = ab + (q1b + q2a + qlql m)m bzw.
a b

=c d

und

a b = c . d mod m .

1 Grundlagen

20

8eispiell.27 Fr m = 9 gilt 10 _ 1 mod 9 und daher auch loi

Daher gilt fr jede natrliche Zahl n in ihrer Dezimalentwicklung
n = Co

= 1 mod 9 fr alle j

~ L

+ lOCl + ... + 10k ck = Co + Cl + ... + Ck mod 9.

Das heisst, die (dekadische) Ziffemsumme von n ist zu n kongruent modulo 9. Insbesondere ist
n durch 9 genau dann teilbar, wenn die Ziffern summe durch 9 teilbar ist.
~
Formuliert man die obige berlegung fr Kongruenzklassen um, so erhlt man:
(1.3)

Dies rechtfertigt die folgende Definition.

Definition 1.28 Fr Restklassen a, bE Zm definiert man Summe und Produkt durch

a + b ; ;: : a+b,und a b =

a . b.
(1.4)
----------------------~--

Beispiel 1.29 Fr m = 3 besteht Z3 = {, T, 2} aus 3 Elementen und die Rechenoperationen

sind folgendermaen definiert:

0 I 2
I T 2 0
2" 2" 0 I

0
0 0
I 0
2" 0

T 2
0 0
I "2
2 I

6.

Man beachte, dass fr diese Operationen definitionsgem die entsprechenden Rechenregeln aus Satz 1.4 gelten, z.B. a + b = a + b = b + a = b + a. Die neutralen Elemente sind 0
und I. Fr alle Restklassen a gibt es auch eine negative Restklasse - a = - a.
Wir wollen als nchstes untersuchen, welche Restklassen eine m ultiplikativ inverse Restklasse besitzen, also fr welche Restklassen a es eine Restklasse b = a- 1 mit a . b = I gibt.
Im Beispiel m = 3 besitzen brigens alle Restklassen f. eine inverse Restklasse: 1- 1 = I,

2- 1 = 2.
Satz 1.30 Eine Restklasse
wenn ggT(a, m) = 1 ist.

E Zm besitzt genau dann eine multiplikativ inverse Restklasse,

Beweis. Besitzt a eine inverse Resklasse b, so gilt ab = 1 + qm fr eine ganze Zahl q, also
1 = ab - qm. Jeder gemeinsame Teiler von a und m teilt daher auch 1. Somit ist sicherlich
ggT(a,m) = L
Ist umgekehrt ggT( a, m) = 1, so gibt es ganze Zahlen b, C mit a . b + m . c = 1, d.h. die
Restklasse b ist zu a invers.
0
Beispiel 1.31 Gesucht sei die inverse Restldasse von 15 modulo 17. Wegen ggT(15 , 17) = 1
kann man mit Hilfe des Euklidischen Algorithmus ganze Zahlen (hier 8 und - 7) finden mit

1 = 8 . 15 - 7 . 17.
-

Da.n.u,:) \lest man unmittelbar 15

-1

8 ab.

1.2 Elementare Zahlentheorie

21

In Ergnzung zu (1.3) beantwortet Satz 1.30, wann man in einer Kongruenz dividieren kann.
Dies ist nur dann mglich, wenn Divisor und Modul teilerfremd sind, d.h.

a . c _ b . c mod m ,

ggT( c, m) = 1

==> a == b

mod m .

Man beachte, dass aus Satz 1.30 folgt, dass flir einen Primzahlmodul m alle Restklassen
a # 0 invertierbar sind. Wir werden diesen Sachverhalt in Abschnitt 2.3 noch ausfhrlicher
diskutieren.
Eine erste zahlentheoretische Anwendung stellt die Berechnung von Prfziffern zur Fehlererkennung bei Artikelnummern, Sozialversicherungsnummern, Bankkontonummern, U.S.w. dar.
Betrachten wir etwa die zehnstellige Internationale Standard-Buch-Nummer ISBN, welche
wie folgt aufgebaut i t:
ISBN al-a2aga4-aSa6a7aSa9- p
Hierin beschreiben die ersten 9 Ziffern Gruppe, V~rlag und Titel eines Buches. Die letzte Ziffer
p ist die Prtifziffer, wobei
lOa l

+ 9a2 + 8ag + .. . + 3as + 2ag + p == a mod

11

(1.5)

gelten muss. Daraus folgt fr p die Darstellung p == a l + 2a2 + .. . + 9ag mod 11 mit
pE {a , 1 2, . . . , 9, X} (X steht fr den Rest 10). Beispielsweise ist ISBN 3- 211-82084-1
eine korrekte Buchnummer, denn fr die Priifzahl gilt
p = 3 + 2 . 2 + 3 . 1 + ... + 9 . 4

= 166 == 1

mod 11.

Mit Hilfe des ISBN-Codes knnen sowohl Einzelfehler als auch Vertauschungsfehler an zwei
beliebigen Stellen erkannt werden, eine Fehlerkorrektur ist allerdings i. Allg. nicht mglich.

Satz 1.32 Jeder Fehler in einer Ziffer sowie alle Vertauschungen zweier Ziffern werden vom
ISBN-Code erkannt,
Beweis. Angenommen, zwei ISBN unterscheiden sich an einer Stelle in den Ziffern a bzw. b.
Werden beide Ziffern bei der Summenbildung gem (1.5) mit dem Faktor n multipliziert und
bezeichnet s den restlichen, unverndert bleibenden Teil der Summe, dann gilt s + na == s + nb
mod 11 mit 1 :::; n :::; 10, a, bE {O, . . . , 9, X}. Wegen ggT(n ) 11) = 1 folgt a = bmod 11 und
schlielich a = b. Sind die Priifziffem beider ISBN korrekt, darf also keine Verwechslung einer
Ziffer vorliegen.
Angenommen, zwei ISBN ent tehen durch Vertauschung zweier Ziffern a und b an zwei
beliebigen Stellen. Bezeichnet s wieder den gleich bleibenden Teil der Prfsumme in (1.5),
dann gilt
s

+ m a + nb -

+ na + mb

mod 11

==>

(m - n) (a - b) _ 0 mod 11

a b mod 11
a = b,
denn ggT(m - n, 11) = 1. Somit kann eine Vertauschung zweier verschiedener Ziffern nicht
0
zu einer korrekten ISBN fhren, der Vertauschungsfehler wird vom ISBN-Code entdeckt.

1 Grundlagen

22
Als nchstes definieren wir eine wichtige zahlen theoretische Funktion. l5

Definition 1.33 Die Euler'sche rp-Funktion r.p( m) gibt die Anzahl der invertierbaren Restklassen modulo man:

I.p(m) = Ha E Z 11 ~ a ~

ffl,

ggT(a, m) = 1}1.

Beispielsweise gilt '(6) = 2, '(5) = 4. Die Euler'sche <{'-Funktion kann mit Hilfe einer
einfachen Formel berechnet werden:

Satz 1.34 Es sei m = p~l . . . p;r die Primfaktorenzerlegung von m (wobei die Pi EIP paarweise
verschieden sind und ej > 0). Dann gilt

'(m) = m

(1 - ~) ..... (1 - ~) .
Pl

Pr

Fr eine Primzahlpotenz pk ist diese Formel direkt einsichtig, denn

Der allgemeine Fall kann z.B. mit Hilfe des Inklusion-Exklusions-Prinzips, da in Abschnitt 2.1
besprochen wird, behandelt werden (siehe Beispiel 2.9).
Eine wichtige Anwendung der Euler'schen tp-Funktion ist der folgende Sachverhalt.

Satz 1.35 (Kleiner Satz von Fermat) Fr teilerfremde ganze Zahlen a m gilt
a'P(rn) _

1 mod m.

Beweis. Dieser Satz ist ein Spezialfall von Satz 2.49 und wird in Abschnitt 2.3 in einem allgemeineren Rahmen bewiesen.
0

Ist speziell m = p eine Primzahl, so vereinfacht sich das zu

P fa===} aP-

1 modp

bzw.

pi (aP- 1 -1 ).

4. Das RSA-Verfahren
Als erste zahlentheoretische Anwendung besprechen wir das nach Rivest, Shamir und Adleman benannte RSA-Verschlsselungsverfahren. Im Unterschied zur Codierungstheorie, wo
die Fehlererkennung und -korrektur bei Fehlbertragungen im Vordergrund steht, ist bei der
Verschlsselung das Ziel, sie abhrsicher zu machen, d.h. ein potentieller Lauscher soll nicht
in der Lage sein, die gesendete verschlsselte Nachricht zu entziffern. Verschls elungsverfahren finden nicht nur militrische Anwendungen, sie werden natrlich auch im zivilen Bereich,
etwa im Bankenwesen, eingesetzt.
Grundlage des RSA-Verfahrens ist der folgenden Satz:
I 5 Wir

verwenden hier die Bezeichnung

lAI flir die Anzahl der Elemente einer Menge A.

1.2 Elementare Zahlentheorie

23

Satz 1.36 Seien p, q zwei verschiedene ungerade Primzahlen, v - kgV(p - 1, q - 1) und

m = pq. Dann giltfur beliebige ganze Zahlen a, k
a

kv 1

+ =

mod m.

Sind also e, dEZ zwei Zahlen mit ed _ 1 mod v, so gilt ftir alle a E Z
(1 .6)

Beweis. Zunchst beobachtet man, dass akv+l - a mod m (mit m - pq) genau dann gilt,
a mod q gelten. Wir zeigen nun die erste
wenn sowohl akv +1 == a mod p als auch akv +1
dieser bei den Eigenschaften, die zweite folgt analog.
Gilt p I a, so ist offensichtlich akv+ 1 - 0 = a mod p. Gilt hingegen p f a, so folgt aus dem
kleinen Fermatschen Satz aP - 1 - 1 mod p. Setzt man v = s (p - 1), so erhlt man

a kv + l = a a(k.s)-(p- l) = a . (a P - 1 )k -s _ a '

1=

mod p,

was zu beweisen war.

Mchte also eine Person A verschlsselte Nachrichten empfangen knnen, so multipliziert

A zwei (i, A11g. mindestens lOO-stellige) Primzahlen p, q miteinander und verffentlicht das
Produkt m = pq und eine Zahl e, die zu v = kgV(p - I, q - 1) teilerfremd ist. Das Paar der
Zahlen (m, e) ist der so genannte ffentliche Schlssel.
Ist nun eine weitere Per on B daran interessiert, der Person A eine Nachricht zu senden,
die nur Ale en kann, 0 unterteilt er seine Nachricht in Blcke al, a2 , . , " so dass jeder Block
durch eine nichtnegative Zahl < m reprsentiert werden kann. Anschlieend verschlsselt er
al , a2, ... durch

bj = aj mod m

(j

1)

und lsst A die Zahlen b1 b2 , . . . ohne weitere Geheimhaltung zukommen.

A kann nun die ursprngliche Nachricht al, a2, . . . wegen (1.6) durch die Beziehung

(j 2: 1)
zurilckgewinnen, also entschlsseln.
Auf den ersten Blick erscheint das RSA-Verfahren nicht sehr sicher zu sein. Da mund e bekannt sind, sollte man doch d = e- l mod v berechnen knnen. Der Grund, warum dies i. Allg.
nicht gelingt, ist die Tatsache, das v = kgV(p - 1, q - 1) nur mit Hilfe der Primfaktorenzerlegung von m = pq errechnet werden kann, und diese wird nicht bekanntgegeben.
Es hat sich gezeigt, dass die Ermittlung der Primfaktorenzerlegung einer natrlichen Zahl
mit wenigen groen Primfaktoren auerordentlich schwierig ist. Beispielsweise liegt die erwartete Rechenzeit zur Faktorisierung eine 300-stelligen Zahl dieser Art momentan auerhalb
unserer Lebenserwartung. Daher kann man (nach jetzigem Stand des Wissens) wirklich sagen,
dass das RSA-Verfahren sicher ist.

24

1 Grundlagen

1.3

Elementare Aussagenlogik

1. Aussagen
Unter einer (mathematischen) Aussage versteht man einen sprachlichen Au druck, dem eindeutig ein Wahrheitswert wahr (= w) oder falsch (= f) zugeordnet werden kann. 16 blicherweise wird eine Aussage durch einen Aussagesatz fonnuliert, wie z.B. :
"Es regnet. "
"Die Strae ist nass. "
"Es ist Winter. "
"Es ist kalt. "
,,4 ist eine gerade Zahl. "
,,15 ist eine Primzahl.
H

Man beachte, dass man hier von dem Prinzip ausgeht, dass eine Aussage nur entweder wahr
oder falsch sein kann. Dieses Prinzip heit Prinzip vom ausgeschlossenen Dritten (, tertium
non datur"). Man spricht daher auch oft von zweiwertiger Aussagenlogik.
Aussagen knnen auf verschiedene Arten und Weisen miteinander verknpft werden.
1. Konjunktion: Aus zwei Aussagen wird durch Einfgen des Wortes und eine neue Aus-

sage gewonnen, die Konjunktion der bei den Aussagen. Z.B. ist

"Es ist Winter, und es ist kalt. c,

die Konjunktion der beiden Aussagen

"Es ist Winter. " sowie "Es ist kalt. "

Die Konjunktion zweier Aussagen erhlt genau dann den Aussagewert w, wenn die beiden ursprnglichen Aussagen den Wert w haben. In allen anderen Fllen erhlt die Konjunktion daher den Wert f.

2. Disjunktion: Aus zwei Aussagen wird durch Einfgen des Wortes oder eine neue Aussage gewonnen, die Disjunktion der beiden Aussagen. Z.B. ist
"Die Strae ist nass, oder es regnet. "

die Disjunktion der beiden Aussagen

"Die Strae ist nass." sowie " Es regnet. "

Die Disjunktion zweier Aussagen erhlt genau dann den Aussagewert w , wenn wenigstens eine der ursprnlichen Aussagen den Wert w hat. (Nur wenn beide Aussagen den
Wert f haben, hat auch die Disjunktion den Wert f.)

3. Implikation: Aus zwei Aussagen wird durch Einfgen der Worte wenn - dann (bzw.
aus - folgt oder impliziert) eine neue Aussage gewonnen, die Implikation der beiden
Aussagen . Z.B. ist
16Manchmal schreibt man fr w

auch 1 und fr fauch O.

1.3 Elementare Aussagenlogik

25

" Wenn es regnet, dann ist die Strae nass. "

die Implikation der bei den Aussagen

"Es regnet. " owie "Die Strae ist nass. "

Die Implikation zweier Aussagen hat genau dann den Wert f, wenn die erste Aussage
den Wen w, aber die zweite den Wert f hat. Man beachte, dass bei der Implikation die
Reihenfolge wesentlich ist. Weiters hat eine Implikation immer den Wert w, wenn die
erste Aussage den Wert f hat, unabhngig davon, wie die zweite Aussage lautet ("ex falso
quodlibet").
4. quivalenz: Aus zwei Aussagen wird durch Einfgen der Worte genau dann - wenn
(bzw. dann und nur dann - wenn oder .quivalent) eine neue Aussage gewonnen, die
quivalenz der beiden Aussagen. Z.B. ist
" Die Strae ist genau dann nass, wenn es regnet. "
die quivalenz der beiden Aussagen
" Die Strae i t nass. sowie "Es regnet. "
H

Die quivalenz zweier Aussagen hat genau dann den Wert w, wenn den beiden ursprnglichen Aussagen die eIben Wahrheitswerte zugeordnet sind.

S. Negation: Fgt man in einer Aussage (an geeigneter Stelle) das Wort nicht ein, so entsteht eine neue Aussage, die Negation der ursprnglichen Aussage. Z.B. ist
"Es ist nicht Winter. "
die Negation der Aussage
"Es ist Winter. "
E ine negierte Aussage hat genau dann den Wert w, wenn die unnegierte (ursprngliche)
Aussage der Wert f hat.
Zur Vereinfachung der Notation ist es gnstig, Aussagen durch Symbole Pl,P2 , . . . zu bezeichnen und anstelle von " und" das Symbol/\, anstelle von "oder" das Symbol V, anstelle
von" wenn - dann" das Symbol =>, anstelle von" genau dann - wenn" das Symbol {::} und anstelle von "nicht" das Symbol -, zu verwenden. Die Symbole /\, V ,~, {:}, -, werden in diesem
Zusammenhang al Junktoren bezeichnet. Ist z.B.
PI = " Die Strae ist nass.
P2 = "Es regnet. "

P3 = "Die Strae wird gereinigt. "

so kann die Aussage

" Wenn die Strae nass ist, dann regnet es, oder die Strae wird gereinigt. "

1 Grundlagen

26

durch

formalisiert werden.
Die Operations symbole /\, V, => , {::}, -, knnen sinnvollerweise auch auf die Wahrbeitswerte
wund f angewandt werden. Daraus ergeben sich die nachstehenden Operationstafeln:

/\

v w

w f
w f

w w w

=> w f
w w f

w w

{::}

w
f

w
f

f
f
w

Durch diese Wahl ist sichergestellt, dass der Wahrheitswert einer durch Verknpfungen von
Einzelaussagen Pl , P2, . . . gewonnenen Aussage dadurch bestimmt werden kann, dass man
Pl ,P2 , ' " durch ihre Wahrheits werte ersetzt und die lunktoren als Operationssymbole fr w
und f interpretiert.

2. quivalente Formeln
Wir wollen als nchstes logische Regeln kennenl,e men. Es ist z.B. klar, dass die Negation der
Aussage

,,8 ist eine Primzahl, und 8 ist grer als 5. "

gleichbedeutend mit

,,8 ist keine Primzahl, oder 8 ist nicht grer als 5. "
ist, d.h. anstelle von -, (p /\ q) kann auch (-,p) V (-,q) verwendet werden, ohne dass irgend
eine nderung der Aussage eintritt. Genauer bedeutet dies, dass -,(p /\ q) immer denselben
Wahrheits wert wie (-,p) V ( -,q) hat, und zwar fr alle mglichen Wahrhei tswertbelegungen von
p und q. D .h., egal welche inhaltliche Bedeutung P und q haben mgen, die Aus age --,(p /\ q) ist
immer gleichbedeutend mit der Aussage (-,p) V (--,q) . In diesem Fall sagt man, dass die beiden
Formeln -,(p/\q) und (...,p) V (-,q) semantisch (oder mathematisch) quivalent ind , und chreibt
dafr 17

-,(pl\q)

(--,p)

(-,q).

So eine semantische quivalenz kann mit einer Wahrheitstafel bewiesen werden. Die Aussagen p und q knnen 2 Werte annehmen Geweils wund f). Es mssen daher insge amt 2 2 = 4
Flle untersucht werden.

p q
w w

-.(p 1\ q)

f
w

w
w

f
f

f
f

-,p -'q

pl\q

f
w
f
w

(--,p) V (-,q)
f
w
w

17Man beachte den Unterschied zwischen der (logischen) quivalenz zweier Aussagen, die wieder eine Aussage
ist, wie z.B. -,(p /\ q) {::} (-,p) V (-,q), und der semantischen (oder mathematischen) quivalenz zweier Au agen,
wie z.B . ..... (p /\ q) ~ (-,p) V (-,q) . Das Letztere ist sozusagen eine Aussage ber Aussagen.

1.3 Elementare Aussagenlogik

27

Jede Zeile entspricht einem mglichen Fall von Wahrheitsbelegungen fr P und q. Da die 4. und
7. Spalte gleich sind, liegt definitionsgem quivalenz vor.
Allgemein versteht man unter einer Formel einen Ausdruck, der aus Aussagenvariablen
PI, P2 . . . (oder auch a, b, c, . . .) und Junktoren /\, V , ~ , {:}, -', entsprechend geklammert, gebildet werden kann. Zwei Formeln F 1 , F 2 heien, wie gesagt, semantisch (oder mathematisch)
quivalent, also F 1 {=::} F 2, wenn sie fr alle Wahrheitsbelegungen von Pl,P2, . .. immer
denselben Wahrheitsweli haben. Eine Formel heit gltig oder Tautologie, wenn sie fr jede
Belegung wahr ist, sie heit ungltig oder Kontradiktion, wenn sie fr jede Belegung falsch
ist, und sie heit erfllbar, wenn sie fr mindestens eine Belegung wahr ist.
Im folgenden werden einige dieser semantischen quivalenzen, die man auch als logische
Regeln bezeichnen kann, angegeben:

a/\b
(i)
(ii) a/\(b/\c)
(iii) a /\ (a Vb)
(iv) a/\(bVc)
-,(a/\b)
(v)
a/\b
(vi)
a{:}b
(vii)

{=::}
{=::}
~

{=::}
~

{=::}
{=::}
{=::}

(vi)
(ix.)

a~b

a==}-b

-{=}

avb
b /\ a,
(a /\ b) /\ c,
a V (b V c)
aV(a/\b)
a,
(a /\ b) V (a /\ c) ,
aV(b/\c)
-,a V -,b,
-,(a Vb)
-,( a ;;;;? -,b),
avb
(a ;;;;? b) /\ (b ;;;;? a)
-,((a =} b) ;;;;? -,(b =} a)) ,
a{::}b
,a V b,
-,b ~ -,a,
-, (a;;;;? b)

{=::}
{=::}
{=::}
~

{=::}

bVa,
(a V b) V c,
a,
(a V b) /\ (a V c),
-,a /\ -,b,
-,a => b,

(a /\ b) V (,a /\ -,b) ,
a /\ ,b.

Besonders beachtenswert sind die Regeln (v) und (ix):

(v) wird DeMorgan'sche Regel genannt. Die Negation einer Disjunktion ist die Konjunktion der Negationen und umgekehrt (vergleiche auch mit dem einleitenden Beispiel).
(ix) ist die logische Grundlage des indirekten Beweises. Beispielsweise kann anstelle der
Aussage

" Wenn a2 =I- b2 , dann ist a

=1=

b. "

auch die Aussage

" Tl!
nenn a

. a2 = b2."
= b dan.n 1St
J

bewiesen werden. D.h., um "Wenn a2 =1= b2, dann ist a =1= b." zu beweisen, nimmt man an,
die Aussage"a =I- b" sei negiert, also "a = b", und folgert daraus die negierte Aussage von
2
2
= b2 ".
"a 2 I-I- b " , alsoa
"
Alle angegebenen quivalenzen (i)-(ix) knnen mit Hilfe geeigneter Wahrheitstafeln sofort
bewiesen werden.

3. Prdikatenlogik
In vielen Anwendungsbereichen - und insbesondere in der Mathematik - haben sogenannte

atomare (d.h. unzerlegbare) Aussagen eine Subjekt-PrdikatStruktur, z.B. kann in

"Alexander i

gro. "

"Alexander" als Subjekt und " gro " als Prdikat interpretiert werden. Die Aussage

1 Grundlagen

28

" Das Haus ist gro. "

unterscheidet sich von der ersten nur im Subjekt.. Es ist daher nahe lieg nd da Prdikat "gro"
zu einem Symbol P zu abstrahieren und
P(x ) = "x ist gro."

zu betrachten.
Allgemein bezeichnet man P (x ) als Prdikat (oder Aussageform ) in der Gegenstandsvariablen x, wenn durch konkretes Einsetzen fr x eine Aussage entsteht, der a1 0 ein Wahrheitswert zugeordnet werden kann. Beispielsweise entstehen aus P (x) = "x ist gro. " durch
Einsetzen die Aussagen P(Alexander) = "Alexander ist gro. " und P(Haus ) = "Das Haus ist
gro. "
Neben (einstelligen) Prdikaten P(x ) betrachtet man auch mehrstellige Prdikate der
Form Q(Xl ' X2, . .. , x n ). Beispielsweise ist

Q(x , y)

= "x ist grer als y. "

ein zweistelliges Prdikat.

In Prdikate knnen fr die Gegenstandsvariablen nicht nur konkrete Werteeinge etzt werden. Viele (mathematische) Aussagen beginnen z.B. mit:
" Fr alle .. . giLt ... " oder " Es gibt ein ... , so dass '" "

Ein wenig prziser (mit Hilfe eines Prdikats P ( x) dargestellt, sieht das so aus:
" Fr alle x gilt P(x ). " oder " Es gibt ein x , so dass P (x). "

Vor dem Prdikat P(x ) steht ein so genannter Quantor, ein Allquantor, den wir mit ,,\/" abkrzen, oder ein Existenzquantor, den wir mit ,,3" bezeichnen. Wir schreiben daher

\Ix P(x )
fr die Aussage, dass alle mglichen x die Eigenschaft P haben, und

3x P (x )
dafr, dass es wenigstens ein x gibt, das die Eigenschaft P hat.
Der Wahrheitswert der Aussage \Ix P(x ) ist genau dann w, wenn die Aussage P (x) rur aUe
mglichen (eingesetzten) x den Wert W hat, entsprechend hat die Aussage 3x P (x ) genau dann
den Wert w, wenn es wenigstens ein x gibt, fr das P(x) den Wert w hat
Selbstverstndlich kann man Prdikate mit Junktoren untereinander bzw. mit gewhnlichen
Aussagen verbinden und, solange noch freie Gegenstandsvariable vorhanden sind, Quantoren an wenden. Fhrt man dies mit Aussagensymbolen (Pi , P2 , . . .) und Prdikatsymbolen
CH , P2, ... ) durch, so erhlt man wieder eine Formel. Beispielsweise ist

so eine Formel, in der die beiden auftretenden Gegenstandsvariablen

gebunden sind.

X l , X2

durch Quantoren

1.4 Mengen

29

[Link] 1.37 Sei H das Prdikat" ist ein Mensch" und P2 das Prdikat" ist sterblich ", so wird
die Aussage "Alle Menschen sind sterblich. " durch

formalisiert.
Sei Ql das Prdikat "ist eine Primzahl" und Q2 das Prdikat "ist eine ungerade Zahl", so
wird die (wahre mathematische) Aussage "Jede Primzahl ist entweder ungerade oder gleich
2. " durch
formalisiert.
In hnlicher Weise wie in der Aussagenlogik gibt es auch in der Prdikatenlogik (semantische) quivalenzen, von denen wir einige auflisten:
(x) \lx\ly P(x, y)
(xi) a 1\ \Ix P(x )
(xii) a l\ :3x P(x)
(xiii) -, (\:Ix P(x))

\ly\lx P(x, y) , :Jx:Jy P(x, y)

\Ix (a 1\ P(x)) , a V:Jx P(x)
:3x (a 1\ P(x )) , a V \:Ix P(x)
3x -,P(x),
-, (3x P(x))

:Jy:Jx P(x , y),

3x (a V P(x)),
\:Ix (a V P(x)),
\:Ix -,P( x ).

Whrend die quivalenz zweier Formeln der Aussagenlogik mit Hilfe von Wahrheitstafeln stets
in endlich vielen Schritten entschieden werden kann, gibt es in der Prdikatenlogik i. Allg. kein
endliches Verfahren, um die quivalenz zweier Formeln zu berprfen.
Bei mathematischen Aussagen verwendet man auch Quantoren, um ber Elemente einer
Menge eine Aussage zu treffen. So schreibt man

\:I x E E : P(x )
dafr, dass alle Elemente x E E die Eigenschaft P haben. Man kann dies auch als Kurzschreibweise fr \:I x (( X E E) :::} P( x)) sehen. Entsprechend ist

:J x EE:P(x)
eine Kurzschrei bweise fr :J x (( x E E) 1\ P (x) ).

1.4 Mengen
1. Der MengenbegrifT

Die Mengenlehre wurde vor etwa 100 Jahren von Georg Cantor begrndet. Er benutzte damals
die folgende Definition, die zwar streng formal widersprchlich ist, sich fr unsere Anwendungen aber durchaus als zweckmig und ausreichend erweist. 18
~~--------~--Definition 1.38 (Cantor) Eine Menge ist eine ZusammeRfassung
von wohl unterschiedenen
Objekten unserer Anschauung oder unseres Denkens zu einem Ganzen.

~----~------------~--~

18Beispielsweise stellt sich heraus, dass die "Menge aller Mengen", die nach der folgenden Definition eine
Menge sein msste, ein widersprchlicher Begriff ist. Formal wurde dieser Widerspruch dadurch gelst, dass die
Mengenlehre streng axiomatisch aufgebaut wurde (Axiomensystem von Zennelo und Fraenkel). Noch einfacher
ist es, eine groe Menge, ein Universum E, vorauszusetzen und nur Teilmengen des Universums zu betrachten.
Dadurch knnen keine Wider prche dieser Art entstehen.

1 Grundlagen

30

Beispiel 1.39 Die Zahlen 1, 2, 3 bilden eine Menge A = {l , 2, 3} eben

len Z = { . . . , - 2, - 1, 0, 1, 2, . . .}.

wi die ganzen Zah-

Definition 1.40 Die Objekte x , die in einer Menge A zu ammengefasst werden bezeichnet
man als Elemente der Menge A. Man sagt auch, dass x in A enthalten i t, und schreibt x E
Ist x ip A .nicht enthalten, so schreibt man dafr x ft A. Die Menge 0, die keine Elemente
enthlt, heit leere Menge.
Eine Menge heit endlich. wenn sie endlich viele Elemente enthlt, andernfalls heit sie
unendlich. Fr eine endliche Menge A bezeichnet man mit lAI bzw. #A die Anzahl der'
____________________________________________________
Elemente
~
vo
~n
~
A~
.

Definition 1.41 Eine Menge A heit Tellmenge einer Menge B im Zeichen A ~ B. wenn
jedes Element x aus A auch in B enthalten ist. Zwei Mengen At B sind gleich, also A = B
wenn sie dieselben Elemente enthalten.
t

Satz 1.42 Zwei Mengen A, B sind genau dann gleich, wenn sowohl A Teilm nge von B als
auch B Teilmenge von A ist, d.h.
A= B

B 1\ B

A.

Beweis. Es ist definitionsgem A = B , wenn x E A gleichbedeutend mit x E Bi t also

\:;Ix : x E A {:} x E B . Nun ist aber die Formel x E A {::} x E B qui ale nt zur Formel
(x E A =} x E B ) 1\ (x E B =} x E A), wie eine kleine Wahrheitstafel ofort beweist (man
vergleiche auch mit der Regel (vii) der Aussagenlogik). Nun besagt aber \Ix : x E A =? E B
(definitions gem) nichts anderes als A ~ Bund Yx : x E B =} x E A entsprechend B ~ A .
Also ist A = B gleichbedeutend mit A ~ B 1\ B ~ A.
0
Der Beweis von Satz 1.42 zeigt, wie man mit Hilfe logischer quivalenzen oder logi cher
Regeln entsprechende Aussagen fr Mengen ableiten kann. Ein weitere Bei piel die es Prinzips wird uns bei der Elementtabelle zum Nachweis von Mengenidentitten begegnen. WIr werden aber im folgenden nicht alle Eigenschaften detailliert auf logische Regeln zurckfuhren.
E gibt verschiedene Mglichkeiten, eine Menge anzugeben. Die einfachste Mglichkeit i t
die aufzhlende Darstellung, z.B. A = {I , 2, 3}, die sich aber nur fr endliche (und gelegentlich fr abzhJbare 19 ) Mengen eignet. Die hufigste Form ist die beschreibende Darstellung

A = {x I P(x )} ,
wobei P ( x) ein Prdikat in der freien Variablen x ist. Die Menge A enthlt nun jene x , fr die
P (x) gilt. Beispielsweise ist {x Ix E Z 1\ 1 :5 x ::; 3} die Menge { I , 2, 3}. Verlangt man das
die zu beschreibende Menge A Teilmenge einer Menge E sein soll, d.h. P(x) hat die Form
x E E 1\ Q (x ), so wird anstelle A = { x I x E E 1\ Q (x )} einfach

{x

EI Q(x )}

19Eine Menge A heil abzhlbar, wenn es mglich ist, die Elemente von A "durchzunummerieren", al 0
A = {ao, al, az , . , .}. Formal bedeutet das, dass es eine bijektive Abbildung a : N ~ . A ~ibt (siehe Abschnitt 1.5). Beispielsweise sind die ganzen Zahlen Z =;:: {O, 1, - 1, 2, -2, . .. }, aber auch die ratiOnalen. Zahlen
tn\ _
"'l -

{O 1 - 1 2 - 2 1 _1 3 - 3 ~
"

"

' 2'

2"

' 2'

1 2
1
-;!2 -3 , - -3 , -3 , -

~3 ' ... } abzhlbar. Die reellen Zahlen sind njcht abzhlbar.

1.4 Mengen

31

geschrieben.
Die Definition einer Menge impliziert, dass ein Element x nur einmal in eine Menge A
aufgenommen werden kann, x ist entweder in A enthalten oder nicht in A enthalten. Es ist aber
oft sinnvoll, "verallgemeinerte Mengen" zu betrachten, wo die Elemente mit einer gewissen
Vielfachheit auftreten, z.B. A = {l , 1, 2,2 , 2, 3,4, 4}. Solche Objekte werden al s Multimengen
bezeichnet.

2. Mengenoperationen

Definition 1.43 Die Vereinigung A U B zweier Mengen A, B enthlt genau jene Elemente
x, die in A oder in B enthalten sind, d.h.

A u B = {x I x E A Vx E B}.
Der Durchschnitt A n B zweier Mengen A, Benthlt genau jene Elemente x, die sowohl in
A als auch in Benthalten sind, d.h.

An B = {x I xE A 1\ xE B}.
Es ist oft notwendig, nicht nur zwei oder endlich viele Mengen zu vereinigen, sondern ein
ganzes System von Mengen. Dafr verwendet man die folgende Notation.
Definition 1.44 Sei I eine Menge (Indexmenge) und fr alle i E I sei Ai eine Menge. Dann
ist durch

UAi = {x 13i EI: x E ~}

iE (

die Vereinigung aller Ai, i E J, und qurch

nAi

{x I'v' EI: x E Ai}

i EI

der Durchschnitt aller A i E I, definiert._ _ _ _ _ _ _ _ _ _ _ _ _ _

~

________

~~

_ _ _ _ _ _- J

Wie im Abschnitt 1. schon angedeutet wurde, ist es oft sinnvoll, nur Teilmengen einer
"groen Menge" , eines Universums E zu betrachten. Die folgenden Definition ist nur in einern solchen Kontext anzuwenden.
Definition 1.45 Sei A ~ E ..Dann bezeichnet

A' = {x E E I x

f/. A}

das Komplement von A.

Manchmal wird auch die Bezeichnung A fr das Komplement verwendet.

I Grundlagen

32

Satz 1.46 Seien A , B , C und Ai, i E I, Teilmengen einer Menge E. Dann gelten die folgenden
Rechenregeln:

(i)
AuE (ii) Au (B UC)
(iii) An(BUC) (iH)' An UiEIAi (iv)
Au0 (v)
AuA'
(vi)
AUA
(vii)
AUE (viii) Au (A n B)
(ix)

(ix)'

(A U B)'
(UiEI Ai)'

BnA

BUA ,
A nB
(AUB) UC,
A n(BnC) (AnB)U(AnC), Au (EnG) UiEI(A n Ai) ,
Au n iEl Ai
A,
A nE
E,
A nA'
A,
AnA
E,
An0 A,
An (AU B )
A' nBf ,
(An E )' n iE! A~,
(niEI Ai )' -

(AnB)nC
(A U B) n (A U C)
n iEI(A U Ai)
A,

0
A

0,
A

A'uB'

UiEI A~ -

Die Regel 1. nennt man auch Kommutativgesetz, 2. Assoziativgesetz, 3. Distributivgesetz. 8.

Verschmelzungsgesetz und 9. DeMorgan'sche Regel.

Definition 1.47 Die Mengenditrerenz A \ zweier Mengen A, Benthlt genau jene EJ.e;;
mente x, die in A, aber nicht in 'enthalten sind, d.h.

,.A \B = {xix E AAx f/- B}.

Die symmetrische DitTerenz A~B zweier Mengen A, B ist durch

A'B -

(A\B)U(B\A)
(A U B) \ (A n B)

gegeben.
Es ist oft ntzlich, eine Menge A bildlich durch ein so genannte Venndiagramm (vgl.
Abb. 1.6) darzustellen. Auf diesem Weg lassen sich die Mengenoperationen Vereinigung.

Abbildung 1.6 Venndiagramm einer Menge A ohne bzw. mit Universum E

Durchschnitt, Komplement, Mengendifferenz und symmetrische Differenz auf einfache Art graphisch verdeutlichen (siehe Abb. 1.7).

1.4 Mengen

33

AnB

AuB

A.\B

At.B
Abbildung 1.7 Mengenoperationen

3. Mengenidentitten

Mengenidentitten sind allgemeine Gleichungen fr Mengen, also z.B . AUB = Bu A oder A =

AU(AnB). Definitionsgem sind zwei Mengen gleich, wenn sie dieselben Elemente enthalten.
Wie im Beweis von Satz 1.42 kann dies oft auf logische Regeln zurckgefhrt werden. So ist
etwa die logische Formel x E A V x E B zur Formel x E B V x E A quivalent. Daher folgt
direkt
A u B = {x I xE A V xE B} = {x I xE B V xE A} = BUA .
Eine weitere Mglichkeit, Mengenidentitten zu beweisen, besteht darin, Satz 1.42 direkt
anzuwenden: zwei Mengen sind gleich, wenn sie gegenseitig ineinander enthalten sind. Wir
demonstrieren dieses Prinzip am Beispiel A = AU(AnB). Offensichtlich gilt A ~ AU(AnB).
Andererseits folgt aus A ~ A und A n B ~ A auch A u (A n B) ~ AU A = A.
Ein etwas systematischeres Verfahren zum berprfen von Mengenidentitten ist eine Elernenttabelle. Diese Verfahren soll an Hand der Identitt
A

n (B ~C)

= (A

n B)(A n C)

vorgestellt werden. Man verwendet wieder das Prinzip, dass zwei Mengen genau dann gleich
sind, wenn sie dieselben Elemente enthalten. Bei drei involvierten Mengen A, B , C muss man
fr ein (potentielles) Element x dann genau acht Flle unterscheiden, entsprechend ob ein x in
A resp. B resp. C enthalten ist oder nicht.
Ist z.B. ein x in A und B, aber nicht in C enthalten, so ist es in A und in BLlC und damit
auch in A n (B ~ C) enthalten. Andererseits ist x in A n B, aber nicht in A n C enthalten,

1 Grundlagen

34

womit es allerdings in (A n B )b. (A n C) enthalten ist. Ein x, da in und B, aber nichl in

C enthalten ist, ist daher sowohl in An (Blle) als auch in (A n B).0.(A n C) enthalten. Die
anderen sieben Flle knnen hnlich behandelt werden, und in jedem Fall i t x entweder (wie
im eben behandelten Fall) Element von beiden Teilen oder kein Element. Da mit d n acht Fllen
alle mglichen Situationen abgedeckt sind, mssen A n (B AC) und ( n B).0..(A n C) nach
Definition 1.41 gleich sein. Wie bereits angekndigt, knnen in einer Elementtabelle alle Flle
bersichtlich dargestellt und so der Nachweis von Mengenidentitten erbracht werden. Die oben
angefhrte berlegung entspricht brigens der zweiten Zeile.

Bb.C
(j.

An (BDoC)
(j.

AnE

Ane

(j.
E
tj.

E
tj.

E
E

(j.

(j.
E
(j.
(j.

tj.

tj.
tj.
tj.
tj.

f/. f/.

(j.

tj.

f/.

E
E

(j.
(j.

(j.
(j.
(j.

tj.
tj.
tj.
tj.
tj.

(A n B ).0.(A n C)
(j.

't

(j.

rf.

tj.

(j.

E
tj.

tj.
tj.
(j.
tj.

Man kann auf einen Blick erkennen, ob Mengengleichheit be teht: di fUnfte und di achte
Spalte mssen gleich sein. Entsteht in wenigstens einem Fall ein unter chiedliche Bild (d.h. x
ist in einem Teil enthalten, im anderen aber nicht), so sind die betrachteten Mengenau drcke
nicht gleich. Es gibt dann Mengen A, B, C, rur die die Identitt nicht gilt. (Solche knnen auch
leicht konstruiert werden.)
Dieses Verfahren ist im wesentlichen dasselbe wie eine Wahrheitstafel, wobei zwi cben den
Aussagen x E A, x E B und x E C unterschieden wird. Es ist daher auch blich, an teIle von
Eden Wahrheitswert w (oder einfach 1) und anstelle von rf. den Wahrheit wert f (oder einfach
0) zu verwenden.

4. Die Potenzmenge
Definition 1.48 Die Potenzmenge P(A} einer Menge A ist die Menge aller Teilmengen von
A,d.h.
P(A) = {CIC~ A}.

------------

---------

Beispielsweise gilt P( {I , 2}) = {0, {I} , {2}, {I , 2}} oder P (0) = {0} . Manchmal bezeichnet man die Potenzmenge einer Menge A auch als 2A . Ein Grund dafr ist der folge nde
Satz.

Satz 1.49 Fr eine endliche Menge A gilt

d.h. eine Menge mit n Elementen hat genau 2n Teilmengen.

Beweis. Sei A = {al , a2 , .. . , an } eine Menge mit n Elementen. Eine Teilmenge von A kann
dadurch gebildet werden, dass man die Elemente der Reihe nach durchluft und bei jed m a j
entscheidet, ob man es in die Teilmenge aufnimmt oder nicht. Das sind jeweils 2 Mglichkeiten,

1.5 Relationen und Abbildungen

35

die beliebig miteinander kombiniert werden knnen. Offensichtlich erhlt man bei diesem Verfahren jede Teilmenge genau einmal. Es gibt daher 2 ' 2 . . . . ' 2 = 2n verschiedene Teilmengen

vonA.

~ )

1.5

Relationen und Abbildungen

1. Der Relationsbegriff
Um den mengentheoretischen Begriff einer Relation zu motivieren, sollen zunchst einige Beispiele angegeben werden.
Beispiel 1.50
(a) Man betrachte eine Gruppe von Personen. Sind a und b zwei Personen dieser Gruppe, so
knnen folgende Situationen eintreten:

b kennen einander,
- a kennt b, aber b kennt nicht a,

- a und

- b kennt a, aber a kennt nicht b,

- a und b kennen einander nicht.

(b) Gewisse Stdte knnen durch Direktflge voneinander erreicht werden, andere nicht.
(c) Eine Schachtel (alter) Schrauben kann so sortiert werde, dass jeweils Schrauben gleicher
Lnge in ein eigenes Fach kommen.
6.
Abstrahiert man von den angegebenen Beispielen, so steht man vor folgender Situation.
Zwei Elemente a, b einer Menge stehen miteinander in einer gewissen Relation (wobei die
Reihenfolge eine Rolle spielen kann) oder eben nicht. Um diesen Relationsbegriff mathematisch streng zu fassen, bentigt man den Begriff des geordneten Paars von Elementen und des
kartesischen Produkts von Mengen.

Definition 1.51 Ein geordnetes Paar (a, b) zweier Elemente a, b, die nicht unbedingt voneinander verschieden sein mssen, fasst diese zu einem neuen Element zusammen, wobei die
Reihenfolge wesentlich ist, d.h. (a, b) = (c, d) ist gleichbedeutend mit a = c und b = d.
Das kartesische Produkt A x B zweier Mengen A, B ist die Menge aller geordneten Paare
(a, b) mit a E A und bEB, d.h.
.

Ax B = {(a, b)1 a E A /\ bEB}.

------

In derselben Weise definiert man auch das Produkt Al x A 2 X ' .. x An von endlich vielen
Mengen Al , A z , . . , An als die Menge aller (geordneter) n-tupel (al, a2 , .. . , an) mit aj E A j
(1 :::; j :::; n) , Sind alle Mengen A j gleich einer Menge A, so schreibt man statt A x A x ... x A
auch An,
Beispiel 1.52 Sei A = {I , 2, 3} und B

AxB

= {2, 4}. Dann ist

{(1 ,2),(1 4),(2,2),(2,4), (3, 2) , (3,4)}.

Dies lt sich auch "kartesisch" darstellen, siehe Abb. 1.8.

1 Grundlagen

36

4-1--------~~-~

-r--~~--'---

4 --+-----+---i~-.--

__-

2 -+----+-------<. ----t-

Abbildung 1.8 Das kartesische Produkt A x B und eine Relation R ~ A x B

Definition 1.53 Eine Relation R zwischen zwei Mengen A und B ist eine Teilmenge des
kartesischen Produkts A x B. Ist A = B so spricht man von einer binren Relation. An teile
von (a, b) ERschreibt man auch aRh. anstelle von (a, b) ~ R auch ~b.
Die drei einleitenden Beispiele (im Beispiel 1.50) sind brigens alle binr Relationen.
Beispiel 1.54 Sei A = {I , 2, 3} und B = {2 , 4}. Dann i t R = {(2 2) (2 4) (3 )} eine
Relation zwischen A und B, d.h. 2R2, 2R4 und 3R4, aber 1 ft, 2, 1,R4 und 3 fl2. Die kann
natrlich auch graphisch ausgedrckt werden (vgl. Abb. 1.8).
6Es gibt verschiedene Mglichkeiten, eine Relation R ~ A x B bildlich danu teIlen:
1. Kartesische Darstellung: In der kartesischen Darstellung von A x B werden nur jene

Elemente (::::: Punkte) von A x B markiert, die der Relation R ~ A x B angehren ( iehe
Beispiel 1.52 und 1.54 sowie Abb. 1.8).
2. Pfeildiagramm: Die Mengen A , B werden durch Venncliagramme darge teUt und Paare
(a , b) E R durch einen Pfeil verbunden (siehe Abb. 1.9).

('\2

"---A---..

Abbildung 1.9 Pfeildiagramm einer Relation R ~ A x B und Graph G(R ) einer binren Relation R ~ A2

3. Graph einer binren Relation: Da bei einer binren Relation A = B gilt (d.h. R C
A x A = A 2), reicht es (im Gegensatz zum Pfeildiagramm), die Menge A nur einmal
zu repr entieren. Paare (a , b) E A x A, die in Relation stehen, werden nun hnlich
wie beim Pfeildiagramm miteinander verbunden. Der Graph G(R) be teht daher au
einer Menge von Punkten (Knoten) entsprechend den Elementen aus A und einer Menge

1.5 Relationen und Abbildungen

37

von gerichteten Kanten, die genau jene Punkte miteinander verbinden, die in Relation
stehen.
Der Graph der Relation R = {(I , 1), (1,2) , (1,3) , (2,2), (2, 3) , (3, 3)} auf der Menge
A = {l , 2, 3} ist z.B. in der Abb. 1.9 dargestellt.
Man beachte, dass im Graph einer Relation auch sogenannte Schlingen auftreten knnen,
das sind Kanten, die von a E A wieder auf a zeigen (a steht mit sich selbst in Relation:

aRa).

2. quivalenzrelationen
Die Grundidee von quivalenzrelationen ist, gewisse Elemente als gleichwertig (also quivalent) zu betrachten, also z.B. Schrauben gleicher Lnge (Beispiel 1.50 (c)) oder ganze Zahlen
a, b mit a - b mod m (Beispiel 1.56 (e)). Die formalen Kriterien sind die folgenden.
Definition 1.55 Eine binre Relation R auf einer Menge A heit quivalenzrelation, wenn
folgende drei Eigenschaften erfllt sind:
(i) Reflexivitt: Va E A: aRa,
() Symmetrie: Va,b E A: aRb => bRa,
(i) Transitivitiit: Va, b, c E A: (aRb 1\ bRc)

=> aRe.

Eine Relation mit der Eigenschaft 1. heit reflexiv, eine mit der Eigenschaft 2. symmetrisch
und eine mit der Eigenschaft 3. transitiv. Eine quivalenzrelation ist also reflexiv, symmetrisch
und transitiv.
Beispiel 1.56
(a) Identische Relation oder Gleichheitsrelation: A sei eine beliebige Menge und R die
Relation ,,= ", d.h., jedes Element a E A steht nur mit sich selbst in Relation.
(b) AUrelation: A sei eine beliebige Menge und R = A 2 , d.h. jedes Element a E A steht mit
allen anderen Elementen b E A in Relation.
Cc) Sei A = Z und aRb {::::::} a

=b

mod m.

(d) Sei A eine Menge und f : A ---7 B eine beliebige Funktion (siehe Definition 1.64).
Setzt man aRb ~ f(a) = /(b), so ist Reine quivalenzrelation. (Beispiel 1.50 (c)
beschreibt eine "praktische Anwendung" einer quivalenzrelation dieser Art.)
6In der kartesischen Dar teBung einer Relation R uert sich die Reflexivitt dadurch, da s
die 1. Hauptdiagonale (1. Mediane) in der Relation enthalten ist. Ist die Relation symmetrisch,
so ist die kartesische Darstellung symmetrisch zur 1. Hauptdiagonale, d.h. R geht durch Spiegelung an der 1. Hauptdiagonale in sich ber. Die Transitivitt hat in der kartesischen Darstellung
keine offen ichtliche Entsprechung.
Stellt man eine Relation R als Graph G(R) dar, so entspdcht einer reflexiven Relation ein
Graph, bei dem jeder Punkt (Knoten) mit einer SchHnge ausgestattet ist. Bei einer symmetrischen Relation treten die Kanten (mit Ausnallme der Schlingen) gepaart auf. Zu einer Kante von
a nach b gibt es immer auch eine Gegenkante von b nach a. Ebenso lsst sich die Transitivitt
sofort bersetzen.

1 Grundlagen

38

Im Beispiel 1.56 (c) und (d) fillt auf, dass durch die quivalenzrelation die Menge A in
"natrliche Teile" zerlegt wird. Bei (c) werden die ganzen Zahlen Z in dje Re tklas en modulo
m zerlegt. Alle Zahlen in derselben Restklasse stehen miteinander in Relation und Zahlen in
verschiedenen Restklassen nicht. Bei (d) kann man die Elemente a E A mit dem eiben Bild
f(a) (also etwa die Schrauben gleicher Lnge) zu ammenfas en.
Ein entsprechender Sachverhalt gilt ganz allgemein. qui alenrelati nen zerlegen die
Grundmenge in so genannte quivalenzklassen. Dies soll nun przi iert werden.

Definition 1.57 Ein System von nichtleeren Teilmengen Ai (i E 1) einer Menge A ~~

Partition oder Zerlegung von A. wenn die Ai (i E 1) paarweise disjunkt sind, d.b.
~nAj=0

fri~j,

und A die Vereinigung

A=U~
iel

ist.

Deftnition 1.58 ,Sei Reine quivalenzrelation auf A. Fr a E A heit die Menge

K(a)::; {b E AlaRh}
die von a erzeugte quivaleDZklasse~
Man beachte, dass wegen der Reflexivitt immer a E K (a) gilt, insbe onder i
leer. Weiters gilt die folgende grundlegende Eigenschaft.

t }

(a) nicht

Satz 1.59 Sei Reine quivalenzrelation auf A. Dann bilden die (verschiedenen) quivalenz klassen der Elemente von A eine Partition von A.
Sei umgekehrt A i (i E 1) eine Partition von A und bezeichne k (a) (a E A) je!!e Teilme..nge
A j der Partition mit a E A j Definiert man aRb genaufr jene a , b E A, fr die K (a) = K( b)
gilt, so ist Reine quivalenzrelation mit K (a) = K (a) fr alle a E A.
Bevor wir einen formalen Beweis dieser Eigenschaft geben, erinnem wir noch einmal an
das Beispiel 1.50 (c) mit den Schrauben. Sortiert man Schrauben nach ihrer Lnge was dem
Bilden der quivalenzklassen entspricht, so entsteht offensichtlich eine Partition.

Beweis. Es sei zunchst Reine quivalenzrelation auf der Menge A und es sei X = {J( (a) Ia E
A} das System der dazugehrigen quivalenzklassen. Offensichtlich gilt K (a) ~ A und wegen
der Reflexivitt a E 1((a). Daher ist K(a) fr kein a E A leer. Weiters folgt darau auch
U aEA K (a) = A . Es bleibt also zu zeigen, dass verschiedene quivalenzklassen K (a) =I- } (b)
kein Element gemeinsam haben, also disjunkt sind. Wre etwa c E K (a) n K (b), 0 folgt cR a

und eRb und wegen der Symmetrie und Transitivitt auch aRb. Aus a Rb folgt aber unmittelbar
(wieder wegen der Symmetrie und Transitivitt) K(a) = K(b), was aber ausgeschlossen wurde.
Fr den zweiten Teil des Beweises muss nur nachgeprft werden, ob die definierte Relation
R reflexiv, symmetrisch und transitiv ist. Das ist_eine leic~te bung..: Aus K1a.) = k (a) folgt
aRa, und die offensichtlich !ichtigen_Aussagen K(a) = K(h) ==::::;> K(b) = K (a ) und K(a) =
K(b) A K(b) = K(c) => K(a) = K(c) implizieren Symmetrie und Transitivitt.
0

39

1.5 Relationen und Abbildungen

3. Halbordnungen
Eine zweite wichtige Klasse von binren Relationen sind Halbordnungen. Die Grundidee ist
hier, auf einer Menge A eine "Hierachie" einzufhren. Formal verlangt man fr diese Hierachie
die folgenden Eigenschaften.
Definition 1.60 Eine binre [Link] R allf einer Menge A heit Halbordnung Oder partielle
Ordnung, wenn folgende drei Eigenschaften erfllt sind:
. ..
(i) Reflexivitt: Va E A: aRa.
(ii) Antisymmetrie: Va,b E A .: (aRbAbRa) ==> a = b.
(iii) Transitivitt: 'Va, b, cE A: (aRb 1\ bRc) ::} aRe.

Eine Relation mit der Eigenschaft 2. heit antisymmetrisch. Eine Halbordnung ist daher
eine reflexive, anti symmetrische und transitive Relation.
Definition 1.61 Eine Halbordnung R auf einer Menge A heit Totalordnung, wenn fr je
zwei Elemente a, b E A entweder aRb oder bRa gilt, d.h. je zwei Elemerite sind vergleichbar.
Beispiel 1.62
(a) A = ~ mit aRb

<==> a ::; b bildet eine Totalordnung (die natrliche Ordnung der reellen

Zahlen).
(b) A = N mit mRn

<==> mln ist eine Halbordnung, aber keine Totalordnung.

A = Z mit mRn ~ mln ist keine Halbordnung, da Rauf Z nicht mehr antisymmetrisch ist (z.B. - 212 und umgekehrt, aber -2 f:. 2).
(e) A = P (M) (Potenzmenge einer Menge M) mit BRG
ordnung, aber fr IMI > 1 keine Totalordnung.

Insbesondere sind damit alle Relationen R

A , B in natrlicher Weise geordnet.

'*==* B

G bildet eine Halb-

A x B zwischen zwei (festen) Mengen

6.

Wie jede binre Relation kann man natrlich auch Halbordnungen durch einen Graphen
darstellen. Viele der darzustellenden Kanten sind allerdings redundant, sie lassen sich aus den
definierenden Eigenschaften leicht wieder rekonstruieren. Flut man die folgenden drei Schritte
durch, so erhlt man aus dem Graphen G (R) einer Halbordnung R das Hassediagramm der
Relation R:
Weglassen aller Schlingen.
Weglassen aller Kanten, die sich aufgrund der Transitivittsbedingung rekonstruieren lassen. D .h., ist aRb, aber gibt es kein c mit aR e und eRb, so bleibt die Kante von a nach b
erhalten , alle anderen Kanten werden gestrichen. Mit anderen Worten: nur die unmittelbaren Nachbarn von a werden mit einer Kante verbunden.
Weglassen aller Orientierungen. Wegen der Antisymmetrie kann fr a =I b entweder aRb
oder bRa gelten, aber nie beides zugleich. Zur bersicht zeichnet man bei aRb (a =I=- b)
b oberhalb von a und kann die Orientierung der Kante weglassen. Dies gibt gleichzeitig
die durch die Halbordnung beschriebene "Hierachie" wieder.

1 Grundlagen

40

Oft wird eine Halbordnung auf einer endlichen Menge nur durch Angabe des Hassediagramms
definiert.

Beispiel 1.63 Sei A = P(M) = {0, {I}, {2}, {3}, {I , 2}, {l , 3} , {2, 3} , {I , 2, 3}} die Potenzmenge von M = {l, 2, 3} mit der Inklusion CS;;;) als Relation (siehe Beispiel 1.62 Cc)). Dann hat
das Hassediagramm dieser Halbordnung die in Abb. 1.10 angegebene Gestalt.
6

p, 2, 3}

/I~
{ 1, 3 } {2, 3 }

{ 1, 2}

XX

{l}

{2}

{3}

~I/
o
Abbildung 1.10 Hassediagramm

4. Funktionell

Ein auerordentlich wichtiger Begriff in der Mathematik ist der Begriff einer Funktion. Spezielle Funktionen der Analysis, wie sin und eos, werden in Kapitel 4 ausfhrbch besprochen. Es ist
aber in der modernen Mathematik blich, ganz allgemein Funktionen zwischen zwei Mengen
zu definieren, und zwar als Spezial fall einer Relation.
Definition 1.64 Seien A, B zwei nichtleere Mengen. Eine Funktion oder Abbildung f :
A -+ B von A nach B ist ein Tripel (A, B, R,), wobei R, ~ A x B eine Relation ist mit der
Eigenschaft, dass zu jedem a E A genau ein bEB mit aRfb exilstiert. Man schreibt dafr
b = f(a). Die Menge Rf = {(a, f(a)) la E A} =~ A x B bezeichnet man auch als Graph
der Funktion f : A -+ B.

I
A

__

~--I~

Abbildung 1.11 [Link] Dar teilung einer Funktion f : A

-t

B und Graph der Funktion 9 : IR ---; IR, x ~ x

1.5 Relationen und Abbildungen

41

Man verwendet auch die Notation

J :A

-+

B, a ~ J(a).

Diese Notation drckt aus, dass man eine Funktion J : A --t B auch als Zuordnung oder als
Automat interpretieren kann. Einem a E A wird (eindeutig) ein b = J(a) E B zugeordnet bzw.
bei Vorgabe von a E A wird wird ein b = J (a) E Bausgegeben.
~~~~~------~~~
Definition 1.65 Eine Funktion! : A -+ B heit inJektivoder
Injektion. wenn es zujedem
bEB hchstens ein a E Amit b = J(a) gibt. d.h. al i= U2 impliziert !eal) i= j(a2).

Abbildung 1.12 Injektive Funktion

Eine Funktion ! ; A -+ B heit surjektiv oder Surjektion, wenn es zu jedem bEB

mindestens ein a E A mit b = f (a) gibt.

L_-;--~

Abbildung 1. 13 Surjektive Funktion

Eine Funktion f : A -+ B heit bijektiv oder Bijektion, wenn es zu jedem bEB genau ein
a E A mit b = J(a) gibt.

Abbildung 1.14 Bijektive Funktion

Offensichtlich ist eine Funktion

surjektiv ist.

J :A

--t

Bist genau dann bijektiv, wenn sie injektiv und

1 Grundlagen

42

Beispiel 1.66
Die Funktion ft : lR ---+ lR, x Ho x 2 ist weder injektiv noch surjektiv.
D'e Funktion 12 : lRt ---+ lR, x Ho x 2 ist injektiv, aber nicht surjektiv. 2o
Die Funktion h : lR ---+ lRt 1 x Ho x 2 ist surjektiv, aber nicht injektiv.
Die Funktion 14 : lRt ---+ lRt, x I-t :z;2 ist injektiv und surjektiv, al 0 auch hitjektiv.
Man beachte, dass in allen vier Funktionen die Zuordnungs vorschrift :z; I-t x 2 die eIbe ist. Die
Funktionen sind aber alle voneinander verschieden, da Definitions- und Zielmengen verschieden sind.
6.

In gewissen Fllen ist eine Funktion genau dann injektiv, wenn sie surjektiv ist.

Satz 1.67 Haben zwei endliche Mengen A, B gleich viele Elemente, d.h.

lAI

IBI,

dann ist
eine injektive Funktion 1 : A ---+ B auch surjektiv und damit bijektiv. Entsprechend ist eine
surjektive Funktion 1 : A ---+ B auch injektiv und ebenfalls bijektiv.
=

Beweis. Es sei 1 : A ---+ B injektiv und lAI = IBI = n . Schreibt man fr A = {al a2 ... ~}
und setzt man bj = 1(aj), 1 ::; j ::; n, dann sind die Elemente b1 , b2 , . bn wegen der Injektivitt von 1 alle voneinander verschieden und bilden eine n -elementige Teilmenge {bI b2 . . , bn }
von B. Wegen IB I = n folgt aber {bI , b2 , . .. , bn } = B, also gilt 1(A) = B. Damit ist f auch
surjektiv.
Der zweite Teil des Beweises wird dem Leser berlassen.
0
Definition 1.68 Sind f : A ---+ Bund 9 : B ---+ C Funktionen, so wird die Zusammensetzung
I : A ---+ C durch (g 0 f) (a) = g(l (a)) definiert. goi ist dann wieder eine Funktion.

90

Beispiel 1.69 Sei 1 : IR ---+ lR, x I-t x 2 und 9 : lR ---+ lR, x

lR, x Ho (eos x? und (g 0 J) : 1R --7 IR,:Z; Ho cos(x 2 ).

Ho

COS

x . Dann i

(f 09) : 1R

-+

6.

Satz 1.70 Sind die Funktionen 1 : A --7 Bund 9 : B ---+ C heide injektiv (bzw. surjektiv bzw.
bijektiv), so ist auch gof: A ---+ C injektiv (bzw. surjektiv bzw. b ijekti v).
Beweis. Es seien fund 9 injektiv. Es folgt also aus 1(al) = !(a2), dass al = a2, und aus
g(b 1) = g(b 2), dass b1 = b2 sein muss. Ist daher (g 0 J)(al) = g(f(al)) = 9(f(a2)) =
(g 0 f) (a2), dann folgt aus der Injektivitt von 9 zunchst 1(al) = 1(a2) und au der Injektivitt
von 1 schlielich al = a2 Damit ist auch goi injektiv.
Es sei nun vorausgesetzt, dass 1 und 9 surjektiv sind. Ist daher cE , dann gibt es ein
b EB mjt g(b) = c, und damit auch ein a E A mit 1(a) = b. Insgesamt gilt daher (g 0 J)(a) =
g(f(a)) = g(b) = c. Daher i t go 1 surjektiv.
Sind fund 9 hijektiv, d.h. injektiv und surjektiv, dann folgt aus den heiden vorigen Eigenschaften, dass die Zusammensetzung gof auch injektiv und surjektiv, also bijektiv i t.
0
Definition 1.71 Eine Funktion / -1 : B ---+ A heit die zu der Funktion I : A ---+ Binverse
Funktion, wenn I - I 0 f = idA und I 0 1- 1= id B gilt. Dabei bezeichnet idA die identische
Funktion auf einer Menge A, d.h. idA(a) = a fr alle a E A.

--~--~~~----~--~

20~t bezeichnet die Menge der nicht-negativen reellen Zahlen, also der Zahle n

~ O.

- -- -- - --

------ '-.

1,6 bungsaufgaben

43

Beispiel 1.72 Die Funktion f

j - 1 : IR - t lR, x I--t x 1/ 3.

IR

-t

lR, x

I-t

x 3 ist invertierbar, Die inverse Funktion ist

/::;,

Satz 1.73 Eine Funktion f : A - t B besitzt genau dann eine inverse Funktion
wenn f bijektiv ist. Die inverse Funktion j - 1 ist dann auch bijektiv.

f -1 : B

-t

A,

Beweis. Sei 9 : B - t A die inverse Funktion von f : A - t B , also 9 = f - 1 Aus der Beziehung
(J 0 g)(b) = f(g(b)) = b (fr alle b E B) folgt, dass es zu jedem bEB ein a E A, nmlich
a = g(b), mit der Eigenschaft f(a) = b gibt. Folglich ist f surjektiv. Sind nun al , a2 E A mit
f(a1) = j(a2), so folgt al = g(J(al)) = g(J(a2)) = a2 . Daher ist f auch injektiv. Insgesamt
folgt daher, dass f bijektiv ist.
Es sei nun umgekehrt vorausgesetzt, dass f bijektiv, also injektiv und surjektiv ist. Aus der
Surjektivitt folgt, dass es zu jedem bEB ein a E A mit f(a) = b gibt. Wegen der Injektivitt
gibt es aber kein a' E A mit f (a') = b, das von a verschieden ist. Wir knnen daher eine
Funktion 9 : B - t A definieren, die jedem bEB genau jenes a E A mit f (a) = b zugeordnet.
Offensichtlich erfllt diese Funktion 9 die Eigenschaften g(f(a)) = a und f(g(b)) = b. Daher
ist 9 die inverse Funktion von f.
0

1.6 bungsaufgaben
1.1 Man beweise mittels vollstndiger Induktion:
(a)

j(j - 1) = (n - 1);(n + 1) (n 2: 2), (b)

j =2

Ce)

tj(j +

~(2n2 + 6n + 4)

(n

~ 1),

j=l

L
'(' + 1) =
j =1.7 J

~ '3j - 1
( e ) ~J
j =1

n + 1 (n

3 (2n - 1) + 1
4

(d) Lj2

1),

= 2n +1 (n - 1) + 2

(n ~ 0),

j=O

~ j
3
(f) ~ 3j = 4:

(n >
_ 1),

2n+3

- 4Tn

(n 2: 0).

J= 1

1.2 Man beweise mittels vollstndiger Induktion: Ist F o = 0, p}

n E

1)

= 1 und Fn + 2 = Fn + 1 + Fn

fUr alle

N, so gilt

1.3 Man zeige, dass die Zahlen (a)

13, (b) .;g und Ce) .v2 irrational sind,

1.4 Nach der so genannten "abessinisehen Bauernmethode" werden zwei Zahlen, z.B. 21 und 17, wie

folgt multipliziert:

21

te
5
-2
1

17
-34

68
t$

272
357

44

1 Grundlagen

Dabei wird der erste Faktor laufend durch 2 dividiert (und der Rest dabei vernachlssigt), whrend der
zweite Faktor stets verdoppelt wird. Nach dem Motto der abessinischen Bauern "Gerade Zahlen bringen
Unglck" streicht man nun alle Zeilen, in denen die Zahl in der ersten Spalte gerade ist. Die Summe der
verbleibenden Zahlen in der zweiten Spalte liefert dann das Ergebnis 21 . 17 = 357.
Man begrnde, warum diese Methode zum richtigen Resultat fhrt. (Hinweis: Man gehe von einer Darstellung des ersten Faktors im Binfsystem aus.)

1.5 Man zeige, dass in IR die Beziehung )5041 - )5040 = 71 - 12y'35 = 1/ (71 + 12J35) gilt.
Was ergibt sich bei Rechnung in normalisierter Gleitkornma-Darstellung zur Basis 10 mit vierstelliger

Manti se?

= (arg(z}) + arg(z2)) mod 21f.

1.7 Man stelle alle Lsungen der quadratischen Gleichung z2 + 2z + 4 = 0 sowohl in der Form a + ib,
1.6 Man zeige fr komplexe Zahlen

Zl, Z2

die Beziehung arg(zlz2)

a, bE lR, als auch in Polarkoordinatenform r( cos <p + i sin <p), r 2: 0,0 ::;

<p

< 271', dar.

1.8 Man finde (a) alle sechsten Wurzeln von z = 8i bzw. (b) alle fnften Wurzeln von z
in C und stelle sie in der Gau'schen Zahlenebene dar.

= ..j2 - V6i

1.9 Man beantworte die nachstehenden Fragen:

Ca) Fr welche komplexen Zahlen gilt z = ~?

eb) Man zeige IZl ~z212 + IZ j 2Z2 1 = ~(IZlI2 + IZ2 12).

(e) Man beschreibe die Menge jener komplexen Zahlen z, die R (Zb a ) > 0 erfullen Ca ob E C , bi=- 0).
(d) Welche Teilmenge der komplexen Zahlenebene wird durch die Ungleichung 1
I < 3 beschrieben?
2

::!

1.10 Man besttige die Richtigkeit der folgenden Behauptungen:

(a) Fr aUe n E N ist n 3 - n stets durch 3 teilbar - mittels eine direkten Bewei es.
(b) Ist die Summe m + n zweier Zahlen m, n E Z ungerade, dann ist genau einer der beiden Sum-

manden ungerade - mittels eines indirekten Beweises.

(c) Ist das Quadrat n 2 einer ganzen Zahl n E Z gerade, dann ist auch n gerade - mittel eines
indirekten Beweises.
(d) Die Aussage von (a) - mittels eines Beweises durch vollstndige Induktion.

1.11 Man zeige, dass fr aUe natrlichen Zahlen n die beiden TeilbarkeitseigenschafteIl 21 (n 2 + n) und
61(n3 - n + 12) gelten.
1.12 Man be timme den ggT(7469, 2464) sowie den ggT(l109, 4999) mit Hilfe des Euklidischen Algori thmu .

1.13 Man bestimme alle ganzen Zahlen x, y, welche die Gleichung 243x + 19Sy = 9 erfllen.
1.14 Man zeige fr natrliche Zahlen a, b die Eigenschaft ggT(a, b) . kgV(a , b) = a , b.
1.15 Man zeige, dass jede ganze Zahl der Form n 4 + 4 n (mit n > 1) keine Primzahl ist.
(Hi nweis: Man unterscheide zwischen geradem und ungeradem n . [nsbesondere betrachte man bei ungeradem n die Zerlegung (n 2 + 2n + n2(n+l)/2)(n 2 + 2n - n2(n+l )/2 ).)
1.16 Lsen Sie die folgenden Kongruenzen bzw. beweisen Sie deren Unlsbarkeit:

== 4
3x == 9

== 4
3x == 9

(a) 8x

mod 16,

(b) Sx

mod 15,

(e)

mod 11,

(d)

mod 12,

(e) x 2 -

3x

+ 2 == 0

mod 5,

(f) x - 3x

+ 2 == 0

mod 6.

1.6 bungsaufgaben

45

1.17 Im europischen Artikelnummemsystem EAN werden Zahlen mit 13 Dezimalziffern der Form
ala2 . . . a12P verwendet. Dabei wird die letzte der 13 Ziffern, das ist die Prfziffer p, im EAN-Code so

bestimmt, dass
al

+ 3a2 + a3 + 3a4 + .. . + an + 3al2 + P

=0 mod 10

gilt. Man zeige, dass beim EAN-Code ein Fehler in einer einzelnen Ziffer stets erkannt wird, whrend
eine Vertauschung von zwei benachbarten Ziffern genau dann nicht erkannt wird, wenn die beiden Ziffern
gleich sind oder sich um 5 unterscheiden.

1.18 Sei a die Aussage "Es gibt eine grte natrliche Zahl." und b die Aussage ,,0 ist die grte
natrliche Zahl." Man entscheide, ob die Aussagen a ::::} b bzw. b ::::} a wahr oder falsch sind.
1.19 Entscheiden Sie mit Hilfe einer Wahrheitstafel, ob die folgenden quivalenzen richtig sind:
(a) a V (b V c) ~ (a V b) V c,

(b) a V (a 1\

(e) a 1\ (b V c) ~ (a 1\ b) V (a 1\ c) ,

(d) (a 1\ -,b) 1\ -,c

Ce) a <=> b ~ (a

(f) -,(a ~ b) ~ a 1\ -,b.

b)

--+

-(b

a),

b)

{=::=}

a,

a 1\ -, (b 1\ -,c),

1.20 Man beweise bzw. widerlege die folgenden Mengenidentitten:

Ca) An (B

n C) =

(e) (A U B)' = A'

(A

n B) n C,

(b) (A \ B) \ C = A \ (B \ C),

n B' ,

(d) (A U B)

(e) (A n B)' = A' U B',

(g) ALB = (A U B) \ (A

(k)

An B',

(f) (A I::. B)' = A' I::. B',

n B),

(h)

An (B I::. C) =

n B) I::. (A n C),
x A) = (A n B) x (A n B),
(A

n (A I::. C),
G) (A x B) n (B
(A x B) U (B x A) = (A U B) x (A U B), (I) (A x B) U (A x C)

(i) A f:.. (B

n C)

n (B U C)'

= (A.6 B)

= A

x (B U C) .

1.21 Sei Meine nichtleere endliche Menge. Man zeige, dass M gleich viele Teilmengen mit gerader
Elementanzahl wie solche mit ungerader Elementanzahl besitzt, indem man ein Verfahren angebe, das
aus den Teilmengen der einen Art umkehrbar eindeutig die der anderen Art erzeugt.
1.22 Sei A = {I , 2, . . . , 8} und R eine binre Relation auf A, definiert durch

aRb

{=::=}

a = b oder ggT(a, b) = 2.

Man gebe explizit die Relation R sowie ihren Graphen GRan.

1.23 Man untersuche nachstehend angefhrte Relationen R ~ 1III2 in HinbHck auf die Eigenschaften
Reflexivitt, Symmetrie, Transitivitt und Antisymmetrie:
(a) lvI = Menge aller Einwohner von Wien, aR b
(b) M wie oben, a Rb ~ a ist nicht lter als b,
(c) M wie oben, a Rb ~ a ist so gro wie b,
(d) M = IR, aR b ~ a - b E Z,

a ist verheiratet mit b,

(e) M =IRn,(Xl, .. . ,xn)R(Yl,,Yn) ~ Xi:S Vi(i= l , .. . ,n) .

31a2 -

b2 fr alle a, b E Z eine quivalenzrelation R in der

Menge Z erklrt wird, und bestimme die zugehrende Partition.

1.24 Man zeige, dass durch aR b

{:=:::}

1.25 Sei f : A --+ B eine Funktion. Man zeige, dass durch x == y ~ f( x ) = f(y) eine quivalenzrelation == auf der Menge A definiert wird.
1.26 Untersuchen Sie, ob die Relation ARB ~ A I::. B = 0 auf der Potenzmenge einer Menge M
eine quivalenzrelation bildet (,6. bezeichnet die symmetrische Differenz).

1 Grundlagen

46

1.27 Man vergleiche die Hassediagranune der beiden Halbordnungen (P ( {a , b , c} ), ~ ) und (T70 , I),
wobei T70 = {n E NI nI70}.

1.28 Fr k , n E {I , 2, 3, . . . ,1O} sei kRn, falls k ein Teiler von n ist und k und

~ teilerfremd

sind.

Man untersuche, ob die Relation Reine Halbordnung ist, und ermittle gegebenfalls das Hassediagramm.

1.29 Man zeige: (C, ~ ) ist Halbordnung mit z = a + ib ::5 w = c + id, falls a < c oder Ca = c und
b ~ d). Weiters gebe man drei verschiedene komplexe Zahlen Zl , ZZ , Z3 E <C \ {O} an, fr die Z l ::5 z2
und

Z3 ~

0, aber Z3Z 1

~ Z3 ZZ

gelten.

1.30 Untersuchen Sie, ob es sich bei den folgenden Relationen R ~ A x B um Funktionen, injektive
Punktionen, surjektive Funktionen bzw. bijektive Funktionen handelt.
(a) R = {( x2 , ~)I x E IR+ } , A = B = IR,
(b) R wie oben, jedoch A = B = 1R+ ,
Cc) R = {(log2x , x)lx E IR+} , A = B = lR,

1.31 Zu den nachstehenden Abbildungen f bzw. 9 auf der Menge {O , 1, ... , 9} bestimme man jeweils
den zugehrenden Graphen und untersuche die angegebene Zuordnung auf Injektivitt, Surjektivitt und
Bijektivitt.
(a) f( x ) = x 2 mod 10

(b) g( x)

= x3

mod 10

1.32 Man zeige, dass die Funktion

(a)

f : IR \ {7}

~ IR \ {2}, x

f-+

Z:~l

bijektiv ist, und bestimme ihre Umkehrfunktion.

(b)

f : IR \

{2} ~ IR \ { -1 } , x

r-t

~~~

Kapitel 2
Diskrete Mathematik
Die Diskrete Mathematik als Zweig der Mathematik befasst sich mit mathematischen Strukturen, die endlich oder abzhlbar sind und nicht - wie in der Analysis - kontinuierlich ineinander bergehen. Man kann beispielsweise bei diskreten Optimierungsproblemen bzw. Extremwertaufgaben die Zielfunktionen nicht einfach differenzieren und davon die Nullstellen suchen.
Vielmehr mssen bei diskreten Problemen ganz andere Methoden entwickelt werden.
Ein wesentlicher Faktor in der Entwicklung der Diskreten Mathematik war das Aufkommen des binr rechnenden Computers, der systembedingt mit diskreten Zustnden arbeitet. Die
Diskrete Mathematik ist daher ein relativ junges Gebiet und hat - nicht zuletzt durch die enge
Beziehung zur Informatik - in den letzten Jahrzehnten einen groen Aufschwung erfahren.
Zu den Kerngebieten der Diskreten Mathematik gehren die Mathematische Logik, Kombinatorik, Graphentheorie, Kodierungstheorie und Kryptografie, sie hat aber auch viele Berhrungspunkte mit Algebra und Zahlentheorie. Im folgenden werden wir uns mit Grundlagen der
Kombinatorik, Graphentheorie und Algebra beschftigen, soweit es in dieser kurzen Darstellung mglich ist. In vielen Curricula fr Informatik wird Diskrete Mathematik in einer eigenen
Vorlesung unterrichtet.

2.1

Kombinatorik

Die Kombinatorik beschftigt sich mit Methoden, die Struktur und Gre verschiedenster (endlicher) diskreter Objekte zu studieren. Wir werden uns hier hauptschlich mit Problemen der
abzhlenden Kombinatorik beschftigen, also mit dem Bestimmen der Anzahl von Objekten
eines bestimmten Typs.
Wir erinnern an die Bezeichnung lAI oder #A fr die Anzahl der Elemente einer (endlichen)
MengeA.

1. Grundaufgaben der Kombinatorik

Fr alle Abzhlverfahren gelten die folgenden drei einfachen Grundregeln.

Ci) Summenregel. Besteht die Menge A aus m Elementen und die Menge Baus n Elementen
und haben A und B keine gemeinsamen Elemente, so besteht die Vereinigung von A und
Baus m + n Elementen:
An B

===?

IA U BI = lAI + IBI.

2 Diskrete Mathematik:

48

(ii) Produktregel. Besteht die Menge A aus m Elementen und die Menge Baus n Elementen, so gibt es genau m ' n Mglichkeiten, Elemente von A und B zu kombinieren, also
geordnete Paare zu bilden:

IA x BI = lAI , IBI
(iii) Gleichheitsregel. Gibt es eine bijektive Entsprechung der Elemente der Mengen A und
B, so sind A und B gleich gro:

3 f : A - B bijektiv

lAI = IBI

Beispiel 2.1 Die Binrzahlen B der Lnge n entsprechen bijektiv den n- Tupeln aus und 1,
also den Elementen der Menge B = {a, I} x {a, I} x .. . x {a, l} = {a , l} n. Wegen der
Gleichheits- und der Produktregel gibt es daher IBI = I{O, l}nl = I{O,l}ln = 2n Binrzahlen
der Lnge n.
6.
Beispiel 2.2 Die Potenzmenge P(A) einer endlichen Menge A = {al,a2, ' " ,an} kann bijektiv auf die BinTzahlen der Lnge n abgebildet werden. Ist Teine Teilmenge von A , so
durchluft man der Reihe nach die Elemente al, a2, . .. von A. Ist al in T enthalten, so schreibt
man an die erste Stelle die Binrzahl 1, sonst O. Entsprechend verfhn man mit den anderen
Elementen. Z.B . entspricht der leeren Menge die BinTzahl 00 .. . 0, der Menge {al} die Zahl
10 . . . 0 usw. Daraus folgt unmittelbar nach Anwendung der Gleichheitsregel, dass es 2n = 21A1
Teilmengen von A gibt, also IP(A)I = 2 1A1 . (Man vergleiche mit dem Beweis von Satz 1.49.)

6.
Bevor wir die angegebenen Regeln systemtatisch anwenden, bentigen wir noch folgende
Notationen.
Definition 2.3 Unter der Fakultt eiDer natrliclien Zahl n ~ 1 (bzw. unter n-Faktorielle)
versteht man das Produkt
n! = 1 . 2 . 3 ... (n ~ 1) n.
Weiters setzt man O! = l.
Der Binomialkoeffizient (~) (in Worten "n ber k") wir~ fr natrliche Zahlen n, k mit
a :5 k :5 n durch
;

(n)k -

n! ' ,

k!(n - k)! '

definiert. Fr n ~ 0 und k < 0 oder k > n setzt man (~) = O.

Man beachte die rekursive Beziehung (n
richtig.

+ 1)! = n! (n + 1) . Diese ist auch im Fall n =

Viele kombinatorische Probleme lassen sich auf Anordnungsprobleme und Auswahlprobleme zurckfhren, wobei bei Anordnungen die Reihenfolge der betrachteten Objekte eine
Rolle spielt, bei Auswahlen hingegen nicht. Die folgenden sechs kombinatorischen Grundauf.
gaben beziehen sich genau auf diese Flle.
Im folgenden sei A = {al, a2, . . . , an} eine Menge mit n Elementen,
(i) Anordnungen ohne Einschrnkung. Die Menge A k der geordneten k-Thpel wird als
die Menge der Anordnungen von Elementen von A der Lnge k interpretiert. Hier ist die

----~

~~

-- --

2.1 Kombinatorik

49

Reihenfolge der Elemente natrlich wesentlich. Wegen der Produktregel gilt jedenfalls
(2.1)

Manchmal bezeichnet man A k auch als Variationen mit Wiederholung oder als "geordnete Auswahl" von k Elementen aus A mit Zurcklegen. Der Begriff "Zurcklegen"
kommt davon, dass es in der Kombinatorik blich ist, eine Menge A als "Urne" und die
Elemente als "Kugeln" bildlich zu beschreiben. Die k-Tupel aus A k knnen nun als geordnete Auswahlen von k Elementen aus A interpretiert werden, wobei man bei jedem
Schritt wieder aUe Elemente ("Kugeln") zur Verfgung hat, also das gewhlte Element
("Kugel") wieder zurckgelegt worden ist.
Beispielsweise gibt es 312 mgliche Tototipps. Hier ist A = {I, 2, X}, n = 3 und k = 12.
(ii) Anordnungen vescbiedener Elemente. Die geordneten k- Tupel von Elementen von A,
wobei alle Elemente verschieden sind, werden als Variationen obne Wiederbolung oder
- wieder mit Hilfe des Urnenbildes - als "geordnete Auswahlen" von kEImenten aus A
ohne Zurcklegen bezeichnet. Offensichtlich muss hier k S; n gelten. Fr die Berechnung der Anzahl dieser Mglichkeiten kann man wieder die Produktregel verwenden, allerdings in einer leicht modifizierten Form. Fr die Auswahl der ersten "Kugel" hat man
alle Elemente aus A zur Verfgung, also n Mglichkeiten. Fr die zweite Stelle kann das
zuerst gewhlte Element nicht verwendet werden, es bleiben daher n - 1 Mglichkeiten,
usw. Insgesamt ergeben sich

n!
n (n - 1) . (n - 2) .. . (n - k + 1) = -(n---k-)!

(2.2)

Auswahlmglichkeiten.
Beispielsweise gibt es 26 . 25 . 24 = 15600 verschiedene (mgliche) Wrter aus 3 verschiedenen Buchstaben (des blichen Alphabets).
(iii) Permutationen einer Menge. Eine Permutation 7r einer Menge A ist eine bijektive Funktion 7r : A ---t A. Besteht die Menge A aus n Elementen, etwa A = {al , a2, ... ,an}, SO
wird 1T' auch durch Angabe der Bilder 1T'(a1L 7r(a2), . . . ,7r(an ) beschrieben. Wegen der
Bijektivitt muss jedes Element aus A in dieser Aufiistung genau einmal auftreten. Eine
Permutation von A entspricht daher geuau einer Anordnung der Elemente von A, wobei
jedes Element gen au einmal auftritt. Mit derselben berlegung wie vorhin erkennt man,
dass es
n!
(2.3)
verschiedene Permutationen einer n-elementigen Menge gibt.
Beispielsweise gibt es 3! = 6 Mglichkeiten, 3 Glser gefllt mit Bier, Schnaps und Wein
nacheinander zu leeren: A = {B, S, W},

BSW, BWS, SBliV, SWB , WBS, WSB.

(iv) Permutationen einer Multimenge. Ein etwas allgemeineres Problem ist es, Anordnun-

gen der Elemente von A zu betrachten, wobei man vorgibt, wie oft ein Element auftreten
soll. Man spricht hier auch von Permutationen einer Multimenge.
Fordert man, dass das Element ai genau ki-mal auftreten soll (1 :s; i :s; n), so gibt es

(k 1 + k2 + ... + kn )!

(2.4)

2 Diskrete Mathematik

50

Mglichkeiten solcher Anordnungen. Dies lsst sich folgendennaen begrnden. Unterscheidet man zunchst die ki gleichen Elemente ai (1 ~ i ~ n) , so gibt es
(k1 +k2 + ...+kn )! mgliche Anordnungen. Davon fhren aber (wegen der Produktregel)
insgesamt k 1 ! k 2 ! . . . kn ! Anordnungen zur selben ursprnglich gesuchten Anordnung, da
alle Umordnungen unter den ki Elementen ai (1 :::; i < n) dieselbe (gesuchte) Anordnung
ergeben.
Beispielsweise knnen 2 Glser Bier, 1 Glas Schnaps und 1 Glas Wein in 4\ /(2\ H l~) =
12 verschiedenen Reihenfolgen getrunken werden:

BBSW, BBWS, BSBW, EWBS, BSWB , BWSB ,

SBBW, WBBS, SBWB, WBSB, SWBB , WS BB.
(v) Auswahlen einer Teilmenge. Eine (ungeordnete) Auswahl von k verschiedenen Elementen einer Menge A ist nichts anderes als eine Teilmenge von A der Gre k. In der Kombinatorik wird so eine Auswahl auch als Kombination ohne Wiederholung bezeichnet.
Hier gibt es

k!

(nn~ k)! - (~)

(2.5)

Mglichkeiten. Das kann auf verschiedene Arten begrndet werden. Z.B. entsprechen
die k~elementigen Teilmengen einer n-elementigen Menge den Binrzahlen der Lnge n
mit k Einsen, also genau den Permutationen einer Multimenge von k Einsen und (n - k)
Nullen. Eine andere Begrndung ist, dass genau k! Anordnungen verschiedener Elemente
einer Auswahl entsprechen.
Es ist auch blich, die Elemente von A gedanklich in eine Urne zu geben und sie als
verschiedene "Kugeln" zu interpretieren. Eine Auswahl von k Elementen entspricht dann
einfach dem "gleichzeitigen" Entnehmen von k Kuglen aus der Urne. Im Gegensatz dazu
wird - bildlich gesprochen - bei einer Anordnung eine "Kugel" nach der anderen aus der
Urne genommen.
Beispielsweise gibt es (~5) = 45!/(6! 39!) = 8145060 mgliche Lottotipps ,,6 aus 45."
Ein Tipp entspricht einer 6-elementigen Teilmenge von A = {I , 2, . .. , 45}.
(vi) Auswahlen einer Teilmultimenge. Entsprechend betrachtet man auch Auswahlen von
Elementen einer Menge A, wo die Elemente von A mehrfach auftreten knnen, also Teilmultimengen der Multimenge A, in der jedes Element von A beliebig oft vorkommt.
Solche Anordnungen werden auch als Kombinationen mit Wiederholung bezeichnet.
Hier kann wieder das Bild der "Urne" verwendet werden. Man stelle sich eine Urne vor,
in der jedes Element von A nicht nur einmal, sondern beliebig oft vorhanden ist, d.h. in
der Urne sind unendlich viele .,Kugeln" vom Typ al, unendlich viele "Kugeln" vom Typ
az etc. Entnimmt man nun dieser Urne in einem Satz k "Kugeln", so entspricht dies genau
so einer Auswahl.
Da die Reihenfolge keine Rolle spielt, knnen wir diese Kugeln der Reihe nach anordnen,
zuerst die Kugeln vom Typ al, dann die Kugeln vom Typ a2, usw. Insgesamt sind dies
k Kugeln. Wir wollen nun diese Kugeln alle wei frben. Damit geht allerdings die Information, welche Kugeln von welchem Typ sind, verloren. Um diese Information nicht
zu verlieren, setzen wir n - 1 schwarze "Trennkugeln" ein. Wir illustrieren das an einem
einfachen Beispiel: Sei A = {al, a2, a3 , a4} eine Menge mit n = 4 Elementen und

2.1 Kombinatorik

51

eine Auswahl von k = 7 Elementen. Nach Einfgen von n - 1 = 3 schwarzen Kugeln an

den Schnittstellen erhalten wir zunchst folgendes Bild:

Jetzt kann man die Elemente (= Kugeln) von A alle wei frben:
0, 0,0 , . , 0, 0, . , . , 0, 0

Offensichtlich ist es sofort mglich, aus dieser Anordnung von k + n - 1 Kugeln die
Auswahl al , al , al , a2 , a2 , a4 , a4 eindeutig zu rekonstruieren . Wegen der Gleichheitsregel
ist daher die Anzahl der Auswahlmglichkeiten von Elementen von A genau der Anzahl
der Permutationen von k weien Kugeln und n - 1 schwarzen Kugeln .:

(n + k - 1)! =
k!(n - 1)!

(n + 1)

kk'

(2.6)

Wir geben noch eine weitere Interpretation solcher Auswahlen. Um eine ungeordnete
Anordnung von Elementen al , a2 , . . . , an zu beschreiben, ist es ausreichend zu wissen,
wie oft die Elemente vorkommen, die Reihenfolge spielt ja keine Rolle. Sei also k i die
Anzahl, wie oft ai vorkommt (1 :::; i :::; n), dann wird eine ungeordnete Auswahl von k
Elementen auch durch das n -Tupel (k l , k2 , . . . , kn ) von natrlichen Zahlen mit der Eigenschaft k 1 + k 2 + ... + k n = k beschrieben. Das heit, eine Kombination mit Wiederholung
entspricht auch einer Komposition einer natrlichen Zahl in n Summanden ki 2': O.
Beispielsweise gibt es (4 + 7 - 1)! / (7! (4 - 1)!) = 120 Mglichkeiten, die Zahl k = 7
als (geordnete) Summe von n = 4 Zahlen ki 2': 0 darzustellen. Ein Beispiel wre 7 =

3+ 2+0+ 2.

2. Der Binomische Lehrsatz

In den Anzahlformeln (2.5) und (2.6) fr die Anzahl von Teilmengen und fr die Anzahl von
Teilmultimengen (bzw. fr die Anzahl von Kombinationen ohne und mit Wiederholung) tritt
der Binomialkoeffizient G) in ganz natrlicher Weise auf. Wir werden uns nun etwas genauer
mit den Binomialkoeffizienten beschftigen, insbesondere mit dem Binomischen Lehrsatz, dem
eigentlichem Namensgeber der Binomialkoeffizienten.

Satz 2.4 Die Binomialkoeffizienten erfllen die Eigenschaften

(i)

Cii)

(iii)

(~) - (~) =

(~) =

1,

(n : k).

(~:~) =

(:)

(k: l}

2 Diskrete Mathematik

52

Beweis. Die Eigenschaften (i) und (ii) folgen unmittelbar aus der Definition. Auch die dritte
Eigenschaft rechnet man fr 0 :::; k < n leicht nach:

(~) + (k: 1) = k!(n~ k)'! + (k + 1)!(:'- k = k!(n -

n!
k - I)!
n!

(1

n- k

I)!

1)

+k+1

n+ 1
k!(n - k - 1)1 . (n - k)(k+ 1)
(n + I)!
(k + l)!(n - k)!

=(~:~).
Ist k < 0 oder k

n, so ist diese Beziehung definitionsgem richtig.

Es besteht ein enger Zusammenhang zwischen den Binomialkoeffizienten und dem so genannten Pascal'schen Dreieck:

k=O k = l k=2 k = 3 k=4 k = 5 .. .

n=O
n=l
n=2
n=3
n=4
n=5

1
1
1
1
1
1

1
2

3
4
5

3
6
10

4
10

1
5

Es wird so gebildet, dass in der O-ten Spalte und in der Hauptdiagonale Einsen gesetzt
werden. Daraufhin berechnen sich alle weiteren Eintragungen jeweils als Summe der beiden
Zahlen, die unmittelbar in der Tabelle darber und links darber stehen. Beispielsweise ist die
Zahl 2 in der Zeile n = 2 und Spalte k = 1 die Summe 1 + 1 von den beiden Zahlen in der
Zeile n = 1 und in den Spalten k = 1 und k = O. Es ist leicht zu sehen, dass auf diesem
Weg das Pascal'sche Dreieck Zeile fr Zeile gebildet wird. Vergleicht man dieses Bildungsgesetz mit Satz 2.4, so folgt direkt, dass die Eintragungen des Pascal'schen Dreiecks mit den
Binomialkoeffizienten bereinsti mroen.

k = O k=l k=2 k=3 k=4 k =5

n=O

(~)

n=l

(~)

G)

n=2
n=3
n=4

(~)

(;)

(;)

(~)

G)

(~)

(i)

(~)

(i)

(~)

(~)

(!)

n=5

G)

G)

G)

(~)

(1)

(~)

..

2.1 Kombinatorik

53

Man beachte, dass aus der rekursiven Beschreibung auch folgt, dass (~) immer eine natrliche Zahl ist, was aus der Definition nicht unmittelbar ersichtlich ist.
Binomialkoeffizienten erfllen zahlreiche weitere Beziehungen. Beispielsweise ist

t (:)

(2.7)

= 2 .

k=O

Auf bei den Seiten der Gleichung werden Teilmengen einer n -elementigen Menge gezhlt, auf
der linken Seite wird nach der Gre k der Teilmengen unterschieden und summiert, und auf der
rechten Seite steht die Gesamtanzahl der Teilmengen. Diese Beziehung hat einen tieferen Hintergrund, der auch den Namen "Binomialkoeffizient" erklrt, den so genannten Binomischen

Lehrsatz.
Satz 2.5 (Binomischer Lehrsatz) Fr n

0 und beliebige X , y E C gilt

(2.8)

D ie Beziehung (2.7) ergibt sich aus dem Spezialfall x

= y = 1. Fr n = 3 lautet (2.8) etwa

Beweis. Man bentzt das Beweisprinzip der vollstndigen Induktion. Die Gleichung (2.8) ist
offensichtlich richtig fr n = 0 (und auch fr n = 1). Man nehme nun an, sie sei fr ein
n > 0 richti'g, dann folgt mittels Anwendung von Satz 2.4 (und unter Beachtung der Konvention
(~l) = (n:l) = 0) die entsprechende Beziehung fr n + 1:

(x + y)"+l = (x

+ y)n(x + y)

t, (:)xn-V(x +
~ t, (:)x-k+lyk + t, (:)x
~

y)

V +1

~ ~ ( (:) + (k ~ 1) ),,H-V
=

~
~

(n +k 1) x

n+l - k k

k=O

2 Diskrete Mathematik

54

[Link]-Exklusions-Prinzip

Im letzen Teilabschnitt ber Kombinatorik beschftigen wir uns mit der allgemeinen Summenregel fr die Berechnung von lAUBI, wenn A und B auch gemeinsame Elemente haben knnen
(und entsprechende Verallgemeinerungen fr mehrere Mengen). Man berzeugt sich leicht, dass
etwa die Beziehung
IAUBI = lAI + IBI - IAnBI
gilt, d.h. zur Bestimmung der Anzahl der Elemente von Au B addiert man zunchst die Anzahl
der Elemente von A und von B (Inklusion) und subtrahiert danach jene Elemente, die man
einmal zuviel aufgenommen hat (Exklusion). Man kann dieses Prinzip folgendermaen exakt

Abbildung 2.1 Vereinigung von zwei Mengen A und B

fassen (siehe Abb. 2.1):

IA U BI = IA \ BI + IA n BI + IB \ AI
= IA \ BI + IA n BI + IB \ AI + IA n BI - IA n BI
= lAI + IBI - IAnBI
Die Situation wird bei drei Mengen etwas aufwndiger. Jedenfalls erhlt man (nach einer
kleinen Rechnung)

IA UB UCI

lAI + IBI + ICI- IA n BI - IA n CI - IB n CI + IA nB n CI

Es zeigt sich schon, wie das Inklusions-Exklusions-Prinzip im allgemeinen aussehen wird.

Tatschlich gilt der folgende Satz.

Satz 2.6 (Inklusions-Exklusions-Prinzip oder Siebformel) Es seien Al , A 2 , _ _ _ An endliche

Mengen. Dann gilt
n

UA

=IA1 UA2 U UAn l

i= l
n

= LIAil -

0;06I~ {1 , 2 , .. _,n}

IAinAjl+

iEI

IAi nAjnAkl

2.1 Kombinatorik

55

Beweis. Man bentzt das Beweisprinzip der vollstndigen Induktion. Die Siebformel ist (wie
bereits bemerkt) fr n = 1 und n = 2 (und auch fr n = 3) richtig. Man nehme nun an, sie sei
fr ein n 2: 2 richtig, dann folgt
n+l

U Ai

i= l

UAi U A +
n

i=l

UAi

+ IA n +1 1-

i:;::l

UA i n A +

n 1

i :;:: l

(_ 1)1 1 1- 1 nAi

0 ~ 1 ~ {1,2 , .. . ,n}

+ IAn+ 11-

(_ 1)1 11- 1 n Ai

07"I ~ {1 , 2, ... ,n}

iE I

nAn+ 1

iEI

JEJ

07" J ~ {1 , 2 , ... ,n+l}

o
Fr die Anwendungen ist folgende Variante des Inklusions-Exklusions-Prinzips auch von
Interesse. Wir setzen jetzt voraus, dass alle Mengen Ai in einem "Universum" E enthalten
sind. l Dann gilt fr das Komplement von Al U A 2 U .. , U An

(Q, 11.)' ~ IEI - Q, A,

i=l

IEI-

(_ 1)11 1- 1 nAi

0#~{1,2 , ... ,n}

(_1)1 11

I ~ {1 , 2 , ... ,n}

wobei der leere Durchschnitt als {X E E IVi E

ergibt sich fr n = 2:

IA' n B'I

0: x

iE I

nAi
iEl

E A i} = E gedeutet wird. Zum Beispiel

lEI - lAI - IBI + IA n BI

Beispiel 2.7 Es ist die Anzahl aller Wrter der Lnge 4 aus den Buchstaben {a , b, c, d, e} gesucht, welche mindestens ein a, b und ein c enthalten.
Wir bezeichnen mit W die Menge aller Wrter der Lnge 4, welche aus den Buchstaben
{a, b, c, d, e} bestehen. Weiters bezeichnen wir mit W a die Menge aller Wrter in Wohne den
Buchstagen a und entsprechend Wb und W c Die Menge der Wrter in vI!, welche mindestens
ein a, bund ein c enthalten, ist nun w~nwtnw~ . Die gesuchte Anzahl ist nach der modifizierten
Variante des Inklusions-Exklusions-Prinzips

IW~

1Wie

n w~ n W~I

IWI - IWal - Ivl1b l - IWcl

+ IWa n Bibi + IH'a n Wcl + IWb n liVcl- IWa n Wb n Wcl.
=

in diesem Zusammenhang blich , bezeichnet A' hier das Komplement E \ A.

2 Diskrete Mathematik

56

Aus der Produktregel folgt unmittelbar IWI = 54 und in analoger Weise IWoI = IWbl = IWcl =
44 , IWa n Wb l = IWa n Wcl = IWb n Wcl = 34 und IWa n Wb n Wcl = 24 Es gibt daher
54 -

3 .44 + 3 . 34

24 = 84

gesuchte Wrter.
Beispiel 2.8 Ein bekanntes Denksportproblem beschftigt sich mit folgender Frage. Eine Gruppe von Personen besucht ein Konzert, und jede Person gibt ihren Schirm an der Kasse ab. Nach
dem Konzert bekommt jede Person zufllig irgendeinen Schirm zurck. Die Frage ist, wie gro
ist die Wahrscheinlichkeit, dass kein einziger Konzertbesucher seinen eigenen Schirm zurck
bekommt. Man wrde erwarten, dass diese Wahrscheinlichkeit bei einer sehr groen Personenzahl immer geringer wird. Tatschlich stellt sich heraus, dass dann in etwa 37 % aller mglichen
Flle keiner seinen eigenen Schirm zurck erhlt.
Mathematisch gefasst ist die Frage etwas anders zu formulieren. Es geht um das Problem,
wie viele Permutationen von n Elementen es gibt, so dass kein Element an seiner ursprnglichen
Position steht. Man spricht auch von fixpunktfreien Permutationen.
Es bezeichne nun P die Menge aller Permutationen von n Elementen {I , 2, . . ' , n } und Pj
(1 < j ~ n) die Menge der Permutationen aus P , wo das Element j (aber nicht unbedingt nur
d'eses) wieder an dieselbe Stelle kommt. Folglich ist IPI = n! und IPj l = (n - I )!.
Die fixpunktfreien Permutationen sind jetzt genau jene, wo 1 nicht auf I, 2 nicht auf 2
gesetzt wird etc., also genau die Menge
p~

n P~ n ... n P~ ,

Fr die Anzahlbestimmung verwenden wir das Inklusions-Exklusions-Prinzip. Dafr mssen

wir Durchschni tte der Mengen P j betrachten. Ist I ~ {I , 2, . . . , n} so beschreibt n iE! Pi gerade
jene Permutationen, wo die Elemente aus I sicher fest gehalten werden. Die anderen n - 111
Elemente knnen aber beliebig um geordnet werden. Daher gilt

n~ = (n - lI!)!.
i EI

Daraus folgt direkt

IP~ n P~ n .. n P~I

(- 1) 111 n~

1 ~ {1 , 2 , .. . ,n }

iE J

t(-l/(:) (n -

k)!

k:;;:O

(-l)k

-- n''''-k! .
. ~

k=O

Schlielich beachte man, dass L~=o ( -k~)k die Partial summe der unendlichen Reihe

(_l)k
L- k!
00

- 1

,,-- = e
k=O

1
= e

= 0.367879 "

2.2 Graphentheorie

57

ist (siehe Abschnitt 4.4). Daher gilt fr entsprechend groe n

1PII n P2' n ... n Pn'I

nt

~ -

0.37 . n!

Anders .a usgedrckt bedeutet dies, dass - wie bereits angedeutet - ungefhr 37 % aller Permutationen fixpunktfrei sind, also weit mehr, als man erwarten wrde.
b.

Beispie12.9 In Abschnitt 1.2 wurde bereits die Eulerscbe tp-Funktion

ip(m ) = I{ a E Z 11 ::; a ::; m, ggT(a, m) = 1}1
kurz besprochen. Insbesondere gibt es eine einfache Berechnungsformel (siehe Satz 1.34). Ist
m = p~ 1 ... p~r die Primfaktorenzerlegung von m (d.h. die Pj E lP sind paarweise verschieden
und ej > 0), dann gilt

l'

= m - ",m. + ~ ~~" ' +(-lr

m
~
P
~ P P
PIP2 . .. Pr
j =l J
1:5j1<J2:5r )1 )2

(2.9)

Diese Formel kann leicht mit Hilfe des Inklusions-Exklusions-Prinzips bewiesen werden.
Sei E = {I , 2, . . . ,m}, und fr 1 ::; j ::; r bezeichne A j die Menge jener Zahlen in E, die
durch Pj teilbar sind. Offensichtlich gilt IAj l = m/pj (man beachte, dass m durch Pj teilbar
ist). Ist weiters I eine Teilmenge von {1 , 2, . .. ,r}, so besteht n jE I A j genau aus jenen Zahlen
in E, die durch alle Pj' j E I und damit (da alle Pj paarweise veschieden sind) auch durch das
Produkt fI jEI Pj teilbar sind. Also gilt

Wendet man das Inklusions-Exklusions-Prinzip auf ip(m) =

die Darstellung (2.9).

2.2

/n;=lAj / an, so erhlt man direkt

b.

Graphentheorie

Die Graphentheorie hat sich in den letzten Jahrzehnten zu einem auerordentlich wichtigen
Anwendungsgebiet der Mathematik, insbesondere in der Informatik, entwickelt. Graphen modellieren u,a. Netzwerke verschiedenster Art, aber auch Datenstrukturen. Daher spielen auch
Algorithmen auf Graphen eine groe Rolle. Im folgenden geben wir eine kurze EinflU'ung in
die grundlegenden Konzepte und Anwendungen der Graphentheorie.

2 Di krete Mathematik

58

1. Grundlegende graphen theoretische Begriffsbildungen

Definition 2.10 Ein Graph G == (~E) besteht aus einer endlichen Knotenmenge V V(G) und einer endlichen Kantenmenge E = E(G).a Dabei ist eine Kante e E E(G) entweder gerichtet, d.h. ein geordnetes Paar e = (VI, V2) von zwei Knoten VI , V2 E V (G), c:xter
ungerichtet, d.h. ein ungeordnetes Paar e = {VI, V2} = VI V2 von zwei Knoten VI V2 E V (G).
Im gerichtete Fall heit VI Anfangsknoten und V2 Endknoten von e.
Sind alle Kanten e E E( G) gerichtet, so spricht man von einem gerichteten Graphen, sind
hingegen alle Kanten e E E( G) ungerichtet, so heit Gungerichteter Graph.
DEs knnen aijch Graphen mit unendlicher Knoten- bzw. unendlicher Kantenmenge betrachtet werden.

Abbildung 2.2 Beispiel eines Graphen mit gerichteten und ungerichteten [Link]

In Definition 2.10 sind auch Kanten der Form (v, v) (bzw. {v )v} = {v} = vv ) zugelassen.
So eine Kante heit Schlinge. In vielen Zusammenhngen ist es sinnvoll , eine ungerichtete Kante e = {V I, V2} als Zusammenfassung zweier gerichteter Kanten, also e = {(V I , V2) (V2 VI)}
zu sehen (vgl. Abb. 2.3).

Abbildung 2.3 Interpretation einer ungerichteten Kante als Paar gerichteter Kant n

Ein Graph ist brigens eine alternative Beschreibung einer binren Relation auf einer Menge

V. Dabei beschreibt ein gerichteter Graph eine allgemeine Relation und ein ungerichteter Graph
eine symmetrische Relation.
Sind zwei Knoten v, weines Graphen durch eine Kante verbunden, so heien V und w
auch adjazent. Weiters inzidieren Knoten v , w mit einer Kante, die sie verbindet. Die Anzahl
der Knoten eines Graphen G wird auch mit a o(G) = IV (G) I und die Anzahl der Kanten mit
Ql(G) = IE(G) I bezeichnet.
Es ist auch mglich, Graphen mit Mehrfachkanten zu betrachten. Hier kann man aber
Kanten nicht mehr mit Paaren von Knoten identifieren. Einer allgemeinen Kante e werden zwei
Knoten VI) V2 zugeordnet, die als Anfangs- bzw. Endknoten interpretiert werden knnen. Zwei
verschiedene Kanten knnen daher (in diesem Rahmen) durchaus dieselben Anfangs- und Endknoten besitzen.

2.2 Graphentheorie

59

Definition 2.11 Ein Graph G ~ (V, E) heit schlicht oder einfach, wenn G keine Schlingen
und keine Mehrfachkanten enthlt.

Definition 2.12 In einem schlichten ungerichteten Graphen G heien die zu v E V (G) adjazenten Knoten

r(v)

{w E V(G) Ivw E E(G)}

Nachbarn von v. Die Anzahl

d(v) .

Ir(v)1 = I{w E V(G) Ivw E E(G)} I

der Nachbarn von v E V (G) ist der Knotengrad von v E V (G).

In einem gerichteten Graphen G heien die Elemente von

r +(v) =
Nachfolger des Knotens v

{w E V(G) I (v, w) E E(G)}

V(G) und

r - (v) = {w

V(G) I (w,v) E E(G)}

Vorgnger von v E V(G). f(v) = r +(v) u

r~ (v) bilden die Nachbarn von

Anzahl

d+(v) = Ir+(v)1

I{w

v E V(G). Die

V(G) I(v, w) E E(G)} I

der Nachfolger von v E V(G) ist der Weggrad von v, also die Anzahl der Kanten, die von v
wegfhren. Die Anzahl

d- (v) = I{w E V(G) I(w ,v) E E(G)}I

der Vorgnger von v E V (G) ist der Hingrad von v, also die Anzahl der Kanten, die zu v
hinfhren.
Man beachte, dass bei gerichteten Graphen in dieser Definition Schlingen zugelassen sind.
Lsst man auch im ungerichteten Fall Schlingen zu, so mssen diese bei der Gradberechnung
doppelt gezhlt werden.
Satz 2.13 (Handschlaglemma) In einem schlichten ungerichteten Graphen G gilt

'L

d(v) = 2IE(G)I

vEV(G)

In einem gerichteten Graphen G gilt hingegen

vE V(G)

VE V (G)

Beweis. In einem schlichten ungerichteten Graphen verbindet jede Kante genau zwei verschiedene Knoten. Denkt man sich alle Kanten in der Mitte "aufgeschnitten", so zerfllt der Graph
in lauter "Sterne", wobei die Anzahl der "Halbkanten", die mit einem Knoten verbunden sind ,
genau dem Grad des jeweiligen Knoten entsprechen. Bildet man daher die Summe ber alle
Knotengrade, so wird jede Kante zweimal gezhlt.

2 Diskrete Mathematik.

60

Bildet man hingegen bei einem gerichteten Graphen di Sunm1e ber alle Weggrade, so
zhlt man jede Kante genau einmal. Entsprechendes gilt fr die Hingrade.
0
Definition 2.14 Ein Graph G' = (V', E') heit Teilgraph eines Graphen G = (V, E) wenn
V' ~ V und E' ~ E gelten.
Ein Teilgraph G' = (V', E') eines Graphen G = (V, E) heit induzierter Teilgraph. wenn
E' alle Kanten aus E enthlt, fr die Anfangs- und Endknoten in V' liegen. d.h., E' muss
nicht extra angegeben werden, sondern wird durch Vorgabe von G und V' induziert.
Definition 2.15 Eine Folge von Kanten el ) e2, .. . ,ek E E( G) eines ungerichteten Graphen
G heit Kantenfolge, wenn es Knoten v, VI, V2,"" Vk-ll W E V(G) mit

gibt, d.h., man kann die Kanten 61 , 62, .. , ek "ohne Absetzen" durchlaufen. Man sagt au~
dass die Kantenfolge ej (1 :5 j :5 k) die Knoten v und w verbindet. Die Anzahl k der Kanten
ist die Lnge der Kantenfolge. Eine Kantenfolge der Lnge 0 besteht aus keiner Kante und
wird als leere Kantenfolge bezeicbnet. Si~ verbindet jeden Knoten mit sich selbst.
Eine Folge von Kanten eb e2, .. , ; ek E E(G) eines gerichteten Graphen G heit Kantenfolge, wenn fr je zwei aufeinander folgende Kanten ej, ej+l (1 ~ j < k) der Endknoten von
ej mit dem [Link] von ej+l bereinstimmt, d.h., es gibt Knoten V Vl , V2 , ' .. , Vk-l, W
mit
el =

(v, vd, e2 = (Vb V2),'

.. , ek-l

= (Vk- 2, Vk-l) , ek =

(Vk - l , w).

Wiederum spricht man von einer Kantenfolge, die die [Link] V und w verbindet, v ist der
Anfangsknoten und w der Endknoten. Ebenso ist k die Lnge der Kantenfolge.
Ein Knoten w ist von einem Knoten v aus erreichbar, wenn es eine Kantenfolge gibt. die v
mit w verbindet.
Eine Kantenfolge el, e2, .. ) ek E E(G) in einem Gr,aphen G heit Kantenzug, wenn alle
Kanten ej (1 ~ j ::; k) voneinander verschieden sind.
Eine Kantenfolge el, e2! . . . , ek E E( G) in einem Graphen G heit Weg (in einem ungerichteten Graphen) bzw. Bahn (in einern gerichteten: Graphen), wenn alle Knoten, die durch die
Kantenfolge eI, e2, ... , ek durchlaufen werden, voneinander verschieden sind.
Eine Kantenfolge, die einen Knoten v E V (G) mit sich selbst verbindet, heit geschlossen.
Eine geschlossene Kantenfolge in einem ungerichteten Graphen heit Kreis, wenn alle Knoten dieser Kantenfolge mit Ausnahme von v, der gleichzeitig Anfangs- und Endknoten ist,
voneinander verschieden sind und keine Kante mehrfach vorkommt. (Der Zusatz, dass keine
Kante mehrfach vorkommt, ist nur notwendig, um die K~ntenfolge el = VVl , e2 = Vl v auszuschlieen.) Eine geschlossene Kantenfolge in einem gerichteten Graphen heit Zyklus, wenn
alle Knoten dieser Kantenfolge mit Ausnahme von v voneinander verschieden sind.
Die folgenden beiden Stze geben einfache Zusammenhnge zwischen Wegen (bzw. Bahnen) und Kantenfolgen wieder (die Beweise sind einfach und werden als bungsaufgaben 2.14
und 2.15 empfohlen).

- --~ --------------------------------

2.2 Graphentheorie

61

Satz 2.16 Werden in einem Graphen G zwei verschiedene Knoten v, w durch eine Kantenfolge
verbunden, so gibt es auch einen Weg (bzw. eine Bahn), der (die) v mit w verbindet und nur
Kanten aus der ursprnglichen Kanten/olge enthlt.

Satz 2.17 Gibt es in einem ungerichteten Graphen G zwei verschiedene Knoten v, w und zwei
verschiedene Wege, die diese Knoten verbinden, dann gibt es einen. Kreis positiver Lnge, der
[Link] Kanten aus diesen beiden Wegen enthlt.
Gibt es in einem gerichteten Graphen G eine geschlossene Kanten/olge positiver Lnge, so
gibt es auch einen Zyklus positiver Lnge, der nur Kanten aus der ursprnglichen geschlossenen
Kanten/olge enthlt.
Fr die folgende Definition verwenden wir bereits den Begriff einer quadratischen Matrix,
also eines quadratischen Schemas A aus n Spalten und Zeilen mit Eintragungen aij in der i -ten
Zeile und j-ten Spalte (vergleiche mit Kapitel 3).

Definition 2.18 Sei G ein Graph mit Knotenmenge V(G) = {Vi , V2,
matrix A(G) = (aij) ist eine quadratische n x n-Matrix mit
a .. _
~.1 -

-----

{I fr. (Vi,Vj) EE(G) bzw. ViVj

.

... ,

v1t }. Die Adjazenz-

E E(G) ,

0 sonst.

Man beachte, dass die Adjazenzmatix eines ungerichteten Graphen immer symmetrisch ist,
also aij = aji Schlingen uern sich in der Adjazenzrnatrix durch Eintrge aii = 1 in der
Diagonalen. Schlichte ungerichtete Graphen haben daher eine symmetrische Adjazenzmatrix
mit verschwindender Diagonale aii = O. Es ist auch sinnvoll, Graphen mit Mehrlachkanten
eine Adjazenzmatrix zuzuordnen, wo aij die Anzahl der Kanten von Vi nach Vj bezeichnet.

Beispiel 2.19 Die Adjazenzmatrix des Graphen (mit Schlinge) aus Abb. 2.4 ist

A(G)~O ~

~
1
2
3
Abbildung 2.4 Beispiel eines ungerichteten Graphen mit Schlinge

Mit Hilfe der Adjazenzrnatrix A( G) eines Graphen lassen sich die Knotengrade ablesen. Ist
G schlicht und ungerichtet, so gilt
n

d(Vi ) = Laij = Laji .

j=l
j=1
Ist G gerichtet, so gilt entsprechend
n

d+(Vi ) =

I: aij
j=l

und

d-(Vi) = L aji
j=l

2 Diskrete

62

Mathematik

Weiters kann mit Hilfe der Potenzen der Adjazenzmatrix (vergleiche mit Definition 3.22)
die Erreichbarkeit beschrieben werden. Ist nmlich aijl die Anzahl der Kantenfolgen der Lnge
k von Vi nach Vj, so ist (siehe bungsaufgabe 3.13)

A(G)k = (a~~I )
d.h., ist das (i) j) -te Element der k-ten Potenz von A( G) positiv, so gibt e eine Kantenfolge
von Vi nach Vj. In diesem Fall folgt nach Satz 2. 16, dass es auch einen Weg (bzw. eine Bahn)
von Vi nach Vj gibt. Die Lnge eines Weges (bzw. einer Bahn) kann aber nicht lnger als lEI
bzw. lVI - 1 sein. Berechnet man also
m

C-

(Ci j)

=L

A(G)k

m = min{I E(G)1, IV(G)I - I}

mit

k=O

o ist Vj von Vi genau dann erreichbar, wenn

~j

> 0 ist.

Definition 2.20 Ein ungetichteter Graph G heit zusammenhngend, wenn es zwi chen je
zwei Knoten V, w E V(G) eine Kantenfolge von V nach w gibt. Die maximalen zusammenhngenden Teilgraphen eines ungerichteten Graphen G heien (Zusammenhangs-) Komponenten von G.
Ein Graph G ist daher genau dann zusammenhngend, wenn er nur au einer Zusammenhangskomponente besteht.

Abbildung 2.5 Zusammenhangskomponenten eines ungerichteten Graphen

Definition 2.21 Ein gerichteter Graph G heit stark zusammenhngend, wenn ftir je zwei
verschiedene Knoten v, W E V (G) eine (gerichtete) Kantenfolge von V nach w existiert.
Ein gerichteter Graph G heit schwach zusammenhngend, wenn fr je zwei verschiedene
Knoten v , W E V(G) eine Folge von Kanten existiert, die bei Missachtung der Richtung der
Kanten v und w verbindet.
Die maximalen stark zusammenhngenden Teilgraphen eines gerichteten Graphen G heien
starke Zusammenhangskomponenten oder Komponenten des starken Zusammenhangs
von G. Entsprechend heien die maximalen ~chwach .zusammenhngenden Teilgraphen eines
gerichteten Graphen G schwache Zusammenhangskomponenten oder Komponenten des
schwachen Zusammenhangs von G.

_._----

Abbildung 2.6 Stark zusammenhngender Graph und ein schwach (aber nicht stark) zusammenhngender Graph

2.2 Graphentheorie

63

2. Bume und Wlder

Definition 2.22 Ein schlichter ungerichteter Graph W, der keine Kreise positiver Lnge enthlt, heit Wald. Ein Wald T, der auch zusammenhngend ist. heit Baum.
Offensichtlich sind die Zusammenhangskomponenten eines Waldes Bume. Man beachte,
dass es in einem Baum T zu je zwei Knoten v, w genau einen Weg von v nach w gibt. Da T
zusammenhngend ist, muss es einen Weg von v nach w geben. Gbe es aber einen weiteren

o
Abbildung 2.7 Beispiel eines Waldes

Weg, so msste es (wegen Satz 2.17) auch einen Kreis positiver Lnge geben, was aber definitionsgem ausgeschlossen ist. Die Lnge dieses Weges bezeichnet man als den Abstand
dT(V, w) zwischen den Knoten v und w.

Satz 2.23 Fr einen Baum T gilt

(2.10)
Entsprechend gilt fr einen Wald W mit k Komponenten

ao(W) = al (VV)

+ k.

(2.11)

Beweis. Es gengt, die Beziehung (2.10) fr einen Baum zu zeigen. Bei einem Wald gilt (2.10)
dann fr jede der k Komponenten, und (2.11) folgt durch Summation.
Der Nachweis von (2.10) erfolgt nun mit vollstndiger Induktion ber die Anzahl n =
ao(T) der Knoten von T. Offensichtlich gilt (2.10) fr n = l. Man nehme nun an, dass (2.10)
fr alle Bume mit n Knoten gilt. Ist nun T ein Baum mit ao(T) = n + 1 Knoten, so hat T
sicher einen Knoten v mit Knotengrad d(v) = 1, einen so genannten "Endknoten" (vergleiche
mit bungsaufgabe 2.24). Entfernt man diesen Knoten v gemeinsam mit der einzigen Kante,
die von v wegfhrt, so erhlt man wieder einen Baum T' mit ao(T') = ao(T) - 1 = n und
al (T') = al (T) - 1. (Man beachte, dass T' wieder zusammenhngend ist.) Aus der Induktionsvoraussetzung folgt ao(T') = a}(T') + 1 und damit ao(T) = a:o(T') + 1 = a:l(T') + 2 =
al(T) + 1.
0

Zeichnet man in einem Baum einen Knoten W E E(T) als so genannte Wurzel aus, so
kann man sich die Struktur eines Baumes sehr einfach verdeutlichen. Platziert man in einer
graphischen Darstellung die Nachbarn von woberhalb von w und deren Nachbarn (mit der
Ausnahme w) wieder darber, usw., so entsteht tatschlich ein Bild, das einem "Baum" hnelt

2 Diskrete Mathematik

64

(vergleiche mit Abb. 2.8). Man beachte, dass hier tatschlich von jedem Knoten in neue Knoten
verzweigt wird, da ein Baum definitionsgem kreisfrei ist. Manchmal wird ein Wurzel baum
auch als gerichteter Graph interpretiert, in dem alle Kanten von der Wurzel weg gerichtet sind.

Abbildung 2.8 Wurzelbaum und Binrbaum

Wurzelbume spielen in der Informatik eine groe Rolle. So bilden z.B. die Ordner auf der
Festplatte in einem Computer einen Wurzelbaum. Man unterscheidet in Wurzelbumen zwichen externen Knoten (die auch Bltter oder Endknoten genannt werden), das sind Knoten
vom Knotengrad 1, und internen Knoten. (Die Wurzel betrachtet man als externen Knoten,
wenn sie Grad 0 hat, sonst zhlt sie zu den internen Knoten.) Diese Unterscheidung ist insbesondere bei so genannten Binrbumen von Bedeutung, die z.B. als Datenstrukturen (binre
oder digitale Suchbume, TRIES etc.) auftreten. Bei Binrbumen haben alle Knoten (mit Ausnahme der Wurzel) Knotengrad 1 oder 3, die Wurzel hat Knotengrad 2 (bzw. 0, wenn der Baum
nur aus der Wurzel besteht). Ein interner Knoten v hat daher Knotengrad 3, jener Nachbarknoten, der auf der Verbindung zur Wurzel liegt, heit Vorgnger von v, und die beiden anderen
Nachbarknoten heien Nachfolger von v, wobei die "Links-Rechts-Reihenfolge" der beiden
Nachfolger eine Rolle spielt; vergleiche auch mit Abb. 2.8, wo die externen Knoten eines Binrbaurns durch 0 und die internen Knoten durch 0 dargestellt werden.

3. Euler'sche und Hamiliton'sche Linien

Definition 2.24 Eine Kantenfolge in einem (gerichteten oder ungerichteten) Graphen G heit
Euler'sche Linie, wenn sie jeden Knoten und jede Kante enthlt, und zwar jede Kante genau
einmal. Ein Graph wird als Euler'scber Graph bezeichnet, wenn er eine Euler'sehe Linie
besitzt.
Bei einer geschlossenen Euler'scben Linie stinlmen Anfangs- und Endknoten berein, bei
einer otTenen Euler'schen Linie sind sie verschieden.
Grob gesprochen bedeutet die Existenz einer Euler'schen Linie, dass die Kanten von G "in
einem Zug" ohne Absetzen gezeichnet werden knnen. Interessanterweise kann die Existenz
einer Euler'schen Linie sehr leicht mit den Knotengraden berprft werden. Es ist also mglich,
durch eine "lokale Bedingung" eine "globale Eigenschaft" zu erhalten.

-----------2.2 Graphentheorie

=============---~~

65

Satz 2.25 Ein ungerichteter Graph G besitzt genau dann eine geschlossene Euler'sche Linie,
wenn G zusammenhngend ist und alle Knotengrade d( v) (v E V (G)) gerade sind.
Ein ungerichteter Graph G besitzt genau dann eine offene Eu/er'sehe Linie, wenn G zusammenhngend ist und mit der Ausnahme von zwei Knoten Wl, W2 E V(G) mit ungeradem
Knotengrad alle brigen Knotengrade d(v) (v E V(G) \ {Wb W2}) gerade sind.

Abbildung 2.9 Ungerichteter Euler'scher Graph und Euler'sche Linie

Satz 2.26 Ein gerichteter Graph G besitzt genau dann eine geschlossene Euler'sehe Linie,
wenn G schwach zusammenhngend ist und fr alle Knoten v E V(G) Hin- und Weggrad
gleich sind: d+(v) = d- (v) .
Ein gerichteter Graph G besitzt genau dann eine offene Euler'sche Linie, wenn G schwach
zusammenhngend ist und mit der Ausnahme von zwei Knoten WI, W2 E V(G), fr die
d+(WI) = d- (WI) + 1 und d+(W2) = d- (W2) - 1 gilt, bei allen brigen Knoten v E
V (G) \ {WI , W2} Hin- und Weggrad gleich sind: d+(v) = d- (v) .
Beweis. Wir untersuchen nur einen gerichteten schwach zusammenhngenen Graphen, der die
Bedingung d+(v) = d- (v) fr alle Knoten v E V (G) erfllt. Alle anderen Flle lassen sich auf
diesen Fall zurckfhren bzw. sind ganz hnlich zu behandeln.
Wir bentzen wieder vollstndige Induktion ber die Anzahl m = 0:1 (G) der Kanten. Bei
m = 0 besteht der Graph nur aus einem Knoten, und eine Euler'sche Linie ist eine leere Kantenfolge. Sei jetzt also G ein gerichteter Graph mit m 2:: 1 Kanten, und man nehme an, dass
der Satz fr alle gerichteten Graphen mit weniger als m Kanten gilt Es ist nun immer mglich, eine nicht-leere geschlossene Kantenfolge zu finden, wo keine Kante melufach verwendet
wird. Dazu beginnne man in irgendeinem Knoten VI . Da G schwach zusammenhngend ist,
gilt d+(Vl) = d- (vd > O. Also kann man einen Knoten V2 mit (VI , V2) E E(G) finden. Da
es eine Kante von VI nach V2 gibt, muss es wegen der Bedingung d+(V2) = d- (V2) auch eine
Kante von V2 zu einem Knoten V3 geben. Man entfernt nun die Kanten (VI , V2) und (V2 , V3) aus
dem Graphen G. Dadurch werden die Knotengrade im Graphen verringert, allerdings bleibt die
Balance zwischen Hin- und Weggrad im Knoten 'U2 erhalten, da sowohl Hin- als auch Weg grad
jeweils um 1 reduziert werden. Ist nun V3 =f VI, so verfhrt man in derselben Weise weiter.
Es gibt sicher einen Knoten V4 mit einer Kante (V3, V4) E E(G), die wieder entfernt wird. Die
Knotengradbedingung ichert, dass man dieses Verfahren fortsetzen kann , solange man in einem Knoten v =f VI gelandet 1St. Da G endlich ist, muss man aber nach endlich vielen Schritten
wieder nach VI zurckkehren. Es gibt also, wie behauptet, eine geschlossene Kantenfolge K in
G, wo keine Kante mehrfach verwendet wird.
Ist K = E( G), so hat man bereits eine Euler'sche Linie gefunden. Andernfalls betrachte
man GI = G \ K. Die er Graph ist zwar mglicherweise nicht mehr schwach zusammenhngend, aber auch in GI gilt noch immer die Bedingung dt;, (v) = d(j, (v) f"r alle v E V (G'), da in

2 Diskrete Mathematik

66

jedem Knoten beim Entfernen von K sowohl Hin- als auch Weggrad jeweils um denselben Betrag verringert werden. Aus der Induktionsvoraussetzung folgt, dass jede schwache Zusammenhangskomponente Gj von G' eine geschlossene Euler'sche Linie K j besitzt. Da GI U K = G
schwach zusammenhngend ist, muss jedes K j mit K wenigstens einen Knoten vj gemeinsam haben. Es ist daher mglich, die Kantenfolge K im Knoten vj zu "unterbrechen" und die
geschlossene Kantenfolge K j "einzuhngen". Fhrt man dies fr alle j durch, so erhlt man
insgesamt eine Euler'sche Linie von G.
0

Abbildung 2.10 Gerichteter Euler'scher Graph und Euler'sche Linie

Definition 2.27 Eine Kanteofolge in einem (gerichteten oder ungerichteten) Graphen G heit
Hamilton'sche Linie~ wenn sie jeden Knoten ([Link] mglichen Ausnahme, dass Anfangsund Endpunkt bereinstimmen) genau ei~ enthijlt. Ein Graph wird als Hamilton'scber
Graph bezeichnet, wenn er eine Hamilt0n'sche Linie besitzt.
Bei einer geschlossenen Hainilton'schen Linie stimmen Anfangs- und Endknoten berein.
bei einer offenen Hamton'sclien Linie sind sie verschieden.
Im Gegensatz zu den Euler'schen Linien gibt es (bis beute) noch kein allgemeines Kriterium fr die Existenz von Harnilton'schen Linien. Es gibt aber viele Stze, die hinreichende
Bedingungen fr die Existenz einer Hamilton'schen Linie angeben. Als Beispiel dafr sei der
folgende Satz (ohne Beweis) angegeben.

Abbildung 2.11 Hamilton 'scher Graph und Hamilton'sche Linie

Satz 2.28 Sei G ein schlichter ungerichteter Graph mit n Knoten, so dass fr alle Knotenpaare
x f y E V(G), die in G nicht durch eine Kante verbunden sind, d.h. (x f y ) (j. E (G),

d(x) + d(y) '2 n

gilt. Dann gibt es in G eine geschlossene Hamilton'sche Linie.

2.2 Graphentheorie

67

4. Netzwerke
Netzwerke sind gerichtete oder ungerichtete Graphen C = (V, E), wo jeder Kante e E E ein
Wert w(e) E :IR. zugeordnet wird. Dieser Wert kann je nach Anwendung als Lnge, Kosten,
Kapazitt, Gewicht etc. gedeutet werden. Netzwerke spielen gerade in den Anwendungen der
Graphentheorie eine groe Rolle. Formal ist eine solche Bewertung eine Funktion W : E -;, :IR..
Anstelle der gewhnlichen Adjazenzmatrix A( G) betrachtet man auch die bewertete Adjazenzmatrix Aw(C) = (W(Vi, Vj)h:<:;iJ:<:;n . Hier ist jedoch genau zu definieren, welche Bedeutung ein
Eintrag w( Vi, Vj) = 0 hat.
Im folgenden werden wir uns mit zwei einfachen Algorithmen fr Netzwerke beschftigen,
mit dem Kruskal-Algorithmus zur Bestimmung eines minimal'en Gerstes und dem DijkstraAigorihmus zur Bestimmung eines krzesten Weges.
Definition 2.29 Ein spannender Baum rr eines schlichten ungericbteten zusammenhngenden Graphen G ist ein Baum mit V(T) . V(C) und E(T) ~ E(G), d.h. er enthlt dieselben
Knoten wie G und gewisse Kanten von G.
Ein Gerst oder spannender Wald Weines schlichten ungerichteten Graphen G ist ein Wald
mit V(W) = V(G) und E(W) ~ E(G) und denselben Zusammenhangskomponenten wie
G~ d .h., schrnkt man W auf eine Zusammenhangskomponente K von G ein, so ist diese
Einschrnkung ein spannender Batim von K.
Ist G ein bewerteter Graph, so bezeichnet man ein GerUst W als minimales Gerst, wenn die
Summe aller Kantengewichte des Gerstes

w(W) =

w(e)

eEE(W)

unter allen mglichen Gersten von G kleinstmglich ist

~----------~------------------~

Abbildung 2.12 Gerst eines Graphen mit 3 Zusammenhangskomponenten

Ein Graph hat blicherweise sehr viele verschiedene Gerste. Beispielsweise hat der so
genannte vollstndige Graph K n aus n Knoten und allen mglichen n(n - 1)/2 Kanten nn- 2
verschiedene spannende Bume. Es scheint daher sehr aufwndig zu sein, ein minimales Gerst
zu finden . Tatschlich stellt sich heraus, dass es relativ leicht mglich ist, ein solches effektiv zu
finden. Die Idee ist, ein minimales Gerst Schritt fr Schritt aufzubauen. Man sortiert zuerst die

2 Diskrete Mathematik

68

Kanten nach steigendem Gewicht und betrachtet einmal eine Kante el mit kleinstmglichern
Gewicht. (Wre die kleinste Kante nicht im minimalen Gerst enthalten, so knnte man sie austauschen und erhielte ein Gerst mit noch kleinerem Gewicht.) Man setzt nun die (nach ihrem
Gewicht sortierten) Kanten der Reihe nach in den Graphen ein. Bei jedem Schritt prft man
nach, ob durch Einsetzen dieser Kante ein Kreis mit den bisher eingesetzten Kanten entstehen
wrde. Wenn ja, dann entfernt man diese Kante, wenn nein, dann belsst man sie im Graphen.
Auf diese Weise erhlt man schlielich ein minimales Gerst ltV. 2
Kruskal-Algorithmus:
]. Man nummeriere die Kanten E = {eI, e2 , ... ) em } nach steigendem Gewicht:

2. Setze E' :=

0 und j

:= 1.

3. Ist der Graph (V, E' U {ej} ) kreisfrei, so setze E'

:=

E' U {ej }.

4. Ist IE'I = IVI - l ader j = m, so wird der Algorithmus beendet und W = (V, EI) ist ein
minimales Gerst von G. Andernfalls setze j := j + 1 und gehe zu Schritt 3.
In Abb. 2.13 i t ein minimales Gerst eines Netzwerks, das sehr einfach mit Hilfe des
Kru kaI-Algorithmus gewonnen werden kann, eingezeichnet.
Wegen Satz 2.23 hat jedes Gerst von G genau lVI - k Kanten, wobei k die Anzahl der
Zusammenhangskomponenten bezeichnet. Ist k bekannt, so kann im Schritt 4. abgebrochen
werden, wenn E' bereits j = IV I - k Kanten enthlt.
Der Kruskalalgorithmus ist ein so genannter Greedy-Algorithmus, d.h., in jedem Schritt
versucht man - in "hungriger" Weise - jene Kante mit minimal mglichem Gewicht einzusetzen
(so dass kein Kreis entsteht). Analog bestimmt man auch maximale spannende Bume bzw.
Gerste. Man muss in 1. die Kanten nur nach fallendem Gewicht ordnen. 3

Abbildung 2.13 Beispiel eines minimalen Gersts

2Fr einen formale n Beweis, dass dieses Verfahren stets ein minimales Ger t liefert, bentzt man die Eigen~
chafl, das ein Gerst W genau dann minimal ist, wenn fr jede Kante e auerhalb von 'VV auf dem (eindeutig
bestimmten) Kreis Cw(e), der nur aus Kanten von W und aus e besteht, die Beziehung w(e) ~ w(f) fr alle
Kanten f E Cw (e ) gilt
3Hier wrde das Wort "greedy" noch besser passen, da hier jeweils ver ucht wird, eine Kante mit maximal
mglichem Gewicht einzusetzen.

2.2 Graphentheorie

69

Als nchstes beschftigen wir uns mit der Distanz bzw. mit krzesten Wegen zwischen zwei
Knoten.

Definition 2.30 Sei G = (V, E) ein Netzwerk mit Bewertung w : E

Kantenfolge el, e2 , ... ,ek ist durch die Summe der Gewichte

--t

IRt. Die Lnge einer

w({el ,e2,." ,ed) = Lw(ej)

j= l

gegeben. Die Distanz d(v, w) zwischen zwei Knoten v , w E V ist die kleinstmgliche Lnge
einer Kantenfolge von v nach w. Gibt es keine Kantenfolge von v nach w, so setzt man
d(v , w) = 00.
Das tatschliche Bestilmnen der Distanz (und des krzesten Weges) zwischen zwei Knoten ist viel aufwndiger als das Bestimmen eines minimalen Gersts. Mit Hilfe des DijkstraAlgorithmus wird von einem Knoten Vo E V eines Netzwerkes mit nichtnegativer Bewertung
die Distanz d(vo, v) fr alle Knoten v E V bestimmt.

Dijkstra-Algorithmus:
1. Man etze l(vo)

= 0, l(v)

:= 00 fr alle

v E V \ {vo},

u = {vo} und u =

VQ .

2. Fr alle v E V\ U mit (u, v) E E, die l(v) > leu ) +w(u, v) erfllen, setze man p(v)
und
l(v) := l eu) + w(u, v) .
3 . Man bestimme m = min 1(v) . Falls m =

00 ,

:= U

dann terminiere, andernfalls whle einen

vE V \U

Knoten z E V \ U mit l( z) = m und setze U := U U {z} und u := z.

4. Ist U = V ,

wird der Algorithmus beendet. Andemfalls gehe zu Schritt 2.

Die Menge U ~ V umfasst injedem Zeitpunkt des Algorithmu jene Knoten v E V , fr die der
krzeste Weg von Vo schon bekannt ist, wobei l (v) = d(vo, v) ist. Fr v E V \ U ist hingegen
l (v) die minimale Lnge einer Kantenfolge, die mit Ausnahme von v nur Knoten aus U enthlt,
und kann sich im Verlauf des Algorithmus noch ndern. p(v) ist jeweils der Vorgngerknoten
von v auf einer minimalen Kantenfolge von Va nach v . Aus diesen Bedingungen ist klar, dass
der in Schritt 3. ausgewhlte Knoten z in U aufgenommen werden kann .
Endet der Algorithmus nicht mit U = V , sondern mit der Abbruchbedingullg l (v) = 00 fr
alle v E V \
so ist G nicht zu ammenhngend, und U umfasst genau jene Knoten, die von
Vo aus elTeichbar sind.
.
Ein wesentlicher Aspekt des Dijkstra-Algorithmus ist, dass auch die Distanz d(vo, VI) zu
einem vorgegebenem Zielknoten V1 E V bestimmt werden kann, ohne dass mglicherweise alle
anderen Distanzen d( Va, v) bestimmt werden mssen. Man bricht den Algorithmus im Schritt 4.
ab, sobald u = v] i t, da dieser Knoten zuvor in U aufgenommen wurde und somit die Distanz
d ( vo, VI) bereits ermittelt worden ist.
brigens kann fr alle Knoten v E U durch v, p(v), p(p(v)) ).. . , Vo eine Kantenfolge von
Vo nach v von kleinstmglicher Lnge rckverfolgt werden.

u,

70

2 Diskrete Mathematik:

Beispiel 2.31 Im gerichteten Netzwerk, das in Abb. 2.14 dargestellt wird, sollen alle Distanzen
d(va, v) mit Hilfe des Dijkstra-Algorithmus bestimmt werden.

Abbildung 2.14 Netzwerk zum Dijkstra-Algorithmus

Im ersten Durchlauf des Algorithmus werden folgende Operationen durchgefhrt:

1. l(va)

= 0 und l(VI) = l(V2) = l(V3 ) = l(V4) = l(vs)

2. l(VI)

min{ 00, 0

= 00, U =

{vo} und u = vo .

+ 2} = 2, P(VI) = Va ; l(V2 ) = min{ 00, 0 + 5} = 5, p(V2)

= VO .

4. Fortsetzung bei Schritt 2.

Beim zweiten Durchlauf, der gleich mit dem 2. Schritt beginnt, geschieht dann folgendes:
2. l(V2) = min{5,2 + 2} = 4, P(V2) = VI; l(V3)
l( V4) = min{ 00,2 + 3} = 5, p(V4) = VI'

min{oo,2

+ 4}

6, P(V3) =

VI;

3. m = 4, Z = V2 , U = {Va ,Vl,V2 }, U = V2 .
4. Fortsetzung bei Schritt 2.
Zur besseren bersicht ist es gnstig, eine Tabelle anzulegen:

Vo

VI

V2

Va

V4

V5

Auswahl

[QJ

00

00

00

00

00

Va

rn

00

00

00

VI

Va

GJ

00

V2

VI

ffiJ

00

V4

VI

[ill

11

V3

VI

ITQ]

Vs

V3

Vorgnger

Der krze te Weg von Va nach Vs ist daher l(V5) = 10, und von hinten nach vorne sind die
Knoten VS,P(V5) = V3,P(V3) = VI ,P(Vl) = vo . In richtiger Reihenfolge mus man also die
Knoten va , VI, V3 , Vs durchlaufen.

2.3 Algebraische Strukturen

71

Da aUe Distanzen d( vo, v) berechnet wurden, kann man auch den so genannten EntferDungsbaum (siehe Abb. 2. 15) bestimmen, aus dem die krzesten Wege von Vo zu allen Endknoten v abgelesen werden knnen.
6,

Abbildung 2.15 Entfemungsbaum bezglich Va in einem Netzwerk

2.3

Algebraische Strukturen

Wir haben bereits in Abschnitt 1.1 einige Rechenregeln (Kommutativgesetz, Assoziativgesetz

etc.) kennengelent, die sowohl fr die Addition als auch fr die Multiplikation in IR oder C
gelten. In diesem Abschnitt werden sowohl Rechenoperationen (wie die Addition und die Multiplikation) als auch Rechenregeln in einem allgemeinen Kontext betrachtet. Diese abstrakten
algebraischen Strukturen werden in der Informatik in verschiedenen Anwendungen bentigt,
z.B. bei formalen Sprachen oder in der Codierungstheorie.

1. Binre Operationen
Wir beginnen mit der Definition einer allgemeinen algebraischen Struktur mit einer binren
Operation.
Definition 2.32 Sei A eine nichtleere Menge. Eie binre Operation 0 auf A ist eine Abbildung A x A ---t A, d.h., je zwei Elementen a, b E A wird ein Element a 0 b zugeordnet. Das
paar (A , 0) heit dann binre algebraische Struktur oder Gruppoid. ---..........,._ _.....-._---1

Beispiel 2.33 Die Addition + bildet auf den blichen Zahlmengen eine algebraische Struktur:

(N,+), (Z,+) , (Q,+), (lR,+), (((:,+).

Dasselbe gilt fr die MuLtiplikation:

(N, .), (Z , .), (Q, .), (IR, ) , (C, .).

Es tritt fters die Situation ein, dass eine binre Operation 0 auf einer Menge A nur fr
Elemente a, b in einer Teilmenge B ~ A betrachtet wird. Dafr muss aber gewhrleistet sein,
da fr alle a, b E B das Element ao b wieder in B liegt, also 0 auch eine binre Operation auf B
ist. Diese Eigenschaft nennt man Abgeschlossenheit der Operation 0 auf B. Diese Bedingung
ist jedenfalls sicherzu tellen, da sonst keine algebraische Struktur vorliegt.

2 Diskrete Mathematik:

72

Wir verallgemeinern nun einige Rechenregeln, die wir in Ab chnitt 1.1 fr die Addition und
die Multipikation kennengelernt haben.
Definition 2.34 Die fOlgenden Gesetzmigkeiten knnen fr eine algebraische Struktur
(A, 0) zustzlich definiert werden.
(i) Assoziativgesetz: Fr alle a) b, c E A gilt

(a 0 b)

c = a 0 (b

c).

(ii) Existenz eines neutrales Elements: Es gibt ein e E A mit der Eigenschaft, dass fr
alle a E A gilt

e 0 a = a 0 e = a.
(iii) Existenz inverser Elemente: Fr alle a E A gibt es ein a' E A mit

aoa'=a'oa=e ,
wobei e das neutrale Element aus () bezeichnet.
(iv) Kommutativgesetz: Fr alle a, b E A gilt

a 0 b = bo a.
Bentzt man fr das binre Operationssymbol das Malzeichen ., so chreibt man fr das
inverse Element von a auch a - 1 , verwendet man hingegen das Pluszeichen +, 0 bezeichnet
man das inverse Element von a durch - a.
Beispiel 2.35 In der algebraischen Struktur (N +) gilt das Assoziativgesetz und das Kommutativgesetz, das (additive) neutrale Element ist e = 0, aber es gibt (auer zu 0) zu keiner natrlichen Zahl ein (additives) inverses Element. In (Z, +) knnen aber uneingeschrnkt inverse
Elemente gebildet werden.
Entsprechend gilt in (Z, .) das Assoziativgesetz und das Kommutativge etz, das (multiplikative) neutrale Element ist e = 1. Allerdings gibt es (auer fr l) keine (multiplikativen)
inversen Elemente. Interessanterweise kann man nicht einmal in (Q, .) uneinge chrnkt (multiplikative) inverse Elemente finden, 0 hat kein inverses Element. Erst, wenn man 0 ausschliet,
also (tQ \ {O}, .) betrachtet, sind alle vier Eigenschaften erfllt.
1::.
Satz 2.36 In einer algebraischen Struktur (A , 0) gibt es hchstens ein neutrales Element, und
in jeder assoziativen algebraischen Struktur gibt es zu jedem Element hchstens ein inverses
Element.
Es wird daher im folgenden nur mehr vom neutralen Element e bzw. vom inversen Element a- 1
gesprochen werden, sofern diese existieren.
Beweis. Wren el und e2 zwei neutrale Elemente in A , so gilt el 0 e2 = e l , da e2 neun-ales
Element ist, aber auch e l 0 e2 = e2, da e l neutrales Element ist. Also: e l = el 0 e 2 = e2 .
Wren in einer assoziativen algebraischen Struktur a' und a" zu a invers, so gilt

a, = aI o e = a'0( aoa") = (a' o a) oa /I =e oa11 =a11

a' und a'l mssen also bereinstimmen.

2.3 Algebraische Strukturen

73

2. Gruppen
Gruppen gehren zu den wichtigsten algebrruschen Strukturen und werden daher etwas nher
untersucht. Die folgende Definition beschreibt neben Gruppen auch so genannte Halbgruppen
und Monoide, die nicht alle Gruppeneigenschaften erfllen.

Definition 2.37 Eine algebraische Struktur (A, 0) heit

(i) Halbgruppe, wenn sie assoziativ ist, also (i) aus Definition 2.34 erfllt.
() Monoid, wenn sie assoziativ ist und ein neutrales Element besitzt, also (i) und (ii) aus
Definition 2.34 erfllt, und
(ili) Gruppe, wenn sie assoziativ ist, ein neutrales Element und zu jedem Element ein Inverses besitzt, also (i), (ii) und (Hi) aus [Link] 2.34 erfllt.

Erfllt eine der Strukturen Gruppoid, Halbgruppe, Monoid bzw. Gruppe auch das Kommutativgesetz (iv), so heit sie kommutative(s) Gruppoid, Halbgruppe, Monoid bzw. Gruppe.
Kommutative Gruppen werden auch als abeische Gruppen4 bezeichnet.

Beispiel 2.38
(a) (A , 0) mit A

= N und a 0 b = ab ist ein Gruppoid.

(b) (N \ {O} +) i teine Halbgruppe, (N, +) und (N, .) sind Monoide, aber keine Gruppen.
(c) Sei ~ eine Menge, genannt AJphabet, und bezeichne ~* die Menge aller endlichen Wrter
ber~, das sind alle endlichen Folgen X I X2 . . . Xk mit Xj E E (1 :S j :S k) ergnzt um das
leere Wort c. Sind Wl = XIX2 ... X k und W2 = YIY2 . .. Yl zwei Wrter in E*, so definiert
man
c~*

,0) ist damit ein Monoid mit neutralem Element c . Man bezeichnet E* aueh als freies

Monoid ber dem Alphabet E.

6.

Beispiel 2.39
(a) (Z +), (Q, +), (Q \ {O} .), (R, +), (R \ {O},) ete. sind abelsche Gruppen.

(b) Die Menge aller n x n-Matrizen jRn x n mit Koeffizienten aus IR bildet mit der Matrizenadditon eine Gruppe. Auerdem bilden jene n x n-Matrizen A mit det(A) i= 0 bezglich
der Matrizenmultiplikation eine Gruppe. Diese ist fr n 2 2 nicht kommutativ (vergleiche
mit Kapitel 3).
(e) Sei M eine beliebige Menge. Dann bildet (P(lI,f) , 6), d.h. alle Teilmengen von M mit
der symmetrischen Mengendifferenz, eine Gruppe. Das neutrale Element ist 0, und jedes
Element ist zu ich selbst invers.
6.
4im Andenken an den Mathematiker Ni ls Henrik Abel

74

2 Diskrete Mathematik

Beispiel 2.40
(a) Die Menge Sn der Permutationen der Zahlen {l, 2, .. . , n} ist die Menge der bijektiven
Abbildungen 7r : {l , 2, . .. ,n} ---+ {l , 2, . . . , n}. Fhn man zwei bijektive Abbildungen hintereinander aus, erhlt man wieder eine bijektive Abbildung. (Sn, 0) bildet die so
genannte symmetrische Gruppe. Die identische Abbildung id(j) = j ist das neutrale
Element.
(b) Die Symmetriegruppe eines gleichseitigen Dreiecks besteht aus allen Isometrien (das
sind lngen- und winkeltreue Abbildungen) der Ebene, die ein gleichseitiges Dreieck auf
sich selbst abbilden. Da ein Dreieck durch seine Eckpunkte eindeutig gegeben ist, reicht
es aus, die Auswirkung solcher Isometrien auf die Eckpunkte zu betrachten. Es entstehen
gewisse Permutationen der Eckpunkte {I , 2, 3}. Bei den Drehungen um 0, 1200 und 2400
werden die Eckpunkte zyklisch vertauscht, und bei den Spiegelungen an den drei Hhen
werden jeweils zwei Eckpunkte miteinander vertauscht. Insgesamt erhlt man also sechs
verschiedene Symmetrien, die bezglich Hintereinanderausfhrung eine Gruppe bilden.
In diesem speziellen Fall eines gleichseitigen Dreiecks ist die Symmetriegruppe nichts
anderes als die symmetrische Gruppe auf den drei Eckpunkten.
6.

Beispi.eI2.41 Kleine algebraische Strukturen kann man auch durch so genannte Operationstafeln definieren. Um dies zu demonstrieren, werden (bis auf Isomorphie) alle Mglichkeiten
von Gruppen mit hchstens 6 Elementen aufgelistet. (Dabei bezeichnet e immer das neutrale
Element.)

e e

0 e
e e
a a
b b
c c
d d

a
a
b

c
d
e

b
b
c
d
e
a

e
e
a

a
a
e

d
d
e
e a
a b
b c

c
c
d

e
a

0
e
a
b
c
d

e a
e a
a b
b e

e
e
a
b
c

a
a
b
c
d

e
e
a
b
c

b
b
e

e
a
b
c

a
b
b
c
d

f
e
a

c
c
d

f
e
a

a
a
b
c
e

d
d

f
f

e
a
b
c

e
a
b
c

c
c
e
a

b
b
c
e
a

b
0

e
a
b
c

e
e
a
b
c

f f

e a

e
a
b
c

e
a
b
c

a
e
c
b

a
a
e

b
b
d
e

c
c

f
d
c
b

f
a
c

f
d

b
b
c
e

c
c
b
a

d
d
b

f
f

c
a

e
b

c
a
b
e
d

6.

Als nchstes betrachten wir Teilmengen von Gruppen, die ihrerseits wieder Gruppen sind.
Definition 2.42 Eine (nichtleere) Teilmenge U ~ G einer Gruppe (G, 0) heit Untergruppe
von G, wenn (U, 0) selbst eine Gruppe ist. Man [Link] dafr auch (U, 0) :::; (G, 0) oder nur
U ~ G.

Man beachte, dass es immer zwei so genannte triviale Untergruppen gibt: {e} ::; G und
G~G .

2.3 Algebraische Strukturen

75

Beispiel 2.43 Fr m E N bilden die Mengen m7!.. = {O, m, 2m, 3m, ... } Untergruppen
von (Z, +).
b,
Es ist relativ leicht zu berprfen, ob eine nichtleere Teilmenge U von G eine Untergruppe
bildet. Beispielsweise muss das Assoziativgesetz nicht berprft werden, da es in ganz G gilt.
Es muss nur untersucht werden, ob fr je zwei Elemente a , bE U auch a 0 bE U und a- 1 E U
liegen. Das neutrale Element von G liegt dann sicher auch in U. Ist nmlich a E U, dann auch
a- 1 und folglich e = a 0 a- 1 Gleichzeitig wurde damit gezeigt, dass das neutrale Element von
G auch das neutrale Element von U sein muss.
In der Zahlentheorie haben wir bereits - ohne sie so zu benennen - die Untergruppe (mZ, +)
von (Z, +) betrachtet, nmlich beim Rechnen modulo m. Die Untergruppe m7!.. ist gerade die
Restklasse 0 modulo m. Neben dieser Restklasse wurden dort auch weitere Restklassen Ci" =
a + m7!.. betrachtet. Vom Standpunkt der Gruppentheorie knnen diese Restklassen auch als
"verschobene Untergruppen" bezeichnet werden. Dies motiviert die allgemeine Definition einer
Nebenklasse einer Untergruppe.

Definition 2~44 Sei (G, 0) Groppe, U Bntergruppe von G und a E G. Dann heit

{a 0 u IU

U}

U 0 a = {u 0 alu

U}

Q,

0 U=

Linksnebenklasse von U in G und

Rechtsnebenklasse von U in G.
Wie die Restk:lassen Ci" = a + m7!.. in der Zahlentheorie bilden die Links- bzw. die Rechtsnebenklassen stets eine Zerlegung von G (vergleiche mit bungsaufgabe 2.33). Die Relation
a '"'"' b {=:=} a 0 U = b 0 V ist die entsprechende quivalenzrelation fr die Linksnebenklassen,
Analoges gilt fr die Recht nebenklassen. Wir werden uns gleich davon berzeugen, dass es
iJ:nn1er gleich viele Links- wie Rechtsnebenklassen gibt. So knnen wir den Index einer Untergruppe definieren .

Definition 2.45 Sei (G 1 0) eine ~Ildliche Gruppe und V ~ G. Die Anzahl der Links- bzw.

Rechtsnebenklassen vonU in awird als Index IG : UI von G nach U bezeichnet. Die Anzahl
IGI der EI,emente einer Gruppe wird als Ordnu_n.....g...v_o_n_G_ b_e_ze_i_chn
__e_t. _ _......-_~_ _-....I

IUI einer Un :S G stets Teiler der Gruppenordnung IGI, und es gilt IG : VI = IGI/IUI.

Satz 2.46 (Satz von Lagrange) Ist (C , 0) endliche Gruppe, so ist die Ordnung
tergruppe V

Beweis. Die Abbildung U -+ a 0 U, x ~ a 0 x ist wegen der Gruppeneigenschaften eine

bijektive Abbildung. Es gilt daher bei einer endlichen Gruppe immer la 0 UI = IUI, d.h., die
Linksnebenklassenzerlegung zerlegt die Gruppe Gin m = IG : UI gleich groe Teilmengen.
Offensichtlich folgt dann IGI = m IU I Fr Rechtsnebenklassen ist die berlegung ganz analog,
insbesondere ist die Anzahl der Linksnebenklassen gleich der Anzahl der Rechtsnebenklassen.

76

2 Di krete Mathematik

Definition 2.47 Sei (G ) 0) Gruppe mit neutralem Element e. Fr a E G werden die Potenzen
an von a mit n E Z folgendermaen definiert:
fr n = 0,
fr n = 1,
rekursiv fr n > 1,
frn< O.
Wird das Operationssymbol + verwendet, so schreibt man statt an auch n a, Z.B. 3 a fr
a + a + a. Mit Hilfe der Beweismethode der vollstndigen Induktion folgt fr alle ganzen
Zahlenn, m
Aus der ersten Regel an+m = an 0 am folgt, dass die Menge der Potenzen (a) = {an In E Z}
eine Untergruppe von G, die von a erzeugte Untergruppe, bildet. Diese Untergruppe ist immer
k mmutativ, auch wenn G nicht kommutativ ist.
Sind alle Potenzen an (n E Z) voneinander verschieden, so bildet diese Untergruppe eine
Teilrnenge von G, die als Kopie der ganzen Zahlen Z gesehen werden kann (falls man jede
Potenz an mit ihrem Exponenten n identifiziert). Es muss aber nicht sein, dass alle Potenzen an
voneinander verschieden sind. Es sei also z.B. am = an fr ganze Zahlen m < n. Multipliziert
man diese Beziehung mit a- m, so erhlt man an- rn = e. Es gibt daher eine ganze Zahl k > 0
mit a k = e. Dies motiviert die folgende Definition.

Definition 2.48 Sei (C, 0) Gruppe und a E G. Sind alle Potenzen an (n E Z) voneinander
ver ehieden, so hat a unendliche Ordnung ordc(a) = 00. Andernfalls bezeichnet man
ordG(a)

= min{k > 01 a k = e}

al Ordnung von a. Das Element a hat dann endliche Ordnung.

Hat a E G unendliche Ordnung, so ist auch die von a erzeugte Untergruppe (a)

{an

In E

Z} unendlich. Bei endlicher Ordnung ordc(a) ist

die v n a erzeugt Untergruppe, da die Potenzen an wegen an+ordc(a) = an zykli eh bzw. periodi eh mit Periode ordc(a) wieder auftreten. Man beachte, dass in allen Fllen

I(a) I = orda (a)

gilt. In besondere i t daher ordQ(a) ein Teiler der Gruppenordnung IGI. Darau leitet sieh der
kleine Fermat' che Satz der Gruppentheorie ab (vergleiche mit Satz L.35).

atz 2.49 (Kleiner Fermat'scher Satz) Fr jedes Element a E G einer endlichen Gruppe
(G, 0) gilt a ici = e.
Beweis. Es bezeichne U = (a), k = ordc(a ) = l(a)1 und m
Aus ak = erhlt man nun direkt a lGI = (ak)m = em = e.

= IG : UI Dann gilt km

IGI.
0

2 .3 Algebraische Strukturen

77

Gruppen bzw. Untergruppen der Form (a) spielen in der Gruppentheorie trotz ihrer Einfachheit eine besondere Rolle. Man bezeichnet eine Gruppe G als zyklische Gruppe, wenn es ein
a E G mit G = (a) gibt, d.h. wenn G von a erzeugt wird.
Eine weitere wichtige Klasse von Untergruppen sind die so genannten Normalteiler.

Definition 2.50 Eine Untergruppe N einer Gruppe G heit Normalteiler, wenn die Linksund Rechtsnebenklassen bereinstimmen. Man schreibt dafr kurz N :::! G.
Offensichtlich ist jede Untergruppe einer kommutativen Gruppe G ein Normalteiler. Weiters
ist jede Untergruppe N mit Index IG : NI = 2 Normalteiler, daes in diesem Fall nur zwei Linksbzw. RechtnebenkJassen gibt. Die eine ist e 0 N = N 0 e = N und die andere G \ N.
Die wesentliche Eigenschaft von Normalteilern ist, dass man mit ihnen in derselben Weise
wie mit Restklassen a = a + m71 rechnen kann. Es seien a 0 N = N 0 a und boN = N 0 b
zwei Nebenklassen von N und a2 E a 0 N und b2 E boN. Dann liegt das Produkt a2 0 b2 E
Ca 0 N) 0 (b 0 N) . Wegen der Normalteilereigenschaft gilt aber

(a

N)

(N 0 a)

(b 0 N) -

(b 0 N)

(No(aob))oN

(a

b)
(a 0 b)
0

(N 0 N)
N,

d.h., das Produkt a2 0 b2 liegt wieder in einer Nebenldasse, nmlich (a 0 b) 0 N, und diese i. t
nicht von der Wahl von a2 und b2 abhngig. Mit Hilfe dieser Eigenschaft von Normalteilern
kann auch auf der Menge der Nebenklassen eine Gruppenoperation definiert werden.

Definition 2.51 Sei N Normalteiler einer Gruppe G und bezeichne G / N die Menge der Nebenklassen von G nach N. Dann wird duch die Operation
(a 0 N)

(b 0 N)

(a

b)

eine Gruppenoperation auf G / N definiert. Die Gruppe (G / N, 0) heit Faktorgruppe von G

nacb N.
.
Die Gruppeneigenschaften sind leicht nachzurechnen. brigens ist e 0 N = N da neutrale
Element und a- 1 0 N die inverse Nebenklasse von a 0 N .

Beispiel 2.52 Sei G = Z (mit der Addition +) und N = m71 (mit m E N). Dann be teht
Z/m71 = LErn aus m Nebenklassen 0 = O+m71 = m71, 1 = l +mLE, ... , m - 1 = (m - l) +m71,
den schon bekannten Restklassen modulo m . Das Rechnen in der Faktorgruppe Z7Tt = Z/m7l..
ist nichts anderes als das Addieren von Restklassen bzw. da Addieren modulo m (vergleiche
mit (1.4.
brigens ist (LErn )+) eine endliche zykli che Gruppe, sie wird etwa von I = 1+ m71 erzeugt.

2 Diskrete Mathematik

78

Definition 2.53 Eine Abbildung ip : .G -+ H zwischen zwei Gruppen (G , 0) und (H, *) heit
Homomorphismus (oder Gruppenhomomorphismus), wenn fr alle a, bEG gilt

<p(a 0 b)

= <p(a) "* <p(b).

Ist ", bijektiv, so heit <p Isomorphismus. Die inverse Abbildung <p- l : H -+ G ist dann auch
ein Isomorphismus. Existiert zwischen zwei Gruppen G, H ein Isomorphismus, so heien G
und H isomorph, und man schreibt dafr G ~H.

----------------~----~~~~~--------~

Beispiel 2.54 Sei G Gruppe und a E G. Dann ist die Abbildung <p : Z -+ (a) , n f--7 an ein
Gruppenhomorphismus. Sind alle Potenzen an voneinander verschieden, so ist ip bijektiv, also
ein Isomorphi smus, d.h . in diesem Fall gilt (a) ~ Z .
6.

Satz 2.55 Ist ip : G --+ H ein Grupp enhomomo rphismus, so wird das neutrale Element ec von
G auf das neutrale Element eH von H abgebildet, d.h. <p(ec) = eH. Weiters gilt 'P(a- 1) =
<p(a) - l f r alle a E G.
Beweis. Au ec 0 c = ec folgt <p(eG) * <p(ec) = <p(eG) und nach Multiplikation mit <p(ec)-l
schlielich <pe G) = eH . Weiters folgt aus a 0 a- 1 = a- 1 0 a = eGo dass <p(a) 'P(a- 1 ) <p(a- 1 ) <p(a) = eH und damit <p(a- 1 ) = <p(a)-l .
0

Definition 2.56 Sei <p : G -+ Hein Gruppenhomomorphismus. Das Urbild <p-l( { eH}) des
neutralen Elements H wird als Kern von <p bezeichnet:

ker(<p) = {a

GI cp(a) =

eH}.

Weiters nennt man

cp(G)

= {b E H 13 a E G : <p(a) = b}

Bild von G unter <po

Satz 2.57 Sei cp : G

~ He in Gruppenhomomorp hismus. Dann ist

ker('P) ein No rmalteiler

von G und <p( G) eine Untergruppe von H.

Beweis. G i t sicher in ker(<p) enthalten, also ist der Kern nie leer. Sind nun a, b E ker( tp), so
gilt tp(a o b) = tp(a) * <p(b) = eH*eH = eH und tp(a- 1 ) = tp(a) - l = eH. Daheristker(<p) eine
ntergruppe von G.
Sei nun a E k r(<p) und c E G. Dann ist wegen 'P(c- 1 0 a 0 c) = 'P(C)-l * <p(a) * <p(c) =
tp( ) - 1 * <p(c) = Hauch c- 1 0 a 0 c E ker(<p) . Also gilt c- 1 0 ker(<p) 0 c ~ ker(<p) oder
k r(<p) 0 ~ co k r(ep). Vertauscht man nun die Rollen von c und Cl , so erhlt man auch
co k r( ip) ~ ker( <p) 0 c und chli elich co ker( ep) = ker( <p) 0 c. Also ist ker('P) Normalteiler
von G.
Der Nachweis der Eigenschaft, dass 'P( G) eine Untergruppe von H ist, sei dem Leser berla en (vergleiche m bungsaufgabe 2.36).
0

Ein wichtiger Satz der Gruppentheorie ist der Homomorphiesatz.

2.3 Algebraische Strukturen

79

Satz 2.58 (Homomorphiesatz) Sei c.p : G ---+ Hein Gruppenhomomorphismus. Dann ist die
Faktorgruppe G /ker( c.p) zum Bild <p( G) isomorph:
G/ker(rp) ~ rp(G) .

Die Nebenklasse a 0 ker( cp)

G / ker( r.p) entspricht dem Element c.p(a)

c.p( G).

Beweis. Man muss sich zunchst berlegen, dass die Abbildung 'I/J : G/ker( rp) ---? <p(G) mit
aoker( cp) f-7 rp( a) wohldefiniert ist. Ist nmlich aoker( c.p) = boker( rp), d.h. gibt es c, d E ker( <p)
mit a 0 c = b 0 d, so folgt <p(a) = <p(a) * eH = cp(a 0 c) = cp(b 0 d) = cp(b) * eH = c.p(b) .
Die Abbildung 1/J ist surjektiv, da jedes Element cp( a) E cp( G) als Bild von a 0 ker( cp)
auftritt. Die Abbildung 1/J ist auch injektiv. Ist nmlich <p(a) = rp(b), so folgt <p(a 0 b- 1 ) = e H,
also a 0 b- 1 E ker(cp). Das wiederum impliziert a E b 0 ker(<p) und a 0 ker(c.p) ~ b 0 ker(<p).
Vertauscht man nun die Rollen von a und b, so erhlt man auch die umgekehrte Inklusion und
schlielich Gleichheit: a 0 ker(<p) = b 0 ker(cp) .
Die Homomorphieeigenschaft 1/J ( (a oker( <p)) 0 (bo ker( c.p))) = w(aoker( <p)) *w(b o ker(c.p))
ist nichts anderes als c.p(a 0 b) = cp(a) * cp(b). Damit ist alles gezeigt
0
Beispiel 2.59 Sei G = Z die Gruppe der ganzen Zahlen mit der Addition und H {I, (m, (!, . . . , (:;:- 1} die endliche (multiplikative) zyklische Gruppe der m -ten Einheitswurzeln (rn = e27rilm ). Dann ist cp : G ---+ H , n 1--+ (~ ein surjektiver Homomorphismus
mit ker ( cp) = m71, da <p(n ) = (~ = e2rrinlm = 1 genau dann gilt, wenn n/m eine ganze
Zahl, also nein ganzzahliges Vielfaches von m ist. Nach dem Homomorphiesatz gilt daher
Zrn = 7ljm71 rv H = ((m). Die Restklasse Ci entspricht der a-ten Potenz (~.
6.

Beispiel 2.60 Wir betrachten wieder die symmetrische Gruppe Sn aller Permutationen der Zah-

len {I, 2, . .. , n} , also aller bijektiven Funktionen 1f : {I, 2, ... , n}

nieren nun das Signum (bzw. Vorzeichen) von

1f

---+

{I, 2, ... , n}. Wir defi-

durch

rr

J-

l $ i<j$n

Da 11" bijektiv ist, treten bis auf die Reihenfolge und bis auf das Vorzeichen im Zhler dieselben
Faktoren auf wie im Nenner. Daher ist sgn( 1f) entweder 1 oder -1 . Man nennt eine Permutation
auch gerade, wenn das Signum 1 ist, und ungerade, wenn das Signum - 1 ist. Es gibt brigens
immer gerade und ungerade Permutationen (falls n ~ 2). Beispielsweise ist sgn( id) = 1 und
sgn( 1[1 ,2) = - 1, wobei 1f1,2jene Permutation bezeichnet, die die Elemente 1 und 2 vertauscht,
aber alle anderen Elemente fest lsst. Entscheidend ist die Beobachtung, dass fr zwei Permutationen 1f, a E Sn
sgn(1f 0 a) =

rr

(1f

TI

1f(a"(j)) - 1f(a(i))
a(j) - a(i )

a)(1) - (1f 0 a)(i)

J-

lsi < j$n

= sgn(7f) . sgn(a) .

TI

a(j) - o-(i)
j - i

2 Diskrete Mathematik

80

Die Abbildung gn ist daher ein Gruppenhomomorphismus zwischen der symmetrischen Gruppe (Sn, 0) und der zweielementigen Gruppe ({I, -I}, .) . Fr n 2: 2 ist dieser Homomorphismus
auch surjektiv. Der Kern von sgn

ker(sgn) = {7r

E Sn

Isgn(7r) =

I} = A n

wird auch als alternierende Gruppe A n bezeichnet und umfasst alle geraden Permutationen.
Aus dem Homomorphiesatz folgt, dass die zugehrige Nebenklassenzerlegung von Sn (im Fall
n ~ 2) aus zwei Nebenklassen besteht, nmlich aus A n. den geraden Permutationen, und aus
Sn \ n, den ungeraden Permutationen. Also ist A n eine Untergruppe vom Index ISn : Anl = 2,
A n und auch S n \ A n bestehen jeweils aus n! /2 Elementen. Es gibt daher genau so viele gerade
wie ungerade Permutationen.
6.

3. Ringe und Krper

In den ganzen Zahlen Z verwendet man (wenigstens) zwei verschiedene binre Operationen,
di e Addition und die Multiplikation . Bezglich der Addition ist Z eine Gruppe und bezglich
der Multiplikation ein Monoid. Man erfasst aber die Struktur der ganzen Zahlen Z (bezglich
Addition und Multiplikation) nicht vollstndig, wenn man die Stukturen (Z, + ) und (Z, .) nur
getrennt betrachtet. Es gelten auch Rechenregeln wie das Distributivgesetz

a (b + c)

(a b) + (a . c),

wo Addition und Multiplikation gemeinsam auftreten.

Im fo lgenden werden daher algebraische Strukturen (A, +,.) mit zwei binren Operationen
behandelt. Aus notationstechnischen Grnden werden wir diese immer mit + (plus) und (mal)
[Link], auch wenn sie mit der gewhnlichen Addition und Multiplikation nichts zu tun
haben. Ent prechend bezeichnet man das neutrale Element von +, sofern eines existiert, mit 0
(Null) und da von mit 1 (Ein ). Das additive inverse Element von a bezeichnet man immer
mJt - a und das multiplikative mit a- 1 . Schlielich wird, um Klammern zu sparen, wie blich
die Multiplikation vor der Addition ausgefhrt.

Definition 2.61 Eine algebraische Struktur (R, +, .) mit zwei binren Operation heit
Ring, wenn die folgenden drei Eigenschaften erfllt sind:

(R, +) ist ein kommutative Gruppe (mit neutralem Element 0),

(ii) (R,) ist eine Halbgruppe, und
(iii) e gelten die Distributivgesetze:
(i)

a(b+c) (a+b) c -

ab+ac
a c+b c

fr alle a, b, cE R.

Be itzt R bezglich ein neutrales Element (siehe oben), so nennt man R Ring mit Einselement, und ist R bezglich kommutativ, so nennt man R konnnutativen Ring.
Bei piel 2.62
(a) (Z, +, .) und (Zml + , .) (m ~ 1) ind kommutative Ringe mit Einselement. (Die Rechenoperationen + und in Zm wurden bereits in (1.4) definiert: a+b = a + b, und a b =

a b.)

2.3 Algebraische Strukturen

81

(b) Die Menge aller n x n-Matrizen A = (aijh ::;i,j::;n mit Eintragungen aij aus einem Ring
R bildet mit der Matrizenaddition und -multiplikation wieder einen Ring (vergleiche mit
Kapitel 3).
6.

Beispiel 2.63 Polynome in der Unbestimmten x ber einem Ring R sind formale Summen
' Koemzlen
" ten aa, al,' . . ,ak E R. DJe
.
der Form p (x) = aa + alX + a2X 2 + ... + akx k Illit
Menge aller dieser Polynome wird mit R[x] bezeichnet. Aus notationstechnischen Grnden
schreibt man Polynome oft auch als (formal) unendliche Summen p(x) = E~a akxk, wobei
iromer vorausgesetzt wird, dass ab einem Index ka alle Koeffizienten verschwinden: ako+l =
ako+2 = ... = 0, also tatschlich nur endlich viele Summanden auftreten. Ist p(x) ungleich
dem NuUpolynom, so nennt man das maximale k mit ak =1= 0 den Grad von p(x), in Zeichen
grad (p (x)) . (Beispielsweise hat p( x) = 1 + x 2 = l xo + Ox + 1x 2 + Ox 3 + Ox 4 + ... den Grad
2.) Man beachte auch, dass x kein Element aus R ist, sondern wirklich als "Unbestimmte" zu
sehen ist. Im speziellen sind zwei Polynome nur dann gleich, wenn alle Koeffizienten gleich
sind.
Sind nun p( x) = :L~a ak xk, q( x) = :L~=a bkx k zwei Polynome ber R, so definiert man
Summe p(x) + q(x) und Produkt p(x) . q(x) durch

Die algebraische Struktur (R[x], +,.) ist, wie man leicht nachrechnen kann, wieder ein Ring,
der Polynomring ber R.
Es fallt auf, dass die Definition von p(x) + q(x) und p(x) . q(x) auch fr (formal) unendliche Summen verwendet werden kann. Man betrachtet daher die Menge R[[x]] der formalen
potenzreihen L~o ak xk mit Koeffizienten ak E R (ohne jede Einschrnkung), sie bildet mit
+ und . den Ring der formalen Potenz reihen ber R.
6.
Man beachte, dass in jedem Ring R die Rechenregel a . 0 = 0 . a = 0 gilt; ist also in einem
Produkt ein Faktor 0, so ist auch das Produkt O. Aus 0 + 0 = 0 folgt nmlich a 0 = a (0 + 0) =
a. 0 + a . 0 und nach Addition mit - (a 0) die Beziehung a 0 = 0. 5 In hnlicher Weise zeigt
man 0 . a = 0, aber auch - (a b) = (- a) . b = a (-b).
.
In einem Ring kann das Produkt zweier von 0 verschiedener Elemente dennoch 0 sein. Z.B.
gilt in 1:6 die Beziehung 2: . '3 = 6 = O. Man nennt i. Allg. ein Element a f. 0 eines Ringes R
Nullteiler, wenn es ein b =j:. 0 aus R gibt, so dass a . b = 0 oder b a = 0 ist. (Dieses b ist damit
natrlich auch ein Nullteiler.) Ringe ohne NullteiJer werden gesondert betrachtet.

Definition 2.64 Ein kommutativer Ring mit Einselement ohne Nullteiler heit Integrittsring.

~--~------~----------~~----------------------------~

Beispiel 2.65 Der Ring (Z, + , .) ist ein Integrittsring, (Zm, + , .) (m

1) ist aber nur dann ein

Integrittsring, wenn m eine Primzahl ist. Ist m zusan1mengesetzt, so besitzt Zm Nullteiler.

Weiters sind der Polynomring R[x] und der Ring der formalen Potenzreihen R[[x]] ber
einem Integrittsring R wieder Integrittsringe.
/::::,
510 dieser Gleichung liegt auch die Unmglichkeit der Existenz eines Inversen von 0 und damit die Unmglichkeit der Division durch 0 begrndet.

2 Diskrete Mathematik

82

Ein we entlicher Vorteil, in einem Integrittsring zu arbeiten, ist es, dass die Krzungsregel
gilt. Ist a i= 0 und a b = a c, so folgt a (b - c) = 0 und damit auch b - c = 0 bzw. b = c, also
a . b = a . c 1\ a

=I- 0

===>

b = c.

In einem beliebigen Ring R kann man stets durch Elemente a E R krzen, die ein multiplikatives Inver es a- l besitzen. Solche Elemente heien auch Einheiten. Es ist direkt nachzurechnen,
dass die Menge aller Einheiten R* von Reine (multiplikative) Gruppe bildet, die so genannte
Einheitengruppe von R. Beispielsweise ist Z" = { - I , I}.
n Abschnitt 1.2 (siehe Satz 1.30) wurde bereits gezeigt, dass Z:n, genau aus jenen Restklassen a besteht, welche die Eigenschaft ggT(a, m ) = 1 erfllen. Auerdem gilt IZ~1 1 = cp(m) ,
wobei cp( m ) die Euler'sche <p-Funktion bezeichnet (siehe Definition 1.33). Man beachte insbesondere , dass fr eine Primzahl p E ]P> die Beziehung <p(p) = p - 1 gilt, d.h., alle Elemente aus
Zp auer 0 sind Einheiten. Diese Beobachtung fhrt uns zu einer weiteren zentralen algebraiehen Struktur.

Definition 2.66 Ein kommutativer Ring (K, + , .) mit Einselement 1 :f: 0, in dem jedes Element a =1= 0 eine Einheit ist, also ein multiplikatives Inverses besitzt, heit ein Krper. .
Eine algebrai ehe Struktur (K, +,.) ist also gen au dann ein Krper, wenn (K, +) und
(K \ {O} , .) kommutative Gruppen sind und die Distributivgesetze gelten.
Beispiel 2.67 Die Strukturen (Q, + , .), (lR, + ,. ) und (C , +, .), aber auch (Zp, + , .) (p E lP)
ind Krper. Ist mEZ keine Primzahl, so ist (Zm, +, .) kein Krper. Stellt man nmlich m
durch m = k . f mit 1 < k < mund 1 < < m dar, so haben die Restklassen kund "l kein
multiplikatives Inverses.
6.

Wie man bereits aus der Definition sieht, besteht ein enger Zusammenhang zwischen Integritt ringen und Krpern, allerdings sind, wie das Beispiel der ganzen Zahlen Z zeigt, die
Begriffe sicherHch verschieden. Allgemein gilt der folgende Satz.

Satz 2.68 Jeder Krper ist ein Integrittsring, und jeder endliche Integrittsring ist ein Krper.
Beweis. Jeder Krper J( ist definitionsgem ein kommutativer Ring mit Einselement. Angenommen , es gbe a, b E K \ {O} und a . b = 0, so folgt nach Multiplikation mit a- 1 die
widersprchliche Beziehung b = a - l 0 = O. Daher gibt es in einem Krper keine Nullteiler, er
j taL 0 auch ejn Integrittsring.
Sei nun umgekehrt R = {ro, r l," ., rn- I} ein endlicher Integrittsring und a E R \ {O}.
Wegen der NullteHerfreiheit sind die Elemente a . ro , a . rl , . .. , a r n - I alle paarweise verschieden. Es muss daher {a . 1'0 , a . 1'1, " " a . rn- I} = R gelten. Insbesondere muss es ein j mit
a . 1'j = 1 geben. E sind demnach alle Elemente a :f: 0 invertierbar, also ist R ein Krper. 0
Beispiel 2.69 Wir betrachten die Polynome vom Grad:::; 1 ber dem Krper Z2, also die Menge
F = {O, I, x, I + x}, und definieren folgende Operationen:

x I +x
x I +x
0
x
I +x

I
I
I
x x I+ x TI
0
I
x
I+x I+x

+
0

0'

I
I

(5

I +x

0 0
I 0
x 0

0
I

x
I +x TI I+ x

x
l +x
l+ x I
1

2.3 Algebraische Strukturen

83

Wie man sofort nachrechnet, ist (F, +, .) ein Krper mit 4 Elementen.
Allgemein lsst sich zeigen, dass es nur fr Primzahlpotenzen pm (m 2 1) endliche Krper mit pm Elementen gibt. Es gibt also keinen Krper mit 6 Elementen, aber einen mit 8 und
einen mit 9. Wir deuten nun abschlieend an, wie man endliche Krper dieser Art, die in der
Kodierungstheorie und der Kryptographie von groer Bedeutung sind, konstrui'eren kann . Ausgangspunkt ist die Division mit Rest von Polynomen ber einem Krper.

Satz 2.70 Seien a(x) und b(x) zwei Polynome mit Koeffizienten aus einem Krper K, und sei
b(x) f O. Dann gibt es Polynome q(x ),r(x) E K[x] mit
a(x) = b(x) q(x ) + rex),
wobei rex) entweder das Nullpolynom ist oder grad(r(x)) < grad(b(x)).
Damit kann man wie in den ganzen Zahlen mit Hilfe einer Divisionskette den grten gemeinsamen Teiler zweier Polynome bestimmen. Dabei heit ein Polynom d(x) E K[x ] grter gemeinsamerTeiler der Polynome a(x), b(x) E K[x ], wenn d(x) ein gemeinsamer Teiler von a(x)
und b(x) ist und jeder gemeinsame Teiler tex) E K[x ] von a(x) und b(x ) ein Teiler von d( x)
ist. Schlielich gelingt es mit demselben Verfahren wie bei den ganzen Zahlen, zwei Polynome
e(x) und fe x) mit a(x) e(x) + b(x)f(x) = d( x) zu finden.
Es sei nun q(x) E K[x] ein festes Polynom (ungleich dem Nullpolynom). Die polynomiellen Vielfachen q(x)K[x] dieses Polynoms bilden einen (additiven) Normalteiler von K[ x] .
Auf der (additiven) Faktorgruppe K[x]/q(x)K[x] kann (wie in Z/mZ) in natrlicher Wei e
eine Multiplikation definiert werden, nmlich a(x ) . b(x) = a(x)b(x), und K[x]/q(x)K[.'E]
wird dadurch wieder zu einem Ring (dabei haben wir fr p(x) E K[x ] die Bezeichnung
p(x) = p(x) + q(x)K[x] verwendet). Das Rechnen in ~iesem Faktorring ist - grob gesprochen - das Rechnen in K[x] modulo dem Polynom q(x ). Ahnlich wie in den ganzen Zahlen giJt
der folgende Satz.

[Link] 2.71 Sei Kein Krper,!erner sei q(x) E K[x ] ein Polynom mit Koeffizienten aus Kund
grad(q(x)) 2: 1. Dann ist der Faktorring (K[ x]/q( x) K[x], +) .) genau dann ein Krper, wenn
das polynom q(x) irreduzibel ber K ist, d.h. , wenn q(x) nicht als Produkt zweier Polynome
a(x), b(x) E K [x] mit kleinerem Grad (als q(x )) dargestellt werden kann.
Ist q(x) ein irreduzibles Polynom vom Grad k 2: 1 ber Zp (mit einer Primzahl p), so ist
F = Zp[x]/ q(x )Zp[x] ein endlicher Krper. Jede Restklasse in F kann wegen Satz 2.70 eindeu ~
tig durch ein Polynom vom Grad < k reprsentiert werden. Daher hat F genau pie Elemente.
Beispielsweise fhrt das ber Z2 irreduzible Polynom p(x) = x 2 + x + 1 auf den in Beispiel 2.69
angegebenen Krper F mit 4 Elementen.
Das soeben beschriebene Velfahren wird auch bentzt, einen Krper K um Nullstellen von
polynomen zu erweitern.
Beispiel 2.7.2 Das Polynom q( x) = x 2 + 1 ist irreduzibel ber :IR.. Daher ist der Faktorril1g
F = JR[xJl( x 2 + l)lR[x] ein Krper. Die Nebenklasse I = x + (x 2 + l)lR[x] hat die Eigenschaft
I . I = x 2 + (x 2 + l)lR[x] = -1 + (x 2 + l)lR[x] . Es ist leicht einzusehen, dass F nichts
anderes als die komplexen Zahlen C reprsentiert. Die imaginre Einheit i, die Nullstelle von
q(x) = x 2 + 1, muss nur mit I = x + (x2 + l)IR[x] identifiziert werden.
6

84

2 Diskrete Mathematik

4. Verbnde und Boolesche Aigebren

In der Logik, aber auch in der Theorie der Halbordnungen spielt eine weitere Klasse von algebraischen Strukturen mit zwei Operationen eine Rolle, nmlich Verbnde.

[Link] 2.73 Eine algebraische Struktur (M,

1\,

V) heit Verband, wenn folgende Eigen-

schaften erfllt sind:

(i) (A1, 1\) ist eine kommutative Halbgruppe,
() (lvI, V) ist eine kommutative Halbgruppe, und

(ii.i) es gelten die Verschmelzungsgesetze

a
a -

al\(aVb),
aV(al\b)

fr alle a, bE M.
Die Ver chmelzungsgesetze erscheinen etwas knstlich gewhlt und vermitteln keine direkte Intuition. Sie haben aber weit reichende Folgerungen. Beispielsweise folgt daraus

a 1\ a = a 1\ (a

(a 1\ b)) = a

und ebenso a V a = a.
Beispi.e l 2.74
(a) (P (A), n, U) ist fr jede Menge A ein Verband.
(b) M

= N mit a 1\ b -'- min(a, b) und a V b = max(a, b) ist ein Verband.

(c) M = N mit a 1\ b = ggT(a, b) und a V b = kgV(a , b) ist ein Verband.

Beispiel 2.75 B = {O, I} mit den Operationen 1\, V ist ein Verband.
1\

0
1

0
0
0

1
0

0
0

Eben 0 ist Bn = { (Xl.X2 , . . . , x n ) I Xj E B (1 ~ j ~ n)}, wobei 1\ und V komponentenweise

durchgefhrt werden, ein Verband.
(Bn , 1\ , V) ist brigens zu (P(A) , n, u) isomorph, wobei A eine endliche Menge mit n
Elementen, etwa A = {al , a2, .. . , an} bezeichnet. Eine Teilmenge B ~ A wird wie im Bei.6.
pie) 2.2 mit einer O-l-Folge der Lnge n identifiziert.
s besteht ein enger Zusammenhang zwischen Verbnden und (speziellen) Halbordnungen nmlich solchen, die zu je zwei Elementen a, bein Infimum irrf( a, b) und ein Supremum
up(a, b) besitzen.
Eine Element c einer Halbordung heit Infimum zweier Elemente a, b (und wird mit
inf(a , b) bezeichnet), wenn c ~ a und c ~ b ist und fr jedes Element d mit d ~ a und d ~ b
auch d ~ c gilt. Entsprechend heit ein Element c heit Supremum zweier Elemente a, b E M

2.3 Algebraische Strukturen

85

(und wird mit s~p (a, b) bez~ichnet), wenn a ::; c und b ::; c ist und fr jedes Element Ci mit
a < d und b ::; d auch c ::; d gilt. Man beachte, dass aus der Antisymmetrie-Eigenschaft einer
Halbordnung folgt, da sein inf(a, b) bzw. ein sup(a, b), falls es existiert, eindeutig bestimmt

ist.

Satz 2.76 Sei (1\11, 1\ V) ein Verband. Dann wird durch

a::;b

<==>

a=al\b

auf Meine Halbordnung definiert. In dieser Halbordnung gibt es zu je zwei Elementen ein
Infimurn, nmlich inf( a, b) = a 1\ b, und ein Supremum supe a, b) = a V b.
Ist umgekehrt ::; eine Halbordung auf lYl mit der Eigenschaft, dass es zu je zwei Elementen
ein lnfimum und ein Supremum gibt, so ist M mit den Operationen a 1\ b = inf(a, b) und
a V b = sup(a, b) ein Verband.

Beweis. Wegen a 1\ a = a gilt zunchst a ::; a. Ist weiters a ::; bund b ::; a, so folgt a = a 1\ b =
b 1\ a = b. Damit ist ~ reflexiv und antisymmetrisch.
Es sei nun a :::; bund b ~ c, also a 1\ b = a und b 1\ c = b. Aus dem Assoziativgesetz folgt
dann a 1\ c = (a 1\ b) 1\ c = a 1\ (b 1\ c) = a 1\ b = a. Also gilt auch a :::; c, womit auch die
Transitivitt von ::; nachgewiesen ist.
Setzt man nun c = a 1\ b, so gilt sicherlich c ~ a, da c 1\ a = (a 1\ b) 1\ a = a 1\ b = c
ist. Ebenso gilt c ::; b. Ist nun d ::; a und d ::; b, also d 1\ a = d und d 1\ b = b, so folgt
d = dl\d = (dl\a) 1\ (dl\b) = dl\(al\b), alsod::; c = al\b. Daher ist c = al\b = inf(a,b).
Aus den Verschmelzungsgesetzen erhlt man unmittelbar a 1\ b = a <==> a V b = b, also
a < b ~ aVb = b. Darausergibtsichmitanalogenberlegungenwiezuvorsup(a,b) = avb.
Die Relation ::; erfllt daher alle geforderten Eigenschaften. Ist nun umgekehrt (H, ::;) eine
solche Halbordnung, so berlegt man leicht, dass die Operationsen 1\ = inf und V = sup alle
Eigenschaften eine Verbandes haben. Beispielsweise muss inf(a, sup(a, b)) = a nachgeprft
werden. Dies ist aber aus der Definition von inf und sup direkt ersichtlich. Die Details werden
dem Leser berlassen.
0
Da jede (endliche) Halbordnung durch ein Hassediagramm dargestellt werden kann, i te
auch mglich, einen Verband durch das Hassediagramm der entsprechenden Halbordnung zu
reprsentieren.

12

Abbildung 2.16 Teilerverband

86

2 Diskrete Mathematik

Beispiel 2.77 M ' = {I , 2, 3, 4, 6, 12} mit a 1\ b = ggT(a, b) und a

Verband. Sein Hassediagrammist in der Abb. 2.16 angegeben.

b = kgV(a , b) ist ein

Beispiel 2.78 Da in der Abb. 2.17 angegebene Beispiel einer Halbordnung zeigt, dass es auch
Halbordnungen auf sehr kleinen Mengen gibt, wo nicht fr alle Paare ein Infimum bzw. Supremum existiert. Diese Halbordnung reprsentiert daher keinen Verband.
6

Abbildung 2, l7 Hassediagramm einer Halbordnung, die kein Verband ist

Definition 2.79 Ein Verband (M, 1\, V) heit distributiver Verband~ wenn die Distributivgesetze

a 1\ (b V c)
aV(bl\c)

(al\b)V (al\ c),

(a V b) 1\ (a V c)

fr alle a, b, c E Al gelten.

--------------------~~----------------~~~~

Beispiel 2,.80 Der durch das in Abb. 2.18 gegebene Hassediagramm definierte Verband ist nicht
di tributiv. Es gilt a 1\ (b V c) = a 1\ 1 = a, aber (a 1\ b) V (a 1\ c) = 0 V 0 = O.
6

o
Abbildung 2.18 Nicht-distributiver Verband

Gewi se Verbnde haben auer den Distributivgesetzen noch weitere Eigenschaften. Beispielsweise hat der Verband (P (A) , n, U) aus Beispiel 2.74 (a) die ganze Menge A als gemeinsame obere Schranke und die leere Menge 0 als gemeinsame untere Schranke. Diese Elemente sind dann natrlich neutrale Elemente fr n und U . Weiters gibt es zu jeder Menge

2.3 Algebraische Strukturen

87

B E P(A) das Komplement B' = A \ B mit den Eigenschaften inf(B, B') = B n B' = 0
und sup(B , B') = BUB' = A. Der Verband (P(A) , n, U) bildet eine so genannte Boole'sche
Algebra.
J)efiDition 2.81 Ein distributiver Verband (M, 1\, v) heit Boole'sche Algebra. wenn er die
folgenden beiden zustzlichen Eigenschaften besitzt:
(i) Es gibt ein neutrales Element 1 E M bezglich 1\, und es gibt ein neutrales Element
o E M bezglich V, d.h. (M, 1\) und (M, V) sind Monoide.
(ii) Zu jedem a E M gibt es ein Komplementa/E M mit

a V a' = 1 und a 1\ a' = O.

Satz 2.82 Eine Boole'sche Algebra (1\1[, /\ , V) hat die folgenden Eigenschaften:
Ci) Fr alle a E M gilt a V 1 = 1 und

a /\ 0 =

Q.

(ii) Geltenfr ein b E M die Beziehungen a V b = 1 und a /\ b = 0, so ist a' = b.

(iii) Fr alle a E M gilt (a')' = a.

(iv) Fr alle a, bE M gelten die DeMorgan'schen Regeln

(a /\ b)'
(a Vb)'

a' Vb' ,
a' /\ b' .

Beweis. Es folgt aus den Verschmelzungsgesetzen: a V 1 = (a /\ 1) V 1 = 1 und a 1\ 0 =

Ca V 0) 1\ 0 = O.
Es sei nun b E M mit a V b = 1 und a /\ b = O. Weiters bezeichne::; die zu M gehrige
Halbordnung. Aus

a'

a' /\ 1 = a' /\ (a Vb)

(a' /\ a) V (a'

1\

b) = 0 V (a' /\ b) = a' 1\ b

folgt a' < b. Analog ergibt sich b = bl\a', also b ::; a'. hlsgesarnt folgt a' = b. Diese Eigenschaft
impliziert aber auch (a')' = a.
Schlielich rechnet man mit Hilfe des Distributivgesetzes nach, dass (a' V b' ) V (a /\ b) = 1
und (a' V b' ) 1\ (a 1\ b) = 0 gilt. Daraus folgt (a 1\ b)' = a' V b'. In analoger Weise zeigt man
(a Vb)' = a' 1\ b'.
0

Beispiel2.83 (B n , /\ , V) ist fr jedes nE N eine Boole'sche Algebra.

Interessanterweise sind dies (bis auf Isomorphie) alle endlichen Baole'schen Algebren, wie
der folgende Satz, den wir ohne Beweis angeben, besagt.

Satz 2.84 Jede endliche Boole'sche Algebra ist zu (Bn, 1\ , V) fr ein n E N isomorph, d.h., es
gibt nur endliche Baole 'sehe Algebren der Ordnung 2n (n E N).

88

2 Diskrete Mathematik

2.4 bungs aufgaben

2.1 Jemand wirft 2n-mal eine Mnze. Wieviele verschiedene Spielverlufe gibt es, wenn gleich oft
Kopf wie Adler auftreten soll?

2.2 Wie viele Mglichkeiten gibt es, drei (voneinander unterscheidbare) Wrfel so zu werfen, dass
genau zwei dieselbe Augenzahl zeigen?
2.3 Man bestimme die Anzahl der mglichen Tototipps (1, 2, x) bei 12 Spielen und die Anzahl der
mglichen richtigen Zehner (d. h. die Anzahl derjenigen Tipps, die mit einer vorgegebenen Kolonne an
gen au 10 der 12 Stellen bereinstimmen) .
2.4 Man berechne:
Ca) Wie viele "Wrter" der Lnge 28 gibt es, bei denen genau 5-mal der Buchstabe a, 14-mal b, 5-mal
C, 3-mal d vorkommen und genau einmal e vorkommt?
(b) Wie viele "Wrter" der Lnge 28 aus den Buchstaben a, b gibt es, die genau 5-mal a enthalten
und zwischen je zwei a mindestens 3-mal den Buchstaben b?
2.5 Wie viele Mglichkeiten gibt es, 23 verschieden groe Kugeln so zu frben, dass 9 rot, 5 schwarz,
4 blau, 4 grn sind und eine wei ist?
2.6 Wie viele Mglichkeiten gibt es, aus einem 32-bndigen Lexikon genau 7 Bcher auszuwhlen,
wobei zwischen zwei ausgewhlten Bnden immer mindestens einer im Regal stehen bleiben soll?
2.7 Man beantworte folgende Fragen fr das ,,6 aus 45"-Lotto:
(a) Wie gro ist die Anzahl der mglichen richtigen Fnfer (d. h. die Anzahl derjenigen 6-elementigen
Teilmengen von {I, 2, . . . ,45}, die mit einer vorgegebenen 6-elementigen Teilmenge genau 5
Elemente gemeinsam haben)?
(b) Wie gro ist die Anzahl der mglichen richtigen Fnfer mit Zusatzzahl (d. h. die Anzahl derjenigen 6-elementigen Teilmengen von {I , 2, . . . ,45}, die m einer vorgegebenen 6-elementigen
Teilmenge genau 5 Elemente gemeinsam haben und deren sechstes Element einen vorgegebenen
Wert auerhalb der 6-elementigen Menge hat)?
(c) Wie viele verschiedene Tipps mssen beim Lotto ,,6 aus 45" abgegeben werden, um sicher einen
Sechser zu erzielen? Wie viele verschiedene Tipps sind ntig, um mit Sicherheit mindestens einmal in den Gewinnrngen (d.h. Dreier oder besser) zu sein? Bei. wie vielen mglichen Tipps
timmt mindestens eine Zahl , bei wie vielen sind alle Zahlen falsch?
2.8 Wie viele natrliche Zahlen n < 100000 enthalten in ihrer Dezimalentwicklung Ca) genau dreimal
die Ziffer drei bzw. (b) genau viermal die Ziffer zwei?
2.9 Man bewe ise die Formel

(~) = t (~)
k= O

t (~) (n: k).

k= Q

(Hinweis: Man betrachte die Koeffizienten von x n in der Identitt (1

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

G) durch Interpretation von (~)

2.10 Man bewei e die Beziehung (~~D = (k~l) +

mentigen Teilmengen einer n-elementigen Menge.

als Anzahl der

k ~el

2.11 Die folgenden Aufgaben sollen mit dem Inklusions-Exklusions-Prinzip bearbeitet werden.
a) In einer Menge von n Personen knnen 10 Personen Deutsch, 7 Englisch, 5 Franzsisch, 6
Deutsch und Englisch, 4 Deutsch und Franzsisch, 3 Englisch und Franzsisch, 3 alle drei Sprachen und niemand keine der drei Sprachen. Wie gro ist n?

2.4 bungsaufgaben

89

(b) Wie viele natrliche Zahlen n mit 1 :S n :S 106 gibt es, die weder Quadrat, noch dritte, vierte
oder funfte Potenz einer natrlichen Zahl sind?
(e) Wie viele natrliche Zahlen n mit 1 :s; n :s; 103 gibt es, die durch 3 und 5, aber weder durch 9
noch durch 11 teilbar sind?
(d) Wie viele natrliche Zahlen n mit 1 :S n :S 106 gibt es, die weder durch 2 teilbar noch Quadratzahlen, noch dritte, noch vierte Potenzen natrlicher Zahlen sind?
(e) Man bestimme die Anzahl aller Anordnungen (Permutationen) der Buchstaben a, b, c, d, e, J, g,
in denen weder der Block "abcd" noch der Block "Ja" vorkommt. (Hinweis: Die Anzahl der
Permutationen einer n-elementigen Menge ist nL)
(f) Auf wie viele Arten knnen 8 Trme auf ein Schachbrett gestellt werden derart, dass sie einander
nicht schlagen und die weie Diagonale frei bleibt? (Ein Thrm schlgt eine andere Figur, die
horizontal oder vertikal auf gleicher Hhe steht, sofern keine weitere Figur dazwischen steht.)

2.12 Gegeben sei der ungerichtete schlichte Graph G = (V, E) mit V = {a , b, c, d, e} und E =
{ab, ac, ae, be, bd, ce }. Man veranschauliche G graphisch, bestimme seine Adjazenzmatrix sowie alle
Knotengrade und zeige, dass die Anzahl der Knoten, die einen ungeraden Knotengrad besitzen, gerade

ist. Gilt diese Aussage in j edem ungerichteten Graphen?

2.13 Ein schlichter Graph G

(V, E) heit kubisch, wenn jeder Knoten v E V Knotengrad d( v) = 3

hat.
(a) Geben Sie ein Beispiel fr einen kubischen Graphen mit ao(G) = 6 an.
(b) Gibt es einen kubischen Graphen mit ungerader Knotenanzahl 00 (G)?
(e) Zeigen Sie, dass es zu jedem n ~ 2 einen kubischen Graphen mit ao(G) = 2n gibt.

2.14 Man beweise Satz 2.16.

2.15 Man beweise Satz 2.17.
2.16 Welche der nachstehenden Adjazenzmatrizen stellt einen Baum dar?

A=

0
0
0
0
0
1

0 0 0
0 0 1
0 0 0
1 0 0
0 1 1
1 1 0

0
0
1
1
0
0

1
1
1
0

B=

0
0
0
0
0

0
0
1
0

0
1
0
1
0 0
1 0 1

0 0 1
0 0 0
1
0
1
0

0 1
1 0
0 0
0 0

2 .17 Unter n Mannschaften wird ein Turnier ausgetragen, und es haben insgesamt schon n + 1 Spiele stattgefunden. Man zeige, dass mindestens eine Mannschaft dann bereits an mindestens 3 Spielen
teilgenommen hat.
2.18 Man zeige, dass es in einem ungerichteten Graphen G = (V, E) mit 0
Knoten v E V(G) mit d(v) ~ 1 gibt.

< lEI < IVI immer einen

2.19 Man zeige mit Hilfe eines geeigneten graphentheoretischen Modells, dass es in jeder Stadt mindestens zwei Bewohner mit der gleichen Anzahl von Nachbarn gibt.

2.20 Sei C = (V, E) ein schlichter ungerichteter Graph mit IVI > 4. Man zeige, dass dann entweder G
oder Gy;, einen Kreis enthlt. (C"" ist der komplementre Graph zu G, d.h., G"" enthlt dieselben Knoten
wie G und alle Kanten vw zwischen Knoten v , w E V(G), vi- w, die rucht in E(G) enthalten sind.)
2.21 Man zeige, dass jeder Baum ein paarer Graph ist. (Ein ungerichteter Graph G ist ein paarer oder
bipartiter Graph, wenn die Knotenmenge V (G) in zwei disjunkte, nichtleere Teilmengen VI, V2 zerlegt
werden kann, so dass es nur Kanten (V1 ; V2) E E(G) mit VI E VI und V2 E V2 gibt.)

2 Diskrete Mathematik

90

2.22 Man zeige, dass ein ungerichteter schlichter Graph G genau dann ein paarer Graph ist, wenn jeder

Krei in G gerade Lnge hat.

.2.23 Man bestimme die Komponenten des starken Zusammenhangs des gerichteten Graphen aus
Abb.2.19.

AbbHdung 2.19 Gerichteter Graph und Netzwerk

2.24 Man beweise, dass es in einem Baum T mit IE(T) I ~ 2 immer wenigstens zwei Endknoten, also
Knoten mit Knotengrad 1 gibt.
2.25 Sei G ein einfacher, ungerichteter Graph. Dann wird der line graph Cl zu G folgendermaen
definiert: V(Cl) = E(G), und e f E E(G l ) genau dann, wenn im Graphen G eile Kanten e und J
einen gemeinsamen Knoten haben. Man zeige: Ist G ein einfacher, ungerichteter Euler'scher Graph (in
dem Sinn, dass eine geschlossene [Link]'sche Linie existiert), so ist der line graph Cl Harnilton'sch und
Eu ler' eh.
2.26 Gegeben seien ein zusammenhngender bewerteter Graph C mit V (G)

= {a , b, c, d, e, J, g, h,

i, j, k} und Kantenbewertungen
w(ab) = 3, w(ac) = 2, w(ad) = 7, w(ae) = 2, w(bd) = 4, w(bf)

= 8 , w(bk) = 6, w(bl) = 1,
w(cf) = 2, w(ck) = 5, w(de) = 1, w(df) = 6 , w(dg) = 9, w(dh) = 6, w(dj) = 1, w(ef) = 2,
w(ei) = 1, w(fg) = 2, w(gh) = 4, w(fk) = 6, w(gi) = 6, w(hk) = 7.
(a) Man gebe drei verschiedene Gerste von G an.
(b) Man bestimme ein Minimaigerost von G und dessen Gesamtlnge.

2.27 Man bestimme im Netzwerk aus Abb. 2.l3 mit Hilfe des Kruskal-Algorithmus einen maximalen
spannenden Baum.
2.28 Bestimmen Sie mit dem Algorithmus von Dijkstra einen krzesten Weg zwischen den Knoten x
und y des Netzwerkes aus Abb. 2.19.
2.29 Gegeben seien die folgenden binren Operationen
welche kommutativ?

in der Menge A . Welche sind assoziativ,

b = ab + 1,
(d) A =f 0, a 0 b = a.

Ca) A = N, a 0 b = 2aob ,
(c) A = lR, a0 b = la + bl,

(b) A = Q, a

2.30 Man zeige, dass (Z,. ) mit der Operation a b = a + b - ab eine Halbgruppe ist. Gibt es ein
neutrales Element? Wenn ja, welche Elemente haben Inverse?

2.31 Untersuchen Sie, ob die Menge A mit der binren Operation

eine Gruppe ist:
, (a) ' A =

{O, 1, 2}, mon = min(m + n, 2),

(e) A = P( M), B

C= B

u C,

(b) A =

eine Halbgruppe, ein Monoid bzw.

{z E C Ilzl = 2}, Zl 0

Cd) A = P(M) , B

Z2

C = B .6 C,

= ZI;:;' ,

2.4 lJbungsaufgaben

(e) A = Q \ {I}, a

91

b = a + b - ab,

(f) A = N, a

b = max.{a, b} .

.2.32 Man zeige: Gilt fr ein Element a einer Gruppe (G, *) , dass a
Element von G.

*a

= a, dann ist a das neutrale

2.33 Es sei U eine Untergruppe der Gruppe G. Man zeige, dass die Relation a '" b ~ a 0 U = b 0 U
eine quivalenzrelation auf G ist und dass die quivalenzklassen von rv die Linksnebenkla en von U
in G sind.
2.34 Man bestimme alle Untergruppen einer zyklischen Gruppe G der Ordnung 6, d. h. von G
{ e,a,a 2 ,a3 , a4 ,a5} .

2.35 Zm bezeichnet die Restklassen in Z modulo m .

(a) Man bestimme alle Untergruppen von (Z18, + ).
(b) Man zeige, dass die von :3 erzeugte Untergruppe U von (Z18 , +) ein Normalteiler von (Z l , +)
ist, und bestimme die Gruppentafel der Faktorgruppe 'llS /U .
Ce) Man bestimme die "primen" Restklassen module 18, d. h. alle Restklassen a mit ggT(a, 18) = 1.
Man zeige, dass die Menge Zi dieser primen Restklassen bezglich der Re tkIas enmultiplikation eine Gruppe bildet.
(d) Sei (Zis , ') die eben betrachtete Gruppe. Man be timme die vom Element '7 erzeugte Untergruppe
U sowie deren Nebenklassen in Zis .

2.36 Sei c.p : G

-+

Hein Gruppenhomomorphismus. Man zeige, dass c.p( G) eine Untergruppe von H

ist.

2.37 Seien c.p : G

Hund '1j; : H -+ J( Gruppenhomomorphismen. Man zeige, da s dann '1j;

K auch ein Gruppenhomomorphismus ist.
-+

<p :

2.38 Man untersuche, ob die folgenden Strukturen Ringe, Integrittsringe bzw. Krper sind:
(a) M = {O, 1} mit der Addition modulo 2 und dem Produkt a b = 0 fr alle a, b E M.
(b) M = {O, 1, 2} mit der Addition module 3 und dem Produkt a . b = 1 fr alle a , b E M .
(c) M = Q[ V51 = {a + bv'51 a, b E Q} mit der Addition und Multiplikation aus IR.
(d) M = {O , I} mit der Addition 0 + 0 = 0, 0 + 1 = 1 + 0 = 1, 1 + 1 = 1 und der gewhnlichen
Multiplikation.

2.39 Beweisen Sie, dass die angegebene Identitt in einem Ring R fr alle a, b E R gilt (dabei bezeichnet - c da additive lnver e zu c) :
(a) ( - a) b = - (a b) ,
(b) a (- b) = - (a b) ,
(c) (- a) (- b) = a b.

2.40 Sei (R, + , .) ein Ring. Man zeige, dass dann auch R x R mit den Operationen

(a , b)

+ (c, d) = (a + c, b + d)

und

(a, b) . (c, d)

= (a . C, b . d)

ein Ring ist.

2.41 Man beweise Satz 2.70.

2.42 Man zeige, dass die folgenden algebraischen Strukturen Verbnde sind. Welche sind auerde m
distributiv, und welche sind Boole'sche Algebren?

(IR, min, max),

(c) (P(A), n, U) .
(a)

(b) (N, ggT, kgV),

(d)

({U IU ~ G}, n, (. U .)), G Gruppe.

Kapitel 3
Lineare Algebra
Das Rechnen mit Vektoren und Matrizen ist ein unverzichtbares Hilfsmittel in fast allen exakten
Wissenschaften. So werden z.B. in der Physik gerichtete Gren (Kraft, Feldstrke, Geschwindigkeit, etc.) als Vektoren dargestellt. Weiters wird in der analytischen Geometrie die Vektorrechnung als Hilfsmittel verwendet, um geometrische Objekte (Geraden, Ebenen) rechnerisch
zu erfassen, u.v.a. mehr. Lineare Gleichungssysteme treten etwa in fast jedem Anwendungsbereich auf.
Die Lineare Algebra ist jener mathematische Teil, der alle diese Objekte von einem gemein amen Blickwinkel beschreibt.

Beispiel3.! Wir beginnen mit der Berechnung eines einfachen elektrischen Netzwerkes mit 4
Widerstnden und 2 Spannungsquellen, das in Abb. 3.1 dargestellt ist. Wir interessieren uns fr

,lOV
I

i2

11

R]

I.
I'

2V

R3

R2

Abbildung 3.1 Elektrisches Netzwerk

die Strornverteilung i 1 , i 2 , i s . Aus den Kirchhoff'schen Gesetzenl und dem Ohm'schen Gesetz2
ergeben sich die folgenden Beziehungen:

R 2i 1 + R 1 (i 1 + i 2 + i3)
-

R2 i 1

10 V,
0 V,

R 4i3 -

R3 i 2

2 V.

R3i2

Die Summe der bei einem Knoten zuflieenden Strme ist gleich der Summe der abflieenden, und die SUmme
der Spannungen entlang einer M asche ist NulL
zDie Spannung 1'/' an einem Widerstand R, durch den der Strom i fliet, betrgt u = R . i.
J

4.
3.1 Vektoren

93

Wir erhalten also ein so genanntes lineares Gleichungssystem in den unbekannten Strmen
Setzten wir nun konkret R 1 = 1.5 n, R2 = R 3 = 4 n und R 4 = 3 n, so erhlt man
Getzt ohne Einheiten)

i 1 , i2, i 3

5.5 i 1 + 1.5 i 2 + 1.5 i 3 =

10,

- 4i 1 +4i 2 -4 i2 + 3 i3 -

0,
2.

Aus der zweiten Gleichung folgt i 1 = i2 und aus der dritten i 3 = 2/3 + 4/3i 2 . Setzt man die e
Beziehungen in die erste Gleichung ein, so verbleibt dort nur mehr i 2 als einzige Unbekannte
und ermittelt sich zu i 2 = 1 A. Daraus erhlt man dann direkt i l = 1 A und i3 = 2 A. Die
Spannung am Widerstand R I betrgt daher R 1 (i 1 + i 2 + i 3 ) = 6V, an den Widerstnden R 2 und
R3 betrgt sie R 2 i 1 = R 3 i 2 = 4V und am Widerstand R 4 schlielich R 4i3 = 6V .
Die hier gewhlte Vorgangsweise zur Lsung die es Gleichungssystems ist noch ziemlich
unsystematisch. Wir werden spter sehen, wie man i. Allg. gnstig (und auch systematisch) vorgehen kann. Insbesondere empfiehlt es sich, die unbekannten Gren i 1 , i 2 , i 3 zu einem Vektor
(i 1 , i 2 , i 3 ) zusammenzufassen. Entsprechend fasst man die Koeffizienten auf der linken Seite zu
einer 3 x 3-Matrix zusammen und kann das lineare Gleichungssystem in Matrizenform prgnant
formulieren:

( ~!o 1.!

-4

( )_(1~

l.~) . ~~
3

i3

) .

Wir werden daher zunchst Vektoren und Matrizen genauer studieren.

3.1

Vektoren

1. Vektorrume
Ein (Spalten-)Vektor x im n-dimensionalen (reellen) Raum lR. n hat die Form

x=

mit n Eintragungen (bzw. Koordinaten) von reellen Zahlen X l, X2, . . . , X n E lR.. Etwas allgemeiner betrachtet man fr einen gegebenen Krper K (z.B. K = C , J( = Z2) den n-dimen ionalen
Raum gn von Vektoren x mit Eintragungen Xl, X2, . .. , X n E K . Der Krper J( heit auch
Skalarkrper, und die Elemente aus J( heien Skalare.
So beschreiben z.B.

die Ebene und den 3-dimensionalen Anschauungsraum.

3 Lineare Algebra

94

(~)
X

Abbildung 3.2 Vektor und Vektoraddition in der Ebene

Zwei Vektoren x , y E K n werden koordinatenweise addiert:

YI

Xl

x + y =

X2

Xn

Y2

+Yl
X2 + Y2

Yn

Xn+Yn

Xl

Geometrisch entspricht die Vektoraddition der aus der Physik bekannten Parallelogrammregel
fr die Addition von Krften (vergleiche mit Abb. 3.2).
Weiters knnen Vektoren mit einem beliebigen Faktor). E K (also einem Skalar) multipliziert werden:
).x=).

Xl

).XI

Xz

). XZ

Xn

).X n

Abbildung 3.3 Skalarrnultiplikation

Spezielle Vektoren sind der Nullvektor 0 und der additiv inverse Vektor - x:

0=

o
o
o

-x = (-1) x =

3.1 Vektoren

95

Mit diesen Begriffsbildungen ist es leicht nachzurechnen, dass die algebraische Struktur

(K n ) +) eine abelsche Gruppe bildet. Das neutrale Element der Addition ist dabei der Nullvektor 0, und das additiv inverse Element von x ist - x.
Auerdem erfllt die Skalarmultiplikation in Kn noch weitere Rechenregeln (nmlich (i)(iv) in der folgenden Defintion 3.2). Kn bildet daher einen so genannten Vektorraum, der gleich
allgemein definiert wird.

Definition. 3.2 Sej K ein Krper und (V, +) eine abelsche Gruppe. Weiters [Link] jedem
,\ E K und x E V ein Produkt A . x E V zugeo~dnet.
Die algebraische Struktur (V, +, K) heit Vektorraum oder linearer Raum ber K, wenn
die folgenden Eigenschaften (flir alle A, f.,/< E K und x, y E V) erflillt sind:
(i)
(ii)
(iii)
(iv)

A' (x + y) = A . x + A . y,
(A + J.L) . x .. A . x + ~/, . x,.
(AJ.L) x = A ' (J.L ' x),
1 . x = x.

Wie gesagt, ist insbesondere J(n ein Vektorraum ber K. Der eigentliche Grund, warum der
Begriff "Vektorraum" eigens ausgezeichnet wird, ist dadurch gegeben, dass diese Struktur in
der Mathematik an vielen verschiedenen Stellen auftritt. In diesem Kapitel beschrnken wir uns
auf Teilmengen von Kn .
Beispiel 3.3 Es sei V = R? die Ebene und

w = { x = ( ~~ )

~2 I

Xl

X2 }

die so genannte erste Mediane (siehe Abb. 3.4). Man erkennt sofort, dass W die Eigenschaften

Abbildung 3.4 Erste Mediane W und dazu parallele Gerade

eines Vektorraums hat. Man muss im Wesentlichen nur nachrechnen, dass man in W uneingeschrnkt addieren und mit Skalaren multiplizieren darf. (Alle Rechenregeln vererben sich von
V = :IR?) Sind x und y in W, also Xl = X2 und YI = Y2 , dann gilt auch Xl + Yl = X2 + Y2 und
A XI = A X2. Daher sind x + y und), . x in W enthalten.
f:::.

3 Lineare Algebra

96

Beispiel3.4 Es sei nun V = 1R 3 und U = {x E 1R3 j Xl + X2 + X 3 = O}. Geometrisch ist U eine

Ebene durch den Ursprung (siehe Abb. 3.5). Auch in U kann man uneingeschrnkt addier:en

Abbildung 3.5 Unterraum im]R3

und mit Skalaren multiplizieren, ohne dass man U verlsst. Sind x und y in U, so folgt aus
X l + X 2 + X 3 = 0 und YI + Y 2 + Y3 = 0 auch ( X l + YI) + ( X 2 + Y2) + ( X3 + Y3) = O. Daher
ist x + y in U. Entsprechend ist AXI + AX2 + AX3 = 0 und daher A . x ebenfalls in U. Die
Teilmenge U bildet also einen Vektorraum.
6.
Diese bei den Beispiele zeigen, dass gewisse Teilmengen (Geraden und Ebenen, die den
Nullvektor 0 enthalten) von ]R2 bzw. ]R3 auch Vektorrume sind. Sie bilden so genannte Unteroder Teilrume.
--------~--~~----~-------------------------Definition
3.5 Sei (V, +, K) ein Vektorraum und U eine nichtleere Teilmenge von V. Bildet
(U, +, K) wieder einen Vektorraum, dann heit U Unterraum oder Teilraum von V.

Wie in den Beispielen 3.3 und 3.4 bereits angedeutet, muss man zur berprfung, ob eine
nichtIeere Teilmenge U von V einen Unterraum bildet, nur untersuchen, ob zu je zwei Vektoren
x , y E U und A E ]{ auch x + y und A . x in U liegen (siehe bungsaufgabe 3.4).
Als vereinfachte Schreibweise verwendet man U ~ V fr die Eigenschaft, dass U Unterraum von V ist. Man beachte, dass der ganze Raum V und die Menge {O}, die nur aus dem
Nullvektor besteht, immer Unterrume von V sind:

S; V

und

{O} S;

v.

In den Beispielen 3.3 und 3.4 wurden Unterrume durch die Beziehungen X l = X2 bzw.
durch Xl + X 2 + X 3 = 0, also durch so genannte lineare Gleichungen, beschrieben. Es stellt sich
daher in natrlicher Weise die Frage, welche Menge etwa durch die Gleichung X l = X2 + 4

in ~2 oder

+ X2 + X3

= 5 in IR3 beschrieben wird. Die Antwort ist berraschend einfach.

Es sind verschobene Unterrume, also Nebenklassen, die auch Nebenrume genannt werden
(vergleiche mit Abb. 3.4):
Xl

{x E
und

]R2j Xl

X2

+ 4}

= (

~ ) +w

3.1 Vektoren

97

Definition 3.6 Sei U ein Unterraum eines Vektorraums V und :vo ein Vektor aus V. Die

Menge

= :Vo

+ U = {alo + U IuE U}

heit Nebenraum von U.

Wir werden spter sehen, dass die Lsungsmenge eines linearen Gleichungssystems immer
einen Nebenraum bildet.
Unter- und Nebenrume knnen aber nicht nur durch lineare Gleichungen (oder lineare
Gleichungssysteme) beschrieben werden. Es sei nun v E ]R3 ein (vom Nullvektor verschiedener) Vektor. Dann bilden die skalaren Vielfachen von v, d.h.
[v] = {A,vIAEIR}

eine Gerade, die vom Vektor v "aufgespannt" wird (siehe Abb. 3.6). Wegen Al . v + A2 . V =
(Al + A2) ' v und A' (Al' v) = (AAl ) ' v ist diese Gerade ein Unterraum von V . Die Menge [v]
ist brigens der (bezglich der mengentheoretischen Inklusion) kleinste Unterraum von V , der
den Vektor v enthlt, man bezeichnet ihn auch als den von v erzeugten (oder aufgespannten)
Unterraum. Verschiebt man diese (durch den Ursprung gehende) Gerade um einen Vektor x o,
so erhlt man eine allgemeine Gerade

9 = Xo + [v] = {x

= Xo + A' v I A E IR} .

Sie geht durch die Spitze des Vektors Xo und ist parallel zur ursprnglichen Geraden [v]. Der
Vektor X o wird in diesem Zusammenhang auch Ortsvektor genannt, und v heit Richtungsvektor. Die Darstellung der Vektoren auf 9 in der Fonn x = X o + A' v ist eine Parameterdarstellung von 9 (siehe Abb. 3.4).
In hnlicher Weise kann man auch eine Ebene

in Parameterdarstellung angeben. Dabei ist

spannen einen Unterraum

Xo

wieder ein Ortsvektor. Die Vektoren

Vi

und

V2

auf, und zwar eine Ebene, welche die Vektoren V I und V 2 enthlt ( VI und V 2 mssen dabei
verschieden vom Nullvektor sein, und V 2 drufkein Vielfaches von V l sein, siehe Abb. 3.6). Man
beachte, dass [V b V 2] der (bezglich der mengentheoretischen Inklusion) kleinste Unterraum
von U ist, der V l und V 2 enthlt.
Diese einfachen Beispiele zeigen, dass man geometrische Objekte (wie Geraden und Ebenen) mit Hilfe von Nebenrumen beschreiben kann. Dies ist die Grundlage der analytischen
Geometrie. Punkte knnen brigens auch durch Nebenrume beschrieben werden. Sie werden
als Nebenrume des Unterraums {O} interpretiert.

3 Lineare

98

Abbildung 3.6 Von Vektoren erzeugte Unterrume im

Algebra

]R3

Bei der Beschreibung einer Geraden bzw. Ebene wurden Vielfache .A . v eines Vektors bzw.
Summen .Al . VI + A 2' V 2 von Vielfachen von zwei Vektoren verwendet. Solche Objekte spielen
in der linearen Algebra eine wichtige Rolle.

Definition 3.7 Es seien Vl, V2 . . ,Vn Elemente eines Vektorraums V (ber dem Krper K)
und Al .A2 ... ,.An E K. Dann heitdieSumrne
n

Al . Vl

+ A2 . V2 + .. . + An . v n =

LAi ' Vi
i= I

Linearkombination der Vektoren VI , V2," . Vn. Die Skalare Al, A2 ,' .. , An E K heien
Koeffizienten der Linearkombination. Eine Linearkombination heit trivial, wenn alle Koeffizienten Ai = 0 sind (1 ~ i ~ n). Andernfalls heit sie nichttrivial.
Die lineare Hlle [M] einer nichtleeren Teilmenge M von V ist die Menge aller Vektoren,
die durch Linearkombinationen von (endlich vielen) Vektoren aus M gebildet werden knnen.
Weiters setzt man [0] = {O}.
Beispielsweise ist [v] = {A . v! A E K} die lineare Hlle eines Vektors v und
{Al ' VI + A 2 . V 2 ! .Al , A2 E K } die lineare Hlle von zwei Vektoren V I, V 2 . 3

[VI , V 2 ] -

Satz 3.8 Sei Iv! eine Teilmenge eines Vektorraums V . Dann ist die lineare Hlle [MJ ein [Link] von V, und zwar der (bezglich der mengentheoretischen Inklusion) kleinste Unterraum,
der alle Vektoren von M enthlt.
Beweis. Ist M = 0, so ist [NIl = {O} ein Unterraum von V . Andernfalls beobachtet man, dass
die Summe von zwei Linearkombinationen, aber auch ein skalares Vielfaches einer Linearkombination wieder eine Linearkombination von Vektoren aus M ist. Damit ist die lineare Hlle
[lVI] ein Unterraum. Weiters muss ein Unterraum, der alle Vektoren von M enthlt, auch alle
Linearkombinationen von Vektoren aus lYI enthalten. Demnach ist die lineare Hlle [MJ der
0
kleinste Unterraum, der alle Vektoren aus M enthlt.
3Genauer msste man [{v} 1 bzw. [{V1 , vd J schreiben, da die lineare Hlle nurfr eine Menge von Vektoren
defi ni ert wurde. Wir verwenden aber der Einfachheit halber die "falsche" Schreibweise [v J bzw. [Vi, V2] und sagen
dafr auch "lineare Hlille eines Veklor. " bzw. "lineare Hlle von zwei Vektoren."

3 .1 Vektoren

99

2. Linare Unabhngigkeit und Basen

Wir haben oben gesehen, dass zwei Vektoren VI , V2 (=I- 0 ) genau dann eine Ebene aufspannen,
wenn V 2 kein Vielfaches von Vl ist, bzw. wenn V 2 fj. [VI]' Mann nennt diese Eigenschaft auch
linear unabhngig. Dieser Begriff ist ein zentraler Begriff der linearen Algebra.

Definition 3.9 Eine Menge M von Vektoren heit linear unabhngig, wenn kein Vektor aus
M als Linearkombination der anderen Vektoren aus M dargestellt werden kann, also fr alle
v E M gilt
v~rM \ {v}].

Andererseits heit eine Menge M von Vektoren linear abhngig, wenn es mglich ist, einen
Vektor aus Mals Linearkombination von anderen Vektoren aus M darzustellen, wenn es also
einen Vektor v E M gibt mit

VE[M \ {v}].
Anstelle von Mengen von Vektoren betrachtet man in der linearen Algebra auch "Listen von
Vektoren" V b V2 , ... , V n (die nicht unbedingt paarweise verschieden sein mssen) und sagt,
dass eine Liste von Vektoren linear unabhngig ist, wenn es nicht mglich ist, einen dieser
Vektoren als Linearkombination der anderen darzustellen. Entsprechend sagt man, dass eine
Liste von Vektoren linear abhngig ist, wenn einer dieser Vektoren als Linearkombination der
anderen darstellbar ist, also wenn sie nicht linear unabhngig sind.
Man beachte, dass eine Liste von Vektoren VI , V 2, . . . , V n genau dann linear unabhngig ist,
wenn aUe Vektoren voneinander verschieden sind und die Menge M = {VI , V 2 , .. . , v n } linear
unabhngig ist. Man unterscheidet daher nicht streng zwischen linear unabhngigen Mengen
und linear unabhngigen Listen. Bei linear abhngigen Listen muss man vorsichtiger sein. Hier
ist z.B. die Liste der Vektoren VI , VI (mit VI =I- 0 ) linear abhngig, aber die dazu gehrige Menge M = {VI} linear unabhngig. Nur wenn die Vektoren in der Liste paarweise verschieden
sind, ist die Liste genau dann linear abhngig, wenn die Menge dieser Vektoren linear abhngig
ist.

Beispiel 3.10 Die Vektoren (bzw. die Menge der Vektoren)

1
0
0

el =

0
0

1
0

, e2 =

, ... , e n =

EKn

sind (ist) linear unabhngig. Beispielsweise ist bei jeder Linearkombination von e2, e3, . . . , en

die erste Koordinate 0, also kann e l njcht als Linearkombination von e2, e3, . . . , en dargestellt
werden .
Die Vektoren e I, e2, . . . , e n bilden auch die (so genannte) kanonische Basis E =
{eI , e 2, . . . , en } von K n.
6.

Beispiel 3.11 Die drei Vektoren (und auch die Menge der drei Vektoren)

VI

= (

!),

V,

= (

) ,

v, =

U)

3 Lineare Algebra

100

sind (ist) linear abhngig. Es gilt nmlich

Die bei den Beispiele vermitteln den Eindruck, dass es [Link] umstndlich ist, zu berprfen , ob eine Menge oder Liste von Vektoren linear unabhngig ist oder nicht. Tatschlich kann
man dies relativ einfach berprfen. Die drei Vektoren im Beispiel 3.11 sind linear abhngig,
es gilt ja V 3 = 2 . VI - 3 . V2. Anders angeschrieben bedeutet das, dass es mglich ist, den
Nullvektor als nichttriviale Linearkombination darzustellen:
2 VI

3 V2

V3

= O.

Diese Eigenschaft ist quivalent zur linearen Abhngigkeit. Gibt es nmlich eine nichttriviale
Linearkombination der Form

.Al . Vl

+ .A2 . V 2 +

.A3 . V 3 = 0 ,

wobei Z.B. .A3 I=- 0 ist, so erhlt man

V3

.Al
.A3

= - -;- . VI

.A2
.A3

. V 2

Es lsst sich also einer der Vektoren als Linearkombination der anderen darstellen. Da die lineare Unabhngigkeit das Gegenteil der linearen Abhngigkeit ist, haben wir folgende alternative
Beschreibung nachgewiesen.

Satz 3.12 Eine Menge M = {VI , V 2, .. . , V n } von Elementen eines Vektorraums V ist genau
dann linear unabhngig, wenn nur die triviale Linearkombination den Nullvektor darstellt:
'\1 . V I

+ '\2 . V2 + ... + .An . V n = 0

===}

'\1

= .A2 = ... = .An = O.

1\11 ist genau dann linear abhngig, wenn es eine nichttriviale Linearkombination gibt, die den
Nullvektor darstellt:
3 ('\1, .A2 , ... , '\n)

i=

(0 , 0, ... , 0) mit .Al'

VI

+ '\2 ' V 2 + .. . +.A n . V n = O.

Man beachte, dass dieser Satz wortwrtlich auch fr Listen von Vektoren gilt.
eispieI3.13 Wir mchten nochmals untersuchen , ob die drei Vektoren V j , V 2 , V 3 bzw. die
Menge M = {V I , V 2, V 3 } der Vektoren aus Beispiel 3.11 linear unabhngig oder linear abhngig ind. Dazu betrachten wir

Anders ange chrieben ist dies ein lineares Gleichungssystem:

+ 1.A2 - 1).3
3.A1 + 2.A2 + 0.A3
[Link] + 2'\2 + 2'\3
1).1

0)

0,
O.

Dieses Gleichungssystem hat eine nichttriviale Lsung .Al = 2, .A2 = - 3, .A3 = - 1. Die Vektoren sind also (wie wir bereits aus Beispiel 3.1 1 wissen) linear abhngig.
6.

3.1 Vektoren

101

Beispiel 3.14 Die drei Vektoren

sind linear unabhngig. Betrachtet man nmlich in der Linearkombination '\1 . V I + '\2 . V2 +
'\3 . V 3 = 0 die erste Koordinate, so folgt sofort '\1 = O. Im nchsten Schritt folgt aus '\2 . V 2 +
'\'3 . V 3 = 0 durch Betrachtung der zweiten Koordinate '\2 = 0 und damit auch '\3 = O.
Fasst man diese drei Vektoren zu eine Matrix

(-~ -~ J)
zusammen (vergleiche mit Definition 3.20), dann bildet diese eine so genannte Halbdiagonalform, d.h ., alle Eintragungen oberhalb (bzw. unterhalb) der Diagonale4 sind O. Offensichtlich
sind in einer solchen Situation, wo zustzlich die Diagonalelemente nicht verschwinden, die
(Spalten-)Vektoren immer linear unabhngig.
/::;
Nun wollen wir Linearkombinationen von linear unabhngigen Vektoren VI , V 2,
trachten. Ist etwa der Vektor x in der linearen Hlle dieser Vektoren enthalten, also

. . . ,Vn

be-

so sind die Koeffizienten '\1 , '\2, .. , '\n eindeutig bestimmt. Wre es nmlich mglich, x in der
Form
x = f-ll . V l + f-l 2 . V 2 + ... + f-ln . V n
mit mglicherweise anderen Koeffizienten
Differenzbildung

f-ll , J.L2, . .. , f-ln

zu schreiben, so erhalten wir nach

also eine nichttriviale Linearkombiation von VI , V 2 . .. I V n , die den Nullvektor darstellt. Dies
ist aber wegen der vorausgesetzten linearen Unabhngigkeit nicht mglich.
Diese berlegungen fhren un zu einem der wichtigsten Begriffe im Zusammenhang von
Vektorrumen, zum Begriff einer Basis.

Definition 3.15 Eine Teilmenge Beines Vektorraums V heit Basis von V , wenn sie linear
unabhngig ist und ihre lineare Hlle [B] gleich l/ ist.
Jeder Vektor x aus V lsst sich eindeutig als Linearkombination von Vektoren der Basis darstellen. Die Koeffizienten dieser Linearkombination heien Koordinaten von x bezglich der
Basis B.
Eine wichtige Eigenschaft von Vektorrumen ist, dass jede Basis gleich viele [Link].
Dies wird mit Hilfe der folgenden Eigen chaft nachgewiesen:
4Die " Diagonale" einer Matrix A
..links oben" nach "recht unten".

= (aij) bilden die Elemente all , a22, . . . d.h. , die Diagonale verluft von

3 Lineare Algebra

102

Satz 3.16 (Anstanschlemma) Es sei M = {VI , V 2, . . . ) v n } eine Menge von Vektoren und a =
PI . VI + ... + /-Ln . v n eine Linearkombination dieser Vektoren. Weiter sei M' = (M \ {V j }) U
{al = {VI, " " Vj - I, a , V j+l,' . . , V n } fr ein j mit Pj =1= O. Dann ist M gen au dann linear
unabhngig, wenn M' linear unabhngig ist, und es gilt immer [M'] = [M] .
Beweis. Wir betrachten eine Linearkombination der Vektoren aus M ':

+ >'j . a + Aj + l . Vj + l + .. . + >'71. . V n
= Al . VI + ... + A j - 1 . V j - 1 + >'j . (/-lI' V I + .. . + /l n . V n ) + >'j+1
= (Al + AjPI) . VI + . . , + (Aj - l + A j P j - l) . Vj - l + A j/-lj . V j
+ (>'j+1 + [Link]+l) . V j+1 + ... + (An + A j P n) . V n

>'1 . VI + ... + >'j -

l . Vj _ l

. V j+1

+ ... + A n

. Vn
.

(3.1)

Setzt man nun voraus, dass M linear unabhngig ist, und nimmt man an dass diese Linearkombination der Vektoren aus M' den Nullvektor darstellt, so folgt zunchst (wegen /-tj =1= 0), dass
A j = 0 ist, also

Daraus folgt aber auch A l = ... -=- Aj - l = A j+l =

linear unabhngig ist.
Man beachte nun, dass Vj als Linearkombination
Vj

= - /-l l . VI - .. . [Link]

Mj - l . V j - l
[Link]

+ ~ .a
/-tj

...

>'n

0 und schlielich, dass M'

Mj+l . V j+ l _ ... _
/-t j

/-tn . V

(3.2)

Mj

der Vektoren aus M ' dargestellt werden kann, wobei der Koeffizient 1/ Mj =1= 0 ist. Aus denselben berlegungen wie vorhin folgt nun, dass M linear unabhngig sein muss, wenn man
voraussetzt, dass M' linear unabhngig ist.
Weiters folgt aus der obigen Darstellung (3.1), dass in jedem Fall [M'] ~ [M] ist, da jede
Linearkombination von Vektoren aus M' als Linearkombination von Vektoren aus M dargestellt
werden kann. Wegen (3 .2) gilt auch die umgekehrte Inklusion, also insgesamt [M'] = [M]. 0
Wir nehmen nun an, dass B == {bI, b 2 , . . . , bn } eine (endliche) Basis eines Vektorraums V
ist, und C = {Cl, C2} sei eine linear unabhngige Menge. Wir wollen jetzt versuchen, nicht nur
einen Vektor aus B (wie in Satz 3.16) auszutauschen, sondern zwei. (Aus Grnden der Einfachheit betrachten wir zunchst nur zwei Elemente.) Wir gehen schrittweise vor. Wegen C l =1= 0
sind in der Darstellung von Cl als Linearkombination der Vektoren aus B nicht alle Koeffizienten O. Wir nehmen o.B.d .A. an, der Koeffizient von b1 wre ungleich O. Dann folgt au dem
Austauschlemma, da s B ' = {Cl, b2 , . . . , bn } wieder eine Basis von V ist. Im zweiten Schritt
wollen wir C2 gegen einen Vektor aus B' austauschen. Dazu betrachten wir jene Linearkombination von Vektoren aus B I, die C2 darstellt. Angenommen, alle Koeffizienten der Vektoren
b z, .. . , bn wren 0, dann wre C2 ein Vielfaches von C l. Dies ist jedoch ausgeschlossen, da wir
vorau gesetzt haben, dass die Vektoren Cl , C2 linear unabhngig sind. Wir knnen daher (wieder
o.B.d.A.) annehmen, dass der Koeffizient von b2 von 0 verschieden ist, und es folgt aus dem
Austauschlemma, das B" = {C l, C 2, b3 , . , bn } = (B \ {b 1 , b2 }) U C eine Basis ist.
Dieselbe berlegung funktioniert fr jede linear unabhngige Menge C . Es gibt in Beine
Teilmenge D mit IDI = ICI, so dass (B \ D) U C wieder eine Basis ist. Insbesondere kann

3.1 Vektoren

103

C nicht unendlich sein, und es muss IGI ~ IBI gelten. Wendet man diese berlegung fr eine
Basis C an und vertauscht man in einem zweiten Schritt die Rollen von Bund G, so folgt auch
IBI < IGI und schlielich IBI = IGI. Wir haben daher - wie angekndigt - nachgewiesen,
dass zwei (endliche) Basen desselben Vektorraums immer gleich viele Elemente haben. Dies
begrndet den Begriff der Dimension,
Definition 3.17 Besitzt ein Vektorraum V eine endliche Basis B, so ist die Dimension dirn V
gleich der Anzahl IB I der Vektoren von B. Besitzt V keine endliche Basis,so heit er unend..

Iichdimensional.
Beispiel 3.18 Die Vektoren e l , e2, ' . , ,e n aus Beispiel 3.10 sind nicht nur linear unabhngig,
sondern spannen wegen

x =

X2

Xn

Xl

1
+" ' +X n '

+X2'

Xl '

0
0

= Xl

,eI

+ X2 , e 2+, , ,+ Xn ' e n

auch alle Vektoren aus J(n auf. Sie bilden daher eine Basis, die so genannte kanonische Basis
E = {el , e2" , . , e n } von J(n. Die (blichen) Koordinaten xl, x2 , . . , ,Xn eines Vektors x E J( n
sind gleichzeitig die Koordinaten bezglich E . Insbesondere gilt dirn Kn = n.
6.

Beispiel3.19 Die Polynome p(x) = ao + alX + . , . + an x n mit reellen Koeffizienten aj E ~

bilden einen Vektorraum ber ~ . Offensichtlich ist die Menge B = {I , X, x 2 , x 3 , ' .. } der Monome eine Basis der Polynome. Damit ist (IR [x] , +,IR) ein unendlichdimensionaler Vektorraum.
6.
Im Folgenden wollen wir uns auf endlichdimensionale Vektorrume beschrnken. Es
sei nun V ein allgemeiner Vektorraum (ber dem Krper J() der Dimension n und B =
{bI, b2 , , . , bn } eine Basis von V. Jeder Vektor x E V lsst sich eindeutig als Linearkombination der Basisvektoren darstellen:

Man nennt die Abbildung ci> B : V

---t ](n ,

die einem Vektor x E V die Koordinaten

zuordnet, die Koordinatenabbildung bezglich der Basis B.

Wegen der Eindeutigkeit der Darstellung als Linearkombination einer Basis ist die Koordinatenabbildung 1> B bijektiv und erfllt die Eigenschaften

fr alle x , y E V und>' E K . Man kann daher auf der Ebene der Koordinaten alle Rechnungen
in V auch im Vektorraum ](n durchfhren. \f und K n haben daher dieselbe Struktur, man nennt

3 Lineare Algebra

104

sie auch isomorph. Der Vektorraum Kn ist daher in diesem Sinn der "einzige" Vektorraum der
Dimension n. Dies rechtfertig auch die eingangs gewhlte Beschrnkung auf den Kn .
Abschlieend bemerken wir noch, dass die Dimension von Teilrumen U ~ V nie grer
sein kann als die von V:
U ~V
===> dirnU ~ dirn V.
Fr den trivialen Nullraum gilt dirn{O} = O.

3.2 Matrizen
1. Rechnen mit Matrizen

Matrizen sind grob gesprochen rechteckige Schemata (oder Tabellen) mit Eintragungen. Sie
sind uns schon an verschiedenen Stellen begegnet, z.B. als Adjazenzmatrizen von Graphen oder
als Koeffizentenmatrix des linearen Gleichungssystems aus dem einleitenden Beispiel 3.1.
Definition 3.20 Unter einer m x n-Matrix A
versteht man ein rechteckiges Schema

A=

==

(aij) mit Koeffizienten aus einem Krper

an

a12

a1-n

a21

a22

a2n

amI

am2

amn

aus m Zeilen und n Spalten mit Eintragungen aij E K. Die Menge aller mx n-Matrizen mit
Eintragungen aus K wird mit Kmxn bezeichnet. Eine Matrix A E Knxn mit gleicher Spaltenund Zeilenanzahl heit quadratisch.

Beispielsweise ist ~------------------------------------------------~

A, =

0~ n

UD

A, =

bzw.

eine (quadratische) 3 x 3-Matrix und eine (nicht quadratische) 3 x 2-Matrix.

brigens knnen die Spaltenvektoren als einspaltige Matrizen aus K m x 1 gesehen werden
(wofr wir einfachheit halber auch Km schreiben). Entsprechend bezeichnet man einzeilige
Matrizen au Kl xn als Zeilenvektoren. Wir werden eine m x n -Matrix auch als "Aufreihung"
ih]"er Spalten al, a2, " . ,an betrachten:

A = (al a2 . . . an ) .
Definition 3.21 Ist .A E ]{mxn eine m x n-Matrix, so bezeichrten wir mit AT die zu A
transponierte Matrix. Sie ist eine n x m -Matrix und geht aus A dadurch hervor, dass Zeilen
und Spalten vertauscht werden, d.h., die erste Spalte von A ist clie erste Zeile von AT, usw.
Eine quadratische Matrix A

ist, d.h., wenn

aij

= (ai.1)

Knxn heit symmetrisch, wenn

= aji fr alle 1 ~ i, j

::; n gilt.

3.2 Matrizen

105

Beispielsweise ist

2)T
~ = ( ~ ; = (~;
1

und die Matrix

A3 =

10 - 02 2)
1

( 213

ist symmetrisch.
Mit Matrizen kann man wie mit Vektoren rechnen. So wird die Summe A + B von zwei Matrizen A = (aij ) , B = (bij ) E K mxn elementweise gebildet: A + B = (aij +bij ). Beispielsweise
ist

1
2
)
+ (-2 1) = (-13)
(o
5 7
2

30
1- 2

Ebenso kann man das Vielfache>. . A

87.
1 0

= (>. aij) bestimmen. So ist etwa

Man sieht sofort, da di.e algebraische Struktur (Kmxn, +, K) einen Vektorraum der Dimension m . n bildet.
Noch intere santer ist das Produkt von Matrizen.
Definition 3.22 Sind A = (aij ) E Km xn und B = (b jk ) E Kn xq zwei Matrizen, wobei die
Anzahl der Spalten der ersten gleich der Anzahl der Zeilen der zweiten ist, so wird durch
n

<;k

= a il bl k

+ ai2b2k

+ .. . + a in bnk =

a i jb jk

; =1

eine Matrix in Km X q definie11, die als Produkt A B

=;:

(Cik) der Matrizen A und B bezeichnet

wird.
Wir illustrieren diese formale Definition an einem einfachen Beispiel:

Al . A

0~ DUn
1 . 1+5 .5 + 2 .0
3 .1+ 2 .5 + 1 .0
(
0 1 + 1 5+2 0

1 .2+ 5 .7 + 2 .2 )
( 26 41)
3 .2+ 2.7+1 .2
=
13 22
.
0 2+ 1 7+2 2
5 11

Man beachte, dass das Element Ci k durch ein so genanntes Skalarprodukt der i-ten Zeile von
A und der k-ten Spalte von B gebildet wird. Ein Skalarprodukt von einem Zeilenvektor x und

3 Lineare Algebra

106

einem Spaltenvektor y ist dabei durch

x .y =

( Xl

X2

. .

Xn ) '

gegeben. Wir werden spter dieses (und noch allgemeinere) Skalarprodukt(e) genauer behandeln.
Die Matrizenmultiplikation folgt, wie wir gleich sehen werden, zahlreichen Rechenregeln
(siehe Satz 3.24). Allerdings sind (wenigstens) zwei gewohnte Eigenschaften nicht erfllt. Erstens ist die Matrizenmultiplikation nicht kommutativ, d.h., i. Allg. gilt

A B =f B A ,
und zweitens kann das Produkt zweier Matrizen Null ergeben, auch wenn beide Faktoren von
Null verschieden sind. Beispielsweise ist

(~ ~ )'(6 ~) = (~

6)'

Bevor wir die schon angekndigten Eigenschaften der Matrizenmultiplikation besprechen,

fhren wir noch eine spezielle quadratische Matrix ein.

Definition 3.23 Sei n 2: 1 eine ganze Zahl. Unter der n-dimensionalen Einheitsmatrix In E
K nxn versteht man die Matrix

'

d.h .. die Spalten von 1'1 sind die Vektoren 81 , 8 2, . .. , e n detkanonische Basis.

--~---.I

Die Einheitsmatrix hat auch die Eigenschaft, dass nur in der Diagonale Elemente stehen,
die von Null verschieden sind. Allgemein betrachtet man so genannte Diagonalmatrizen

Al 0 0
0 A2 0
diag(Al, A2, . . . , An) =

0
0

A3
0
0

0
0
0

0
0
0

An- l

An

Entsprechend pricht man von oberen bzw. unteren Dreiecksmatrizen, wenn alle Elemente
unterhalb bzw. oberhalb der Diagonale 0 sind.

....
3.2 Matrizen

107

Im folgenden Satz listen wir einige Eigenschaften von Matrizen auf.

Satz 3.24 A , B , C bezeichnen Matrizen, I die Einheitsmatrix (jeweils in passender Dimension)

und>' einen Skalar. Dann gelten die folgenden Rechenregeln:

A I = I . A = A,
(A B) . C = A . (B . C),
(A + B) . C = A C + B C,
A (B + C) = A . B + A . C,
(v) (>,. A) . B = A . (>' . B) = >. . (A . B),

Ci)
(ii)
(iii)
(iv)

(vi) (A + B)T = AT + B T,
(vii) (A B)T = B T . AT,
(viii) (>,. A)T

= >. . AT.

Alle Eigenschaften sind leicht nachzurechnen. Wir greifen die zweite heraus. Ist A = (aij) ,
B = (bjlc) und C = (ekl), so bestimmt sich das Element von (A B) C an der Stelle (i , l) durch

und das entsprechende Element von A . (B . C) durch

Diese beiden Doppelsummen sind jedoch wegen der Rechengesetze fr Addition und Multipljkation in [{ gleich.

2. Invertierbare Matrizen
Die erste Eigenschaft von Satz 3.24 besagt, dass die Einheitsmatrix ein neutrales Element der
Matrizenmultiplikation ist. Dies fhrt uns direkt zum Begriff einer inversen Matrix.

Definition 3.25 Sei A E J{llxn eine quadratische Matrix. Sie heit invertierbar oder regulr, wenn es eine Matrix A- l E K llX 'fI gibt mit

Die Matrix A-l heit dann die zu A inverse Matrix. Nicht invertierbare Matrizen werden
auch als singulr bezeichnet.

Satz 3.26 Es seien A und B zwei invertierbare Matrizen in.

ebenfalls invertierbar, und es gilt
(i) (A B t 1 = B - 1 . A- 1 ,
(ii) (A'l') - l = (A- 1)'l'.

llXll .

Dann sind A . B und AT

3 Lineare Algebra

108

Wir werden spter noch ausfhrlich besprechen, wie man entscheiden kann, ob eine Matrix
invertierbar ist, und wie man die inverse Matrix gegebenenfalls berechnen kann.
Wir geben als nchstes eine natrliche Interpretation der Matizenmultiplikation mit Hilfe
von Linearkombinationen. Dazu betrachten wir zunchst die Multiplikation einer mx n -Matrix.
A und eine n -dimensionalen Spaltenvektors: A . x. Bezeichnet man mit a l , a 2, . .. , a n die
Spalten von A und mit X l , X2 1 .. . , X n die Koordinaten von x , so gilt

A.x

(a l

a 2 ...

a n )'

al

= Xl .

+ X 2 . a 2 + ... + X n

a n

Das Produkt einer Matrix mit einem (Spalten-)Vektor ist also nichts anderes als eine [Link] der Spalten von A, wobei die Koeffizienten die Koordinaten von x sind. Daraus
folgt etwa

A e j = a j,
das Produkt einer Matrix A mit dem j -ten kanonischen Basisvektor ist die j -te Spalte von A.
I t nun Beine n x q-Matrix mit Spalten b 1 , b 2', . , bq, dann ist die j -te Spalte des Matrizenprodukts A . B das Produkt von A mit b{

A . B = ( A . bl

A b2

. ,.

A bq

) .

Anders ausgedrckt, die Spalten von A B sind Linearkombinationen der Spalten von A, wobei
die Koeffi zienten dieser Linearkombinationen in den entsprechenden Spalten von B stehen.
Ofi'ensichtlich kann man damit

direkt berprfen.
Eine andere Interpretation der Multiplikation einer Matrix mit einem Spaltenvektor beruht
auf dem ~usammenhang mit linearen Gleichungssystemen (siehe Abschnitt 3.4). Ein einfaches Bei piel eine linearen Gleichungssystems ist etwa:
2XI

+ 3X2

7 Xl -

5X2

5,

2.

Offensichtlich ls t ich diese in der Form

( ;

-~ )

. (

~~ )

= (

~)

schreiben.
Diese Interpretationen des Matrizenprodukts knnen gentzt werden, invertierbare Matrizen
zu charakterisieren.

Satz 3.27 Eine quadratische Matrix A E K nxn ist genau dann [Link], wenn ihre Spalten
(o der Zeilen) linear unabhngig sind, also eine Basis von K n bilden.
Beweis. Wenn eine Matrix invertierbar i t, so ist die Matrizengleicbung A . X = In (mit der
Unbekannten X) lsbar. Das bedeutet aber, dass die kanoni schen Basisvektoren el , e2 , . . . e n
- das sind die Spalten von In - als Linearkombinationen der Spalten von A dargestellt werden
knnen. Das gelingt aber genau dann, wenn die Spalten von A linear unabhngig sind, also eine
Basi von K n bilden. Entsprechendes gilt fr die Zeilen.
0

3.2 Matrizen

109

Eine Matrix ist also genau dann invertierbar, wenn die lineare Hlle der Spalten von A ganz
K n ist. Die lineare Hlle der Spalten einer Matrix ist aber nicht nur bei invertierbaren Matrizen
von Interesse, wie der folgende Abschnitt zeigt.

3. Rang einer Matrix und elementare Umformungen

Definition 3.28 Der Spaltenrang rg(A) einer Matrix A E Kmxn ist die Dimension der linearen Hlle der Spalten von A. Der Zeilenrang einer Matrix A E Kmxn ist die Dimension

der linearenHlle der Zeilen von A, also der Spaltenrang von AT.
Interessanterweise stimmen Spaltenrang und Zeilenrang immer berein, wie wir im Rahmen
des Beispiels 3.32 zeigen werden. Man spricht daher allgemein vom Rang einer Matrix.

Satz 3.29 Fr jede Matrix A E Km xn stimmen Spalten- und Zeilenrang berein, also
rg(A) = rg(AT ) .
Bei einer quadratischen Matrix A E Kn x n sind daher die Spalten genau dann linear unabhngig,
wenn die Zeilen linear unabhngig sind.
Den Rang einer Matrix kann man leicht mit Hilfe elementarer Spalten- und Zeilenumformungen ermitteln. Diese Umformungen spielen aber auch beim Lsen von linearen Gleichungssystemen (und vielen anderen Anwendungen der Matrizenrechung) eine wichtige Rolle.

Definition 3.30 Sei A E

KTn xn

eine Matrix mit den Spalten ab . ... , an E Km. Die drei

Operationen
(i) Multiplikation einer Spalte aj (1 ::; j ::; n) mit einem Skalar.A E K \ {O},
(ii) Addieren eines Vielfachen einer Spalte a i (1 ::; i ::; n) zu einer Spalte aj (1
i =1= j), d.h. Ersetzen der Spalte a j durch .A . a i + a j mit ,\ E J{ und i =1= j,
(iii) Vertauschen zweier Spalten a i, a j (1 ~ i,j ::; n, i =1= j)

j ::; n,

beien elementare Spaltenumformungen der Matrix A.

Sind al , ' . . ,
nen

am E J{lxn die Zeilen einer Matrix A E Km x"', dann beien die drei Operatio-

(i) Multiplikation einer Zeile j (1 ::; j ~ m) mit einem Skalar .A E J{ \ {O},

(ii) Addieren eines Vielfacheri einer Zeile i (1 ~ i ::; m) zu einer Zeile aj (1 ~ j ::; m,
i =1= j), d .h. Ersetzen der Zeile ii:; durch.A . iii + ii j mit .A E J( und i t= j,
(iii) Vertauschen zweier Zeilen
ii j (1 ~ i, j ::; m, i =I j)

ai,

elementare Zeilenurnformungen der Matrix A .

Satz 3.31 Sei A' E J(7n x n eine Matrix, die aus der Matrix. A E J{m x n durch eine Folge von
elementaren Spalten- und Zeilenumjormungen hervorgeht, dann gilt

rg(A)

rg(A' ).

Eine entsprechende Aussage gilt jr den Zeilen rang.

UD

3 Lineare Algebra

Beweis. Durch Multiplikation einer Spalte mit einem Skalar i=- bzw. durch das Vertauschen
zweier Spalten bleibt die lineare Hlle der Spaltenvektoren unverndert. Weiters folgt aus dem
Austauschlemma (Satz 3.16), dass auch bei Addieren eines Vielfachen einer Spalte zu einer
anderen die lineare Hlle nicht verndert wird. In allen Fllen bleibt also der Spaltenrang gleich.
Wir interpretieren nun die Spalten al , " " a n von A als Koordinaten von Vektoren
V I , . . . ' V ll bezglich einer Basis B = {bI ,' . . , bm } . Man betrachte eine (elementare) Zeilenumformung der Matrix A, es wird also z.B. der j -te Zeilenvektor ii j durch),, ai+iij ersetzt. Die
entstehende Matrix wird wieder mit A' bezeichnet. Wir wenden nun die entsprechende inverse
Umformung auf die Basis B an, also z.B. wrde der Vektor bj durch - >. . bi + bj ersetzt werden. Aus dem Austauschlemrna (Satz 3.16) folgt, dass die resultierende Menge B' von Vektoren
wieder eine Basis ist. Auerdem sind die Koordinaten der Vektoren VI , . . . , V n bezglich B' gerade die Spalten von A'. Die lineare Hlle der Spalten von A bzw. von A' entspricht daher der
linearen Hlle der Vektoren V I , . .. , V n . Der Spaltenrang bleibt daher bei Zeilenumformungen
unverndert.
0
Beispiel 3.32 Wir bentzen Satz 3.31 , um den (Spalten-)Rang einer Matrix zu bestimmen. Ziel
ist es, die Matrix mit geeigneten Spalten- und Zeilenumformungen in Halbdiagonalform berzufhren, da man den Rang einer Matrix dieser Gestalt direkt ablesen karm (vergleiche mit
Beispiel 3.14). Es sei

A=

1 2-30)
5

1 8

-1 - 2
4 0

4 1
2 6

Die Spalten von A bezeichnen wir mit al , a 2, a 3, a 4. Wir erzeugen oberhalb bzw. rechts von
der Diagonale Nullen. Dazu ersetzen wir zunchst die zweite Spalte a2 durch a 2 - 2al und die
dritte durch a 3 + 3a l :

A' =

(_~ ~ ~ ~)
4 - 8 14 6

In dieser Matrix ersetzen wir die dritte Spalte durch

a~

7a~

und die vierte durch

a~

8 a~ :

1 000)

A"=

2 1 0 0
- 1 0 1 1
4 - 8 70 70

Schlielich er elzen wir hier ctie vierte Spalte durch a~ -

All! =

a~

und erhalten eine Matrix der Form

(j ~ ~ ~).

(3 .3)

4 -8 70 0

Offensichtlich hat diese Matrix rg(A" 1) = 3, da die ersten drei Spalten linear unabhngig sind
(vergleiche mit Beispiel 3.14). Die ursprngliche Matrix hat demnach ebenfalls rg( A) = 3,

3.2 Matrizen

111

d.h., die Spalten von A sind linear abhngig und spannen einen dreidimensionalen Unterraum
von K 4 x 1 auf.
In diesem Beispiel sind die Diagonalelemente der ersten drei Spalten gleich 1. Wren sie von
1 verschieden (und =I 0), so knnte man durch Multiplikation mit den jeweiligen Kehrwerten
die Spalten so skalieren, dass die Diagonalelemente schlielich alle gleich 1 sind. Entscheidend
fr das Gelingen des gerade beschriebenen Verfahrens ist auch, dass die auftretenden Diagonalelemente von 0 verschieden sind. Angenommen, es wre bereits im ersten Schritt an = 0, so
kann man, wenn die Matrix nicht nur aus Nullen besteht, allein durch SpaIten- bzw. Zeilenvertauschen erreichen, dass das Element an der Stelle (1,1) von 0 verschieden ist. Entsprechend
verfhrt man in den folgenden Schritten, wobei man aber immer nur mit Spalten, die weiter
rechts stehen, bzw. mit Zeilen, die weiter unten stehen, tauschen darf. Ist das nicht mehr mglich, so bricht das Verfahren ab. In unserem Beispiel ist das Element der Matrix A'" an der
Stelle (4, 4) gleich O. Dieser Eintrag kann nicht mehr durch Spalten- oder Zeilenvertauschungen der beschriebenen Art verndert werden. Das Verfahren wurde daher auch an dieser Stelle
abgebrochen. Insgesamt kann in dieser Weise durch Spaltenumformungen (und gegebenenfalls
durch Zeilenvertauschungen) immer eine Matrix der in Abb. 3.7 angegebenen Form gefunden

Abbildung 3.7 Spaltenumfonnungen zur Rangbestimmung

werden. 5
Bisher wurden nur Nullen oberhalb bzw. rechts der Diagonale erzeugt. Man kann aber mit
demselben Prinzip auch links der Diagonale Nullen erzeugen. Im konkreten Beispiel ersetzt
lll
lll
m an etwa al/l
1 durch al/l
1 - 2a 2 + a 3 und erhlt die Matrix

A"" =

(~

! H)

(3.4)

90 - 8 70 0

Mit geeigneten Zeilenumformungen kann die Matrix noch weiter vereinfacht werden. Subtrahiert man das 90-fache der ersten Zeile von der vierten, uSW., so erhlt man die Matrix

SEine analoge Eigenschaft gilt auch, wenn man mit Zeilenumformungen beginnt, also unterhalb der Diagonale
Nullen erzeugt. Dieses Prinzip werden wir beim Gau'schen Eliminationsverfahren, das wir pter besprechen
werden, verwenden .

3 Lineare Algebra

112

In dieser Matrix sind Spalten- und Zeilenrang gleich 3. Aus Satz 3.31 folgt daher, dass der
Zeilenrang von A gleich 3 ist.
Die gerade angestellte berlegung kann fr jede Matrix A durchgefhrt werden. Nach geeigneten Spalten- und Zeilenumformungen entsteht eine Matrix, die sozusagen aus einer Einheitsmatrix Ir und lauter Nullen besteht, wobei r gleichzeitig Spalten- und Zeilenrang ist. Es
folgt also allgemein rg(A) = rg(A T ).
f:::.
Elementare Spaltenumformungen von A knnen auch durch das Multiplizieren der Matrix A
mit geeigneten Transformationsmatrizen realisiert werden. Eine so genannte Elementarmatrix
ist eine Matrix, die aus der Einheitsmatrix In nach Anwendung einer elementaren Spalten- bzw.
Zeilenumformung hervorgeht. So sind etwa

T'=

1010 A0)

(o

T" =

und

0 1

01 10 0)
0

(o 0

Elementarmatrizen. Bei T' wurde das A-fache der 2. Spalte von 13 zur 3. Spalte addiert (oder
das A-fache der 3. Zeile zur 2. Zeile addiert), und bei T" wurden die ersten beiden Zeilen
(oder Spalten) von h vertauscht. Multipliziert man nun beispielsweise eine beliebige 3-spaltige
Matrix A von rechts mit der Elementarmatrix T', so entsteht eine Matrix A', die aus A durch
dieselben Spaltenumformungen entsteht wie T' aus Is:

A . TI = (al

a 2 a3)'

(~1 o~

~1)

/\

Man beachte insbesondere, dass Elementarmatrizen invertierbar sind. Beispielsweise ist

(T') -

100)
0 1 A
o 0 1

- 1

(1 0 0)
0 1- A
0 0 1

'.

Da Umformen einer Matrix A in eine Matrix A' mittels elementarer Spaltenumformungen

entpricht al 0 der Multiplikation mit einer Invertierbaren Matrix T,

A'=A T ,
wobei T Produkt geeigneter Elementarmatrizen ist. Entsprechendes gilt natrlich auch fr Zeilenumformungen, die einer Multiplikation mit einer invertierbaren Matrix T von links entsprechen : A" = T A.
Diese Eigenschaft kann auch zur Berechnung der inversen Matrix A - 1 verwendet werden.
Ist A invertierbar, dann sind nach Satz 3.27 die Spalten linear unabhngig. Es ist daher allein
durch Spaltenumformungen mglich, A in die Einheitsmatrix A' = In umzuformen , also A .
T = In. Die Matrix T ist daher gleich der inversen Matrix A- 1 . Aus der obigen berlegung
folgt, dass T auch als jene Matrix gesehen werden kann, die aus der Einheitsmatrix dadurch
hervorgeht, dass man darauf dieselben Spaltenumformungen wie auf A ausfhrt. Dies kann
folgendermaen explizit durchgefhrt werden.

3.3 Lineare Abbildungen

113

Beispiel 3.33 Es soll die inverse M atrix A- l von

bestimmt werden. Durch elementare Spaltenumformungen erhlt man

1 2 0
0 2 1
3 5 0
1 0 0
0 1 0
0 0 1

--t

--t

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

0
0

0 1

2
1

--t

--t

1
0
3
1
0
0

1 0
0 1

0
2

1
0 - 1
0- 2
0 1
1 0
1 0
0 1
0 0

--t

3
1
0
0

0
0-1
0- 2
0 1
1- 2

0
0
1

-5 0

2
3 0 - 1

-6 1

D ie inverse Matrix A- 1 ist also

A- 1 =

-50 2)
(
3 0-1
-6 1 2

In ganz analoger Weise kann man mit der Matrix

1 2 0 1 00 )

o 2 1 0 1 0

( 3 500 0 1

beginnen und mit Hilfe von Zeilenumformungen die linke Hlfte in die Einheitsmatrix berfhren. Dann steht auf der rechten Seite wieder die inverse Matrix A - 1.
6

3.3

Lineare Abbildungen

Wir betrachten zunchst eine Matrix A E K mxn und die Zuordnung

D iese Abbildung f

K m hat folgende zwei Eigenschaften:

+ y) = A (x + y ) = A x + A y = f(x) + f(y),
f().. x) = A (>,. x) = >. . (A x) = )... f(x) .

(i) f(x
(ii)

: K n --t

3 Lineare Algebra

114

Abbildungen, die diese Eigenschaften haben, werden als linear bezeichnet und treten in der
einen oder anderen Form in vielen Bereichen der Mathematik auf.

Definition 3.34 Eine Abbildung f : V - t W zwischen zwei Vektorrumen V und W (ber

demselben Krper K) ist linear, wenn sie die folgenden heiden Eigenschaften (fr x , y E V
und ). E K) hat:
(i) fex + y) = fex) +
(ii) f(). x) = A . /(x).

f(y),

--~-----

Beispielsweise sind Drehungen und Spiegelungen, aber auch Projektionen linear. Eine einfache Eigenschaft linearer Abbildungen ist, dass Linearkombinationen auf Linearkombinationen abgebildet werden:

Dies fhrt sofort zu folgender Beobachtung.

Satz 3.35 (Fortsetzungssatz) Es sei V ein n-dimensionaler Vektorraum und die Menge B =
{bi , b2 , . . , bn } eine Basis von V. Weiters sei Wein Vektorraum, f : V - t W linear, und
Cj = f (b j ) , 1 S; j S; n, bezeichnen die Bilder der Basisvektoren.
Ist x = X l . b l + X2 b2 + ... + X n . b n , d.h., hat x die Koordinaten Xl, X2, . . ,X n E K, so
gilt

Umgekehrt vermittelt diese Formel bei beliebiger Wahl von Cj E W stets eine lineare Abbildung
f : V -t W .
Um eine lineare Abbildung f : V - t W zu charakterisieren, ist es also ausreichend, die
Bilder einer Basis zu kennen. Alles Weitere ergibt sich aus der Linearitt.
Dieses Prinzip ist bei linearen Abbildungen der Form fex) = A . x noch deutlicher zu
ehen . Hier geht man von der kanonischen Basis E = {ei, e 2, ' . . , e n } aus und bildet

Das Bild des j -ten kanonischen Basisvektors ist also die j-te Spalte von A.
Umgekehrt kann einer linearen Abbildung eine Matrix zugeordnet werden, indem man die
Bilder der kanonischen Basis bestimmt und zu einer Matrix zusammenfasst. Ist also f : Kn --+
Km eine lineare Abbildung und

so gilt fr alle x E K n

f(x)

A x.

Wir hatten frher schon beobachtet, dass das Produkt einer Matrix A mit einem Vektor x nichts
anderes ist als die Linearkombination der Spalten von A, wobei die Koeffizienten die Koordinaten von x sind. Dies entspricht hier genau der Beobachtung von Satz 3.35 .

3.3 Lineare Abbildungen

115

Beispiel 3.36
(a) Sei

f : ]R2 ~

]R2 die Drehung um den Winkel

A= (

f (e) f (e ) )
1

t.p gegen den Uhrzeigersinn. Dann ist

= (

C?s( t.p) - sin( t.p) )

sm( t.p)

cos( t.p)

die dazu gehrige Matrix, d.h., A . x ist der um den Winkel t.p gedrehte Vekotor
gleiche mit Abb. 3.8).

x (ver-

Abbildung 3.8 Drehung um den Winkel r.p

(b) Die MatTix S = (

(c)

DJe Matnx. p

~ _~

) entspricht der Spiegelung an der x l-Achse.

(1/J2
... aufcti e erste Md'
1/ J2 1/J2)
1/ J2 proJIzIert
e lane.

Offensichtlich ist die Hintereinanderausfhrung h = gof zweier linearer Abbildungen

fund 9 wieder eine lineare Abbildung. Ist insbesonder f(x) = A x und g(y) = B . y, so ist

h(x) = g(f(x)) = g(A x)

B (A x) = (B A) x = C x

jene lineare Abbildung, die durch das Produkt C = B . Ader beiden Matrizen Bund A gebildet wird. Das Matrizenprodukt entspricht daher der Hintereinanderausfhrung von linearen
Abbildungen.
Der Koordinatenwechsel zwischen zwei verschiedenen Basen B = {bI , b2 , . .. , bn } und
C = {Cl , C2 , ' . . , c n } eines n -dimensionalen Vektorraums V, also die Frage, wie man die Koordinaten <PB(X) in die Koordinaten <I>e(x) umrechnet, kann ebenfalls mit Hilfe einer Matrizenmultiplikation gelst werden. Formal geschieht der Koordinatenwechsel einfach durch die
lineare Abbildung cI>e 0 <p B1 : K n ~ Kn. Diese kann aber durch eine Matrix

mit den Spalten (<Pe

<pl)(ej) = <Pe {b j ) realisiert werden. Es gilt daher

TE ,G '

<PB(X)

cI>e (x).

Abschlieend definieren wir zwei wichtige Kenngren von linearen Abbildungen.

3 Lineare Algebra

116

Definition 3.37 Es sei j : V

-4

Weine lineare Abbildung. Die Mengen

ker(f) = {x E V: j(x) = O}
heien Kern und Bild von
der Rang von j:

f.

j(V) = {f(x) : x E V}

und

Die Dimension des Kerns und des Bilds sind der Defekt und

def(f) = dim(ker(f))

und

rg(f) = dim(f(V) ).

Es ist leicht zu sehen, dass ker(f) und j(V) Teilrume von V bzw. W sind, Defekt und
Rang sind daher immer wohldefiniert. Auerdem entspricht der Rang einer linearen Abbildung
der Form f(x ) = A X genau dem Rang der Matrix A, da die Spalten von A die Bilder der
kanonischen Basisvektoren sind und daher alle mglichen Bildvektoren aufspannen:

rg(A) = rg (f).
Rang und Defekt einer linearen Abbildung eIfllen eine einfache Beziehung (siehe bungsaufgabe 3.16).

Satz 3.38 (Rangformel) Es sei V ein endlichdimensionaler Vektorraum und f : V

-4

Weine

lineare Abbildung. Dann gilt

rg(J) + def(J) = dirn V

Beispiel 3.39 Eine ]jneare Abbildung

f : ]R2 - 4 }R2 sei durch Angabe der zugehrigen Matrix

A=

(~ ~)

gegeben. Der Raum ker(f) bestimmt sich durch die Gleichung f(x) = A . x = 0, und f(]R2)
ist die lineare Hlle der Spalten von A. Nach kurzer Rechnung erhlt man

Beide Rume haben Dimension 1, also def(J) = rg(J)

erfllt: 1 + 1 = 2.

= 1. Offensichtlich ist die Rangformel

6.

Beispiel 3.40 Eine wichtige Anwendung der linearen Algebra ist die Codierungstheorie, insbesondere bei fehlerkorrigierenden Codes. Ein (n , k) -Linearcode (mit k S; n) ber einem
endlichen Krper F mit IFI = q Elementen ist eine injektive lineare Abbildung j : F k --+ Fn,
die blicherweise durch Angabe einer Generatormatrix G E pk x n mit rg(G) = k definiert
wird: 6

f : pk

-4

Fn )

a =

al a2 . . . ak

I-t

Cl C2 ...

Cn

= a . G.

Die Menge der Codewrter C = f(F k ) ist dann ein k-dimensionaler Unterraum von Fn, es
werden also nur IGI = qk von IFn l = qn mglichen Wrtern "verwendet." Die Zeilen von
61n diesem Zusammenhang ist es blich, die lineare Abbildung

nicht durch "Matrix mal Spaltenvektor",

x ......, G . x , sondern durch "Zeilenvektor mal Matrix" anzugeben. p k bzw. FIt bezeichnen also hier die k- bzw.
n-dimen sionalen Zeilenvektoren mit Eintragungen aus F. die auch als Wrter der Lnge k bzw. 10 aus Buchstaben
des Alphabets F gesehen werden knnen .

3.3 Lineare Abbildungen

117

G sind brigens auch Codewrter, sie bilden sogar eine Basis aller Codewrter. Treten etwa
beim bertragen (oder Speichern) Fehler auf, so wird blicherweise ein Codewort c E C so
verndert, dass das Resultat c nicht mehr in C liegt. Man trachtet daher bei der Konstruktion so
eines Codes danach, dass sich je zwei Codewrter an mglichst vielen Stellen unterscheiden,
so dass Fehler an wenigen Stellen nicht nur erkannt, sondern auch korrigiert werden knnen.
Bevor wir das an einem konkreten Beispiel demonstrieren, fhren wir noch einen Begriff
ein. Zu einer Generatormatrix G gibt es immer eine so genannte KontroJlmatrix H E p(n- k) x n
vom Rang rg(H) = n - k mit der Beziehung G . HT = (0). (Die Spalten von HT knnen als
Basis des Kerns der linearen Abbildung x 1-+ G . x interpretiert werden. Wegen der Rangformel
hat der Kern die Dimension n - rg (G) = n - k.)
Beispielsweise sind

und

H =

11100)
1 0 0 1 0
( o 100 1

Generator- und Kontrollmatrix eines (5 , 2)-Linearcodes ber Zz. Der Code C besteht in diesem
Beispiel aus qk = 22 = 4 Elementen, nmlich aus den Wltern
C = {00000, 10110, 01101 ,11011},
der linearen Hlle der Zeilen von G. Man beachte, dass sich je zwei Codewrter an wenigstens drei Stellen unterscheiden. Man kann daher Fehler, die an maximal zwei Stellen auftreten,
erkennen und Fehler an einer Stelle sogar eindeutig korrigieren.
Zur systematischen Fehlerkorrektur betrachtet man die so genannten Syndrome SH( v) =
v . W . Nach Konstruktion gilt SH(V) = 0 genau dann, wenn v E C ist. Man kann also
durch Berechnung des Syndroms entscheiden, ob das bertragene (oder gespeicherte) Wort
v E K n ein Codewort ist oder nicht. Weiters entspricht jedem mglichen Syndrom genau
ein Nebenraum w + C von C in Fn . Beispielsweise haben alle Wrter des Nebenraums N =
01000+ C = {0l000, 11110, 00101 , 10011} das Syndrom SH(01000) = 101. Man beachte, dass
sich alle Wrter aus N genau an einer Stelle - nmlich an der zweiten - von einem Codewort in
C unterscheiden. Man wird daher, falls ein Wort waus N empfangen wird, es an der zweiten
Stelle zu korrigieren. Formal geschieht dies folgendermaen. Empfngt man ein Wort w mit
Syndrom SH(W) = 101, so korrigiert man es zu W - 01000 und erhlt ein Codewort. D.h.,
zu jedem mglichem Syndrom S E pn- k ermittelt man (ein fr alle mal) ein Korrekturwort
W = w(s). Ist nun das Syndrom von w E Fn gleich SH(W) = W . H T = s, so korrigiert man
'l1J zu C = W - w(s) E C. Fr unser Beispiel knnte das Korrekturschema folgendermaen
aussehen:

s
w(s)

000
00000

001
00001

010
00010

Oll
00011

100
00100

101
01000

110
10000

111
01010

Das Korrekturschema ist nur zum Teil eindeutig, bei den Syndromen 011 und 111 gibt es mehrere mgliche Korrekturwrter mit einer minimalen Zahl von Koordinaten 1.
f:::,.

118

3.4

3 Lineare Algebra

Lineare Gleichungssysteme

1. Lsbarkeit von linearen Gleichungssystemen

Lineare Gleichungssysteme spielen - wie einleitend erwhnt - in vielen Anwendungsbereichen
der Mathematilc eine groe Rolle. In Beispiel 3.1 wurde z.B. ein elektrisches Netzwerk berechnet. Wir werden im folgenden zeigen, wie man lineare Gleichungssysteme mit Methoden der
linearen Algebra systematisch behandeln kann.

----------------

Definition 3.41 Seien m, n ~ 1 ganze Zahlen und K ein Krper. Weiters seien Elemente
aij E K (1 ~ i ::; m, 1 $ j $ n) und bi E K (1 $ i :S: m) gegeben. Dann heit ein System
derFonn
a21 X l

+
+

am l Xl

all X l

bl

a2n X n

b2

amnXn

bm

alnX n

(3.5)

lineares Gleichungssystem in den Unbekannten Xl, X2 . ,Xn E K. Sind alle b1 = b2 =

0, so heit das lineare Gleichungssystem homogen, sonst inhomogen.

.. . = bm =

Es besteht nun die Aufgabe, ein lineares Gleichungssy tem vollstndig zu lsen , d.h. al~
le n-Thpel (Xl ) X2, . . . ) X n ) E J{n anzugeben, die das obige Gleichungssystem erfllen . Fasst
man die Koeffizienten aij zu einer Matrix A = (aij) E gm x n zusammen und entsprechend
auch die rechte Seite bl , b2 , . . , bm zu einem Spaltenvektor b E J{m sowie die Unbekannten
Xl, X 2, . .. ) X n zu einem Spaltenvektor x E J{n , so lsst sich ein lineares Gleichungssystem
folgendermaen darstellen:

A x = b.
Das bedeutet aber, dass es genau dann eine Lsung x gibt, wenn b Linearkombination der
Spalten von A ist. Daraus ergibt sich das folgende Lsbarkeitskriterium.

Satz 3.42 (Satz von Kronecker-Capelli) Sei A E J(m x n und b E

Gleichungssystem Ax = b genau dann lsbar, wenn

Km.

Dann ist das lineare

rg(A) = rg(A b).

Die Matrix (A b) bezeichnet man auch als erweiterte Systemmatrix des linearen Gleichungssystems A . x = b.
Um alle Lsungen eines linearen Gleichungssystems beschreiben zu knnen, verwenden
wir die Interpretation der Matrizenmultiplilcation als lineare Abbildung: f (x) = A . x. Wir
setzen voraus, dass das lineare Gleichungssystem f (x) = A . x = b eine Lsung Xo hat. Ist
nun x irgend eine andere Lsung, so folgt aus f(xo) = f(x) = bauch

f(x - xo)

A (x - xo)

= o.

Daher liegt x - Xo im Kern von f, und alle Lsungen L des linearen Gleichungssystem knnen
durch
L = Xo + ker(f) ,
also durch einen Nebenraum des Kerns von f beschrieben werden. Aus der Rangformel
(Satz 3.38) folgt dim(ker(f)) = n - rg(f) = n - rg(A). Daher kann man die Lsungsmenge
L auch folgendermaen angeben:

3.4 Lineare Gleichungssysteme

119

Satz 3.43 Sei A E K mxn und b E K m. Ist das lineare Gleichungssystem Ax = b lsbar, so
gibt es s = n - rg(A) linear unabhngige Vektoren Xl , ... ,X s E ker(j) ~ Kn, d.h. Lsungen
des homogenen linearen Gleichungssystems A . x = 0, so dass alle Lsungen von A . X = b
durch die Menge

{xa + tlXI + ' " + t sx s It 1 ,, t s E K}

gegeben sind, wobei

Xo

eine beliebige, aber fest gewhlte Lsung von A . X = bist.

Man beachte, dass die Vektoren X l, . .. , x s , die ja eine Basis des Kerns von j, also Lsungen
des homogenen linearen Gleichungssystems A . X = 0 sind, nicht von der rechten Seite b
abhngen. Diese mssen jedenfalls bestimmt werden. Zu jeder rechten Seite b reicht es dann,
noch eine Lsung Xa des inhomogenen linearen Gleichungssystems A . x = b zu finden. Die
Gesamtlsung L wird dann aus Xo und Linearkombinationen von X b ... , X s zusammengesetzt.
Aus der Interpretation eines linearen Gleichungssystems A . x = b in der Form f (x) = b
ergibt sich auch der nchste Satz.

f(x) = A x und b E J(m .

Ist f surjektiv, d.h. rg(f) = rg(A) = m, so ist das lineare Gleichungssystem A . X = b fr

Satz 3.44 Sei A E

J(m xn,

alle rechten Seiten b E Km lsbar.

Ist j injektiv, d.h. rg(j) = rg(A) = n, so ist ker(j) = {O}. und das lineare Gleichungssystern A . x = b hat hchstens eine Lsung.
Ein wichtiger Spezielfall ist jener, wo die Matrix A E f{n xn quadratisch ist. Ist A zustzlich
regulr, also invertierbar, so ist das lineare Gleichungssystem A x = b fur jede rechte Seite
b E Kn eindeutig lsbar, und die Lsung ist gegeben durch
X

= A - 1 . b.

Insbesondere ist fr b = 0 (also in einem horn genen System) die Lsung x = A -1 . 0 = O.

brigens hat ein homogenes System A x = 0 immer den Nullvektor als Lsung. Nur wenn
A invertierbar ist, ist der Nullvektor die einzige Lsung. Anders ausgedrckt bedeutet das, dass
ein System A . x = 0 mit quadratischer Matrix A genau dann eine Lsung x =I- 0 hat, wenn A
singulr, also nicht invertiertbar, ist.
Das Lsen eines linearen Gleichungssystems ist besonders einfach, wenn die Matrix A von
spezieller Gestalt ist.

Satz 3.45 Sei A

E Kmxn

A=

(n

m) eine Matrix der Gestalt

0
0

al ,m+l

al,n

a2,m+l

a2,n

am,m+ l

(mit A' E Km x(n- m)), so sind alle Lsungen x

Ax = b (mit b E Km) gegeben durch

(Im A')

(3.6)

am,n

= (Xl, ... , xn )T

E J(n des Gleichungssysterns

120

3 Lineare Algebra

bzw.

+ ... + t n- m

- an )
( en - m

(3 .7)

mit tl, t 2 , . . . ,tn- m E K. Dabei bezeichnen am+l , .. . , an die Spalten von A', 0 den Nullvektor
in Kn - m und el , ' .. ,en - m die Vektoren der kanonischen Basis von K n-m.
Beweis. Die Formel (3 .7) ist offensichtlich, wenn man das Gleichungssystem in der Koordinatenschreibweise (3.5) betrachtet und t l = x m +1 ," " t n - m = x n setzt. Die brigen Koordinaten X l , . .. , X m ergeben sich dann direkt: Xi = bi - x m +lai ,m+1 - ... - xna i,n =
b1. - t 1a 't,m +1 - . .. - t n _m atIn (fr 1 <
< m).
0
_i_
Da gerade angegeben Verfahren funktioniert auch, wenn die Matrix A E f{m x n (n
eine so genannte Dreiecksgestalt mit nichtverschwindender Diagonale hat:

A=

al ,l

a l ,2

al ,m

a l ,m+l

a l ,n

a 2,2

a 2,m

a Z,m +l

a2 ,n

a m,m

am ,m+ l

am ,n

0
mit al ,l #- 0, a2 ,2
ennittelt man

#-

0, . . . , a m ,m -=f O. Wie vorhin setzen wir X m +1

m)

(3 .8)

t l, . . . ,Xn

= t n - m . Dann

Mit dieser Kenntnis errechnet man als nchstes

Xm - l

a~~ l ,m- l (bm - 1

b~1- l

a m - l ,mXm - t1am - l ,m+ l - .. . t n- m a m - l ,n )

+ t la~ ,m_ l + ... + tn - ma~_m.m_l

und danach rekursiv X m - 2 , X m - 3 , . . . ,Xl ' Die Lsungen haben daher wieder die Form (3.7). Wir
illustrieren dieses Verfahren an einem kleinen Beispiel.

Beispiel 3.46 Wir betrachten das lineare Gleichungssystem

2Xl

3 X2
X2

Setzt man X3
1. Gleichung

X3

2 X3

3.

= t, so folgt aus der 2. Gleichung X2 = 3 - 2 X3 = 3 - 2t und schlielich aus der

2 Xl = 4 - 3 X2 + X3 = 4 - 3(3 - 2t) + t bzw. Xl = - ~ + ~t. Insgesamt also

3.4 Lineare Gleichungssysteme

121

2. Gau'sches Eliminationsverfahren
Das nchste Ziel ist es, ein beliebiges Gleichungssystem A . x = b in ein System berzufhren,
wo die Koeffizientenmatrix A von der Form (3.6) oder (3.8) ist. Dies wird (im Wesentlichen)
durch Zeilenumformungen der erweiterten Systemrnatrix (A b) erreicht. Man rechnet also nicht
mit dem Gleichungssystem, sondern nur mit den Koeffizienten, die in (A b) zusammengefa st
werden. Elementare Zeilenumformungen von (A b) haben eine direkte Interpretation im dazu
gehrigen Gleichungssystem (3.5). Die Multiplikation der i-ten Zeile mit einem Skalar A =f 0
entspricht der Multiplikation der i-ten Gleichung mit A, usw. Wir erinnern nun daran, dass eine
elementare Zeilenumformung der Multiplikation mit einer invertierbaren Matrix U E ](m x m
von links entspricht. Das lineare Gleichungssystem A . x = b wird also durch das System
(U A) . x = Ub ersetzt. Offensichtlich gilt A . x = b genau dann, wenn (U A) . x = Ub gilt.
Eine elementare Zeilenumformung auf (A b) verndert daher die Lsungen nicht. Man kann
weiters Spalten von A vertauschen. Dies entspricht einfach einer Umnummerierung der Unbekannten Xl , X 2 , ' . . ,Xn . Wie wir bereits bemerkt haben, kann man mit Hilfe von elementaren
Zeilenumformungen (und Spaltenvertauschungen) jede erweiterte Matrix (A b) in die Form
(3.6) bzw. (3 .8) bringen. (Man vergleiche mit Beispiel 3.32, wo eine entsprechende berlegung
mit Spaltenumformungen gemacht wurde, und mit der anschlieenden Bemerkung.) Zusammengefasst erhlt man damit ein Verfahren zum Lsen eines linearen Gleichungssystems, das
Gau'sche Eliminationsverfahren. Wir illustrieren die gerade angestellten berlegungen an
einem Beispiel .
Beispiel 3.47 Es soll das lineare Gleichungssystem
Xl

2XI
3X l

+
+
+

Xl

2X2
5X2
8X2
4X2

2X3

+
+

3X4

X4
X4
7 X4

2X3
6X3

3
4
5

(3.9)

-1

ber einem Krper K vollstndig gelst werden. Die Koeffizientenmatrix A und die rechte Seite
b sind

A=

1 2-2 3)
2 5
3 8
1 4

0 1
2- 1
6-7

und

b=

U)

Durch elementare Zeilen umformungen der erweitenen Matrix (A b) erhlt man eine Matrix der
Form (3 .8):

Im ersten Schritt wird das (-2)-fache der ersten Zeile zur zweiten Zeile addiert, etc. Ziel ist es,
in der jeweiligen Spalte unterhalb des Diagonalelernents "Nullen zu erzeugen". (Man kann die
entsprechenden Rechnungen auch im Gleichungssystem (3 .9) durchfhren. Im ersten Schritt
wird dabei in der 2.,3 . und 4. Gleichung die Unbekannte X l "eliminiert.")

3 Lineare Algebra

]22

Das ursprngliche lineare Gleichungssystem ist daher quivalent zu

Xl

2X2
X2

2 X3

3X4

4X 3

5X4

= 3
= -2

und wegen das Satzes von Kronecker-Capelli (Satz 3.42) auch lsbar. Setzt man
X4 = h, so errechnet man
X2

2 - 4X3 + 5 X4
-2 - 4tl + 5t2 ,
3 - 2X2 + 2 X 3 -

X3

= t 1 und

Xl

7 + lOt l

3 X4

l3t2'

Alle Lsungen sind daher durch

(3.10)

mit t 1 , t2 E K gegeben.
Selbstverstndlich htte man mit einer weiteren Zeilenumformung auch zu einer Matrix der
Form (3.6) umformen knnen:

0~1 i -~ _~ _~) ~ (~ ~ -1~ ~~ _~)

(

0000
0000

00000
00000

Die Lsung (3 .10) erhlt man dann ohne weitere Rechung aus Satz 3.45.
Wir formulieren nun das Gau'sche Eliminationsverfahren. Es sei also A . x = b
[{m x n , b E Km) ein lineares Gleichungssystem, wobei wir voraussetzen, dass A nicht die
Nullmatrix ist. 7 Man bildet die erweiterte Systemmatrix (A b) und fhrt folgende Zeilenumformungen durch :

(A E

(i) Durch etwaiges Zeilenvertauschen in (A b) bzw. Spaltenvertauschen in A erreicht man,

dass an =I- 0 ist. 8 Danach ersetzt man die j -te Zeile (aj bj ) von (A b) (fr 2 ::; j ::; m)
durch (aj bj ) - a1lajl(al bj ) und erhlt eine Matrix der Form9

an

a12

al n

b1

a 22

a2n

b2

d.h., in der ersten Spalte ist nur das erste Element an ungleich O.
7In diesem Fall ist bei b =1= 0 die Lsungsmenge leer und bei b = 0 die Lsungsmenge ganz K n .
8Fr das prinzipielle Verfahren ist es vollkommen irrelevant, welches Element i 0 als Pivotelement a n verwendet wird. Bei der numerischen Behandlung linearer Gleichungssysteme erweist es sich jedoch gnstig, das
betragsmig grte Element als Pivot zu nehmen (Pivotisierung), um Rundungsfehler mglichst klein zu halten.
Wir werden das in Abschnitt 9.2 noch ausfiihrlieh besprechen.
9Zur Vereinfachung der Notation werden clie Elemente der transformierten Matrix mit denselben Buchstaben
bezeichnet.

3.4 Lineare Gleichungssysteme

123

(ii) Daraufhin betrachtet man die Untennatrix

a22

a2n

b2

a32

a3n

b3

am2

amn

bm

= (AI bl )

und wendet darauf dasselbe Verfahren an wie in (i) auf (A b). LO Man beachte, dass diese Matrix einem linearen Gleichungssystem entspricht, in dem die Unbekannte Xl nicht
mehr vorkommt. Sie wurde eliminiert. Dies erklrt auch den Namen "Eliminationsverfahren". Insgesamt erhlt man dabei eine Matrix der Gestalt

an a l2
0 a22
0
0
0

0
mit an

al3

al n

bl

a23

a2n

a33

a2n

b2
b2

am3

amn

bm

-# 0 und a22 =1= O.

(iii) Das soeben beschriebene Verfahren wird so lange wie mglich iterativ fortge etzt. Man
gewinnt schlielich eine Matrix der Form

an al2
0 a22

aIr

al,,'+l

al n

a2r

a2,r +1

a2n

bl
b2

0
0

0
0

arr

ar,r+l

a rn

br

br+l

bm

= (A* b*)

mit an -# 0, a22 =1= 0, .. . ,arT' f= O. Dabei ist r der Rang der Matrix A. Diese Transformation wurde durch sukzessive elementare Zeilenumformungen der ursprnglichen erweiterten Matrix (A b) (und gegebenenfalls durch Spaltenvertauschungen von A) gewonnen.
Es gibt daher eine regulre Matrix U E J{m x m (und eine Spaltentransformationsmatrix
T E J{71 x n, die nur Spalten vertauscht), so dass ll
A*

UAT

und

b*

= Ub,

IODies funktioniert natrlich nur dann, wenn es ein Element aij =f:. 0 mit 2 ~ i ~ m, 2 ~ j ~ n , gibt. Ist es
dabei ntig, zwei Spalten von A' zu vertauschen, so mssen die entsprechenden Elemente der ersten Zeile von A
auch vertauscht werden.
LI Man beachte, dass die Transformationen A * = U AT und b* = Ub mit regulren Matrizen als Basi wechsel
interpretiert werden knnen . Das ursprngliche lineare Gleichungssystem Ax = b ist ja die Koordinatendarstellung von f(x) = b mit einer Hnearen Abbildung f : K n - ! Km, wobei jeweils die kanoni schen Basen
zugrundegelegt werden. Die Matrix T entspricht nun einem Basiswechsel in Kn, wobei aber nur die Reihenfolge
der Basisvektoren vertauscht wird. Die Matrix U vermittelt einen Basiswechsel in Km, der bewirkt, dass die Koordinatendar teIlung von f bezglich dieser neuen Basis in Km einer Matrix entspricht, aus der die Lsung von
fex) = b, d.h. das Finden des Urbilds f - l( {b}), einfacher abgelesen werden kann.

3 Lineare Algebra

124

Weiters knnen wir alle vollstndigen Nullzeilen von (A* b*) weglassen, ohne die Lsung
zu verndern, d .h., wir streichen alle Zeilen mit Index j (r < j ~ m) und bj = O.
(iv) Man unterscheidet nun drei Flle.

O,r < j ~ m, soistrg(A* b*) > rg(A*)

und omit das ursprngliche lineare Gleichungssystem Ax = b unlsbar. Diese

1. Ist r

< m und gibt es ein Element bj

=J:.

Situation entspricht dem ersten Bild der Abb. 3.9.

2. Ist nach dem Streichen der Nullzeilen r = n, so gibt es eine eindeutige Lsung.
Die Unbekannte X n kann direkt bestimmt werden, darauf Xn-l USW. Dieser Fall
ent pricht dem mittleren Bild von Abb. 3.9.
3. Ist nach dem Streichen der Nullzeilen T < n, so gibt es (im Fall eines unendlichen
Krpers K) unendlich viele Lsungen. Dieser Fall entspricht dem dritten Bild von
Abb. 3.9. Hier ist rg( A* b*) = rg(A*), und das ursprngliche lineare Gleichungssystem A . x = b ist lsbar. Es hat (bis auf etwaige Koordinatenve11auschungen, die
in T kodiert sind) dieselben Lsungen wie A* x = b*. Wir erhalten eine mehrdeutige Lsung der Form (3.7) mit s = n - T Parametern. tl, . . . ,t s '

Abbildung 3.9 Gau 'sches Eleminationsverfahren

Wir haben bereits zwei Beispiele (3.46 und 3.47) zum 3. Fall, wo es mehrdeutige Lsungen
mit Parametern t 1 , ... ,t s gibt, besprochen. Die beiden abschlieenden Beispiele behandeln die
FHe 1 und 2.
Beispiel 3.48
(a) Wir betrachten das lineare Gleichungssystem mit seiner erweiterten Systemmatrix:
-

1
0

- 1

1 0

2 1 -2

1)

( 3 1 - 1 - 1

Nach kurzer Umformung erhalten wir dje Matrix

~

10

1 1) (1 o

0 1 -4. -2
( o 1 -4 -4

1
1)
0 1 -4 - 2 .
0 o 0-2

Wir sind also im Fall 1, wo es keine Lsung gibt. Anschaulich gesprochen widersprechen
einander in diesem Fall die Gleichungen des Systems. So besagt etwa die der dritten Zeile
(der letzten Matrix) entsprechende Gleichung OXI + OX2 + OX3 = - 2, also 0 = - 2. Es
kann keine Lsung geben.

3.5 Determinanten

125

(b) Wir betrachten nun das leicht vernderte lineare Gleichungssystem:

Xl
2XI

3 Xl

X2

X3

2X3

o
1

X2

1
1 0
2 1 -2
( 3 1
0

Hier erhalten wir die Matrix

1 0
0 1

-T

Das entspricht dem 2. Fall. Es gibt eine eindeutige Lsung. Aus der letzten Zeile folgt
X 3 = O. Damit erhalten wir aus der zweiten Zeile X2 - 4 X3 = - 2 die Lsung X 2 = - 2
und schlielich aus der ersten Zeile Xl + X3 = 1 die erste Lsungskoordinate Xl = 1.

3.5

Determinanten

Determinanten von Matrizen sind ein wichtiges Hilfmittel in vielen Bereichen der Mathematik.
Wir beschrnken uns hier auf die wichtigsten Eigenschaften von Determinanten und verzichten
weitgehend auf Beweise.

Definition 3.49 Die Determinante einer quadratischen Matrix A = (aij) E J(nx n ist durch

det A =

2: sgn(7r)

a7l'(1)1 a7l'(2)2 a1l'(n)n

71'ES n

gegeben. (Sn bezeichnet die Menge aller Permutationen der Zahlen 1,2, ... ,n und sgn( 7r)
das Vorzeichen einer Permutation 'Fr, vergleiche mit Beispiel 2.60.)
In der Darstellung als quadratisches Schema schreibt man anstelle von det A = det( aij)
auch

detA

Beispiel 3.50 Fr n = 2 gibt es zwei Permutationen, die identische Permutation id mit id(l) =
1 und id(2) = 2 und die Transposition 7r12 mit 7r12(1) = 2 und 'Fr12(2) = 1. Weiters ist sgn(id) =
1 und sgn( 7r12) = - 1. Die Determinante hat daher die Form
(3.11)

Fr n = 3 gibt es 3! = 6 Permutationen. Nach kurzer Rechnung erhlt man die Form

an

al2

al3

a21

a 22

a23

an a 22 a 33

+ al2 a 23 a 31 + a13a21a32

(3.12)

3 Lineare Algebra

126

Wir werden spter noch den Laplace'schen Entwicklungssatz (Satz 3.57) kennenlemen, der
es ermglicht, die Determinante einer n x n-Matrix auf Determinanten von (n - 1) x (n - 1)Matrizen zurckzufhren. Es ist daher nicht notwendig, aufwndige Formeln fr Determinanten
grerere Matrizen expizit anzugeben.
Man beachte aber, dass fr eine obere Dreiecksmatrix

A6 =

an
0

a12

aln

a22

a2n

a nn

die Determinante leicht zu berechnen ist, da in der Definition 3.49 nur ein einziger Summand,
nmlich jener, der zur identischen Permutation gehrt, von 0 verschieden sein kann:

Man muss also nur die Diagonalelemente miteinander multiplizieren. Dasselbe gilt fr untere
Dreiecksmatrizen.
Die Determinante hat im Reellen eine interessante geometrische Interpretation. Das Volumen des von den Spalten von A E IRn xn aufgespannten "Parallelepipeds"

ist der Betrag der Determinante von A: Vol(P) = Idet AI. Offensichtlich hat P nur dann positives Volumen, wenn die Spalten von A linear unabhngig sind, also wenn A invertierbar ist.

Satz 3.51 Eine Matrix A

K nxn ist genau dann invertierbar, wenn

det A =1=

o.

Sind also die Spalten oder Zeilen von A linear abhngig oder sind zwei Spalten oder Zeilen
sogar gleich, so ist det A = O.
Die folgenden beiden Stze geben weitere Eigenschaften der Determinante an. Insbesondere
ist Satz 3.53 fr die prakti ehe Berechnung einer Determinante von Bedeutung.

Satz 3.52
(i) Fr beliebige Matrizen A , B E Kn xn gilt
det(A B) = det A det B .

(ii) Ist A E Kn xn invertierbar, so berechnet sich die Determinante der inversen Matrix durch

(iii) Fr A E Kn x n gilt

3.5 Determinanten

127

Satz 3.53
(i) Multipliziert man eine SpaltelZeile einer Matrix A mit einem Faktor A E K, so ist die
Determinante der neuen Matrix det A' = A det A.

(ii) Addiert man zu einer SpaltelZeile einer Matrix das Vielfache einer anderen Spalte/Zeile,
so verndert sich der Wert der Determinante nicht.
(i) Vertauscht man in einer Matrix A zwei Spalten/Zeilen, so ist die Determinante der neuen
Matrix det Ar = - det A.

Mit elementaren Spalten- und Zeilenumformungen kann jede Matrix in eine obere Dreiecksmatrix umgeformt werden. Wegen Satz 3.53 verndert sich dabei der Wert der Determinante in
kontrollierter Art und Weise. Damit kann jede Determinante (auch ohne explizite Kenntnis von
Sn) berechnet werden.
Beispiel 3.54 Die Determinante der Matrix

A~(H

berechnet sich nach geeigneten elementaren Zeilenumformungen zu

123
456
789

o
o

2
- 3

123

3
- 6

-3 - 6
000

- 6 - 12

=0.

Definition 3.55 Sei A E Kn xn. Unter dem Kofaktor A ij (1 :s; i,j :s; n) versteht man die
Determinante jener Matrix, die dadurch hervorgeht, dass man eHe j-te Spalte durch den Vektor
ei der kanonischen Basis ersetzt.
Addiert man entsprechende Vielfache von i zu den Spalten al, . . . , a j - t , aj+l , .. . 1 a n von
A, so kann man erreichen, dass in der i-ten Zeile dieser Spalten nur mehr 0 steht. Es gilt daher
auch

A i;

an

al ,j - l

a i - l ,l

a i - l ,j - l

a i+ l ,l

ani

ai n

al ,j+1

a i - I ,j+!

a i+ l ,j - 1

0
1
0

a i+ l ,j +l

ai+ l ,n

an,j - l

a n ,i+ l

a nn

0 ...

a i - I ,n

In dieser Determinante sind sozusagen die Informationen, welche die i-te Zeile und die j-te
Spalte enthalten, "gelscht" worden. Tatschlich besteht ein enger Zusammenhang zwischen
A i j und jener Matrix, wo die i-te Zeile und die j-te Spalte tatschlich gestrichen werden.

Satz 3.56 Sei Di j (1 ::; i , j ::; n) die Determinante jener Matrix aus f{(n - l) x (n- l), die aus
A E f{n x n dadurch hervorgeht, dass die i-te Zeile und die j -te Spalte gestrichen werden. Dann
gilt

3 Lineare Algebra

128

Satz 3.57 (Laplace'scher Entwicklungssatz) Sei A = (aij ) E Kn xn .

(i) Entwicklung nach der i-ten Zeile: Fr jedes i (1 .::; i ~ n) gilt
n

detA = Laij A ij = L( - l t +jaijDij .

j=l

j=l

(ii) Entwicklung nach der j-ten Spalte: Fr jedes j (1 .::; j ::; n) gilt
n

detA = ~aij Aij = 2:) - l)i+j aijDij .

i= l

i= l

Mit Hilfe dieses Satzes kann das Berechnen der Determinante einer n x n -Matrix auf das Berechnen von n Determinanten von (n - 1) x (n - 1)-Matrizen zurckgefhrt werden. Dabei
kann die Determinante nach jeder beliebigen Zeile oder Spalte entwickelt werden.

Beispiel 3.58 Entwickelt man die Determinante

123
456
789
nach der 1. Zeile,

123
456

789

ergibt sich

- l'l~ ~1-2 ' 1~ ~1+3'1~ ~I

-

(59 - 68) - 2 (49 - 6 . 7)

+ 3 (48 -

57) = O.

Allgemein kann man mit diesem Prinzip direkt die Formel (3.12) aus (3.11) ableiten.

D,

Satz 3.59 Sei A E K nx n und bezeichne A = (A ij ) E K nxn die Matrix der Kofaktoren von A.
Dann gilt
A A = (d etA) In.
~T

Insbesondere gilt fr regulre Matrizen A E K nxn

A- 1 = _I_AT
det A

=(

A ji )
det A

l ~i,j~n '

Beispiel 3.60 Die inverse Matrix einer regulren 2 x 2-Matrix hat die folgende Form:

Sei A E K nxn eine regulre Matrix und b E Kn. Dann kann das lineare Gleichungssystem
A . x = b immer eindeutig gelst werden. Die einzige Lsung ist durch
x

= A- 1 . b

gegeben. Da A - 1 durch Determinanten explizit berechnet werden kann, ist damit die Lsung
x = A - 1 . b auch explizit anzugeben. Dieses Verfahren kann aber noch abgekrzt werden.

129

3.6 Eigenwerte und Eigenvektoren

Satz 3.61 (Cramer'sche Regel) Sei A E Knxn eine regulre Matrix und b E Kn. Bezeichnet
man mit A j (1 ::; j ::; n) jene Matrix, die aus A dadurch hervorgeht, dass man die j -te Spalte
durch b ersetzt, so ist die einzige Lsung des linearen Gleichungssystems Ax = b durch

x =

_1(de~
detA '

A, )

'A

det

gegeben.
Man kann also durch

Xj =

detA
J jede Koordinate der Lsung einzeln berechnen.
detA

Beispiel 3.62 Die eindeutige Lsung

( Xl) X2 )

al1 x I

a21xl

eines regulren linearen Gleichungssystems

a12 X 2

b1

a22X2

b2

ist gegeben durch

I bb2
1

Xl =

a12
a22

a12 1
I an
a21 a 22

b1a22

b2 a l 2

an a22

a12 a 21

und

1
I an
b I
a21 b 2
X, ~ I an a12 1

a21

- bla21
alla22 -

+ b2a n
a12 a 21

a22

6.

3.6

Eigenwerte und Eigenvektoren

Wir beginnen mit der Definition von Eigenwerten und Eigenvektoren, die fr lineare Abbildungen fast gleich lautend ist wie fr Matrizen.

Definition 3.63 Sei f : V ---t V eine lineare Abbildung. Ein Skalar A E K heit Eigenwert
von f, wenn es einen Vektor x E V \ {O} mit

j(X)=A'X
gibt. Die Vektoren ai E V \ {o} mit f{x) = A . x heien die zum Eigenwert A gehrigen
Eigenvektoren. .
Sei A E Kn?<n eine quadratische Matrix. Ein Skalar A E K heit Eigenwert von A, wenn es
einen Vektor x E K n \ {O} mit
Ax=,).x
gibt. Die Vektoren x E J(n \ {O} mit A . x = A' x heien die zum Eigenwert

Eigenvektoren.

.x gehrigen

Eigenweite und Eigenvektoren spielen in vielen Anwendungen der Mathematik eine groe
Rolle. Weniger bekannt ist, dass sie auch bei Suchmaschinen in Internet eingesetzt werden.

3 Lineare Algebra

130

Beispiel 3.64 Es geht um das Problem, die "Wichtigkeit" einer Internetseite zu bewerten. Ein
Ansatz dafr ist, anzunehmen, dass die Wichtigkeit X i der i-ten Internetseite proportional zur
Summe der Wichtigkeitenjener Seiten ist, die einen Link zur i -ten Seite haben. Man bekommt
daher ein Gleichungssystem der Form
n

Xi

=K L

aijXj

(1::; i ::;

n) ,

j=l

wobei n die Anzahl der Internetseiten ist und aij = 1 ist, wenn die Seite j eine Link zur Seite
i hat; sonst ist aij = O. Das ist nichts anderes als ein Eigenwertproblem mit einer gigantisch
groen Matrix A = (aij).
Tatschlich verwendet die Suchmachine "Google" eine Variante dieser Idee, um die Wichtigkeit einer groen Zahl von Seiten zu reihen, siehe [5].
6Wir beschftigen uns zunchst einmal damit, wie man Eigenwerte von Matrizen bestimmen
kann.

Satz 3.65 Sei A E Kn xn eine quadratische Matrix. Ein Skalar>. E K ist genau dann Eigenwert von A, wenn
det(A . In - A) = O.

Beweis. Die Existenz eines Vektors x -=I 0 mit A x = >.. x ist gleichbedeutend mit der Existenz
eines Vektors x ::J 0 mit
(A . In - A) . x = O.
Das heit, dass das homogene lineare Gleichungssystem mit Koeffizientenmatrix A' In - A eine
nichttriviale Lsung hat. Dies ist aber genau dann der Fall, wenn>. . In - A singulr ist, also
0
wenn det(>. . In - A) = 0 gilt.
Beispiel 3.66 Zur Bestimmung der Eigenwerte der Matrix

(~

A=

;) E

~2x2

ermittelt man zunchst

0) (1 2)

A . 12 - A = ( >.0),

3 2

(A --31 ).-2
)
- 2

und die Determinante

det(A .12

>' - 1
-3

A) =

>. -2
_ 2

Dieses quadratische Polynom hat genau 2 Nullstellen

Diese ind die 2 Eigenwerte von A .

= ). 2 -

3A - 4.

3.6 Eigenwerte und Eigenvektoren

131

Als nchstes bestimmen wir die Eigenvektoren zum Eigenwert Al = 4. Dazu muss man das
homogene lineare Gleichungssystem

(4 !2 - A)X= ( 3 -2 ) x = o
-3 2
lsen. Man sieht sofort, dass alle Eigenvektoren skalare Vielfache (f:- 0) des Vektors

sind. Die Menge aller Eigenvektoren zum Eigenwert Al = 4 (einschlielich des Nullvektors)
bildet daher einen eindimensionalen Unterraum von ~2.
Entsprechend kann man auch zum Eigenwert A2 = - 1 alle Eigenvektoren bestimmen. Es
sind dies alle skalaren Vielfache (f:- 0) des Vektors

Man beachte, dass die beiden Eigenvektoren X l ) X 2 linear unabhngig sind. Bildet man damit
die (regulre) Matrix T = (X l X 2 ) E R. 2x2, so kann man die Beziehungen A . Xl = 4 . Xl,
A . X2 = -1 . X z in Matrixform auch folgendermaen darstellen:

(~

; ). (

~ -~ )

= (

~ -~ )

. (

~ -~ )

bzw.
oder

0)

A = T ( Al
0 A2

. T - 1.

In diesem Beispiel fallen zwei Punkte auf. Zunchst tritt ein Polynom auf, das so genannte
charakteristische Polynom.

Definition 3.67 Das charakteristische Polynom einer quadratische Matrix A E Kn xn ist

die Determinante
Man beachte, dass das charakteristische Poynom Grad n und Fhrungskoeffizient 1 hat.
Eigenwerte sind jetzt nichts anderes als Nullstellen von XA(>..) . Da ein Polynom vom Grad n
(ber einem Krper K) hchstens n verschiedene Nullstellen haben kann, hat eine n x n -Matrix
A hchstens n verschiedene Eigenwerte.
Die zweite Beobachtung ist, dass man (unter gewi sen Voraussetzungen) mit Hilfe von Eigenwerten und Eigenvektoren eine Matrix diagonalisieren kann.

Satz 3.68 Sind die Vektoren Xl , X2 , . . . , X n E f{n linear unabhngig und Eigenvektoren einer
Matrix A E ]{nxn zu den Eigenwerten Al , A2, .. . ) An E ]{, so gilt mit T = (Xl X 2 . . X n )

T . diag(Al , A2 , ... , An) . T - 1 .

Man bezeichnet die Matrix A in diesem Fall als diagonalisierbar.

Mit diagonalisierbaren Matrizen kann i. Allg. einfacher gerechnet werden. Beispielsweise gilt
fr die Potenzen dieser Matrizen

Ak

--

T . d'l a g _( /\1
\k
'

,k
k)
/\2
) ' . . ' /\\ n
'

T - 1.

132

3.7

3 Lineare Algebra

Skalarprodukte

Im folgenden beschrnken wir uns auf den reel1en Krper K

= IR.

Definition 3.69 Das gewhnliche Skalarprodukt {x , y) zweier Vektoren

x=

Xz

, Y=

Y2

Yn
ist gegeben durch

(x , y) =

XIYl

+ X2 Y2 + ... + Xn Yn '

Die Vektoren x , y heien orthogonal (d.h., sie schlieen einen rechten Winkel ein), wenn das
Skalarprodukt verschwindet:
(x,y) = o.

------~------~~--------~~

Satz 3.70 Das Skalarprodukt hat die folgenden Eigenschaften:

(i) (x, y ) = (y , x ),
(ii) (x, Yl + Y2) = (x , Yl ) + (x, Y2), (Xl + Xz, y ) = (Xl , y ) + (Xz, y ),
(iii) (x , >. . y ) = A . (x, y ), (A . x, y ) = A (x, y ),

(iv) (x , x) ~ 0, (x , x)

=0

x =

o.

Alle Eigenschaften sind leicht nachzurechnen. Die letzte motiviert den blichen Lngenbegriff von Vektoren.

Definition 3.71 Die Lnge eines x E

]Rn ist gegeben durch

Ein Vektor x heit normiert, wenn er die Lnge 1 hat:

IIxll =

1.

Abbildung 3.10 Lnge eines Vektor im IR 2

Satz 3.72 Die Lnge

(i)
(ii)
(iii)

Ilxll von Vektoren x

IIxll ~ 0, Ilxll = 0 ~
IJAxll = 1>'1 . Ilx l .
Ilx + yll ~ Ilxll + Ilyll

x = 0,

E jRn hatfolgende Eigenschaften:

3.7 Skalarprodukte

133

Die ersten beiden Eigenschaften ergeben sich direkt aus der Definition. Die dritte Eigenschaft heit auch Dreiecksungleichung. Sie kann aus der Cauchy-Schwarz'schen Ungleichung
abgeleitet werden, wie wir gleich sehen werden. Die geometrische Interpretation (Abb. 3.11)
erkrt die Namensgebung.

Abbildung 3.11 Dreiecksungleicbung

Satz 3.73 (Cauchy-Schwarz'sche Ungleichung) Fr zwei Vektoren x , y

E }Rn

gilt

I(x, y) I ::; Ilxll . lIyll

Auerdem gilt in dieser Ungleichung nur dann Gleichheit, wenn x, y linear abhngig sind.

Beweis. Man betrachte die Lnge des Vektors x - ,\ . y:

o~ Ilx - ,\ . Yl12
= (x - ,\ . y , x - ,\ . y)
=

IIxl1 2-

2'\ (x , y)

+,\2 . IIYI12.

Setzt man nun ,\ = (x, y)/IIYI1

2, so ergibt sich sofort die Ungleichung I(x, y)1 ::; Ilxll . Ilyll
Auerdem kann nur Gleichheit gelten, wenn x - ,\ . y = 0 ist, also wenn x , y linear abhngig
0
sind .
Aufgrund der Cauchy-Schwarz'schen Ungleichung ist e mglich, den Winkel cp zwischen
zwei Vektoren x , y '# 0 zu definieren:

(x,y)
co (cp) =

Ilxll . Ilyll

Im Zweidimensionalen kann mit Hilfe der Matrix aus Beispiel 3.36 (a) diese Beziehung direkt nachgerechnet werden. Mit dieser Festlegung wird daher der Winkelbegriff auf beliebige
Dimensionen verallgemeinert.
Wie bereits angedeutet, kann aus der Cauchy-Schwarz' ehen Ungleichung die Dreiecksungleichung leicht abgeleitet werden:

IIx + y112

(x+ y , x+Y )

- IIxl1 2 + 2 . (x , y ) + IlyW
< IIxl1 2+ 211xll . Ilyll + IIYl12 = (Ilxii + IIYII? .
In diesem Zusammenhang ist auch der Pythagorische Lehrsatz zu nennen.

(3.13)

3 Lineare Algebra

134

Satz 3.74 (Pythagorischer Lehrsatz) Sin.d x un.d y orthogonal, so gilt

Beweis. Man muss in der Gleichung (3.13) nur beachten, dass orthogonale Vektoren durch die
Eigenschaft (x , y) = 0 charakterisiert werden.
0
Als nchstes betrachten wir so genannte Orthononnalbasen. Diese spielen u.a. in der Theorie
der Fourierreihen eine bedeutende Rolle (siehe Kapitel 8).

Definition 3.75 Eine Basis B = {bI, b2 , . , b~} des Rn heit Orthonormalbasis (ONB).
wenn die Basisvektoren b 1 , b 2 , ... , bn normiert und paarweise orthogonal sind:

. {I

fr i
0 fr i

(bi , bj ) =

Beispielsweise ist die kanonische Basis E

Satz 3.76 Ist B

=j

(3.14)

-:f /

= {eb e2 , . . . ,e n }

eine ONB im Rn.

{bI, b2 , ... , bn } eine ONB des lRn, so giltjr jeden Vektor x E lRn
n
X

L(x , bi ) bi ,
i= l

d.h., die Koordinaten bezglich B knnen mit Hilfe des Skalarprodukts bestimmt werden.
Beweis. Jeder Vektor x E jRn hat eine eindeutige Darstellung x = :L:~= I
f.!,i ER Betrachtet man nun das Skalarprodukt

(x , bj )

i= l

i= 1

f.!,i

bi mit Koordinaten

= (2: !Li bi , bj ) = L /Ji( bi , bj )

und wendet die Eigenschaft (3.14) an, so verbleibt in der Summe nur ein einziger Summand,
0
nmlich J-Lj (b j , bj ) = /Jj . Es gilt also /Jj = (x , bj ).
Definition 3.77 Eine Matrix P E lR nxn heit orthogonale Matrix, wenn die Spalten von P
eine ONB des IRn bilden.
Orthogonale Matrizen knnen auch auf verschiedene andere Arten charakterisiert werden.
Aus der Definition folgt z.B. direkt
pT . P = In.
Al 0 rnu di e [Link] e Matrix p - l = pT sein. Demnach gilt auch P . pT = In, was nichts
anderes bedeutet, als dass die Zeilen von P eine ONB bilden.
Orthogonale Mattizen treten auch als Abbildungsmatrizen in prornjnenter Weise auf. Beispiel weise si nd die Matrizen von Drehungen und Spiegelungen orthogonale Matrizen . Bei
Drehungen und Spiegelungen wird die kanonische Basis - die ja eine ONB ist - in eine ONB
bergefhrt, und die Bilder der kanonischen Basis bilden ja die Spalten der ent prechenden
Abbil dungsmatri zen. So ist etwa die Matrix

A= (

c~s r.p - sin r.p

sm r.p

cos r.p

3.7 Skalarprodukte

135

aus Beispiel 3.36 (a) eine orthogonale Matrix. Sie reprsentiert die Drehung um den Winkel r.p
in der Ebene.
Satz 3.68 charakterisiert diagonalisierbare Matrizen dadurch, dass es eine Basis aus Eigenvektoren gibt. Der folgende Satz, den wir ohne Beweis angeben, zeigt, dass reelle symmetrische
Matrizen sogar eine ONB aus Eigenvektoren besitzen.

Satz 3.78 (Spektralsatz) Sei A E ffi,n xn eine symmetrische Matrix. Dann sind alle Eigenwerte
Al , A2, ... ,An reell, und es gibt eine dazugehrige ONB aus Eigenvektoren.
Fasst man die ONB aus Eigenvektoren von A in einer orthogonalen Matrix P (spaltenweise)
zusammen, so gilt
A = p. diag(Al l A2 , ... , An)' p - l.
Eine reelle symmetrische Matrix ist also immer diagonalisierbar.
Abschlieend betrachten wir noch allgemeine Skalarprodukte auf dem Vektorraum ffi,n. Wir
definieren dazu:

Definition 3.79 Eine symmetrische Matrix G = (gi;) E

alle Vektoren x E ffi,n

{O} .

ffi,nxn

heit positiv definit, wenn fr

.
x'J' .G . x>O

gilt, und.G heit negativ definit, wenD fr alle Vektoren x E ]Rn \ {O}
XX.

G 'x < O

gilt. Symmetrische Matri,zen, die weder positiv noch negativ definit sind, heien indefinit.
Beispielsweise sind Diagonalmatrizen mit positiven Diagonalelementen positiv definit (und
mit negativen Diagonalelementen negativ definit).
Aus dem Spektralsatz folgt sofort, dass eine symmetrische Matrix G genau dann positiv
(negativ) definit ist, wenn alle Eigenwerte positiv (negativ) sind. Ein anderes Kriterium ist das
Hauptminorenkriterium, das wir ohne Beweis angeben.

Satz 3.80 (Hauptminorenkriterium) Eine symmetrische Matrix G

(gij)

E lRn x n ist genau

dann positiv definit, wenn alle Hauptminorell

(1 ::s; k ::s; n)
gk l

9kk

positiv sind. G ist genau dann negativ definit, wenn M"Jr gerades k positiv undfr ungerades
k negativ ist.

Eine 2 x 2-Matrix ist daher genau dann positiv definit, falls

und genau dann negativ definit, falls

g11 < 0

und

gUg22 - gi2 > O.

136

3 Lineare Algebra

Wir werden das Hauptminorenkriterium u.a. dafr ntzen, um den Charakter relativer Extrema

von differenzierbaren Funktionen in mehreren Vernderlichen zu bestimmen (siehe Kapitel 6).

Mit Hilfe positiv definiter Matrizen kann man allgemeine Skalarprodukte definieren.

Defini,t ion 3.81 Sei G E

~nxn

eine positiv defi'n ite Matrix.

Dann ist durch

das Skalarprodukt von x Und y E Rn bezglich G defiJiliert.

Man beachte, dass dieses Skalarprodukt (x, Y)G dieselben Eigenschaften hat wie das gewhnliche Skalarprodukt. Es ist brigens ein Spezialfall des allgemeinen Skalarprodukts, wenn
man fr G die Einheitsmatrix In verwendet:

Insbesondere gelten die Cauchy-Schwarz'sche Ungleichung und die Dreiecksungleichung auch

im allgemeinen Fall.

3.8

bungsaufgaben

3.1 Bildet RZ mit den angegebenen Operationen einen Vektorraum ber~?

(a) (Xl, XZ) + (YI, Y2) = (Xl + YI, 0), >'(Xl' X2) = ().Xl,O)
(b) (Xl, X2) + (VI, V2) = (Xl + Y2) X2 + vI), >'(Xl, X2) = ().XI, ).X2)
(c) (Xl,X2) + (Vl,V2) = (Xl + Yl,O), ).(Xl ,X2) = ().Xl,X2)
3.2 Man zeige, dass die folgenden Eigenschaften in jedem Vektorraum (V, +, K) gelten:

=0

(a) ). . 0 = 0

(b) O v

(e) (- ).) . v = - (). . v)

(d) ).. (- v) = - (>,. v)

3.3 Untersuchen Sie, ob W Teilraum des Vektorraurns V = rn?,3 ber ~ ist, und beschreiben Sie die
Menge W geometrisch:

(a) W

= {( x, Y, z) E V I X = 2y}

(c) W = {( x , y, z ) Ix+y+z ~ O}

(b) W

= {(x , y, z)

E V Iy

(d) W = {(x,y , z ) E V

= - z}

I xy =

O}

3.4 Es sei U eine nichtleere Teilmenge eines Vektorraums V mit der Eigenschaft, dass fr je zwei
Vektoren x, y E U auch x + y und>' . x (fr). E K) in U liegen. Man zeige, dass U dann einen
Unterraum von V bildet.
3.5 Es sei V der Vektorraul11 aller Funktionen f : lR -+ lR ber [{ = lR. Untersuchen Sie, ob W
TeHraum von V ist:
Ca) W ist die Menge aller ungeraden Funktionen in V, d. h. aller Funktionen f, fr die gilt f(x) =

- f( - x).
(b) W ist die Menge aller geraden Funktionen in V, d. h. aller Funktionen f. fr dk gilt fe x)
J( - x).

3.6 Sei U Teilraum eines endlichdimensionalen Vektorraums V mit dirn U = dirn V . Was kann ber
U ausgesagt werden?

3.8 bungs aufgaben

137

3.7 Man zeige, dass die Vektoren Vl, V2, V3 eines Vektorraumes genau dann linear unabhngig sind,
wenn VI + V2 , V2 + v 3, V3 linear unabhngig sind.

3.8 Man zeige, dass die Vektoren bl = (i) , b2 =

eine Basis von JR2 bilden. Wie lauten die Koordinaten eines Vektors x = G~ ) bezglich der Basis B = {bi , b2 } ?

= {(I, 2, 4)T, (2 , 4, l)T, (4,2, 1f} eine Basis von JR3 ist.

3.9 Man zeige, dass B

3 .10 Fr die Matrizen

A=

- 1

-2

1 - 2

bestimme man rg(A), 1'g(B) sowie die Produkte A Bund B . A.

3.11 Bestimmen Sie die inverse Matrix A (a) A

~ ( =~ _~

D,

und die Matrix A 3 zur Matrix

(b) A

~ C~ _~

3.12 Man zeige fr Al , A2,'" , An -=I- 0:

= diag(A 11 , A;-l , . . . ,A;;l).

diag(Al, A2, . . . , An)- l

3.13 Sei A(G) die Adjazenzmatrix eines Graphen (siehe Defintion 2.18). Man zeige, dass die Eintragungen a~~J der Potenzen A(G)k =
nach Vj sind.

(ai~lh :;i,j:;n die Anzahlen der Kantenfolgen der Lnge k von

Vi

3.14 Sei n ~ l. Bestimmen Sie den Rang der folgenden Matrix ber R:
5

11

1
3n~

'"

3n -1

'. :"

3n + 2 3n + 5 . . . 6n - 4
3.15 Sei
(a)

f : ]R2 ~ JR2 die lineare Abbildung mit

f ( ~) = f ( ~) = (

(b) f ( ~ )

!2). .

(~).

f (

i) = (~).

Bestimmen Sie ker(f) sowie f(JR2) und verifizieren Sie die Beziehung 1'g(f)
Bestimmen Sie weiters jene Matrix A E JR2x 2 mit fex) = A x.
3 .16 Man beweise die Rangformel rg(f)

+ def(f)

= dirn

+ d ef(f)

V (Satz 3.38).

3.17 Ein Produzent verarbeitet die Rohstoffe RI, R2, R3. welche bei einem von zwei Lieferanten L I ,
L2 bezogen werden sollen. Der Verbrauch der Rohstoffe whrend vier Wochen eines Monats sowie die
Rohstoffpreise der Lieferanten sind in nachstehender Tabelle angegeben:
Woche / Rohstoff
1. Woche
2. Woche
3. Woche
4. Woche

Rl
8
10

R2

R3

4
6

12

5
5

11

Rohstoff / Lieferant
R1
R2
R3

LI

8
10
7

L2
4
6
8

Man vergleiche die Rohstoffkosten fr alle vier Wochen. Soll der Produzent beim Lieferanten LI oder
L2 bestellen?

3 Lineare Algebra

138

3.18 Bestimmen Sie mlL dem Gau'sehen Eliminationsverfahren die Lsung des Gleichungssystems
ber dem Krper K:
3 XI

( a)

Xl

5XI

+ X2
+ X2

2X3

X3 -

2 XI

+ 5X2 -

3 XI

X4

3 X3

7XI

Xl

x4 =

+ 3 X4
=1

+ X2 + X3
+ X3 =
+ X3 =

2Xl

(c)

(e)

+ X2 -

=1
= 1

1
7

K = IR.,

K =Z2,
K = IQ,
K = Z3,

(b)

- Xl

- 5 XI

+ X2 + X3 - X4 = 1
+ X2 + 3X3 + 3X4 = 1

+ X2 + X3 = 0
+ X3 = 1
4XI
+ X3 = 4

2XI

(d)

K=R,
K = Z2,
' K -- tnI
"'i!,

Xl

K =Z3,

-x3 + X4 = 2
+X2 - 2X3 + 4X 4 = 2
- Xl +4X2 + 3X 3 - 3X 4 = 2
Xl + 2X 2

= 5
+ X3 = 4
X2 + 2 X3 = 1
2X3

3.19 Man berechne die

2
4 -1
2
1
0 Ca)
2
7
1
6
4
5

K = Q,
(f)
K = Zu,

3X I

+ X4 =

2Xl + 4X 2

K = C,
K

71,7 .

folgenden Determinanten:

- 1

2
7
- 1 - 2
2
0

0
4

3
1

4
6

(b)

5
2
0

-3
3.20 Man berprfe fr die Matrizen aus bungsaufgabe 3.10 die Formel det(A .B) = det(A) det(B) .
1

3.21 Fr welche x E Q ist die Matrix A singulr?

! -D
~ 0i n

<alA ~ O

~lA ~ O j

0~ n

3.22 ber welchem Krper Zp (p Primzahl) ist die Matrix A singulr?

<al

~l ~
A

3.23 Man bestimme fr die Matrizen aus bungsaufgabe 3.11 die inversen Matrizen mit Hilfe von
Satz 3.59.
3.24 Man lse das lineare Gleichungssystem aus bungsaufgabe 3.18 (e) fr K = lR mit Hilfe der
Cramer'schen Regel.
3.25 Man bestimme die Eigenwerte der Matrix A:
(a) A

(e) A =

( _~ -~)

0~ !1. )
1.

(b) A =

( _ ~ -~)

(d) A =

( 5 -8 10)

- 8 11
2
'2 ~ 0
10
2 2
3.26 Fr die Vektoren x = (1,2, 3)T, Y = (3 , - I , 2f und z = (2,2, I)T berechne man

Ca) die Lngen von x, y und z,

(b) den Winkel t.p zwischen x und y ,
Cc) das Volumen des von x, y und z aufgespannten Parallelepipeds.
3.27 Fr a E Z ist eine (so genannte) quadratische Form Ga : ll~.z ~ IR durch qa(x, y) = 3x 2 +
axy + 2x z + 2y 2 + 2yz + 2z 2 gegeben. Man bestimme eine symmetrische Matrix Ga E 1R2x2 mit
q().(x, y)
(X, y) . Ga . (x, yf. Weiters bestimme man ein a E Z, so dass Ga (und somit auch die
quadratische Form qa) positiv definit ist.

Kapitel 4
Folgen, Reihen und Funktionen
Der Grenzwertbegriff, d.h. der bergang vom Endlichen zum Unendlichen, ist in der Mathematik von zentraler Bedeutung. Viele physikalische Zusammenhnge lassen sich einfacher verstehen, wenn statt diskreter Objekte kontinuierliche verwendet werden. Anfange der Bildung
von Grenzwerten finden sich bereits in der Antike, z.B. bei den Babyioniern (Approximation
irrationaler Zahlen im Zusammenhang mit dem Lsen von quadratischen Gleichungen) und etwas spter bei den Griechen (Exhaustionsmethode, d.h. Approximation krummlinig begrenzter
Bereiche durch Vielecke). Der Umgang mit Grenzwerten blieb jedoch bis ins 19. Jahrhundert
sehr intuitiv. Erst in der zweiten Hlfte des 19. Jahrhunderts gelang es Weierstra, den Grenzwertbegriff mathematisch exakt zu fassen.
In den folgenden Abschnitten werden wir diesen Begriff fr Folgen, Reihen und Funktionen entwickeln. Er dient als Grundlage eines der leistungsfhigsten Werkzeuge der Mathematik,
nmlich der Differential- und Integralrechnung, die wir im nchsten Kapitel kennenlernen werden .

4.1

Folgen reeller Zahlen

1. Definition und Grenzwert

Beispiel 4.1 Betrachten wir die Zahlen ao = 3, al = 3 .1, a2 = 3.14, a3 = 3.141, a4 = 3.1415,
a5 = 3.14159, a6 = 3.141592, . . . Allgemein sei an die Dezimalentwicklung von 1[" bis zur
n -ten Nachkommastelle. Je grer n ist, desto besser wird 1[" von an approximiert, d.h .; der
Abstand lan - 1["1 wird mit wachsendem 11, immer kleiner. Dabei wird 1[" sogar beliebig gen au
approximiert: Legt man zu Beginn eine erlaubte Abweichung fe t (z.B . hch tens lO- m), so
wird diese Vorgabe von allen an mit hinreichend groem Index (in diesem Fall 11, ~ m) auch
erfHt. Dies ist die Grundidee des Grenzwertbegriffs .
b.

Definition 4.2 Unter einer reellen Folge versteht man eine [Link] von reellen Zahlen

aa, al, a2, ... Eine andere Schreibweise ist (an)n~a. Folgen knnen auch als Funktionen
a: N -r IR aufgefasst werden. In diesem Fall gilt a(n) = an. Die Zahlen an" aus denen die
Folge aufgebaut ist, nennt man die Glieder der Folge, und 11, heit Index des Folgenglieds aTP
Bei Bedarf kann der Index auch mit 1 oder einer anderen natrlichen Zahl k beginnen, d.h.
man betrachtet dann Folgen der Gestalt (a n )n2': l bzw. (a n )n2': k'

4 Folgen, Reihen und Funktionen

140

Natrlich kann man Folgen nicht nur ber :IR betrachten, sondern ber beliebigen Mengen
X, d.h. , an E X fr alle n E N. Wir werden spter etwa Folgen ber C bentigen. Da die
Theorie aber vllig analog ist, werden wir uns in diesem Kapitel weitgehend auf reelle Folgen
beschrnken.
Beispiel 4.3 Im Folgenden geben wir einige Beispiele fr Folgen.
(a) an=~,n?1 :1'~ ' ~';6''' '
(b) Mit an = 2 erhalten wir die Folge 2, 2, 2,2, . . .. Diese Folge ist eine konstante Folge.

(e) Die arithmetischen Folgen sind durch an = ao + dn gegeben. Die Differenz von je zwei
aufeinander folgenden Gliedern ist konstant, d.h., die Gleichung an - an- l = d ist fr
alle n ? 1 erfllt. Beispiel: 1, 3, 5, 7,9, .. .
(d) Geometrische Folgen sind Folgen der Form an = aoqn, d.h., der Quotient von je zwei
aufeinander fol2enden Gliedern ist konstant, also ~
= q. Beispiel: 1, 3, 9, 27, 81 , .. .
an - l
Ce) Folgen knnen auch rekursiv definiert werden, d.h. , das n -te Folgenglied ist durch eine
Funktion der vorher gehenden Folgenglieder bestimmt. Z.B. beschreibt ao = 1, al = 1,
an = an- l + an - 2 die Folge 1, 1, 2,3 , 5,8, 13, 21 , . . .
~

Bevor wir nun den Grenzwertbegriff fr Folgen definieren, fhren wir noch einige Sprechweisen ein. Man agt, eine Aussage gilt fr fast alle n E N, wenn sie fr alle bis auf endlich
viele Ausnahmen gilt. Weiters bezeichnen wir das Intervall
Uc; (a) = (a - c, a + c) = { x E :IR I Ix - al < c}
als e:-Umgebung von a.
Definition 4.4 Eine reelle Zahl a heit Grenzwert (oder Limes) der Folge (a n )n2:0, falls in
jeder c-Umgebung von a fast alle Folgenglieder an liegen, d.h., falls
Ve:

> 0 3N(e:)

N Vn> N(c) :

la n - al < c

gilt.
Eine Folge (a n )n2;:O heit konvergent, falls sie einen Grenzwert a besitzt (siehe auch
Abb. 4.1).. In diesem Falle konvergiert die Folge gegen a, und man schreibt
!im an

n ~oo

= a oder an

---+

Besitzt die Folge (ank~o keinen Grenzwert, so heit sie divergent. Eine Folge, die 0 als
Grenzwert besitzt, nennt man auch Nullfolge.
Eine Folge (an)n~O' deren Glieder beliebig gro werden, d.h., fr die gilt
\:fK

> 0 3N(K)

E N Vn

> N(K) : an > K )

heit uneigentlich konvergent, und man schreibt lim'rl.-too an = 00 . Analog definiert man
limn-too an = -00 und nennt solche Folgen ebenfalls uneigentlich konvergent. Der Wert +00
bzw. - 00 wird dann als uneigentlicher Grenzwert bezeichnet.

--~~~--~---------~

4.1 Folgen reeller Zahlen

141

Wenn in jeder -Umgebung von a unendlich viele Folgenglieder liegen, so ist a ein Hufungspunkt von (an)n~O' Analog zum uneigentliehen Grenzwert werden uneigentliehe Hufungspunkte definiert. Der grte Hufungspunkt (uneigentliehe mit eingeschlossen) heit
Limes superior (man schreibt: lim suPn..... oo an), der kleinste Hufungspunk.t Limes inferior
(lim infn->oo an).
Eine Zahl a ist somit Grenzwert einer Folge, wenn folgendes gilt: Gibt man einen Abstand
> 0 vor, so lsst sich ein Index N derart finden, dass ab diesem N alle Folgenglieder einen
Abstand von a haben, der kleiner als E ist. So ein N muss es fr jedes c geben, egal wie klein
c gewhlt war. Findet man eine c:-Umgebung von a, die unendlich viele Folgenglieder nicht
enthlt, so kann a nicht Grenzwert der Folge sein.

- l- ao

---t--

I - -j- H--tH1111a

Abbildung 4.1 Konvergenz von Folgen

Fr einen Hufungspunkt a ist hingegen nur verlangt, dass bei beliebig aber fest vorgegebenem Abstand c unendlich viele Folgenglieder diesen Abstand von a unterschreiten. Die Anzahl
der Folgenglieder mit grerem Abstand kann endlich, aber auch unendlich sein. Der Limes
superior und der Limes inferior existieren im Gegensatz zum Grenzwert (siehe Beispiel 4.5) fr
jede Folge (eigentlich oder uneigentlich) .
Wie man leicht sieht, ist jeder Grenzwert einer Folge (an)n~ O auch ein Hufungspunkt dieser
Folge. Die Umkehrung ist aber nicht richtig. Falls a und b zwei verschiedene Hufungspunkte
von (an)n~O sind (vgl. dazu Beispiel 4.5b), so gilt fr c < ~ I a - bl, dass Ue(a) n Ue(b) = 0.
Daher knnen nicht fast alle an sowohl in Ue(a) als auch in Ue(b) liegen. Aus dieser berlegung
folgt auch die Eindeutigkeit des Grenzwerts: Da in jeder Umgebung des Grenzwerts fast alle
Folgenglieder liegen, kann eine konvergente Folge nur einen Hufungspunkt besitzen. Im Falle
der Konvergenz gilt also lim n ..... oo an = lim sUP n -+ oo an = !im inf n _ oo an .

Beispiel 4.5
Ca) Gegeben sei die Folge (:2)11>1 = (1, ,~, 16" " ) und ein c:
falls n > N(e) =
Somit iSt 0 Grenzwert dieser Folge.
1

Je.

> O. Dann gilt 0 < an < e,

(b) Sei an = (- l)n, also (an) = (1, - 1, 1, - 1, 1, - 1, .. . ). Diese Folge ist divergent. Es liegen jeweils unendlich viele Folgenglieder in jeder c:-Umgebung U. (l) und U. ( - 1). Also
sind - 1 und 1 Hufungspunkte der Folge. Daher besitzt diese Folge keinen Grenzwert.
(c) Die Folge an = (n 2 )nEN = (0 , 1,4, 9,16, . .. ) ist uneigentlich konvergent gegen + 00 , da
fr jede beliebig vorgegebene Zahl J{ > 0 eine Quadratzahl existiert, die grer als J{
ist.

2. Monotonie und Beschrnktheit

Wir wollen nun einige Begriffe zur qualitativen Beschreibung von Folgen vorstellen.

T
4 Folgen, Reihen und Funktionen

142

Definition 4.6 Eine Folge (an)n~o heit monoton faUend, wenn anH ~ an fr alle n E N.
Gilt sogar die strikte Ungleichung anH < an; 'so spricht man von einer streng monoton
fallenden Folge. Falls an+! ~ an bzw. (Ln+! > an fr allie n E N, so heit die Folge monoto~
wachsend bzw. streng monoton wachsCnd.

----------------------------------------------~

Beispiel 4.7 Die Folge (~) n>l ist streng monoton fallend, da wegen (n

+ 1)2 > n 2 die Un-

gleichung (n~1)2 < ~ gilt. Konstante Folgen sind sowohl monoton fallend als auch monoton
wachsend, Jedoch in keinem Sinne streng monoton.
6.
Definition 4.8 Eine Folge (an)n>O heit nach oben beschrnkt, wenn es eine reelle Zahl S
gibt, so dass an ~ S fr alle n E- N. Jede solche Zahl S heit obere Schranke von (a';')n>o.
Die kleinste obere Schrrutke wird das Supremlim genannt. Das Supremum sup an ist so~t
jene reelle Zahl So, welche die folgenden Bedingungen erfllt:
'
(i) Es gilt an ::; So fr alle n E N.
(ii) Aus an ~ 8 fr alle TI, E N folgt 8 0

S.

Analog definiert man Beschrnktheit nach unten und untere Schranken. Die grte untere
Schranke wird Infimum genannt und inf an gescmeben. Falls die Folge nIcht nach oben
bzw. unten beschrnkt ist, setzt man sup an = oobzw. inf an = - 00.
In analoger Weise lassen sich Schranken (und infolge dessen auch Supremum und Infimum)
fr Mengen von reellen Zahlen definieren. Sei M ~ R Da reelle Zahlen Dezimalentwicklungen
besitzen, haben alle.'E E ~ die Form XO ..'EIX2 ... mit Xo E 7l und Xi E {O , I , . .. ,9} fr i ~ 1.
Falls M nach oben beschrnkt und nicht leer ist, so lsst sich das Supremum auf folgende
Weise finden. Zunchst bestimmt man die kleinste ganze Zahl, die eine obere Schranke von
M ist, und nennt diese ao. Danach sucht man die kleinste Zahl der Form x = XO'Xl> die eine
obere Schranke von M ist, und nennt diese al . Das Verfahren setzt man sukzessive fr alle
Dezimalstellen fort. So erhlt man eine monoton fallende Folge von oberen Schranken von M.
Es lsst sich zeigen, dass diese Folge konvergiert. Der Grenzwert ist das Supremum von M und
wird mit sup M bezeichnet. Analog bestimmt man das Infimum einer nach unten beschrnkten
(nicht leeren) Menge 11,11, inf M. Falls M nicht nach oben bzw. unten beschrnkt ist, setzt man
sup M = 00 bzw. inf M = - 00 .
Das Supremum (Infimum) einer Folge ist aber nichts anderes als das Supremum (Infimum)
der Menge ihrer FolgengHeder. Die obigen Betrachtungen knnen wir im folgenden Satz zusammenfassen.
Satz 4.9 (Vollstndigkeitssatz fr die reellen Zahlen) Jede nach oben (unten) beschrnkte
nicht leere Teilmenge von ~ besitzt ein Supremum (Infimum). Jede nach oben (unten) beschrnkie reelle Folge besitzt ein Supremum (Infimum) .
Beispiel 4.10 Betrachten wir wieder die Folge C~2 ) n> l' Da die Folge streng monoton rcHlt, ist
da erste Folgenglied al = 1 das grte und daher eine obere Schranke: es gilt an :::; 1 fr alle
n ~ 1. Offensichtlich ist 1 auch das Supremum der Folge.
Sei S > O. Dann gibt es ein n E N derart, dass an < S, da 0 der Grenzwert dieser Folge ist.
Daher kann S keine untere Schranke sein. Da alle Folgenglieder positiv sind, ist 0 eine untere

4.1 Folgen reeller Zahlen

143

Schranke und daher das Infimum dieser Folge. Zu bemerken ist, dass das Infimum 0 kein Glied
der Folge ist. Supremum und Infimum mssen also nicht selbst Folgenglieder sein.
b
Auch fr Mengen gilt, dass deren Supremum und Infunum nicht in der Menge selbst enthalten sein mssen. Man nehme z.B. das offene Intervall I = (0, 1). Dann gilt inf I = 0 1- I
und sup 1= 11- I . Fall Supremum und Infimum einer Menge !vI in M enthalten sind, werden
sie auch Maximum und Minimum genannt. Man verwendet dafr die Notation max M bzw.

minM
Wir werden jetzt und im folgenden Abschnitt einige Stze vorstellen, die fr Konvergenzuntersuchungen und das Rechnen mit Grenzwerten von Nutzen sind.

Satz 4.11 Jede konvergente Folge ist beschrnkt.

Beweis. Sei (ank:::~ o eine Folge mit limn-->oo an = a und > O. Dann liegen fast alle an in
Ue(a). Die Folgenglieder mit an rt Ue(a) seien an!> an 2 , , ank . Sei E > ffiaJCi =l, ... ,k la - an;1
(bzw. E = E im Fall k = 0). Dann gilt insbesondere E ~ c, und daher liegen alle FolgengHeder
in Ug ( a). Die Intervallgrenzen a - E bzw. a + E sind dann untere bzw. obere Schranke von
(an)n~o,

Satz 4.12 (Hauptsatz ber monotone Folgen) Eine monotone Folge ist genau dann konvergent, wenn sie beschrnkt ist.
Beweis. O.B.d.A. sei (an) n~ O eine monoton wachsende Folge. Aus der Konvergenz folgt nach
dem vorigen Satz die Beschrnktheit. Wir mssen daher nur noch zeigen, dass Beschrnktheit
hinreichend fr Konvergenz ist. Nach Satz 4.9 besitzt (an)n ~ O ein Supremum. Sei a = sup an
und c > O. Da a - E keine obere Schranke von (an)n~O ist, existiert ein N(c) mit aN(e) > a - c.
Aufgrund der Monotonie muss an > a - c auch fr alle n > N (c) geIten. Daher liegen fast alle
an in Ug (a). Da c beliebig gewhlt werden kann, gilt limn-->oo an = a.
D

Beispiel 4.13 Arithmetische Folgen: an = ao + nd. Es ist leicht zu sehen, dass (an)n>Onur fr
d = 0 konvergent ist. In diesem Fall ist (an)n~O eine konstante Folge und limn_<XJ an -= ao. Im
Fall d =1= 0 ist (an)n~O uneigentlich konvergent gegen oo, wobei das Vorzeichen mit jenem
von d bereinstimmt.
6.

3. Rechnen mit Grenzwerten

Wir stellen nun einige Rechenregeln fr konvergente Folgen vor.

Satz 4.14 Seien (an ) n~o und (bn) n~o [Link] Folgen mit lim an = a und lim bn = b.
n-+oo
Dann gilt
11 ~ (x)

(i) lirn (an

n--+oo

bn )

= a

b,

(ii) lirn (Aa n ) = Aa fr A E IR,

n ~ oo

(iii) lim (anb n)

n-+oo

= ab,

(iv) lim a
bn =

~b falls bn

n---+oo

=1=

0, fr alle n E N, und b =1= O.

,.....
4 Folgen, Reihen und Funktionen

144

Beweis. Wir begngen uns mit dem Beweis der ersten Identitt und berlassen den Rest als
bungsaufgabe. Es gelte also an --t a und bn --t b. Fr gegebenes c: > 0 gibt es daher NI und
N 2 so dass lan - al < c/2 fr n > N I und Ibn - bl < c/2 fr n > N 2 gilt. Daraus folgt, dass
lan bn - (a b)1 $ la n - al + Ibn - bl :::; c fr alle n > max(N1 , N 2 ) .
0
Zu bemerken ist, dass die ersten beiden Rechenregeln aus Satz 4.14 implizieren, dass die
Menge F aller konvergenten Folgen zusammen mit der Folgenaddition und der Multiplikation
mit einern Skalar aus IR einen Vektorraum bildet. Diese beiden Rechenregeln zeigen nmlich,
dass man in F uneingeschrnkt addieren und multiplizieren kann. Daher ist Fein Unterraum
des Vektorraums aller Funktionen f : N --t IR.
Vorsicht ist geboten beim Rechnen mit uneigentlichen Grenzwerten. Die Rechenregeln fr
konvergente Folgen lassen sich nicht bertragen, da die rechten Seiten der obigen Gleichungen
nicht definiert sind. Die Addition und die Multiplikation sind ja fr unendliche Gren nicht
erklrt.
Beispiel 4.15 (Uneigentlich konvergente Folgen) Betrachten wir die Folgen an = n und bn =
n + Cn, Cn ;::: O. Beide Folgen sind uneigentlich konvergent gegen +00 . ber die Differenz
an - bn = Cn kann jedoch apriori keine Aussage gemacht werden. Ihr Verhalten hngt von der
Folge Cn ab. hnlich verhlt es sich bei Quotienten zweier uneigentlich konvergenten Folgen
oder bei Quotienten zweier Nullfolgen: Es gilt beispielsweise

n
2
n

--t

n2
n

0,

00

--t

2n

'

--t

2.

Diese Beispiele zeigen, dass man Ausdrcken wie 00 - 00, : oder keinen sinnvollen
Wert zuweisen kann. Solche Ausdrcke heien auch unbestimmte Formen. Wir werden uns in
Abschnitt 5.2 nher damit befassen. Auch 100 , 00 und 0 zhlen zu den unbestimmten Formen
(siehe Beispiel 4.19).
Die im vorigen Satz beschriebenen Rechenregeln fr Grenzwerte sind mit bestimmten Einschrnkungen dennoch auch fr uneigentliche Grenzwerte gltig.
Satz 4.16 Sei (an ) n ~ o eine uneigentlich konvergente Folge und>' E I1t Es gelte lim an =
n ---too

00

und lim bn = b. Dann gilt

n _co

(i) lim (an

n -+ co

+ bn ) = 00, falls b E JR oder b =

00,

\ n ) = { 00, falls'\ > 0,

(1I") l'1m (Aa
n- 00, fia LiS A\ < 0 ,
(Hi) lim (an bn ) = oo, falls b > 0,
n-+oo

(iv) lim b = 0, falls b E IR.

n -+oo

an

'ft

n I
Beispiel4.17 an = n -11
- . Bei dieser Folge sind Zhler und Nenner uneigentlich konvergente
Folgen, so dass die Stze 4.14 und 4.16 nicht direkt anwendbar sind. Herausheben der hchsten
Potenz und anschljeendes Krzen macht aber Satz 4.14 anwendbar und liefelt

lim an = lim

n -+ oo

n - co

1+1. - .l"
1+0 - 0
n 11 n- 3_ 0
3 - ii2

4.1 Folgen reeller Zahlen

145

Beispiel 4.18 Fr die geometrische Folge an = qn gilt

0 falls Iql < 1,
1 falls q = 1,
lim qn =
n -+OQ
{ 00 falls q > 1.
Um das zu zeigen, sei zunchst q = 1 + P > 1. Dann gilt

qn= (1 + p)n = 1 + np+ (~)p2 + .. . + (~)pn : : : 1 + np

--t 00

(vgl. dazu auch Satz 4.20). Fr 0 < q < 1 gilt 10q > 1 und daher q~, --t 00. Daraus folgt
aber qn --t 0, denn setzt man in Satz 4.16 an = q~ und bn = 1, so folgt qn = fu
-+ O.
an
Der Fall - 1 < q < 0 funktioniert analog, und die Flle q = 0 und q = 1 sind triviaL Fr
q ~ -1 ist (qn )n~O divergent. hnlich lsst sich auch fr q E C argumentieren. Geometrische
Folgen im Komplexen konvergieren also fr q innerhalb des Einheitskreises sowie fr q = 1
und divergieren fr alle anderen Werte von q.
6.
Beispiel 4.19 (Uneigentlich konvergente Folgen und Potenzbildung) Sei an = 1 + ~ und
bn = n . Es ist offensichtlich limn-too a n = 1 und limn -+ oo bn = 00 . Der Schluss limn -+oo a~n =
100 = 1 ist aber falsch! Denn mit Hilfe des binomischen Lehrsatzes bekommen wir (hnlich
wie in Beispiel 4.18)
(4.1)
a~n

kann somit nicht gegen 1 konvergieren.

Wir wollen die Folge aus Beispiel 4.19 nher untersuchen, bentigen dazu aber ein weiteres
Resultat.

Satz 4.20 (Bernoulli'sche Ungleichung) Sei n E N mit n 2: 2 und x 2: - 1 mit x

gilt
(1 + x )1l > 1 +nx .

=1=

O. Dann

Beweis. Fr x = - 1 ist die Ungleichung trivial. Sei also x > - 1. Wir fhren den Beweis mit
vollstndiger Induktion. Fr n = 2 habe~ wir (1 + x? = 1 + 2x + x 2 > 1 + 2x, da x 2 > O. Es
gelte also (1 + x )n > 1 + nx. Multiplikation mit 1 + x liefert

(1
wie behauptet.

+ xt+1 > (1 + nx )(1 + x ) = 1 + (n + 1)x + nx 2 > 1 + (n + l) x ,

o

Beispiel 4.21 (Fortsetzung von 4.19) Mit Hilfe der Bemoul1i'schen Ungleichung lsst sich
zeigen, dass (1 + ~ ) n eine monoton wachsende Folge ist. Es gilt

4 Folgen, Reihen und Funktionen

146

Daraus folgt, dass (1

schen Lehrsatzes

+ ~) n streng monoton wchst. Weiters erhalten wir mit Hilfe des binomi-

~) n = 1 +

( 1+ n

(n)~ + (n) ~ + (n) ~ + ... + (n)~

3 n3

2 n2

1 n

111

< 1 + 1 + - + - 2 + .. . + - n
2

- 1

n nn

< 3.

Die Folge ist daher nicht nur monoton wachsend, sondern berdies noch nach oben beschrnkt
und daher nach Satz 4 .12 konvergent. Den Grenzwelt e = 2, 71 82818 . .. nennt man die

Euler'sche Zahl.

f:.,.

4. Konvergenzuntersuchungen
Wir haben mit Satz 4 .12 bereits ein Konvergenzkriterium fr monotone Folgen kennengelernt.
Wir untersuchen nun die Konvergenz von allgemeinen Folgen und beginnen mit einer einfachen
hinreichenden Bedingung fr Konvergenz.

Satz 4.22 (Sandwich-Theorem) Seien (an)n~O und (bn)n~o konvergente Folgen, deren Grenzwerte bereinstimmen, also limn ..... oo an = limn ..... oo bn = a. Sei (Cn)n~O eine Folge mit an :=:;
Cn ::; bn fr fast alle n E N. Dann folgt die Konvergenz von (crJnc o, und es gilt lim-7H OO Cn = a.
Beweis. Fr ~ > 0 gilt an E Ue(a), falls n > NI, und bn E Ue(a), falls n > N 2 . Daraus folgt
Cn E Ue(a) , falls n > max(N11 N2 ).
0

Beispiel 4.23 Sei a > O. Gilt fr eine Folge

Zum Beweis bentzen wir

vn

--+

n10

::;

an :::; nO< , dann folgt lim

~ =

1 (siehe bungsaufgaben) . Daraus folgt limn-too

limn..... oo ~ = 1. Anwendung des Sandwich-Theorems liefert nun die Behauptung.

l.
/'::,.

Definition 4.24 Seien (an)nc o eine Folge reeller Zahlen und no < nl < n2 < ... natrliche Zahlen. Dann nennt man die Folge (a nm )mEN = (a no , an1 , an 2 , . . ) eine Teilfolge von

(a n )n2:0'

----------------------------~----~----------------------~

Beispiel 4.25
(a) Die Folge der Quadratzahlen (n 2 )nc i
(n)n ~ I

(1, 2,3 , 1,5 , 6,7 , 8,~,

= (1 ,4, 9, 16.. . . )

ist eine Teilfolge der Folge

10, ... ).

(b) Sei (an)n cO = (1 , - I, 1, - 1, I , - 1, . . , ). Diese Folge ist divergent. Nimmt man nur die
geraden Indizes, so erhlt man als Teilfolge die konstante Folge (1 , 1, 1, . .. ), also eine
konvergente Folge.

Satz 4.26 Sei (an)nc O eine Folge; die den Hufungspunkt a besitzt. Dann gibt es eine gegen a
konvergierende Teiljolge. Falls umgekehrt (an)ncO eine konvergente Teiljolge mit Grenzwert a
enthlt, so ist a ein Hufungspunkt von (an)ncO'
Beweis. Zu einem Hufungspunkt a der Folge (an)n~O lsst sich auf folgende Weise eine konvergente Teilfolge konstruieren . Wir geben uns eine monoton fallende Nullfolge (Cn)nEN mit
En > 0 (z.B . co = 1, cn = l /n fr n ~ 1) vor. Dann gibt es in Ueo(a) unendlich viele

4.1 Folgen reeller Zahlen

147

Folgenglieder von (an )n2;O. Wir whlen eines aus, beispielsweise a no ' Danach whlen wir ein
anl E Ue l (a) mit nl > no, usw. Dann ist (ank)kEN eine gegen a konvergente Teilfolge von
(a n )n2:0. Denn bei Vorgabe eines E > 0 gibt es ein ko, so dass E ~ Eko ~ Cko+1 ~ . . . > O. Fr
alle k ~ kogilt daher la nk - al < c.
Sei umgekehrt eine konvergente Teilfolge gegeben. Dann ist ihr Grenzwert a ein Hufungspunkt von(an)n;?:o, denn in jeder E-Umgebung von a liegen fast alle Glieder der Teilfolge, also
insbesondere unendlich viele Folgenglieder von (ank:~o .
0

Satz 4.27 (Satz von Bolzano-Weierstra) Jede beschrnkte Folge (an)n;?:O enthlt einen Hujungspunkt.

Beweis. Die Aussage des Satzes ist nach Satz 4.26 quivalent zur Existenz einer konvergenten
Teilfolge. Aufgrund der Beschrnktheit von (a n )n2;O und des Hauptsatzes ber monotone Folgen
gengt es, die Existenz einer monotonen Teilfolge nachzuweisen.
Sei bn = sup(an+l' an +2," ')' Dann ist (bnk~o eine monoton fallende Folge. Sei ].,,1 =
{k E NI bk < ak}, d.h., k E M ist gleichbedeutend damit, dass ak grer ist als smtliche
FoJgenglieder mit grerem Index. Wir konstruieren nun eine monotone Folge, wobei wir unterscheiden mssen, ob M unendlich ist oder nicht. Falls M unendlich viele Elemente enthlt,
so ist (ak)kEM bereits eine monoton fallende Teilfolge von (a n )n2;o , Denn wenn k1 , k2 E J..i[ mit
k 1 < k2 , dann ist akl laut Definition von M grer als alle nachfolgenden Folgenglieder, also
insbesondere grer als ak2'
Falls M endlich ist, so bekommen wir mit der oben beschriebenen Vorgangsweise nur endlich viele Elemente und somit keine Teilfolge. In diesem Fall kann man aber eine monoton
wachsende Teilfolge konstruieren. Da M beschrnkt ist, existiert ein nl E N, mit nl > k fr
alle k E M. Dann ist an1 nicht grer als alle nachfolgenden Folgenglieder, weil sonst nl ja in
M enthalten wre. Es gibt also ein mindestens ebenso groes Folgenglied an2 mit n2 > nl. Da
auch n2 r;. M, muss an 3 mit n3 > n2 und ans ~ an2 existieren. Diesen Prozess setzen wir ad
infinitum fort und erhalten auf diese Art eine monoton wachsende Teilfolge von (a n )n2:0.
0

Definition 4.28 Eine reelle Folge heit Cauchyfolge, wenn fr alle c > 0 ein N (E) existiert,
so dass lan - ami< E fr alle 71;, m > N(E) .
Anschaulich bedeutet dies, dass Cauchyfolgen genau jene Folgen sind, fr welche die Glieder mit groem Index nahe beieinander liegen.

Satz 4.29 (Cauchykriterium) Eine reelle Folge (a n )n2:0 ist genau dann konvergent, wenn sie
eine CauchyJolge ist.
Bemerkung: Man beachte, dass das Cauchykriterium in Q nicht gilt. Nehmen wir irgend eine
Folge rationaler ZahJen, die gegen eine irrationale Zal11 konvergiert, z.B. die durch die Dezimalentwicklung von J2 bestimmte Folge (1 , 1.4, 1.41, 1.414, 1.4142, . . . ). Diese Folge ist in IR
konvergent und daher nach dem obigen Kriterium eine Cauchyfolge (was brigens auch direkt
leicht zu sehen ist). Da der Grenzwert aber keine rationale Zahl ist, ist diese Folge in Q nicht
konvergent. 1
I In der Mathematik werden auch abstraktere Mengen untersucht, in denen Abstnde zwischen Elementen definiert sind. Solche Mengen werden metrische Rume genannt. Ein metrischer Raum X heit vollstndig, falls
jede Cauchyfolge in X konvergiert . Spezielle vollstndige metrische Rume, so genannte Hilbertrume, spielen in
vielen Teilen der Mathematik sowie beispielsweise in der Quantenphysik eine groe Rolle.

4 Folgen, Reiben und Funktionen

148

Beweis. Sei (an)n~O konvergent und c > O. Den Grenzwert von (an)n ~O nennen wir a. Dann
existiert N(c) derart, dass lan - a l < N( E), fall s n > N(c). Seien nun n, m > N(c). Dann gilt
lan - am i = lan - a - (am - a) 1:s; la n - a! + lam - a! < c + c = 2c. Die FoLge (an)n~O ist
daher eine Cauchyfolge .
Umkehrung: Gelte fr ein c > 0, dass lan - am i < c fr alle n, m > N(c). Dann ist
(an)n~O beschrnkt, denn fr m > N = N(c) folgt aus lam l - laNHI .::; lam - aN+l l < c,
dass lam l < laN+11 + c. Somit ist die Folge (!aN+II, laN+2 1, . . ) durch laNHI + c nach oben
beschrnkt. Folglich ist S = max( lao l, lal l, . . ) laN I, !aNH ! + c) eine obere Schranke von
(lanl) nEN. Die Folge (ank~o ist daher durch S nach oben und durch - 8 nach unten beschrnkt.
Nach dem Satz von Bolzano-Weierstra existiert dann ein Hufungspunkt a und infolge dessen
eine Teilfolge (ankhEN mit ank --? a. Das bedeutet aber, dass fr hinreichend groe k, z.B.
k > K = K (c), la nk - al < c folgt. Sei nun n > N und k > max(K, N) , so dass also auch
nk > N gilt. Dann folgt lan - a l :S !a n - ank I + lank - al < 2c und daher an -+ a.
0
Beispiel 4.30 Gegeben ist die rekursiv definierte Folge aMl = i!~~ mit ao = 1. Die ersten
~~,
Die dadurch aufkommende Vermutung 1 S an :s; 2
Glieder der Folge sind 1, ~, ~,
lsst sich leicht mit vollstndiger Induktion beweisen. Sei nun n > m. Dann gilt

g,

!an _

Wegen an

...

2 + an- l _ 2 + am- l I
1 + an- l
1 + am- l
= 1 (2 + an- l)( l + am- I) - (2 + am- l)( l
(1 + a n - d(1 + am- I)
am- l - an- l
I
- I(1 + an- l) (l + am-I) .

am =

+ an- d I

1 ist der Nenner des obigen Ausdrucks grer oder gleich 4. Daraus folgt
Ian - amI .::; ~ Ian- l - am- l i Iteriert man diese Vorgangsweise, so erhlt man Ian - amI
4~' lao - an- mi ::; 4rl- 1' wobei die letzte Ungleichung aus der Abschtzung an :s; 2 und der
Dreiecksungleichung folgt. Die Folge (an)n~ o ist daher eine Cauchyfolge und somit konvergent. Sei a = lim n ...... oo an . Fhrt man in der definierenden Rekursion den Grenzbergang fr
n -+ 00 durch, so ergibt sich a Lsen dieser Gleichung unter Bercksichtung von
6.
1 :s; an :S 2 ergibt a = ~.

:s

i!:.

4.2 Unendliche Reihen

Wir wenden uns nun Folgen zu, die eine spezielle Darstellung aufweisen, so genannten Reihen.
Dies sind Folgen, deren Glieder endliche Summen sind, die aus einer anderen Folge gebildet
werden.
Beispiel 4.31 (Dezimalentwicklungen) Reelle Zahlen lassen sich bekanntlich als Dezimalentwicklungen schreiben . Wie im vorigen Abschnitt besprochen, kann man sie aber auch als Grenzwerte von Folgen interpretieren, indem man aus der Dezimalentwicklung eine Folge konstruiert.
Die Folgenglieder lassen sich auch als Summen von Zehnerpotenzen auffassen:

9=

0, 111 .. . =

L
k~ l

lOk = 10

+ 100 + 1000 + . . . .

4.2 Unendliche Reihen

149

Beispiel 4.32 (Zinseszinsrechnung) Es werden ber einen Zeitraum gleich hohe Betrge in
regelmigen Abstnden auf ein Sparbuch eingezahlt. Wir interessieren uns fr den Wert K n des
auf dem Sparbuch liegenden Kapitals nach n Einzahlungen. Sei b die Hhe der Ratenzahlung,
T der zeitliche Abstand zwischen zwei Einzahlungen und q der Verzinsungsfaktor fr die Zeit
T . Die n-te Einzahlung erfolgt daher zum Zeitpunkt (n - l)T. Folglich wird die erste Rate
(Zeitpunkt 0) n - 1 mal verzinst, die zweite Rate n - 2 mal, usw. Wir erhalten

K n = bqn- l

+ bqn- 2 + ... + bq + b = b(1 + q + q2 + .. . + qn- l).

Die Folge K n besteht also (bis auf den Faktor b) aus Summen von q-Potenzen.
Beispiel 4.33 Bereits Leibniz entdeckte die folgenden Identitten:
1

1-

1['

3 + 5 - 7 + 9 - + .. . = 4'

1
1
1- - +-

- - + - - + ... =

In 2.

1. Der Begriff der unendlichen Reihe

Man beachte, dass der Wert von endlichen Summen aufgrund der Kommutativitt und der Assoziativitt der Addition in IR und C unabhngig von der Reihenfolge und der Art des Zusammenfassens von Gliedern stets wohl definiert ist. Fr unendliche Summen ist da im Allgemeinen
nicht der Fall. Man kann etwa zeigen, dass die Summen aus Beispiel 4.33 jeden beliebigen Wert
annehmen knnen, wenn die Summationsreihenfolge geeignet abgendert wird. Dies fhrt auf
folgende Definition.

Definition 4.34 Unter einer unendlichen Reihe versteht man eine (fonnale) unendliche Summe L~=o an Dabei ist (an)n~O die Folge der Reihenglieder. Die Folge (sn)n~O mit

heit Folge der Partialswnmen der Reihe. Unter dem Grenzwert (oder der Summe) der
Reihe versteht man den Grenzwert ihrer Partialsummenfolge. Ist die Folge (Sn),1?;O konvergent
bzw. divergent, so beit auch die R~ihe konvergent bzw. divergent.
------------------~
Satz 4.35 Falls die Reihe Ln>o an konvergiert, so ist die Folge der Reihenglieder eine Null/oLge, d.h., an --+ O.

Beweis. Laut Voraussetzung gilt L n?;Oan = lim n _ oo Sn = S E IR. Die Reihenglieder lassen
sich aber mit Hilfe der Partialsummenfolge durch an = Sn - Sn - l beschreiben. bergang zum
Grenzwert ergibt limn -+ oo an = [Link] Sn - limn -+ oo Sn - l = S - S = O.
0
Beispiel 4.36 Die harmonische Reihe ist definiert durch

4 Folgen, Reihen und Funktionen

150

Es gilt offensichtlich

1 1 (1 1) (1 1 1 1)

2: - >1+ - + - + - + - + - + - + - + ...
n~l n -

, 8

8 ., 8

8 ,

111
= 1+'2+'2 +'2+'"
Die Partialsummenfolge (Sn)n ~O ist also monoton wachsend und nach den obigen berlegungen gilt S 2n 2:: 1 + ~ ~ 00 . Die hannonische Reihe ist somit divergent. Dies zeigt, dass die
Umkehrung des vorigen Satzes nicht richtig ist: Aus an ~ 0 folgt im Allgemeinen nicht die
Konvergenz der Reihe 2:n~o an.
6

Beispiel 4.37 Unter einer geometrischen Reihe versteht man eine Reihe der Form

L qn = 1+ q + q2 + q3 + ' , . ,
n~ O

Die Partialsummenfolge (sn)n~O der geometrischen Reihe ist daher Sn

Folglich gilt
Sn = 1+ q + q2 + ... + qn
q + q2 + ... + t~ +qn+l
(1 - q)Sn = 1
und fr q f. 1 erhalten wir

Sn

= 1 + q + q2 + .. , + qn .

1 - qn+l
1- q

Im Falllql < 1 folgt daraus die Konvergenz der geometrischen Reihe:

"qn _
1
~
- 1- q '
n~O

Fr Iql ~ 1 ist die geometrische Reihe divergent, da die Folge der Summanden, also
keine Nullfolge ist.
Beispiel 4.38 Gegeben ist die Reihe :2:n~ l

6-

Die Partialsummenfolge ist somit

1)
t; 1+ = t; (1
k- +
1- ~) + (~ - ~) + (~ - ~) + ... + (~ - n:1)

_n
Sn

n(1:+1) '

(qn)nEl'h

k(k

1)

= (

(4.2)

1
= 1 - --.

n+l

Nach der Definition der Summe einer Reihe gilt

"

00

~ n(n + 1)

1im Sn = lim
n -tOO

n -too

(1
)
n+
1- - -

= l.

Summen, bei denen Auslschungen wie in (4.2) auftreten, nennt man Teleskopsummen.

6.

4.2 Unendliche Reihen

151

2. Konvergenzkriterien
Als nchstes wollen wir einige Kriterien fr die Konvergenz von Reihen finden. Das Cauchykriterium fr Folgen (Satz 4.29) lsst sich direkt auf Reihen bertragen, indem man es auf die
Partialsummenfolge anwendet.
Satz 4.39 (Cauchykriterium) Eine Reihe Ln>oan ist genau dann konvergent, wenn fr alle
E > 0 ein N(c) existiert, so dass 12:~n anl < Efr alle m 2: n > N(c) .

Definition 4.40 Eine Reihe Ln>oan heit alternierend, wenn die Glieder an abwechselnd
positiv und negativ sind.

Alternierende Reihen sind etwa jene aus Beispiel 4.33.

Satz 4.41 (Konvergenzkriterium von Leibniz) Eine alternierende Reihe
die (an)n~O eine monoton fallende Nullfolge ist, ist konvergent.

I:n>O( -l )n an, fr
-

Beweis. Wir betrachten die Teilfolgen (S2n)n~O und (82n+dn2':0 der Partialsummenfolge. Da an
monoton fallt, ist
52n+1 = (ao - al)

+ (a2 -

a3)

+ .. . + (a2n -

a2n+1)

eine monoton wachsende Folge, da a2k - a2k+l 2: O. Aus demselben Grund ist
S2n

= ao -

(al -

a2) - (a3 - a4) - .. . - (a2n- l - a2n)

monoton fallend. Weiters gilt 0 ::; 82'11.+1 :s; 82n ::; ao. Daraus folgt, dass (S2n+ l)n~ O und
(82'11.)'11. 2':0 beschrnkt und daher wegen Satz 4.12 konvergent sind. Sei a = limn-too S2n+1 und
b = limn~oo 82'11. ' Dann gilt auch 0 ::; S2n -82n+1 = a2n+1 ~ 0, also ist a = b = limn - H Xl Sn . 0
Beispiel 4.42 Die alternierende Reihe ~n~l ( -~)" erfllt die Voraussetzungen von Satz 4.41,
denn in diesem Fall ist an = ~ offensichtlich eine monoton fallende Nullfolge. Daher ist die
Reihe konvergent.
L,.
Beispiel 4.42 illustriert den Fall, dass eine Reihe I: an konvergiert, die Reihe I: lan l der
Betrge der Glieder aber divergiert. Denn L lanl ist in diesem Fall nichts anderes als die harmonische Reihe aus Beispiel 4.36. Dies fhrt zu folgendem Begriff.
Definition 4.43 Eine Reihe"~n>o an :beit absolut konvergent, wenn L n>o lan I konvergent
ist. Eine konvergente Reihe, welche nicht absolut konvergent ist, nennt
bedingt konver-

man

eDt.
Satz 4.44 Eine absolut konvergente Reihe ist auch konvergent.
Beweis. Sei En an absolut konvergent. Aus dem Cauchykriterium (Satz 4.39) folgt, dass fr
gegebenes E > 0 ein N existiert, so dass fr alle m 2: n > N

lanl + lan+ll + ... + laml < E .

Eine Anwendung der Dreiecksungleichung ergibt
la n

+ an+l + ... + ami :::;

lanl

lan+ll + .. . + laml < c,

und daraus folgt nach nochmaliger Anwendung von Satz 4.39 die Konvergenz von ~n an .

4 Folgen, Reihen und Funktionen

152

Beispiel 4.45 Betrachten wir nochmals die Reihe aus Beispiel 4.42. Wir haben bereits gesehen, dass es sich um eine konvergente Reihe handelt. Die aus den Betrgen ihrer Summanden
gebildete Reihe ist aber die harmonische Reihe Ln~ l ~, deren Divergenz wir in Beispiel 4.36
gezeigt haben. Diese Reihe ist daher ein Beispiel einer bedingt konvergenten Reihe.
6.
Man kann zeigen, dass jede Umordnung (nderung der Summationsreihenfolge) einer absolut konvergenten Reihe gegen denselben Grenzwert konvergiert. Man spricht daher auch von
unbedingt konvergenten Reihen. Fr bedingt konvergente Reihen ist dies nicht der Fall. Es gilt
nmlich der folgende Satz, den wir ohne Beweis anfhren.

Satz 4.46 (Riemann'scher Umordnungssatz) Eine bedingt konvergente Reihe lsst sich so
umordnen, dass sie gegen eine beliebige Zahl CI! E lR U { -00, +oo} (uneigentlich) konvergiert.
Satz 4.47 (Majorantenkriterium) Seien 2:n an und 2:n bn zwei Reihen mit lan l ~ bnfr fast
alle n. Falls L n bn konvergent ist, so ist :Ln an absolut konvergent. In diesem Fall nennt man
die Reihe L n bn eine Majorante von 2:n an
Beweis. Anwendung des Cauchykriteriurns: Fr alle c > 0 gibt es ein N E N, so dass
m

711

Llakl ~

Lb

k=n

k=n

<

fr alle m 2: n > N. Daraus folgt die absolute Konvergenz von Ln an.

Analog zum Konvergenzbeweis mittels Abschtzung nach oben durch konvergente Majoranten lsst sich auch ein Divergenzbeweis mittels Abschtzung nach unten durch divergente
Minoranten durchfhren. Man erhlt

Satz 4.48 (Minorantenkriterium) Seien L nan und Ln bnzwei Reihen, so dass 0 ::; an ~ bn
fr fast alle n. Falls Ln an divergent ist, so ist auch die Reihe L n bndivergent.

Beweis. bungsaufgabe.

Beispiel 4.49 Da ~ eine monotone Nullfolge ist, folgt mit Hilfe des Leibnizkriteriums die
Konvergenz von :L n > 1 (~V" . Wir wollen nun zeigen, dass diese Reihe auch absolut konvergent
ist. Dazu benutzen wir die Abschtzung ';2 ~ n(n1_ l) fr n 2: 2. Wir wissen aus Beispiel 4.38,
dass

n22

1
n(n -1) = 1.

Die Voraussetzung des Majorantenkriteriums sind somit erfllt, und daher konvergiert die Reihe
L n21 ~ . ber den Grenzwert sagt das Majorantenkriterium nichts aus. Man kann aber zeigen,
dass

Es gilt weiters

;0~ ~2 fr a ~ 2. Infolge dessen ist die Reihe

1

Lna
n~l

(4.3)

4.2 Unendliche Reihen

153

fr alle a ~ 2 konvergent. Man kann zeigen (siehe Abschnitt 5.5), dass dies sogar fr alle a > 1
gilt. Fr a = 1 erhalten wir die harmonische Reihe, die bekanntlich divergent ist. Reihen der
Bauart (4.3) nennt man hyperharmonische Reihen.
Hyperharmonische Reihen sind also konvergent fr a > 1. Fr (li ::; 1 sind sie divergent,
wie man durch Anwendung des Minorantenkriteriums (Abschtzung nach unten durch die har6
monische Reihe) leicht sieht.

Satz 4.50 (Wurzelkriterium) Falls es eine Zahl q gibt, so dass

\IIaJ : :; q < 1 fr fast alle n,

dann ist

L:n an absolut konvergent.

Falls hingegen

\flanl 2:
so ist

(4.4)

1 fr unendlich viele

n,

(4.5)

L:n an divergent.

Bemerkung: Man beachte, dass die Konstante q in der ersten Ungleichung wesentlich ist. Die
Bedingung
(4.6)

reicht nicht aus, wie das folgende Beispiel zeigt: Fr die divergente hannonische Reihe ist
= 1/ ffii D.h., die Bedingung (4.6) ist erfllt. Ferner gilt
~ 1. Somit konvergiert
auch
gegen 1, also muss die Folge jede apriori vorgegebene Schranke q < 1 berschreiten. Die Bedingung (4.4) des Wurzelkriteriums ist somit verletzt.
Zu beachten ist aber, dass in diesem Fall auch (4.5) nicht erfllt ist. Mit Hilfe des Wurzelkriteriums kann also nicht fr jede Reihe eine Entscheidung ber Konvergenz bzw. Divergenz
getroffen werden.

vn

-\!'faJ

\Ifa'J

Beweis. Aus (4.4) folgt, dass lanl ::; qn fr fast alle n. Daher ist die geometrische Reihe
2:n ~o qn eine konvergente Majorante, woraus die absolute Konvergenz von L: an folgt.
n
Bedingung (4.5) impliziert, dass lanl 2: 1 fr unendlich viele n. Somit kann (an)n~O keine
0
Nullfolge sein und daher L: nan nicht konvergieren ,

Eine leicht abgeschwchte, jedoch oft einfacher handhabbare Formulierung des Wurzelkriteriums ist die folgende ,

\Ifa'J

Satz 4.51 (Limesform des WUl'zelkriteriums) Aus !im S UP7HOO

< 1 folgT die absolute
Konvergenz der Reihe L n an und aus lirn sUPn_ oo
> 1 deren Divergenz.

\Ifa'J

Im Falllim sUPn __ oo \flan l = 1 ist wieder keine Aussage ber das Konvergenzverhalten der
Reihe mglich.
Bemerkung: Dass Satz 4.51 tatschlich eine Abschwchung von Satz 4.50 ist, zeigt das triviale
Beispiel an = 1 fr alle n E N. In diesem Fall ist (4.5) anwendbar, aber lim sUPn -+ oo
= 1,
weshalb Satz 4.51 keine Aussage liefert.

\Ifa'J

Beweis. Es ist leicht zu sehen, dass die Aussage (4.4) quivalent zu lim sUPn__ oo
Falls lim S UPn-+oo
> 1, so gilt sicherlich (4.5).

\Ifa'J

\Ifa'J < 1 ist.

0

4 Folgen, Reihen und Funktionen

154

Satz 4.52 (Quotientenkriterium) Es sei an

dass

a:: ~
1

i-

0 fr alle n E N. Falls eine Zahl q existiert, so

q < 1 fr fast alle n,

so ist L n an absolut konvergent. Gilt hingegen

an+l
l ~ 1 fr fast alle n ,
an

so divergiert die Reihe 2.:n an

Beweis. Im ersten Fall gilt fr einen Index N und alle n 2:: N die Ungleichung lan+l l ~ qlanl
und daher lanl ~ qn- N aN. Daher ist die geometrische Reihe I:nla Nlqn- N eine konvergente
Majorante.
Im Fall Ia~:l I 2:: 1 fr fast alle n ist lanl eine ab einem gewissen Index N monoton wach0
sende Folge positiver Zahlen und damit sicherlich keine Nullfolge.
Auch beim Quotientenkriterium kann der Fall eintreten, dass keine der bei den Bedingungen
zutrifft und daher keine Aussage ber das Konvergenzverhalten der Reihe gemacht werden
kann. Die harmonische Reihe ist etwa ein Beispiel, wo das Quotientenkriterium versagt.

Satz 4.53 (Limes form des Quotientenkriteriums) Aus lim suPn->oo lan+d anl < 1 folgt die
absolute Konvergenz der Reihe L n an und aus liminfn->oo lan+ I/anl > 1 deren Divergenz.

Beweis. bungsaufgabe.

Beispiel 4.54
(a) Wir untersuchen die Exponentialreihe

fr festes x E IR. Es gilt

a::11
=

fr hinreichend groe n , da J~l eine Nullfolge ist. Das Quotientenkriterium sagt uns nun,
dass n_> 0 x~
n. fr alle x E IR konvergiert.

2.:

(b) Gegeben sei die Reihe L:n~l :~. Wieder fhrt das Quotientenkriterium zum Ziel: Wegen
(4.1) gilt

a n +1 1 = (n
l

an

+ l )nn
(n + 1)n+l

und daher ist die Reihe konvergent.

= (1 + ~) -n :s; ~ < 1frn ~ 1,

n

4.2 Unendliche Reihen

(e) Sei a2n

155

= }n und a2n+l =

4,L l' Dann ist

an+l = {41
an
16

falls n gerade,
falls nungerade.

Daher gilt !im UPn--+oo an+dan = 4 und lim infn~oo anH/an = 1/ 16. Das Quotientenkriterium liefert daher keine Aussage. Der Versuch mit dem Wurzelkriterium erweist sich
jedoch als zielfhrend, denn

2"+ 4n1- 1 = 2"+\1 22nH

2 = 2"+V's. ~2 ~ ~2 f"ur n ~ 00,

2n fT = ~

V~

2'
und daraus folgt die Konvergenz von Enan
Allgemein l st sich zeigen, dass das Wurzelkriterium leistungsfhiger ist als das Quotientenkriterium. Letzteres ist jedoch in vielen Fllen einfacher zu handhaben.

3. Das Cauchyprodukt und Potenzreihen

Die Tatsache, dass die Summe einer konvergenten Reihe als Grenzwert einer Folge (nmlich
ihrer Partialsummenfolge) definiert ist, erlaubt es, die Rechenregeln fr Grenzwerte von Folgen (Satz 4.14) direkt auf Reihen zu bertragen bzw. algebraische Operationen fr Reihen zu
definieren. Aufgrund der Vektorraumeigenschaft des Raums der konvergenten Folgen knnen
konvergente Reihen addie1t und mit Skalaren multipliziert werden. Fr konvergente Reihen
2:nan und L:nbngilt denU1ach

L (a + b = 2: an+ L b
n

n,

n)

und

2: (Aan )

11

AL an

Tl

fr A ER

11

Das Produkt von Reihen lsst sich nicht so direkt bilden. Betrachtet man die Partialsummenfolgen so ergibt sich
n

i=O j=O

2n

min( k,n)

=2: L

k = O = max(O,k - n)

Die letzte Umformung erhalten wir durch Umordnen gem dem folgenden Schema (die Diagonalen bilden jeweils die inneren Summen):

aOb1

aobo

/'

/'
a1 bl

albo
a2 bo

/'
a2b2

/'
a3bl

a l b3 . ..

a 1 b2

a2bl

/'
a3bO

/'

/'

/'

aOb3 ...

aOb2

a2 b3

"

/'
a3b2

a3 b3 . ..

4 Folgen, Reihen und Funktionen

156

Dies legt die folgende Definition nahe.

Definition 4.55 Seien 2:n>O an und 2:n>O bn zwei Reihen. Unter dem Cauchyprodukt diedie R~ihe2:n~o (2:~=o akbn-k).
ser beiden Reihen versteht

man

------------------------~

Satz 4.56 Falls 2:n>Oan = a und ~n>O bn = b und heide Reihen absolut konvergieren, dann
ist auch deren Cauchyprodukt absolut konvergent, und es gilt 'En~o ('E~=o akbn- k) = ab.
Ohne Beweis.
Im Gegensatz zur Addition von Reihen reicht die Konvergenz alleine nicht fr die Konvergenz des Cauchyproduktes aus. Wenn das Cauchyprodukt zweier konvergenter Reihen ebenfalls
konvergiert, so ist seine Summe jedoch stets gleich dem Produkt der bei den einzelnen Summen.
Das Cauchyprodukt wird z.B. zur Multiplikation von Potenzreihen benutzt. Potenzreihen
sind eine sehr wichtige Klasse von Reihen, die uns in den nchsten Abschnitten noch fter
begegnen werden. Vorab begngen wir uns aber mit ein paar Grundlagen.

Definition 4.57 Unter einer Potenzreihe versteht man eine Reihe der Bauart

L an (x ~xo)

n~O

Die Faktoren an heien die Koeffizienten der Potenzreihe, Xo ist der Entwicklungspunkt oder
die Anschlussstelle.
Das Cauchyprodukt von Potenzreihen entspricht dem Ausmultiplizieren und dem anschlieenden Ordnen nach Potenzen bei Polynomen, denn es gilt

L: an(x n~O

xot

2:= bn(x - 1:ot = L (t ak(x - xo )kbn_k(x n ~O

n~O

n ~O

xot- k)

k=O

( t akbn- k) (x - xot
k=O

Wie man anhand der obigen Definition sieht, hngen Potenzreihen von einer Unbestimmten x ab und erinnern in ihrer Gestalt sehr stark an Polynome. Es handelt sich tatschlich um
mathematisch sehr einfach handhabbare Funktionen (natrlich nur, falls sie konvergent sind),
weshalb sie auch zur Darstellung komplizierterer Funktionen verwendet werden .
Bemerkung: Bisher haben wir nur Folgen und Reihen ber:ffit behandelt. Bei Potenzreihen
knnen wir x , Xo und die Koeffizienten an auch aus whlen. Die Resultate dieses Abschnitts
sind nmlich auch in C in unvernderter Form gltig.

ce

Beispiel 4.58
(a) Wir betrachten die Reihe L n>o x n , eine Potenzreihe mit Anschlussstelle 0 und allen Koeffizienten gleich 1. Diese ReIhe ist bekanntlich eine geometrische Reihe. Sie konvergiert
fr alle x E C mit lxi< 1 und divergiert fr lxi 2: 1. Ihr Konvergenzbereich ist somit das
Innere des Einheitskreises der Gau'schen Zahlenebene.
(b) Die binomische Reihe ist definiert durch 2::n~o (~) xn fr a E R wobei

(an ) = a(o: - l)(a - 2)'"

n!

(0: -

n+ 1).

4.2 Unendliche Reihen

157

Das Quotientenkriterium (in Limesform) liefert fr an = (~) xn und 0:

an+!
(n~l) x (0: - n)x
f'
--;;:- = (~) = n + 1 - - x rn -

rJ. N:

00 .

Im Fall Qi ~ N ist diese Reihe daher fr lx i < 1 konvergent und fr lxi > 1 divergent.
Wie im vorigen Beispiel ist auch hier der Rand des Konvergenzbereichs ein Kreis.
Fr 0: E N besteht die Reihe nur aus endlich vielen Gliedern und konvergiert daher
trivialerweise in ganz C. Aus dem binomischen Lehrsatz erhalten wir in diesem Fall

In Kapitel 5 werden wir sehen, dass dies auch fr

Qi

rJ. N zutrifft.

Satz 4.59 Sei L n>o an(x - xo)n eine Potenzreihe. Dann existiert ein R mit 0 S R ~ 00, so
dass die Reihe fr-alle x E C mit Ix - xo l < R absolut konvergent und fr alle x E C mit
Ix - xo l > R divergent ist. Der Konvergenzbereich der Potenzreihe ist somit ein Kreis in der
Gau 'sehen Zahlenebene mit dem Radius R. Die Zahl R heit Konvergenzradius der Reihe und
kann mit der Formel
1

R = ----------~=
lim suPn..... oo

\I'IaJ

berechnet werden.

Bemerkung: 1. Falls lim sUPn->oo .y!jCiJ = 00, so ist R = 0 zu setzen. Die Potenzreihe konvergiert dann nur fr x = O. Im Falllim sUPn_oo
= 0 gilt R = 00, d.h., das Konvergenz-

\I'IaJ

gebiet ist dann die gesamte Gau'sehe Zahlenebene.

2. Wie bereits in einigen voran gehenden Beispielen (4.54a, 4.58) kann der Konvergenzradius in vielen Fllen sehr einfach (auch) mit dem Quotientenkriterium in Limesform berechnet
werden.

Beweis. Setzen wir

R = ----------~=
lim sUPn_ oo ~

und betrachten zunchst den Fall Ix - xol < R. Dann gilt

limsup \!Ianllx - xol n = Ix - xo llimsup
n ..... oo
n ..... oo

vTa:T < R limsup

~ = l.
n- oo

Die Konvergenz der Reihe folgt nun aus dem Wurzelkriteriuffi. Im Fall Ix - xo l
tiert man analog.

> R argumen0

Eine einfache Folgerung aus diesem Satz ist, dass eine Potenzreihe in jeder konzentrischen
abgeschlossenen Kreisscheibe, die innerhalb des Konvergenzkreises liegt, eine geometrische
Reihe als Majorante besitzt.

Satz 4.60 Sei L n2:0 an(x - xo)n eine Potenz reihe mit dem Konvergenzradius R. Sei weiters
o < r < R. Dann existieren Konstanten c > 0 und 0 < q < 1, so dass lan(x - xo)n l ::; cqn fr
alle x mit Ix - xol :s; r.

4 Folgen, Reihen und Funktionen '

158

Beweis. Wegen r < R sind alle s mit r < s < R immer noch innerhalb des Konvergenzkreises.
Wir whlen ein solches s und setzen q = r I s. Dann folgt lan(x - xo)n l ~ lanlr n = lanlsnqn ~
cqn fr alle x mit Ix - xo l ~ r. Die [Link] von c in der letzten Ungleichung folgt daraus, dass
lanls n aufgrund der Konvergenz der Reihe eine Nullfolge und daher beschrnkt sein muss . 0

4.3

Asymptotischer Vergleich von Folgen

Folgen werden beispielsweise in der Performance-Analyse von Algorithmen zur Beschreibung

der Laufzeit verwendet. Die Algorithmen operieren auf Datenstrukturen der Gre n, z.B.,
wenn n Zahlen ihrer Gre nach sortiert werden sollen. Mit an bezeichnen wir die bentigte Laufzeit. Eine Angabe in Sekunden ist dabei natrlich nicht zweckmig, da diese von der
Hardware, aber auch von der konkreten Implementierung abhngig ist und daher ber die Qualitt des Algorithmus nichts aussagt. Ein sinnvolles Ma fr die Komplexitt eines Algorithmus
ist die Anzahl der bentigten Operationen, wobei unter einer Operation ein elementarer Schritt
des Algorithmus (eine Addition, eine Multiplikation, ein Vergleich, etc.) zu verstehen ist. Man
unter cheidet dann zwischen Average-Case-Analyse und Worst-Case-Analyse. Im ersten Fall
ist an die mittlere Anzahl der Operationen, die zum Bearbeiten eines Datensatzes der Gre n
notwendig ist. Bei der Worst-Case-Analyse ist an die maximale Anzahl von Operationen, die
der Algorithmus fr Datenstze der Gre n bentigt.
Beispiel 4.61 Sortieren von n Zahlen Zl , . . . , Zn mittels Bubblesort. Der Algorithmus vergleicht
der Reihe nach je zwei benachbarte Elemente und vertauscht diese, falls sie nicht in der richtigen Reihenfolge angeordnet sind. Dieses Verfahren wird so lange wiederholt, bis die n Zahlen
sortiert sind. Es sollen z.B . die Zahlen 65 ,8,58,97, 3 sortiert werden. In der folgenden Tabelle
werden jeweils die unterstrichenen Zahlen verglichen:
1. Durchlauf

65,8, 58,97,3

--7

8,65,58,97,3

8,65,58,97,3

--7

8, 58,65,97, 3

----+

8,58,65,3,97

--7

8,58,3,65,97

8,58,3, 65,97

--7

8,3,58, 65,97

8,3,58,65,97

--7

3,8,58,65,97

8,58,65, 97,3
8,58,65,97,3
2. Durchlauf

8,58,65, 3, 97
8, 58,65,3,97
8,58,65, 3,97

3. Durchlauf 8,58,3,65,97

4. Durchlauf
Fertig!

Bezeichnen wir mit an die Anzahl der Vergleiche, die Bubblesort bentigt, um n Zahlen zu
6.
sortieren, so gilt offensichtlich an = n(n;l).

4.3 Asymptotischer Vergleich von Folgen

159

Beim Vergleich von Algorithmen interessiert man sich fr die Grenordnung der mittleren
Laufzeit. Es ist nicht so wichtig, ob ein Algorithmus doppelt oder dreimal so lange braucht wie
ein anderer, solange es sich fr alle n um denselben konstanten Faktor handelt. Braucht aber ein
Algorithmus n, ein anderer Algorithmus hingegen n 2 Schritte, so ist der zweite Algorithmus
der schlechtere.

Definition 4.62 (Landau-Symbole) Seien (a:n)n~o und (bn)n~o Folgen. Dann schreibt man
(i) an = OCbn ) fr n ---? 00 (gesprochen: , an ist ein gro 0 von bn"), falls es eine Konstante C > 0 gibt, so dass

I~: I~ C fr alle n

E N

gilt,
() O-n = o(bn ) fr n ---? 00 (gesprochen: " an ist ein klein 0 von bn "), falls lirnn .... oo an/bn =
o gilt.
(ili) an
bn (gesprochen: "an ist asymptotisch gleich bn"), falls limn .....oo an/bn = 1 gilt.
'"V

Bemerkung: Es gengt in (i), die Ungleichung fr fast alle n

N zu fordern. Denn da es

dann nur endlich viele Ausnahmen gibt, kann man durch Wahl einer entsprechend greren
Konstanten die Gltigkeit der Ungleichung fr alle n ;::: 0 erreichen. Weiters beachte man,
dass durch clie obige Definition nicht der isolierte Ausdruck O(bn) definiert wird, sondern nur
die Bedeutung der Formel an = O(bn ) als ganzes. Offensichtlich kann man keine formale
Definition fr O(b n ) so angeben, dass an = O(bn ) quivalent zur Existenz einer Konstanten

o mit

Itl

:s; C

ist. Der Grund liegt darin, dass hier das Gleichheitszeichen ,,=" nicht in
der blichen Bedeutung verwendet wird. Fr n ---? 00 gilt beispielsweise, dass jede Folge, die
durch Cn 2 beschrnkt ist, auch durch G' n 3 beschrnkt ist, da n 3 ja noch schneller wchst.
Jede Folge an mit an = O(n 2 ) erfllt also auch an = O(n3 ). Umgekehrt sind Folgen an
mit an = O(n 3 ) nicht notwendigerweise durch einen Ausdruck der Form Cn 2 beschrnkt,
wie das Beispiel an = n 3 sofort zeigt. In der mathematischen Literatur werden die LandauSymbole auch als Stellvertreter fr konkrete Folgen oder Funktionen verwendet, d.h., mit O( n)
ist eine durch On beschrnkte Folge gemeint. Konkret ist die folgende Schreibweise blich:
Die "Gleichung" O(n 2 ) = O(n 3 ) ist eine wahre Aussage, O(n 3 ) = O(n2 ) ist hingegen falsch.

Beispiel 4.63 Es folgen einige Beispiele zur Landau'schen Notation.

(a) n(~- l)

= n 2:;n = O(n2 ), da n(n2- 1) < n2 und daher C = 1 gewhlt werden kann.

(b)

= o(n3 )

n(n - 1)
2

o(2 n ), denn
n(n=2l
_2_

n3

Auerdem gilt n 3 j2 n
(c) n(n;l) "-' .~2, denn

---?

1
= _

1
_ _

2n

2n 2

-+

fr n --+

00.

0, weshalb die zweite Gleichung ebenfalls richtig ist.

n(n- l)
- 22-!!...

1
= 1 - - --+ 1.

Fr groe n ist der relative Unterschied der beiden Folgen gering, ihr Verhalten somit
gleich.

160

4 Folgen, Reihen und Funktionen

(d) Die Stirling'sche Formel n ! rv

( .; )

v 27rn gibt die Grenordnung von n ! an.

Bezogen auf clie Laufzeiten von Algorithmen sind folgende Sprechweisen blich. Ein Algorithmus mit der Laufzeit O(n ) ist linear, d.h., verdoppelt man die Gre des Datensatzes, so
bentigt der Algorithmus doppelt so lange. Von quadratischer Laufzeit spricht man bei O( n 2 ),
von polynomialer Laufzeit bei O(n k ) mit einer Konstanten k ~ 1 (wobei k unabhngig von
n). Mit exponentieller Laufzeit sind Grenordnungen der Form O(an ) mit einer Konstanten a > 0 gemeint. Der Algorithmus Bubblesort hat beispielsweise eine mittlere Laufzeit von
O(n 2 ), Quieksort (siehe Kapitel 7) dagegen eine mittlere Laufzeit von O (n logn) .

4.4

Elementare Funktionen

In diesem Abschnitt beschftigen wir uns mit Funktionen

D in lR liegt.

f :D

--+

lR, deren Definitionsbereich

1. Beispiele und einfache Eigenschaften

Beispiel 4.64
(a) Polynomfunktionen sind Funktionen

f : lR -+ IR der Gestalt

mit ao, ... , an E R d.h., die Abbildungsvorschrift ist ein Polynom vom Grad n mit
reellen Koeffizienten. Die Graphen einiger Beispiele finden sich in Abb. 4.2.

ICO

00

00

..,

20

-s

.1.

.,

Abbildung 4.2 Polynomf unktionen: links : f (x ) = 2x

I.

+ 3, Mitte: f (x ) = x 2 , rechts: f( x ) = x 3

(b) Rationale Funktionen sind Funktionen f : D --+ R der Form f( x) = :~~~ , wobei p(x )
und q (x) Polynomfunktionen sind und D = IR \ {x E IR I q( x) = O}. Zum Beispiel ist
f (x ) = x2~4 (siehe Abb. 4.3, links) eine rationale Funktion mit dem Definitionsbereich
IR \ {-2, 2}.

4.4 Elementare Funktionen

161

'0

l
'\ l'

..

-.

-2

-2

-5

..

-'0

Abbildung 4.3 Rationale Funktionen: links: f (x)

:=

X2~4' Mitte: f (x)

(x+~~(~: - 3), rechts: f{ x)

:=

X3~;~1

Definition 4.65 Sei I : D ~ 1R eine Funktion und I C D ein Intervall. Dann heit I auf
I streng monoton wachsend, falls fr X, Y E I mit x < y immer I(x) < J(y) erfilllt ist.
Analog heit I auf I streng monoton fallend, falls aus x < y die Ungleichung f (x) > I (y)
folgt.

-------

Bemerkung: Man beachte, dass aus der Bedingung x < y ~ fe x) < f(y) auch die
Umkehrung folgt, d.h., fr streng monoton wachsende Funktionen sind die Aussagen x < y
und f (x) < f (y) quivalent. Analoges gilt ftir streng monoton fallende Funktionen.
Satz 4.66 Jede auf einem Intervall I streng monotone Funktion f : I ---t 1(1) ist bijektiv und
lsst sich daher umkehren. Die Umkehrung ist im gleichen Sinne monoton wie f selbst.
Beweis. O.B.d.A. sei f auf I streng monoton wachsend. Weiters sei x =1= y, es gelte etwa x < y.
Dann ist f ex) < f (y), insbesondere sind also die Bilder von x und y unter f verschieden, und
f ist daher injektiv. Da die Zielmenge J(1) ist, ist f trivialerweise surjektiv und somit bijektiv.
Zum Beweis der zweiten Aussage mssen wir zeigen, dass x < y ==::::} f - l(X) < f - l(y).
Setzen wir u = f - l(X) und v = f - l(y), dann gilt x = J(u) und y = f(v). Da f monoton
wchst, folgt u < v, was zu zeigen war.
0

Polynomfunktionen sind auf ganz IR definiert und stckweise monoton, im Allgemeinen

jedoch weder injektiv noch surjektiv.
2. Potenzen mit reellen Exponenten
Das Potenzieren mit natrlichem Exponenten, also die Berechnung von x n mit n E N, ist elementar ber die MUltiplikation erklrt. Diese Definition ist aber nicht mehr anwendbar, wenn n
keine natrliche Zahl ist. In diesem Abschnitt werden wir uns berlegen, wie man das Potenzieren auf nicht natrliche Exponenten verallgemeinern kann.
Satz 4.67 Die Funktion fn : lR+
bijektiv.

---t

lR+ mit fn(x) = x n und Exponenten n E N \ {O} ist

Bemerkung: Dieser Satz garantiert die Existenz der n-ten Wurzel und hngt eng mit der Stetigkeit der Potenzfunktion (siehe nchster Abschnitt) und dem Zwischenwertsatz (Satz 4.89)
zusammen.

4 Folgen, Reihen und Funktionen

162

Beweis. Die Funktion In ist auf ganz IR+ streng monoton wachsend und daher injektiv. Um
auch die Surjektivitt zu zeigen, mssen wir fr eine beliebige Zahl y E IR+ die Existenz einer
Zahl x E jR+ mit x n = y beweisen. Wir betrachten die Menge M = {x E jR+ I x n < y} und
zeigen, dass diese Menge ein Supremum besitzt, welches das Gewnschte l,eistet. Fr y E ~+
gilt offensichtlich 1 + Y > 1. Alle x E M erfllen daher x n < y < 1 + Y < (1 + y)n, woraus
aufgrund der Monotonie von In die Ungleichung x < 1 + Y folgt. Die Menge M ist also durch
1 + Y nach oben beschrnkt und besitzt daher ein Supremum m = sup M.
Nehmen wir nun m n < y an. Fr 0< c < 1 gilt dann

(m +

t.
m t. (:)m

r ~ m
<

(~)mn-i'

<

m+ (m +
n

l)n.

Fr hinreichend kleine c gilt dann m1!+c(m+ l) n < y . Zusammen mit der obigen Ungleichung
folgt daraus m + c E M, was jedoch m = sup M widerspricht.
Wrde umgekehrt m n > y gelten, dann folgt fr c > 0 aus der Bernoulli'schen Ungleichung
(Satz 4.20)
(m

- c )n = m n

(1 -

c )n >
m
_ mn

(1 - mC
n) = m

- c . nm n - 1 .

Falls C hinreichend klein ist, gilt m n - c . nmn- 1 > y. Also ist dann (m - e)n > y, somit
m - c eine obere Schranke von M, und wir erhalten nochmals einen Widerspruch. Es muss also
In(m) = m n = y gelten.
0
Aus Satz 4.67 folgt, dass die Funktion In eine Umkehrfunktion 1;;1 ; jR+ -+ jR+ besitzt.
Auf diese Art lsst sich das Potenzieren mit rationalen Exponenten erklren: Sei n E N. Wir
setzen zunchst x - n = ( ~r, womit die Potenz fr alle ganzzahligen Exponenten definiert ist.
Fr n E N \ {O} und rationale Zahlen p / q mit P E Z und q E N \ {O} definieren wir

Die Zahl x~ wird die n-te Wurzel von x genannt und oft als y'X geschrieben.
Aus dieser Definition erhlt man leicht die bekannten Rechenregeln x r X S = xT+s, x') X S =
x r - s , (Xl') = x rs und (xyY = x,yr fr rationale Zahlen T , s . Weiters erhalten wir unmittelbar
die folgenden Monotonieeigenschaften.

Satz 4.68 Seien x, y

> 0 und r E Q+. Dann ist x < y quivalen.t zu x" < yr.

Beweis. bung.
Satz 4.69 Sei x
x< 1).

> 0 und r, s

Q mit r < s. Dann. ist x" <

Beweis .. O.B.d.A. sei x > 1. Dann folgt aus Satz 4.68, dass
daraus direkt die Behauptung.

falls x > 1 (bzw. x r >

S

jx r = x s - ,

>

p -r

falls

1 und

4.4 Elementare Funktionen

163

Die Erweiterung des Potenzierens auf irrationale Exponenten ist nicht ganz so einfach. Es
gengt, sich hier auf positive Zahlen zu beschrnken, da man mit der Regel x - n = (~) n dann
auch die Potenzen ftir negative irrationale Zahlen definieren kann. Jede reelle Zahl a > 0 lsst
sich durch die Folge (an)n ~ o von rationalen Zahlen. die man durch Abbrechen der Dezimalentwicklung von a nach n Stellen erhlt, approximieren. Dann ist (an ) n~O monoton wachsend und
an - t Q . Ebenso ist wegen Satz 4.69 die Folge x a" fr x > 1 monoton wachsend und beschrnkt
durch x K , wobei K E Q eine beliebige obere Schranke von an ist. Daher ist x an konvergent.
Nun knnten wir x Q definieren als limn->oo x b", fr eine Folge bn mit lim n----+ oo bn = a . Wir mssen aber noch zeigen. dass dieser Grenzwert fr allgemeine Folgen ebenfalls existiert und nicht
von der Wahl der Folge abhngt.

Satz 4.70 Sei (an)n> o eine Nullfolge rationaler Zahlen und x > 0 eine fest vorgegebene Zahl.
Dann gilt limn - oo xa.. = 1.
Beweis. Der Fall x = I ist trivial. Im Fall x < 1 ist I/ x> 1 und x an = (I/x)- Un , wobei
-an natrlich ,ebenfalls eine NuUfolge rationaler Zahlen ist. Wir knnen also o.B.d.A. x > 1
annehmen. Fr hinreichend groe n ist dann offensichtlich x < n und daher wegen Satz 4.68
1 < y'x < .yI7i. Nun gilt aber y'n - t 1 fr n - t 00 (vgl. Aufgabe 4.8), weshalb schlielich aus
dem Sandwich-Theorem (Satz 4.22) \IX - t 1 folgt. Genauso gilt auch x- l / n - t 1.
Sei nun c > 0 beliebig vorgegebenen. Dann gibt es ein m E N mit 1 - c < x- I/rn < 1 <
X l /rn< 1 + c. Da (an)n~o eine Nullfolge ist, gilt lanl < l / m fr hinreichend groe n. Aus
Satz 4.69 folgt nun I - c < x an < 1 + c.
0

Eine unmittelbare Folgerung dieses Satzes ist

Satz 4.71 Gegeben seien zwei konvergente Folgen (an)n>o

rationaler Zahlen mit
- und (bn)n>o
limn --+ an = limn -> bn Dann existieren fr alle x > 0 die Grenzwerte limn->oo X Un und
limn--+<Xl x bn ) und es gUt limn->oo x an = limn ----+ oo x bn .
Beweis. Wir setzen a = lim n -+ oo an = liIDn->oo bn Sei zunchst (an ) n~o die Folge, die man
durch Abbrechen der Dezimalentwicklung von a nach n Stellen erhlt. Offensichtlich ist bn -an
eine NuJlfolge. Daher ist 1 = limn ..... oo x bn - a n . Nach den obigen berlegungen ist jedenfalls X Un
konvergent, und damit gilt

lim x bn
'11.-+00

!im x bn - an
n->oo

lim x a" = lim

n ..... oo

woraus unmittelbar die Behauptung folgt.

xan.)

n ..... oo

Mit Hilfe dieses Satzes lsst sich nun das Potenzieren mit reellen Exponenten a als x a =
liffin .....oo x a .. , wobei an - t a , erklren. Die Rechenregeln fr das Potenzieren mit rationalen
Exponenten bertragen ich nun unmittelbar auf das Potenzieren mit reellen Exponenten.

3. Exponentialfunktion und Logarithmus

In diesem Abschnitt stellen wir die Exponentialfunktion vor, eine der wichtigsten Funktionen
der Analysis, und ihre Umkehrfunktion, den Logarithmus.

4 Folgen, Reihen und Funktionen

164

,
3

\\

e- X \ ,
\' ,

\' ,
"

-1

" ,

Abbildung 4.4 Die Graphen von eX und e- x

Definition 4.72 Die natrliche Exponentialfunktion ist definiert durch exp( x) = eX , wobei
e die Euler'sche Zahl 2.71828 . .. aus Beispiel 4.21 ist Die allgemeine Exponentialfunktion
lautet f(x) = aX mit a E lR+.
'
Man kann die Exponentialfunktion natrlich auch mit anderen Funktionen g( x) zusammensetzen und erhlt dann eg(x ). Ein besonders wichtiges Beispiel dieser Art ist die Funktion
f (x ) = e- x2 /2 , die in der Wahrscheinlichkeitsrechnung und Statistik eine zentrale Rolle spielt
und auch als Gau'sche Glockenkurve bekannt ist (vgl. Abb 4.5).

Abbildung 4.5 Die Gau'sehe Glockenkurve e-

x2
/

Satz 4.73 Die Exponentialfunktion bildet JR aufJR+ bijektiv ab.

Bemerkung: In Abschnitt 4 .5 werden wir den Begriff der Stetigkeit vorsteHen. Die Exponentialfunktion ist eine stetige Funktion (Satz 4.78). Daher folgt der obige Satz auch unmittelbar aus
dem Zwischenwertsatz (Satz 4.89).

Beweis. Aus Satz 4.69 (der nach den obigen berlegungen auch fr irrationale Exponenten gilt)
folgt, dass die Exponentialfunktion auf ganz JR streng monoton wachsend und infolge dessen
eine injektive Funktion ist.
Zum Beweis der Surjektivitt betTachtet man die Folgen (e- n)nEN und (en)nEN. Erstere ist
eine Nullfolge, letztere konvergiert uneigentlich gegen 00 . Aufgrund dessen gibt es zu gegebenem y E JR+ ein n E N mit e- n < y ::; en . Wir setzen ao = -n und bo = n . Halbieren des
Intervalls [ao, bol liefert den Punkt c = (ao + bo)/ 2. Falls c die Ungleichung ee < y erfllt, dann
setzen wir al = c und bl = bo, andernfalls al = ao und bl = C. Es gilt dann ea1 < y ~ eb1
Das Intervall [al , b1l wird wieder halbiert, und in analoger Weise definieren wir a2 und b2. So
entstehen eine monoton wachsende Folge (ank~o und eine monoton fallende Folge (bn ) n~o
([Link] aus Abschnitt 1.1). Fr alle n E N gilt ao ::; a n ::; bn ::; bo. Daher

4.4 Elementare Funktionen

165

sind diese beiden Folgen konvergent. Die Differenz bn - an ist die Lnge des n-ten Intervalls.
Deshalb bilden die Differenzen eine Nullfolge. Es folgt somit lim n-+ oo an = limn->oo bn = a,
also limn -+ oo ea" = limn-oo ebn = e Clr Wegen ea" < y ~ ebn gilt eClr = y, womit die Surjektivitt
der Exponentialfunktion gezeigt ist.
D
Die Exponentialfunktion exp : R --+ R+ besitzt also eine Umkehrfunktion. Diese wird natrlicher Logarithmus (oder logarithmus naturaJis) genannt und mit dem Symbol In bezeichnet. Damit ist y = In x gleichbedeutend mit x = eY , und aus den Rechenregeln fr Potenzen
folgen unmittelbar einige Rechenregeln fr den Logruithmus:
In( ab) = In a + In b,

Ln( ab)

= bin a,

Ln

(~)

= Ln a - Ln b.

Auch die allgemeine Exponentialfunktion zur Basis a > 0 besitzt eine Umkehrfunktion, den
Logarithmus zur Basis a, f( x) = Log a x . Dabei knnen die allgemeine ExponentiaLfunktion
und der allgemeine Logarithmus, wie man leicht zeigen kann, direkt auf die natrliche Exponentialfunktion bzw. den natrlichen Logarithmus zurck gefhrt werden. Es gilt aX = eX In a
x.
gilt log a x = ln
[n a

4. Darstellungen der Exponentialfunktion2

Ziel dieses Abschnitts ist e , die folgenden Eigenschaften der Exponentialfunktion zu zeigen.
Satz 4.74 Die natrliche Exponentialfunktion e X besitzt die folgenden Eigenschaften.
(i) Darstellung als Grenzwert einer Folge:

lim
n -+ oo

Cu)

(1 + ~n ) n

(4.7)

Darstellung durch eine Potenzreihe:

x

e = 1+ x

x2

x3

+ -2! + -3! + ... =

x l1

""'-.
L, n!

(4.8)

112 0

(iii) Funktionalgleichung:
(4.9)

Bemerkung: Fr x = 1 ergibt sich dann insbesondere

1
1
e = 1 + 1 + 2! + 3!

+ ...

Die Funktionalgleichung (4,9) folgt direkt aus der Definition als Potenz der Euler'schen
Zahl e. Um die anderen Eigenschaften zu zeigen, wollen wir zunchst die Funktion E(x) =
limn -> (1 + ~ r (Ex istenz dieses Grenzwerts: Aufgabe 4.14) und ihren Zusammenhang zur
Exponentialfunktion studieren. Wir wissen ja bereits aus Beispiel 4.21, dass E(l) = e.
21n die em Ab chnitt werden wichtige Eigenschaften der Exponentialfunktion hergeleitet. Diese sind in
Satz 4.74 zusammengefas t. Der gesamte Abschnitt ist dem Beweis dieses Satzes gewidmet. Dieser Beweis ist
fr interessierte Leser gedacht und kann bersprungen werden, ohne dass da Verstndnis der nachfolgenden Abschnitte und Kapitel daHInter leidet.

4 Folgen, Reihen und Funktionen

166

Satz 4.7S Fr alle x E lR. gilt E(x )E( - x) = 1.

Beweis. Es gilt einerseits

(1 + ~) (1 - ~)

n =

(1 _~:)

<

und wegen der Bemoul1i;schen Ungleichung (Satz 4.20) andererseits

bergang zum Grenzwert fr n

-+ 00

ergibt nun die Behauptung.

Satz 4.76 Es gelte limn. . . . oo an = a. Dann folgt limn->oo (1 + ~ )n = E( a) .

Bemerkung: Man beachte, dass daraus noch nicht lirnn-too E(a n) = E(a) folgt, denn
limn _ oo E( an) = limn ....... oo lirnm-too (1 + ~ )m, und wir wissen noch nicht, ob die beiden
Grenzwerte vertauschbar sind. Dass das in diesem Fall tatschlich erlaubt ist, wird weiter unten
gezeigt.

Beweis. Wir betrachten zunchst den Fall a = O. Die Bernoulli'sche Ungleichung (Satz 4.20)
liefert
und

1r -

(1 + ~
fr n so gro, dass anln

>

(1 _ +

(n)n
n + an

- 1 und anl (n

Da die bei den ueren Terme wegen an

--t

an ) n >
an
-

1_ +
n

na n
an

+ an) > -1 gelten. Insgesamt ergibt sich somit

0 gegen 1 konvergieren, folgt limn -+ oo E(a n )

= 1=

E(O) .
Sei nun a beliebig. Dann gilt

a ) TI ( 1 - -a) T!
( l+~
n
n
Da lim1HOO (1
Behauptung.

~r

= E( - a) und an - a -

( 1 + an - a -~
TI ) T!
n

eine Nullfolge ist, folgt aus Satz 4.75 die

0

Satz 4.77 E(x) eif'llt die gleiche Funktionalgleichung wie die Exponentialfunktion, d.h., fr
alle reellen Zahlen x, y gilt E(x)E(y) = E(x + y).
Beweis. Wir haben

E(x)E(y) = lim (1
n->oo

xn
+-)
(1 + ~)
n
n

wobei die letzte Gleichung aus x

+ y + :;

---+ x

lim

n -+ oo

1+

+ Y folgt.

xlI )n

x+y+=
TI
n

= E(x + y) ,

4.4 Elementare Funktionen

167

Als Folgerung dieses Satzes und der Gleichung E( l ) = e ist eX = E(x) fur x E Q. Weiters
folgt auch die strikte Monotonie der Funktion E(x). Denn fr a < b liefert die Bernoulli'sche
Ungleichung E(b - a) > 1. Setzt man dies in die Funktionalgleichung E(b) = E(a)E(b - a)
ein, so erhlt man E(a) < E(b).

Satz 4.78 Falls limn .... an

= a, dann gilt limn -+ oo E{an ) = E(a).

Beweis. Aus den Stzen 4 .75 und 4.20 (Bernoulli' sche Ungleichung) erhalten wir
1

+ x ~ E(x) = E( - x ) = (1- !. ) 11.

n

~ -1 - x .

Dies impliziert nun

1 + an - a ::; E(an
und wegen an - a

-t

E(an )
a

a) = -E(
) ~

(
)'
1- an-a

0 mssen die ganz linke sowie die ganz rechte Seite gegen 1 konvergieren.
D

Nun whlen wir eine Folge (Xn)n EI'l rationaler Zahlen mit X n - t x. Dann folgt aus E(x ) =
X
limn-+oo E( x n ) = limn .... oo eXn = e unmittelbar (4.7).
Wir wenden uns nun der Darstellung der Exponentialfunktion als Potenzreihe zu. Unser
Ziel ist es also, die Identitt (4.8) zu zeigen. Mit Hilfe des Quotientenkriteriums lsst sich leicht
zeigen , dass die Reihe (4.8) in ganz C absolut konvergent ist (vgl. Beispiel 4.54). Damit kann
die Exponentialfunktion sogar in den Bereich der komplexen Zahlen fortgesetzt werden. Die
Gltigkeit der Funktionalgleichung (4.9) erhlt man durch Multiplikation (Cauchyprodukt) der
entsprechenden Potenzreihen. Auch die Darstellung (4,7) lsst sich ins Komplexe bertragen.
Im Folgenden sei x E IR beliebig aber fest gewhlt. Aus dem binomischen Lehrsatz folgt
n = 1 + x + ( n) x
( 1 + ~)
n
2 n2
2

+ ... + (n) x

n nn

xn

x
2
so ergibt sich

< 1+x+-+ "+ - .

Bilden wir nun den Limes fr n

- t 00.

n!

",< ~ xn
_ ~
,.
n 2::0

n.

Um die entgegen gesetzte Ungleichung zu zeigen, definieren wir die Folge

Yk( X) = 1 + x

x2

xk

+ -2! + ... +k! '

Es gilt

2
3
n
x
x
(
X)
( 1+;:; =1+x+ 2 1- ; + 6 ( 1- ;:;

1)

1) ( 2) ( -n-1)
1) + ... +- n1) ( 2) ( kn 1)

x71,1 ( 1 - ;:;
2

1 -;:;

... 1 - n k

x ( 1- ~ l + x+ 2

1) (1-;:;2) + ...

TI,

x
k!

1- -

1-TI,

.. 1 - -=-

---------

4 Folgen, Reihen und Funktionen

168

fr k ::; n . Wir fhren wieder den Grenzbergang fr n - t 00 durch, k bleibt aber fest. Dann
erhalten wir eX ;::: Yk(X) . Da diese Ungleichung fr jedes k E N gilt, folgt

womit (4.8) gezeigt und Satz 4.74 schlielich bewiesen ist.

5. Winkelfunktionen und Arcusfunktionen

Die Funktionen Sinus (kurz: sin) und Cosinus (kurz: cos) sind definiert als x - bzw. YKoordinate jenes Punktes X am Einheitskreis (vgL auch Kapitell), dessen zugehriger Bogen
die Lnge x hat (siehe Abb. 4.6). Wie Abb. 4.6 illustriert, hngen diese Funktionen eng mit
dem Winkel zusammen, weshalb sie auch Winkelfunktionen genannt werden. Fr x ~ [0, 27r)
definiert man sin(x) und eos(x) durch periodische Fortsetzung, also durch die Gleichungen
sin(x

+ 2k7r)

= sin x,

cos(x

+ 2k7r) =

cosx, fr k E Z.

0.5
tanx

cosx

0.5
1
Abbildung 4.6 Definition der trigonometrischen Funktionen sin x, cos x und tan x . Der Winkel x (im Bogenma)
ist identisch mit der Bogenlnge x.

Mit Hilfe der Differentialrechnung (siehe Kapitel 5) kann man zeigen , dass sin und eos die
Reihendarstellungen
X

sin x = x - 3!

x5

+ 5T - + . , . =

X 2n + 1

L (_ l)n (2n + I)!

und

n~O

eos x = 1 - -

2!

+ -41 - + .. . = """
(L
n~ O

x~
t(2n)!
-

besitzen. Diese Reihen sind fr alle x E C absolut konvergent. Eine weitere wichtige trigonometrische Funktion ist der Tangens
tan x = cosx
sin x. Dieser ist als Quotient zweier Funktionen
selbst wieder eine Funktion, auer an jenen Stellen, wo der Nenner verschwindet. Der Definitionsbereich von tan x ist somit IR \ {~, 3;, 5;, . . , } (siehe Abb. 4.7).

4.4 Elementare Funktionen

169

Betrachten wir die Funktion eix , so ergibt ieh mit Hilfe der Reihendar teIlung
ix

e = 1 + (ix)
=

(1 _

(iX )2

+ -,+
2.

x~2. + x~
4.

(ix)3

(i x )4

3.

4.

- ,- + - ,- + .. .

_ + . .. ) + i (x _ x, + x~ _
3.
5.

+ .. .) ,

und wir erhalten chlielich die Euler'sche Formel

eix = cosx + i sin x .

(4.10)

Daraus lassen sich cos x = e "' +2e - und sin x = e :>: -;~ - i3: folgern. Auch weitere Formeln ber
Winkelfunktionen lassen sich aus der Darstellung (4.10) gewinnen. Zum Beispiel folgt aus
eixe- ix = 1 sofort die Identitt
cos2 X + sin2 x = 1.
i

iX

Wir erhalten somit diese Identitt nur aus der Kenntnis der Reihendarstellung von cos x und
sin x, obgleich sie auch aufgrund der geometrischen Definition der Winkelfunktionen evident
ist (Lehrsatz des Pythagora ). Die ebenfalls wichtigen Additionstheoreme

cos(x+y) =cosxcos y - sin xsiny

und

sin(x+y) =sin xcosy+ cos x siny (4.11)

folgen unmittelbar aus ei(x+ y) = eixeiy .

Die Fonnel (4.10) bildet auch die Grundlage fr die Darstellung der komplexen Zahlen in
der Fonn z = r( cos <p + i sin <p) = r' ei<p , die wir bereits in Kapitel I kennen gelernt haben. Fr
x = 1T' ergibt ich die Euler'sehe Identitt ein = - 1.

Abbildung 4.7 Die Graphen der trigonometrischen Funktionen sin x, cos x und tan x

Da sin : [-1T'/2 ; 7T'/ 2] ---t [- 1) 1] eine streng monoton wachsende und bijektive Funktion ist (siehe Abb. 4.7, vgl. auch Satz 4.89), existiert die Umkehrfunktion aresin : (-1, 1] ---t
[-7f / 2, 7T' / 2], die (Hauptzweig des) Arcussinus genannt wird. 3
In analoger Wei e lsst sich cos : [O , ?T] ---t [- 1, 1] umkehren. Wir erhalten den (Hauptzweig
des) Arcuscosinus arccos : [- 1, 1] --? [O,1T']. Die Funktion ta.n x ist bijektiv, wenn man die
Einschrnkung auf (-1T' /2, 1T' / 2) betrachtet. Die Umkehrung fhrt zum (Hauptzweig des) Arcustangens, arctan : IR. ---t (-7T' /2) 1T' / 2) . Abb. 4.8 zeigt die Graphen der Arcusfunktionen.
3Der Arcu sinus besitzt unendlich viele Zweige, da sin x nicht nUr als Furlktion auf dem Intervall [-7['/2,7['/2]
streng monoton wach end und daher umkehrbar ist, sondern auch auf jedem Intervall der Form [- 7['/ 2+ 2k7[' 1 7[' / 2+
2k1T') mit k E Z.

4 Folgen, Reihen und Funktionen

l70

-0.'

.2

0.5

'~

.,

.,

-0.'

0.'

Abbildung 4.8 Die Funktionen arcsin x , arccos x und arct an X

Definition 4.79 Funktionen, die nur aus Polynomfunktionen, Logarithmus-, Exponentialund Winkelfunktionen, Arcusfunktionen, den Grundrechnungsarten, sowie Funktionskomp0sitionen aufgebaut sind, heien elementare Funktionen.
Bemerkung: Man beachte, dass mit den Exponentialfunktionen auch Potenzfunktionen wie
ft und .q'x zu den elementaren Funktionen gehren, denn es ist ft = exp (~ In x) und .yx =
exp (~ In x). Allgemein gilt x Q = exp( Cl! In x).
Beispiel 4.80 Eine elementare Funktion ist etwa

f (x) =

4.5

1+

1
2

cos x

3 -

sm x . In

arccosx
2
1 + e- X

Grenzwerte von Funktionen und Stetigkeit

In diesem Abschnitt wird der Grenzwertbegriff fr Folgen auf Funktionen bertragen. Dies
ermglicht eine genaue Beschreibung des lokalen Verhaltens von Funktionen bzw. deren Graphen. Anschaulich gesprochen, werden wir untersuchen, wann der Graph einer Funktion in einem einzigen Linienzug, also ohne absetzen zu mssen, gezeichnet werden kann. Solche Funktionen werden wir stetig nennen. Fr den mathematischen Umgang mit Funktionen ist diese
anschauliche Definition aber viel zu ungenau.
Grenzwerte von Funktionen sind ferner die Grundlage der Differentialrechnung, wo das
nderungsverhalten von Funktionen studien wird.

1. Definition und Beispiele

Wir beginnen mit zwei einfachen Beispielen.
Beispiel 4.81

(a) Betrachten wir die Funktion

f : lR \ {O}

-?

IR,

f (x )

sin x
x

= -.

4.5 Grenzwerte von Funktionen und Stetigkeit

171

Den Graphen der Funktion zeigt Abb. 4.9. Offensichtlich ist f( x ) an der Stelle x = 0
nicht definiert, da wir bei Einsetzen von 0 den unbestimmten Ausdruck erhalten. Es
gibt aber offensichtlich einen Grenzwert: Wenn x sich 0 nhert, so strebt
x gegen l.
Auch Abb. 4.6 zeigt, dass fr kleine Werte von x die Bogenlnge ungefhr so gro ist
wie sin x. Es scheint also natrlich, die Funktion j (x) auf ganz R mittels der Definition
j (O) = 1 fortzusetzen .

Si:

+--

an der Stelle 0 undefiniert

o.
.6

-2

-,

0.2

Abbildung 4.9 Die Funktionen f (x)

= Si ~ x

und g(x) (siehe Beispiel 4.81)

(b) Anders geartet ist die Funktion (siehe Abb. 4 .9, rechts)
9:

IR \ {O}

--7

g( x ) =

IR,

1
- 1

falls x > 0,
falls x < O.

Hier ist eine stetige Fortsetzung der Funktion an der Stelle Xo = 0 offenbar nicht mglich,
da der Grenzwert limx-->o g(x ) davon abhngt, von welcher Seite wir uns der Stelle Xo
nhern. Die einseitigen Grenzwerte sind limx-->o- g(x) = - 1 und limx~o+ g(x) = 1. 6.
Die obigen Betrachtungen legen den folgenden Begriff nahe.

Definition 4.82 Eine Funktion f : D --7 R mit D ~ R besitzt an der Stelle Xo den Grenzwert
e Ce E R ), wenn fr jede Folge (Xn)n~ l (z n E D) mit Xr~ f. Xo und lirnn...... oo Xn = Xo folgt,
dass Jimn-->oo f( x n ) = c. FaUs aus x,. - t 00 folgt, dass f{ x n ) --7 e, dann ist limx......oo f(x) = c.
In Fllen c = - 00 und c = + 00 spticht man von einern uneigentlieben Grenzwert an der
Stelle xo.
Eine Funktion f besitzt an der Stelle Xo den rechtsseitigen Grenzwert c, wenn fr jede Folge
(x n ) mit Xn > Xo und [Link] Xn = Xo folgt, [Link] limn->oo f(t n ) = c. Man schreibt auch:
liIDx .......xo + f (x) = c.
Analog ind der linksseitige Grenzwert lim x-+ xo - f (x) sowie uneigentliehe einseitige Grenzwerte definiert.

Beispiel 4.83 (Grenzwerte von Funktionen)

(a) Gesucht ist lim x .....

13:':[Link] einer beliebigen Folge (x n ) mit

lim
n ->

3xn
Xn

+1 =

+1

+ 1)
limn-->oo(x n + 1)

limn~

(3 xn

4
= 2
2
.

--=. -

X n --7

1 ergibt:

172

4 Folgen, Reihen und Funktionen

--~

------------------1

,0
1~

10

Abbildung 4.10 links: lim x->1I"/ 2 sin x

= 1, Mitte: limx-> oo arctan x = ~, rechts: einseitige Grenzwerte

-2

-,j

.
Abbildung 4.11 links: uneigentlicher Grenzwert limx->o ~,
rechts: Grenzwert limx->o sin 1.x existielt nicht
x

(b) Analog bestimmt man

lim 3x
x-+oo

+1=

+1

lim 3 +
x-+oo

~=~

1 + 1.x

= 3.

Man beachte, dass wir hier nicht mehr mit Folgen argumentieren mssen, sondern direkt
Grenzwerte von Funktionen bestimmen knnen. Da Grenzwerte von Funktionen ber
Grenzwerte von Folgen definiert werden, sind nmlich auch alle Rechenregeln fr letztere
(Satz 4.14 und 4.16) direkt bertragbar.
(e) Der Grenzwert limx-+o sj~X lsst sich z.B . mit Hilfe der Reihendarstellung (siehe Abschnitt 4.4 und Bei pie15.22a) bestimmen:
lim sinx = lim
X "'" 0

x -+O

(x_~3! + x5!
x
5

+ ...) = lim
x -+ o

(1 _x + x
2

3!

5!

+ ... )

= l.

(4.12)
HIer ist aber zu beachten, dass zwei Grenzbergnge durchgefhrt werden, nmlich der
Grenzwert fr x --+ 0 und das Aufsurnmieren der Reihe (Grenzwert der Partial ummenfolge). Das kann zu Problemen fhren, da das Vertauschen zweier Grenzbergnge
manchmal nicht zum selben Ergebnis fhrt. Man kann aber zeigen, dass man hier (ebenso wie allgemein im Konvergenzbereichjeder Potenzreihe) diese beiden Grenzbergnge
uneingeschrnkt vertauschen kann, was diesen Ansatz rechtfertigt.

4_5 Grenzwerte von Funktionen und Stetigkeit

173

Auf vllig analoge Wei e l t sich zeigen, dass

= 0.

cos x - 1
1In1

x-+ O

(4.13)

(d) Sei f (x) = 1/(1 + 9 in ~) . Fr x ---4 00 konvergiert I /x gegen 0 und daher sin ~ ebenso
(vgl. auch Abb. 4. to, linkes Bild). Das impliziert

~
x-+oo

1
1
= 1
1 + 9 sin ~
1 + 9 limx -+ oo sin ~
.

,6,

Man erkennt anband der betrachteten Beispiele, dass es Funktionen gibt, deren Graph
,.durchgehend gezeichnet" werden kann, d.h. , dass die Funktion keine Sprnge aufweist (also
links- und rechtsseitiger Grenzwelt bereinstimmen) und "durchgehend definiert" (also ohne
Lcken) i t. Dies fhrt auf folgende
Definition 4.84 Eine Funktion f : D -+ IR heit stetig an der Stelle Xo E D, wenn f(xo) =
limx -+ xo f (x). Die Funktion f heit stetig in D, wenn f an jeder Stelle Xo E D stetig ist.

Bemerkung: Stetigkeit bedeutet also nichts anderes, als dass man Grenzwertbildung und Funktionsau wertung miteinander vertau ehen kann. Eine Funktion ist genau dann stetig an der Stelle xo, wenn lim x -4 xo f(x) = f(lim x -4xo x) gilt.
Wir haben den Grenzwert von Funktionen (und damit auch die Stetigkeit) ber den Grenzwert von Folgen dfiniert. Im Folgenden stellen wir eine quivalente Definition der Stetigkeit
vor.
Definition 4.85 Eine Funktion f : D -+ IR heit stetig an der Stelle Xo E D, wenn
V.s

> 0 :38 = 8(c) > 0 : (Ix - xol <

t5

===}

If(x) - f( xo )1 < c) .

Diese Definition besagt anschaulich folgendes: Betrachten wir die Funktion f (x) lokal um
die Stelle Xo . Wir geben uns eine Toleranz .s > 0 beliebig vor und erlauben der Funktion f( x),
sich innerhalb des Intervalls h = (J( xo ) - c:, f( xo) + c:) zu bewegen. Genau dann, wenn die
Funktion stetig ist, lsst sich immer (d.h. fr jedes c: > 0) ein Intervall 10 = (xo - 8 Xo + 8)
finden, so dass die Funktion das Intervall 11 nicht verlsst, solange das Argument x im Intervall
10 bleibt (siehe Abb. 4.12). Der Funktionswert einer stetigen Funktion verndert sich also nur
wenig, wenn das Argument nur wenig verndert wird.
Eine wichtige Kla se von stetigen Funktionen sind dje Potenzreihen.

Satz 4.86 Sei f (x)

= 2:n2:0 an(x

- xo)n ein.e (reelle oder komplexe) [Link] mit Entwicklungspunkt xo. Der Konvergenzradius der Potenzreihe sei R Dann ist f im Konvergenzkreis

lxI< R stetig.

Beweis. O.B .d.A . setzen wir Xo = O. Sei lxi< Rund (Xn)n EN eine Folge mit Xn ---4 x . Ferner
bezeichne T eine Konstante mit lxi ~ r < R. Fr hinreichend groe n gilt dann Ixnl S r . Unter
diesen Bedingungen gilt nun

If (x n )

f( x)1

L amx~ - L amx
m 2:0

771.2:0

L lamllx: - xm l + L (la7nX~' 1 + lamxml).

m=O

m>N

(4.14)

4 Folgen, Reihen und Funktionen

174

f (x)
E

f( xo) ' ---------------e

Xo

26
Abbildung 4.12 Zur -o-Definition der Stetigkeit

Da Ixnl ~ r < R und lxi :$ r < R knnen wir nach Satz 4.60 den in (4.14) auftretenden
Reihenrest durch eine geometrische Reihe abschtzen. Es gibt also c > 0 und 0 < q < 1 mit

Geben wir nun ein e > 0 vor, dann gibt es ein N , so dass der zweite Summand kleiner e/2 ist.
Da wegen X n -4 x auch x: -4 x m gilt, ist auch der erste Summand fr hinreichend groe n
kleiner als e/2, womit das c:-o-Kriterium fr f (Definition 4.85) bewiesen ist.
0

2. Eigenschaften stetiger Funktionen

Eine direkte Konsequenz der Stetigkeit ist die Vorzeichenbestndigkeit.

Satz 4.87 Fr jede stetige Funktion f mit f( xo) > 0 gibt es eine -Umgebung Uo(xo ), so dass
f (x) > 0, fr alle x E Uo(xo). Fr f( xo) < 0 gilt eine analoge Aussage.
Beweis. Wir setzen c: = f( xo)/2. Dann gibt es aufgrund der Stetigkeit von fein 0, so dass
If( x) - f (xo) 1< e fr Ix - xol < 6. Daraus folgt

f(x) > f (xo) - e =

fr

Ix -

I < O.

Xo

f(~o)

> 0,

Satz 4.88 (Nullstellensatz von Bolzano) Sei f : [a , b] -4 lR eine auf dem ganzen Intervall
[a , bl stetige Funktion mit f( a) < 0 und f (b) > O. Dann besitzt f auf [al b] mindestens eine
Nullslelle, d.h., es gibt ein c E [a ,b] mit f (c) = O.
Beweis. Zum Beweis konstruieren wir zwei Folgen (a n )n2 o und (b n )n20 nach folgendem Algorithmus: Sei ao = a und bo = b. Die Werte al und b1 werden in Abhngigkeit von
10= f (aQ;bo) bestimmt:

4.5 Grenzwerte von Funktionen und Stetigkeit

/0

< 0: Dann setzen wir a l =

f o > 0: Dann setzen wir al

ao;bo

und b1

175

= bo.

= ao und b1 = ao;bo .

fo = 0: Dann haben wir die gewnschte Nullstelle und sind fertig.

Falls wir noch keine Nullstelle gefunden haben, wenden wir das obige Verfahren auf [al ) b1l an,
usw.
Auf diese Weise erhlt man entweder nach endlich vielen Schritten eine Nullstelle oder zwei
Folgen (an )n20 und (b n )n20' Aufgrund der Konstruktion ist offensichtlich, dass f(a n ) < 0 und
f (bn) > O. Darber hinaus sind die Folgen (a n )n20 und (b n )n20 beschrnkt, erstere ist monoton
wachsend und letztere monoton fallend . Wegen la n - bnl = la - bl . 2- n konvergieren sowohl
(a n )n20 als auch (bn )n20 gegen denselben Grenzwert e. Aus limn-+ oo a n = limn->oo bn = e
folgt nun aufgrund der Stetigkeit von f, dass limn->oo f(a n ) = limn -+ oo f(bn) = fe e). Wegen
f(a n ) < 0 muss jedoch limn -+ oo f(a n ) $ 0 gelten. Analog gilt lim n -+ oo f(b n) ;:: 0 und folglich
f ee) = o.
0

f(a ) -

f(a) -

f Cb) - ---- ------ -------------------

f(b) - --- ----- ---- ---- ---------- --- --

Abbildung 4.13 Nullstellen- und Zwischenwertsatz

Satz 4.89 (Zwischenwertsatz) Sei f : [a , b] ----) lR stetig. Dann nimmt

z wischen f(a ) und f(b) mindestens einmal an.

f auf la, b] jeden Wert

Beweis. Im Fall J (a) = f(b) ist nichts zu beweisen. Sei o.B.d.A. f( a) < f(b) . Femer ei e
beliebig mit f (a) < y < f(b). Nun setzen wir g( x ) = fe x ) - y. Dann gilt g(a) < 0 und
g(b) > O. Au Satz 4.88 folgt nun die Existenz einer Nullstelle e von g( x). Dieses c leistet aber
bereits das Gewnschte, denn fe e) = y (vgl. Abb. 4.13).
0

Satz 4.90 Sei I ~ ~ ein abgeschlossenes Intervall und f

ist f (1) ebenfalls ein abgeschlossenes Intervall.

:I

----) lR eine stetige Funktion. Dann

Beweis. Fr x , y E I gilt nach Satz 4 .89, dass alle Werte zwischen f (x ) und f(y) in f(I)
liegen. f(1 ) ist also ein Intervall.
Sei A = sup f(1) Dalill existiert eine Folge (b n )n2o mit bn ----) A. Wegen bn E f (I)
existieren an mit f (a n ) = bn Da (an )n20 beschrnkt ist, existiert nach Satz 4 .27 eine konvergente Teilfolge (a nk h : : o. Sei a = limk-+oo ank Dann folgt aufgrund der Stetigkeit von f , dass

-------------------------------------------4 Folgen, Reihen und Funktionen

176

f (a)

= A. Analoge Argumente fr inf j

(I) ergeben schlielich die Abgeschlossenheit von

f(1).

Der vorige Satz beinhaltet auch Folgendes: Eine auf einem abgeschlossenen Intervall I stetige Funktion nimmt auf I ein Maximum und ein Minimum an.

Satz 4.91 Sei I = [a, b] ein Inte rvall und j : I ---t IR eine streng monotone und stetige Funktion.
Dann existiert die Umkehrjunktion f - l : j(I) ~ I und ist ebenfalls stetig.
Beweis. O.B.d.A. sei f streng monoton wachsend. Wegen des Zwischenwertsatzes (Satz 4.89)
nimmt f auf I alle Werte zwischen f(a) und f(b) an, also ist f(I) = [f (a) , j(b)] . Aufgrund
der strengen Monotonie lsst sich f umkehren, und f - 1 ist ebenfalls streng monoton wachsend.
Sei y E f(I), wobei wir uns auf den Fall y -1= f(a) und y -1= f(b) beschrnken. Dann gilt x =
f - l(y) E (a , b). Die anderen Flle (y am Rand des Intervalls) lassen sich hnlich behandeln.
Wir mssen zeigen, dass f - 1 stetig an der Stelle y ist, also dass
Vc > 0 :30 > 0 : Iy -

yl < 0

=?

Ii- l (y) -

xl < c

gilt. Dazu geben wir uns c > 0 so vor, dass [x - c, x + c:] ~ [a , b]. Dann gilt fex - c:) < Y <
fe x + c:), und daher existiert ein 0 > 0, so dass fex - c) < y - 0 < Y < Y + 0 < fe x + c).
Aus Iy - yl < 6 folgt nun fe x - c) < y < fe x + c) und daraus wegen der Monotonie von f - 1
schlielich x - c: < f - l(y) < X + c, was zu zeigen war.
0
Zum Abschluss dieses Abschnitts tellen wir noch eine groe Klasse von stetigen Funktionen sowie einige Beispiele fr unstetige Funktionen vor.

Satz 4.92 Seien fe x ) und g(x) stetige Funktionen. Dann sind die folgenden Funktionen - auf
geeigneten Definitionsbereichen - ebenfalls stetig: f(x) g(x), f( x )g(x ), ~~:~ (falls g(x ) -1= 0),
f (g( x )). Da Polynome, Winkelfunktionen, Arcusfunktionen, Exponentialfunktionen und Logarithmen stetig sind, folgt daraus, dass alle elementaren Funktionen in ihrem Definitionsbereich
stetig sind.
Bemerkung: Die obigen Aussagen gelten selbstverstndlich nur dann, wenn die betreffenden
Funktionen einen geeigneten Definitionsbereich haben. So ist z.B. f + 9 nur dort definiert, wo
sowohl f als auch 9 definiert sind.
Die Beweise lassen sich sehr einfach auf die Rechenregeln fr Grenzwerte von Folgen
(Satz 4.14) zurckfhren und werden daher dem Leser berlas en. Die Stetigkeit von Polynomen, Winkel- und Exponentialfunktionen folgt unmittelbar aus Satz 4.86, die der Arcusfunktionen und Logarithmen aus Satz 4.91.

Beispiel 4.93 (Unstetigkeiten)

(a) Die Funktion fe x) = lxJ = max{n E 12:1n ::; x} (siehe Abb. 4.14) ist unstetig an allen
Stellen x E Z und berall sonst stetig.
(b) fe x ) = sin ~ (vgl. Abb. 4.11) ist im gesamten Definitionsbereich ~ \ {O} stetig und im
Punkt x = 0 nicht definiert. Setzen wir die Funktion auf x = 0 fort, z.B. mittels
Sin .!.

g(x ) = { 0

so hat g( x) eine Unstetigkeitsstelle bei x = O.

fr x -1= 0,
fr x = 0,

4 .6 bungsaufgaben

177

y o.

..e

-4

-2

.
-0.3

Abbildung 4.14 links: f(x)

= LxJ, Mitte und rechts: f( x) = x sin ~

(c) Wie im vorigen Bei piel ist auch die Funktion 1(x) = x sin ~ an der Stelle x = 0 nicht
definiert. Es handelt sich aber um eine so genannte hebbare Unstetigkeit, da man durch
Erweitern des Definitionsbereichs um 0 und Definieren von 1(0) = 0 eine stetige Funktion erhlt.
(d) 1 : IR ~ IR mit

[(x) =

fr x EQ
fr x

rt.

ist nirgends stetig, denn in jeder Umgebung einer rationalen Zahl x, wo f(x) = 1 gilt,
liegen auch irrationale Zahlen, also Zahlen y mit f(y) = O. Umgekehrt gibt es in jeder
Umgebung einer irrationalen Zahl auch rationale Zahlen.

4.6

bungsaufgaben

4.1 Zeigen Sie, dass die Folge (an)n ~ O konvergiert, indem Sie zu beliebig vorgegebenem
passendes N() angeben.
sinn + co n
(a) an = - - y'n
=
n:---

sinn
(b) an = -

n2
(e) an = -1 - -2

_ 1 + ( - lt~
(d) an 2

>

0 ein

ijn

+n

4.2 Geben Sie eine Folge reeller Zahlen an , so dass die Menge ihrer Hufungspunkte gleich N, Z bzw.

Q ist.
4.3 Bestimmen Sie alle Hufungspunkte der Folge an = (_l)n
4.4 Bestimmen Sie alle Hufungspunkte der Folge an
4.5 Zeigen Sie, dass die Folge
an =
nur 0 als Hufungspunkt hat.

sin n

11"

(n

0).

= sin n2 + (_1)7t(n+l) /2 (n

+ eosn

y'ri

+ COS n2

11"

(n

1)

0).

~
----------------

4 Folgen, Reihen und Funktionen

178

4.6 Man untersuche die rekursiv gegebenen Folgen (aTl ) n~O (mit Hilfe vollstndiger Induktion) auf
Monotonie und Beschrnktheit und bestimme gegebenenfalls den Grenzwert lirnn --+ oo an .

= ..j2an - 1 fr alle n 2: O.
2, an+1 = ..jan + 1 fr alle n 2: O.

= 4, an+! = ..j6an ao = 2, an+1 = 2yan -

(a) ao = 3, an+1

(b) ao

9 fr alle n 2: O.

(c) ao =

(d)

1 fr alle n

2: O.

4.7 Gegeben sei die rekursiv definierte Folge (an)n~ o mit ao = 3 und an+! = (an + 6/a n )/2 fr alle
n 2: O. Man berechne die Folgenglieder an fr n = 0, 1, . .. , 10, untersuche die Folge in Bezug auf
Monotonie, Beschrnktheit sowie Konvergenz und berechne gegebenenfalls den Grenzwert.

4.8 Zeigen Sie, dass an

-ein - 1 eine Nullfolge ist. Hinweis: Man entwickle n = (1 + an)n mit Hilfe

des binomischen Lehrsatzes und zeige damit die Ungleichung an

:s; yI?Jii.

4.9 Seien PI und P2 beliebige Punkte der Zahlengeraden. Man halbiere fortgesetzt die Strecke P I P2 in
Ps, die Strecke P2PS in P4, P3 P4 in P5, usw. und bestimme die Lage von Pn fr n --; 00 .
4.10 Man vervollstndige den Beweis von Satz 4.14

4.11 Man untersuche nachstehende Folgen in Hinblick auf Monotonie, Beschrnktheit und mgliche
Grenzwerte. Ferner veranschauliche man die Folgen auf der reellen Zahlengeraden:

i, 5, ~, ... ,n, n~l"

(a) (an) = 0, 1, ~, 3,

(b) (b n ) mit bn = ~~f fr n

..

2: 2

Cc) (Cn) mit Cn = (_ l)nn!l fr n 2: 1

4.12 Untersuchen Sie die Folge (an)n>Oauf Konvergenz und bestimmen Sie gegebenenfalls den Grenzwert.

2n3 + 2n - 3
Ca) an = 4n3 + n2 + 5
3n 2 - 5n+ 7
(e) an = 3n3 _ 5n + 7
9

(e) an =
(g) an =

2n 2 - 5n 4'
7n 3 + 2n-

Yn+ 1 -

+7

+1

..;n

n!

Ci) an = --

4n 2 + 5n - 3
(b) an = 2n3 + 3n2 - n + 7
(d) an

2n 3 - 5n 2 + 7
2n3 _ 5n + 7
11

Cf) an =

3n 2 - 4n3' +n- 1

2n 4

(h) an =

Jn+,fii - ..;n

(j) an =

vn+2 - Vn

nn

(k) an = n ql1

(m) an =

(- l < q<O)

"\ln5 + 1

+ 2n- 2 + 1

(I)

qTl

Un

(n) an

= -

(q > l)

"V'n3 + n

Hinweis zu den letzten beiden Aufgaben: Bentzen Sie Aufgabe 4.8.

4.13 Untersuchen Sie die Folge (an)n~ O auf Konvergenz und bestimmen Sie gegebenenfalls mit Hilfe
des Sandwich-Theorems (Satz 4.22) den Grenzwert.
n

Ca) an =

L
k= l

(e) an

L
k= l

1
n 2+k

(b) an =

1
(n +k)2

k= l

~
2
n +k

L
n

(d) an =

n2 + k

2:= n3 + k
k= l

4.6 bungsaufgaben

179

4.14 Beweisen Sie mit Hilfe von Beispiel 4.21, dass fU f a E lR gilt: limn-too (1

+ ~ ) n = ea.

4.15 Es sei limn-t an = a. Man bestimme den Grenzwert der beiden Reihen Ln>o(anH - an) und
L:n~O(an+2 - an).
4.16 Es sei limn-too an

= O. Man bestimme den Grenzwert der Reihe Ln:2:0 ( _ 1)n (an H + an) .

4.17 Bestimmen Sie den Grenzwert der folgenden Reihen.

00
3
00
Ca) En(n + 2)
00

(c)

n= l

(n:

(b)

En(n+1)
00

1)!

(d)

n+1

~ (n + 2)!

4.18 Zeigen Sie durch Angabe eines konkreten Beispiels, dass die Monotoniebeclingung in Satz 4.41
nicht notwendig ist, d .h., dass die Umkehrung des Leibnizkriteriums nicht richtig ist.
4.19 Beweisen Sie das Minorantenkriterium (Satz 4.48).
4.20 Untersuchen Sie die fo lgenden Reihen auf Konvergenz.
2

""" 3n + 1
(a) ~ 5n 3 _ 2

~ 2n3 + 5n - 3

n:2:0

", n+ 2

(c) ~ ~
n:2:0

n:2:0

(d) "'"
~ nn
n:2:1
Hinweis: Man bentze (4.1).

,,2n 2 + 1

Ce) ~

n:2:0

n4

+2

n- 2

(h)"

(f)

"'"

+3

~ 7n2 _ 2n + 1

n:2:0

n-l

(h)

L~
n.

n:2:1

( _1)n

(j)

L 3/ 2 + 5n
n:2:0 n

(1)

L (n + 3)4/ 3
n:2:0

(- l)n

4.21 Man zeige mit Hilfe des Quotientenkriteriums, dass die Folge (~;;) nEN fr alle a E IR eine N ullfolge ist.

a;t

4.22 Sei an ~ 0 und die Reihe Ln>o an konvergent. Man zeige, dass dann auch die Reihe 2::n>O
konvergiert . Gilt dies auch ohne die Voraussetzung an ~ O? (Beweis oder Gegen beispiel !)
-

4.23 Fr welche x E IR bzw. Z E C konvergieren die folgenden Reihen

(b)

L
n~O

00

(c)

2n _ 1 (x - 1t

n= l

(d)

L (2n + I)!
n:2:0

2:= -J!-1
(x + l)n
n +

n= l

Z2n+1

(e)

00

C:)x

"

4 Folgen, Reihen und Funktionen

180

4.24 Man zeige:

a, bE lR.
4.25 Zeigen Sie mit Hilfe eines geeigneten Konvergenzkriteriums fr Reihen, dass die Potenzreihe der
[Link] (4.8) in ganz ce absolut konvergiert.
4.26 Man berechne unter Bentzung der - aus der Euler'schen Formel (4.10) folgenden - Moivre'schen
Formel (cos x + i sin x)n = cos( n x ) + i sin( nx) den Grenzwert der Reihe:
sin !U!:
cos n7f
(a) ' " _ 3
(b) ' " _ _3

n~ O

n~O

4.27 Untersuchen Sie, welche 0-,0- und ,,-,-Beziehungen zwischen den Folgen an, bn und Cn bestehen.
2 b _ 1
_
8n2
(b) an -- Ti>
n - Ti!' Cn - 4n3+1 '

4.28 Man bestimme die Grenordnungen von

(a) 2.7n 2 - O.5n + 1,
(b) 0.35 2n + 5n5 ,
Cc) JI + 1.1n2 .
Ferner zeige man, dass
(d) an = 0(1) {:} (an) beschrnkt, und
(e) an = 0(1) {:} (an ) Nullfolge.
4.29 Zeigen Sie die folgenden asymptotischen Beziehungen fr festes kund n -+
(a)

(~) "-' ~~

(b)

00:

(n + ~ - 1) ~ ~~

4.30 Zeigen Sie die folgende asymptotische Beziehung fr die Anzahl der Variationen ohne Wiederholungen fr festes kund n -+ 00:
[n]k = n(n - 1) (n - k + 1) = n'" + O(n k- I ).
4.31 Zeigen Sie mit Hilfe der Stirling'schen Approximationsformel n! "" nne -n J27r'li (siehe Beispiel 4.63d):
(a)

C:) ~ ~

(b)

(3n) (27) nV[3

~
rv

4.32 Beweisen Sie Satz 4.68 .

4.33 Zeigen Sie, dass eine Funktion E(x), die E(l) = e und die Funktionalgleichung aus Satz 4.77
erfllt, fr x E Q mit eX bereinstimmen muss.
4.34 Die Abbildungen sinh, cosh : lR -+ lR sind definiert durch: sinh(x) = ~ (eX - e- X), cosh(x) =
~(ex+e- X) . Bestimmen Sie die Potenzreihenentwicklung von cosh(x) und sinh(x) an der Stelle Xo = O.
4.35 Beweisen Sie die Formeln cosh(x
sinh(x) cosh(y) + cosh(x) sinh(y) .

+ y) =

cosh(x) cosh(y)

+ sinh(x) sinh(y) und sinh(x + y) =

4.36 Man bestimme die Potenzreihenentwicklung von f (x) = (x 2 + 1) sin x an der Stelle Xo
Produktbildung zweier Potenzreihen.

= 0 durch

4.37 Man bestimme die Potenzreihenentwicklung von f (x) = (1 - x 2 ) cos x an der Stelle xo = 0 durch
Produktbildung zweier Potenzreihen.

4.6 bungsaufgaben

181

4.38 Die Signumfunktion ist definiert durch

> 0,
fr x < 0,
fr x

fr x = O.
Zeichnen Sie den Graphen nach tehender Funktion fex) und bestimmen Sie alle Stellen, an denen f( x)
stetig ist.

= (x 2

(a) f (x) = (x - 7f/2) gn(co x)

(b) fex)

(e) fe x) = xsgn(sin x)

(d) fex) = xsin C~sgn(x))

1) sgn(sin(7fx))

4.39 Man zeige, dass die folgenden Funktionen f( x) stetige Umkehrfunktionen haben, und bestimme
diese:

(a) fe x)

1 - x3
- 3-

'

DJ

x
(c) f ex) = (1 + JX)7 ,

= (1 ,00)
DJ

(b) f ex)

1 - x7

= - 7' DJ = (1,00)
x

(d) f( x ) = (1

(0 ,00)

4.40 Sei f : [0, a] --t IR stetig, f(O) = 0, f(a) > a und fe x)

aueh f (x) > x fr 0 < x< a gilt.

4.41 Man zeige, dass es zu jeder stetigen Funktion f : [a, b]

f( xo) = Xo gibt.
4.42 Skizzieren Sie den Verlauf der Funktion f : IR \ {O}
dass fe x) an der Stelle Xo = 0 keinen Grenzwert besitzt.
Hinweis: Man betrachte die bei den Folgen X n

+ y'X)5 ,

DJ = (O, oo)

x fr 0 < x < a. Man zeige, dass dann

--t

[a , bJ wenigstens ein Xo E [a, b] mit

IR, fe x) = sin(1/x), und beweisen Sie,

= l/(mr) und X n

= 1/(2n7f

+ 1r /2).

4.43 Man berechne die folgenden Grenzwerte:

(a) lim ( -- 2 - - - )
x-+ 1 1 - x
1 - x3
1-

casx

(e) 1i m -- x---+O

(h) lim 17x

x -+oo

x3

+ 4x - 1
12x 2 + 1

(d) lim x cas x - 1r(1r - x)

X -+ lI'
(ln x - in 1r)2

KapitelS
Differential- und Integralrechnung in
einer Variablen
Am Beginn der Differentialrechnung steht die Frage nach der nderung einer Funktion in ei-

nem Punkt. Diese Gre ist fr viele Anwendungen von Bedeutung. So hngt zum Beispiel
der Ort eines physikalischen Objekts, aufgefasst als Funktion der Zeit, mit der Geschwindigkeit dieses Objekts ber die Differentialrechnung (genauer: den Differentialquotienten) zusammen. hnlich verhlt es sich mit den physikalischen Gren Arbeit und Kraft. Auch zahlreiche
Optimierungsaufgaben, wo eine Funktion minimiert oder maximiert werden soll, knnen als
Aufgaben der Differentialrechnung formuliert werden. Dynamische Systeme (radioaktiver Zerfal1 , Bevlkerungsentwicklung, Klirnarnodelle), wo die momentane nderung einer Gre vom
aktuel1en Wert abhngt, also eine Rckkopplung stattfindet, werden durch so genannte Differentialgleichungen beschrieben.
Die Differentialrechnung ermglicht es weiters, komplizierte Funktionen durch einfachere
zu approximieren und die dabei gemachten Fehler zu quantifizieren. Dies ist z.B. bei rechenintensiven Simulationen von komplexen Modellen von Bedeutung. Auch numerische Verfahren
wie z.B. das Newtonverfahren zur nherungsweisen Bestimmung von Nullstellen (siehe Kapitel 9) basieren auf Ideen der Differentialrechnung.
Schon die Griechen der Antike haben sich eingehend mit der Berechnung von Flchen beschftigt. Die Integralrechnung dient U.a. dazu, Flchen, die durch Funktionen begrenzt sind,
oder Volurnina von Rotationskrpern zu berechnen. Integrieren kann aber auch als Umkehrung
des Differenzierens aufgefasst werden. Deshalb ist die Integralrechnung so wie die Differentialrechnung aufs Engste mit zahlreichen physikalischen, technischen oder konomischen Problemen verbunden.
Die Differential- und Integralrechnung wurde im 17. Jahrhundert unabhngig von Leibniz
und Newton entwickelt und ist sicherlich eine der wichtigsten Grundlagen der modernen Naturwissenschaft. Sie war anfangs eng mit dem Begriff der Bewegung verknpft. In den darauf
folgenden Jahrhunderten wurde sie weiter entwickelt, und erst im 19. Jahrhundert, als der exakte Grenzwertbegriff von Weierstra und die Arbeiten von Peano und Jordan zum Flchen- und
Kurvenbegriff zur Verfgung standen, nahm die Differential- und Integralrechnung ihre heutige Gestalt an. Dennoch gibt es selbst im 20. Jahrhundert noch Weiterentwicklungen, die fr
die modeme Wahrscheinlichkeitstheorie und die in der Quantenphysik vielfach angewendete
Funktionalanalysis grundlegend sind.

5.1 Die Ableitung

183

In den folgenden Abschnitten werden wir die Differentialrechnung entwickeln und zur Approximation von Funktionen sowie auf Extremwertaufgaben anwenden. Danach prsentieren
wir die Integralrechnung, zunchst als Umkehrung der Differentialrechnung, dann von der Flchenberechnung ausgehend, und werden so zum unbestimmten bzw. bestimmten Integral gefhrt.

5.1

Die Ableitung

Wir betrachten eine Funktion f und untersuchen das Problem, an einen Punkt des Graphen von
f eine Tangente zu legen. Welche Aussage lsst sich ber die Lage der Tangente, insbesondere
ber deren Anstieg machen?
y

= f( x)

Abbildung 5.1 Eine flache Tangente bedeutet, dass sich der Funktionswert lokal nicht stark verndert, wohingegen
bei einer steilen Tangente eine starke nderung des Funktionswens vorliegt.

Der Anstieg der Tangente ist ein Ma fr die nderung der Funktion an der gegebenen
Stelle. Verluft der Funktionsgraph steil, was gleichbedeutend mit einer steilen Tangente ist, so
ndert sich die Funktion schnell. Eine geringfgige nderung im Argument bewirkt eine starke nderung des Funktionswertes (siehe Abb. 5.1). Ist der Funktionsgraph hingegen flach, so
verndert sich der Funktionswert kaum, wenn das Argument ein wenig abgendert wird. Funktionsnderungen sind in vielen physikalischen Anwendung von Bedeutung. Beschreibt z.B. f (t)
den Ort eines bewegten Objekts als Funktion der Zeit, dann ist die nderung von j(t ) die Geschwindigkeit des Objekts (siehe unten).
Eine weitere Bedeutung der Tangente tritt bei der Approximation von Funktionen auf. Betrachtet man eine Funktion lokal um einen Punkt, so sieht der Funktionsgraph, wenn man nur
weit genug "hinein zoomt", annhernd wie eine Gerade aus. Fr viele Anwendungen ist so eine Approximation ausreichend. Der Vorteil besteht darin, dass eine Gerade (die Tangente) im
Allgemeinen eine wesentlich einfachere Funktion darstellt.

1. Definition und Ableitung einfacher Funktionen

Um den Anstieg der Tangente an den Graph einer Funktion f( x ) im Punkt Xo zu ermitteln,
betrachten wir zunchst zwei Punkte Xo und X l und die verbindende Sekante (siehe Abb 5.2)

5 Differential- und Integralrechnung in einer Variablen

184

f( xo) -

- ~-----_-I

Xo
Abbildung 5.2 Der Differenzenquolient
ecks an .

f (x 1) - f (xo }
::tl - XO

gibt den Anstieg der Hypotenuse des oben abgebildeten Drei-

Der Anstieg der Sekante ist dann gegeben durch

~f
~x

f(xI) - f(xo)
Xl - Xo

Das ist die mittlere nderung von f (x) im Intervall [Xo , X l] und wird Differenzenquotient
genannt. Um den Anstieg der Tangente zu erhalten, lassen wir nun ~x gegen 0 gehen und
berechnen den Grenz wert

df = lim ~f = lim f( XI) - f(xo) .

ll. x-> O x
X l ->XO
X l - Xo

dx

Diese Gre heit, falls der Grenzwert existiert, Differentialquotient.]

Definition 5.1 Eine Funktion f : D -+ lR heit differenzierbar im Punkt Xo, falls der Grenzwert limx-t:co f(xt!~xo) existiert. Dieser Grenzwert wird dann die Ableitung von f an der
Stelle Io genannt und mit l' (IO) bezeichnet. Falls f ruf alle X E D differenzierbar ist, so
heit die Funktion l' (x) die Ableitun von f
----.--~~---~--------~--~~~~

Andere Schreibweisen fr die Ableitung sind z.B. die Leibniz'sche Schreibweise ~ (gesprochen: "df nach dx").
Zur physikalischen Deutung: Beschreibt eine Funktion f(t) den Ort eines sich bewegenden
Objekts zum Zeitpunkt t, so gilt aufgrund des physikalischen Gesetzes Geschwindigkeit
~
Zeit' dass

tlf
6t

f(t l ) - f(to)
t1

to

IMan beachte, dass es sich hier nicht um einen Quotienten im blichen Sinne handelt. Es wird blo der Limes
des Differenzenquotienten gebildet. Bei stetigen Funktionen konvergieren aber sowohl Nenner als auch Zhler
gegen O. Die Bezeichnung Differentialquotient hat historische Grnde und geht auf Leibniz zurck, der den Differentialquotienten als Quotienten von unendlich kleinen Gren dj und dx , den so genannten Differentialen,
definierte. Aus heutiger Sicht ist das jedoch insofern nicht korrekt, als es keine unendlich kleinen reellen Zahlen
gibt. Die Schreibweise ~ ist dennoch gebruchlich und kann - nach Einfhrung entsprechender Begriffe - auch
als Quotient interpretiert werden.

5.J Die Ableitung

185

die mittlere Geschwindigkeit des Objekts im Zeitintervall [t o, t1J beschreibt. Die Ableitung2
f'(to) ist somit die Momentangeschwindigkeit zum Zeitpunkt to.

Beispiel 5.2 (Ableitungen einfacher Funktionen)

(a) Konstante Funktionen f(x) = c. Es gilt f'( xo) = lim x -+ xo xC~:o = fr alle xo . Daher
folgt aus f( x ) = c, dass J' (x) = O.
(b) Lineare Funktionen f( x) = ax + b. Die Ableitung ist gegeben durch

f '()
Xo

l'
ax + b - axo - b = l'1m a(x - xo) = a.
1m

x - Xo

x-+xo

X -

X-+Xo

xo

Es gilt also l' (x) = a . Die Ableitung von linearen Funktionen ist konstant.
(c) Fr f(x) = 2x 2 + 1 folgt

f'(xo)

lim 2x

+ 1 - 2x~ Xo

x -

X--' xo

1 _ Em 2(x - xo)(x + xo)

= lim 2(x + xo ) = 4xo .

X - Xo

x--xo

x-+xo

(d) Fr Potenzfunktionen f (x) = x n mit n E N gilt

'()
f Xo

l'

Im

xn -

X-+ Xo X -

lim

(x n - 1

X-+xo

on = l'1m ( x - Xo )( x n - l

Xo

+ x n - 2 Xo + . . ,xx
+ on - 2 + X on-l )
X -

x--xo

x n - 2 xo

Xo

+ ... + xx~- 2 + x~- l) = nx~- l,

In hnlicher Weise kann zeigen, dass die analoge Aussage auch fr negative ganzzahlige
Exponenten gilt (siehe bungs aufgaben)
(e) Die Betragsfunktion f(x) = lxi erfllt

{~x

fr x

f( x) =

f'(XO) =

{1

fr Xo > 0,

0,

fr x< O.

Daher gilt zunchst

fur Xo < 0.

- 1

Interessant ist aber der Fall Xo = 0, Es gilt

lim
x -+O

Ixl - 101
x- 0

lim ~.
x-tO X

Da ~ in jeder Umgebung um x = 0 sowohl die Werte - 1 als auch 1 annimmt, kann der
Grenzwert nicht existieren. Die Funktion f(x) = lxi ist daher an der Stelle x = 0 zwar
stetig, jedoch nicht differenzierbar.

21n der Physik wird die Ableitung nach der Zeit meist als j(to) geschrieben.

5 Differential- und Integralrechnung in einer Variablen

186

2. Eigenschaften und Ableitungsregeln

Das letzte Beispiel zeigt, dass eine stetige Funktion nicht notwendigerweise auch differenzierbar sein muss. Die Umkehrung ist jedoch richtig, wie der folgende Satz zeigt.

Satz 5.3 Eine Funktion, die in X o differenzierbar ist, ist dort auch stetig.
Beweis. Sei fe x ) in

Xo

differenzierbar. Dann gilt

lim (f( x ) - J( xo)) = lim fex) - f( xo) (x - xo) = lim J( x ) - f( xo) . lim (x - xo ) =
x ..... xo

X - Xo

x- xo

X-

x- xo
,

Xo

.....

o.

x-> xo
'-v-'

f'( xo)

Daher ist limx -+ xo fe x ) = f( xo). d.h., f ist stetig in Xo

Beispiel 5.4 (Ableitungen elementarer Funktionen)

(a) fe x ) = sin x: Mit Hilfe des Additionstheorems (4 .11) fr die Sinusfunktion, sin(x + y) =
sin x cos y + sin y cos x, bekommen wir

'()
Xo =

sin(xo+(x - xo) ) - sinxo

x-+xo
X - Xo
X-+ Xo
X - Xo
. sin xo cos (x - xo ) + sin(x - xo) cosXo - sin xo
= X-+
11m --~--~--~~--~----~--~----~
Xo
X - Xo
.
I' cos(x - xo) - 1
l' sin(x - xo)
l'

sin x -sin xo

1m

= sm Xo

l'

1m

--~--~--~~-----

+ cos Xo

1m

;:-+xo

X -

Xo

1m

~"""XO

--'---~
X - Xo
v

'V'

o wegen (4.13)

1 wegen (4.12)

= cosxo
Wir erhalten daher (sin x)' = cos x. Analog zeigt man (cos x)' = - sin x.
(b) Differenziert man die Exponentialfunktion f (x ) = eX , so erhlt man

f'( xo) = 1im

eX

x-+xo

eXo

X -

Xo

= e Xo . lim

eX -

X -

X-+Xo

xo -

Xo

(5.1)

Durch Einsetzen der Exponentialreihe kann man e"';~~~l weiter umformen zu

eX - xc _

1=

(1 + (x - ")+
Xo

x - Xo

(X - xO )2
21

+ (x-xo)3
31
+ ...)

x - Xo

_ (

1+

(x - xo)
2!

(x - XO) 2
3!

+ ....

Mit Hilfe dieser Darstellung erkennt man, dass fr x > Xo die Ungleichungen

1 :S

eX- :Z: o - 1
x

Xo

1+

(x - xo)

I'.

(x - XO)2

2'.

) _

+ ... -

x - :z:o

erfllt sind. Aufgrund der Stetigkeit von eX gilt lim x _ xo eX - xQ = 1, und daraus folgt
limx --+ x 0 + eX-x-XO_
l = 1. Analog zeigt man limx-+~o - e"' - :OO- l = 1 und erhlt infolge dessen
zo
...
x-Xo

(ex )'

eX

.6

5.1 Die Ableitung

187

Um auch Ableitungen von ln x oder zusammengesetzten Funktionen wie tan x =

stimmen zu knnen, bentigen wir ein paar Ableitungsregeln.

sin x

cosx

be-

Satz 5.5 (Ableitungsregeln) Seien j(x ) und g(x ) zwei differenzierbare Funktionen. Dann gilt
(i) Fr alle c E JR gilt: (cj(x ))' = c1'(x).
(ii) (f (x ) g(x ))' = l' (x) g' (x ). Diese Regel gemeinsam mit (i) besagt, dass die Differentiation eine lineare Abbildung ist.
(iii) (f( x )g(x) )' = f'( x )g(x ) + f( x )g'(x). (Produktregel)
(iv) Falls g(x ) -1= 0, dann gilt

f( X))'
( g( x )

1'(x )g(x) - f(x)g'( x )

g( X)2

(Quotientenregel )

(v) Sei F(x) = f (g(x )) eine zusammengesetzte Funktion. Dann gilt

F'( x) = f'(g( x ))g'(x ).

(Kettenregel)

Hier wird f als uere Funktion, 9 als innere Funktion bezeichnet. Die Kettenregel besagt demnach: uere Funktion ableiten und mit der inneren Ableitung (genauer: der
Ableitung der inneren Funktion) multiplizieren.
In der Leibniz'schen Schreibweise lsst sich diese Regel besonders kurz schreiben: Fasst
man [Link] 9 (x ) als Argument von. f auf, dann erhlt man

df
dx

_df . -dg
dg dx '

(vi) Falls f : D ----> f(D) invertierbar ist und die Ableitung f' keine Nullstellen besitzt, dann
giltfr alle y E f (D)

(f-l)'(y) =

f'(f~l(y)) '

In der Leibniz'schen Schreibweise ist diese Regel besonders einprgsam: Gilt f( x ) = y,

so lsst sich f' (x) als ~ schreiben. Fr die Umkehrfunktion gilt aber x = f - l(y) und
bei Differentiation nach y schreibt man dann ~ = (f - l )'(y). Die obige Regel lautet nun

dx

1
dy - !!JL '
dx

Beweis. Die ersten beiden Gleichungen sind trivial, weshalb wir uns gleich der Produktregel
zuwenden. Es gilt

(f . g)'(xo) = !im f( x)g(x) - f( xo)g(xo)

X-

X -

XQ

Xo

Jim f( x)g(x ) - f( xo)g(x ) + f( xo)g(x ) - f( xo)g(xo)

X -

X --> XQ

= lim
X-->X o

= lim

f(x) - f( xo) g(x)

X - xo

Xo

lim f( xo) g(x) - g(xo)

X -

X->xo

xo

f( x ) - f( xo) Um g(x ) + f( xo) lim g(x ) - g(xo) .

X-+XQ

X -

"-

!'(xo)

Xo

X-

XQ

-f~

g(xo)

x--xo

X -

"

g'(xo)

Xo
J

5 Differential- und Integralrechnung in einer Variablen

188

Zum Beweis der Kettenregel betrachten wir

hm f(g(x)) - f(g(xo)) = Hm f(g(x)) - f(g(xo)) lim g(x) - g(xo).

x--xo

x - Xo

g(x) - g( xo)

x---xo

x--xo

(5.2)

Xo

X -

Der zweite Faktor ist definitions gem g'(xo) . Da 9 differenzierbar und folglich auch stetig
ist, folgt lirilx __ xo g(x) = g(xo). Daher ist der erste Faktor gleich f'(g( xo)) wie behauptet. Zu
beachten ist, dass diese Herleitung g(x) t- g(xo) voraussetzt. Im Fall g(x) = g(xo) verschwindet aber der Differenzenquotient in (5.2), so dass diese Flle bei der Grenzwertbildung in (5.2)
keine Rolle spielen.
Die Quotientenregel beweist man durch Anwendung der Produktregel auf j (x) 9(~) ' wobei
auf den zweiten Faktor die Kettenregel angewendet werden muss (mit

gtx )

= h(g(x)) und

h(x) = ~ , siehe auch BeispieI5.2d).

Um (vi) zu beweisen, setzen wir j( x) = y und j(xo} = Yo. Nun rufen wir uns in Erinnerung,
dass f stetig ist (wegen Satz 5.3) und daher j - 1 ebenso (wegen Satz 4.91). Somit gilt: Wenn y
gegen Yo konvergiert, dann auch x -----t Xo . Das impliziert
1

j'( xo)
Eine Beweisfhrung mit Hilfe der Kettenregel (Differentiation beider Seiten der Gleichung
f(f - 1(y)) = Y nach y) setzt die Differenzierbarkeit von j - l voraus, die man dann gesondert
beweisen msste.
0

Beispiel 5.6 (Ableitungen elementarer Funktionen, Fortsetzung)

(a) Aus f( x) = x 5 + 3x 3 + 3x + 5 folgt nach Anwendung der Ableitungsregel (ii) und
Ableiten der Potenzfunktionen f'( x ) = 5x 4 + 9x 2 + 3.
(b) f( x) = (1 + x 2 )e x . Anwendung der Produktregel ergibt f'( x) = 2xe X + (1 + x 2 )e X =

(1 + 2x + x 2 )ex = (1 + X)2 ex.

(c) f( x) = tanx = ~~~~ . Die Quotientenregelliefert

J' (x)

= eos x

. 2

+ sm x = _ _

cos2 X

cos 2 X

oder

sin 2 x
cos 2 X + sin 2 x
2
= 1 + - -2 - = 1 + tan 2 x .
eas x
cas x
(d) Der natrliche Logarithmus f (x) = In x ist die Umkehrfunktion der Exponentialfunktion
eX Mit Ableitungsregel (vi) und (ex )' = eX erhalten wir

f'(r;)

(ln x)'

= -11
= ~.
e
x
fi X

(e) Potenzfunktionen j (x) = xCI' mit Cl! r/:. Z. Hier lsst sich die Funktion umschreiben zu
f( x) = ecr 1n x und nun nach der Kettenregel ableiten:

f' (x) = e

Ot 1

nx(

a In x)'

=e

Ot 1

Cl!
X

x Ot

a
-

= ax

Ot -

Die bereits bekannte Ableitungsregel fr Potenzfunktionen mit ganzzahligem Exponenten ist also fr alle Exponenten gltig.

189

5.2 Die Taylor'sche Formel und der Mittelwertsatz

(f) Die Funktion fe x) = sin (VI + x 2 ) ist mehrfach geschachtelt. E gilt fe x ) =

h (!2(h (x )) ) mit f l (X) = sin x, f2( X) = y'x = x 1/ 2 und hex ) = 1 + x 2, Folglich
und fH x ) = 2x. Die Ableitung von J
haben wir Ji( x) = cosx, f~(x) = ~ x - 1 /2 =
ermittelt man nun mit Hilfe der Kettenregel:

2./x

f'( x) = f{((h

h)(x)) , (h

h)'(x) = f{(h(f3( x))) . f~(fg(x)) . f~(x) .

Das ergibt

!'(X) = COS(Vl +X2 )

2Jl

+ x2

.2x =

VI + x 2

cos(Jl+ X2).

(g) fe x ) = arctan x. Setzen wir y = fe x ), dann folgt x = tany. Weiters gilt

fex) -

dy _ ~ _

- dx -

dx -

dy

1
1 + tan 2 y

Bis jetzt haben wir in diesem Abschnitt nur erste Ableitungen betrachtet. Falls jedoch die
Ableitung einer Funktion wiederum differenzierbar ist, so lassen sich auch hhere Ableitungen
bestimmen.

Definition 5.7 Eine Funktion fex) heit an einer Stelle Xo n -mal differenzierbar, wenn die
n-te Ableitung f(n) (xo) existiert, die rekursiv durch

j(n)(x)

= ~ f(n - l) (x) und j(1)(x) = J'(x)

dx

definiert ist. Ist J(n) auch stetig in xo, dann heit fex) n-mal stetig differenzierbar in xo.
Falls die n -te Ableitung existiert, so existieren natrlich auch alle Ableitungen niedrigerer
Ordnung, 1', 1",1"', ... , J (n- l ) . In Leibniz'scher Schreibweise werden diese Ableitungen mit
~, ~ (gesprochen: "d zwei f nach d x 2 "), ~, usw. bezeichnet.
Beispiel 5.8 Sei f (x )

- x\' I"'( x ) =

;3' ...

= In x. Dann sind die Ableitungen gegeben durch f' (x) = ~, f" (x) =
Allgemein: f(n)(x ) = (_ I)n- lC n;.;)! fr n 2: 1. Der Logarithmus In x ist

also fr x > 0 n -mal stetig differenzierbar (fr beliebiges n E N) .

6.

Beispiel 5.9 Eine differenzierbare Funktion muss keine hheren Ableitungen besitzen. Sei zum
Beispiel f( x ) = x'lx l (siehe Abb. 5.3). Man rechnet leicht nach (bungsaufgabe), dass f'( x ) =
21 x l. Diese Funktion ist aber an der Stelle 0 nicht differenzierbar.
6.

5.2 Die Taylor'sche Formel und der Mittelwertsatz

1. Der Mittelwertsatz
Die Differentialrechnung wird auch verwendet, um qualitative Aussagen ber die Gestalt des
Graphen einer Funktion zu gewinnen. Obwohl man eine konkrete Funktion mit Hilfe von Formelmanipulationssystemen sehr einfach plotten kann, ist ein Verstndnis des Zusammenhangs

5 Differential- und Integralrechnung in einer Variablen

190

-3

-I

.t

.,

Abbildung 5.3 Die Funktion f(x)

= x Ixl

und ihre Ableitung f'( x)

= 21xl

zwischen Ableitungen und der Gestalt von Funktionsgraphen dennoch wichtig, z.B., wenn eine
Funktion aus einer Klasse bestimmt werden soll, die vorgegebene Eigenschaften besitzt.
Definition [Link] Eine Funktion f : D -+ :IR besitzt an der Stelle Xo E D ein relatives Maxi...
mum (oder lokales Maximum), wenn es eine Umgebung Ug(xo) gibt, so dass f(x) ::; f(xo}
fr alle x E Ug(xo) nD gilt. Die Stelle Xo heit absolutes Maximum, wenn f(x) ::; f(xo) fr
alle x in D gilt. Analog sind relative und absolute Minima,definiert. Minima und Maxima
nennt man auch Extrema oder [Link] von f.
Falls eine differenzierbare Funktion ein lokales Extremum besitzt, welches nicht am Rand
des Definitionsbereichs liegt, so ist die Tangente in diesem Punkt waagrecht, wie das linke Bild
von Abb. 5.4 illustriert. Der folgende Satz zeigt, dass die Ableitung einer differenzierbaren
Funktion f tatschlich an den Extremalstellen von f verschwindet. Vorab bentigen wir noch
einen Begriff.
Definition [Link] Sei I = [a , b] ein abgeschlossenes Intervall. Dann nennt man, das offene Ino

'

' ,

"

tervall (a , b) das Innere von I. Dieses wird mit I bezeichnet. Analog definiert man das Innere
o

einer Menge, die Vereinigung von Intervallen ist. Die Elemente von I heien innere Punkte.
Satz 5.12 Sei f : D - t IR eine differenzierbare Funktion und Xo ein relatives Extremum im
Inneren von D . Dann gilt !'(xo ) = O.

Bemerkung: Man beachte, dass Satz 5.12 fr Extrema am Rand des Definitionsbereichs D
natrlich nicht anwendbar ist, da dort die Ableitung gar nicht definiert ist (es kann ja nur der
einseitige Grenzwert existieren). Bei der Suche nach absoluten Extrema muss man somit nicht
nur die Punkte bestimmen, an denen die Ableitung verschwindet, sondern den Rand von D
ge ondert untersuchen.

Beweis. O.B .d.A. sei Xo ein lokales Minimum. Es gilt also f( x ) - f(xo) ~ 0 fr alle x in
einer Umgebung UE:(xo) ~ D. Aus der Differenzierbarkeit von f(x) folgt, dass die einseitigen
Grenzwerte fr x -+ xo+ und x --+ Xo - existieren und bereinstimmen. Daher haben wir
einerseits
f'( xo) = lim f(x) - f( xo) 2: 0
x--'xo+

X -

Xo

5.2 Die Taylor'sche Ponnel und der Mittelwertsatz

191

und andererseits

f'(xo)

lim f( x ) - f( xo ) ::; 0,

X -> Xo -

X -

Xo

woraus die Behauptung folgt.

-----11----/--+----+- - +--x

- - - -----,{--- - - - - x

Abbildung 5.4 links: Extrema von Funktionen, rechts: Die Umkehrung von Satz 5.12 gilt nicht.

Sei nun f (x) eine differenzierbare Funktion. In Xo existiert die Tangente, deren Anstieg
durch f'( xo) gegeben ist. Die Funktion kann lokal, d.h. in einer Umgebung von xo, durch ihre
Tangente angenhert werden: lokal um Xo gilt

f(x)
Der Fehler R(x)

f(xo)

+ f'( xo)(x - xo )

= f( x) - f( xo) - f'( xo )(x - xo) erfllt R(x) = o(x - xo) fr x

--+

xc, denn

lim R(x ) = lim f( x ) - f( xo ) - f'(xo) = O.

x ..... xo

X - Xo

X---> Xo

X -

Xo

Umgekehrt gilt aber, dass eine Funktion, die durch ihre Tangente mit einem Fehler R(x )
o(x - xc) fr x --+ Xo angenhert werden kann, differenzierbar ist, da in diesem Fall der Grenzwert des Differenzenquotienten existiert. Zusammenfassend gilt also:

Satz 5.13 Eine Funktion f (x) ist genau dann differenzierbar in Xo , wenn sie auffolgende Weise
linear approximierbar ist:

f(x) - f( xo) = f'( xo )(x - xo) + R(x)

mit R(x ) = o(x - xo) .

(5.3)

Bemerkung: Man beachte den Unterschied zur Stetigkeit, wo blo f(x) - f(xo) --+ 0 verlangt
wird.
Damit kommen wir zu einem zentralen Satz der Differentialrechnung, dem Mittelwellsatz.
Die Ableitung beschreibt die lokale nderung einer Funktion, der Differenzenquotient f(b~=~(a)
die mittlere nderung im Intervall [a , b], also das globale nderungsverhalten der Funktion.
Der Mittelwertsatz besagt anschaulich, dass in jedem Intervall [a, b] eine Stelle existiert, wo die
lokale nderung (die Ableitung) mit der mittleren nderung im Intervall [a, b] bereinstimmt.
Dieser Sachverhalt wird in Abb. 5.5 illustriert.

5 Differential- und Integralrechnung in einer Variablen

192

f{b) -- ,

f{a) -- - -- - - - - - - - - ,~ - - - - --- - -- ----~rr----~----~~ x

Abbildung 5.5 Mittelwertsatz: Es gibt eine Stelle ~. wo die Tangente parallel zur Geraden ist, die
(b, f(b)) verbindet.

Ca, f(a

mit

Satz 5.14 (Mittelwertsatz der Differentialrechnung) Sei f auf dem abgeschlossenen Intervall [a, b] stetig und auf dem offenen Intervall (a, b) differenzierbar. Dann gibt es einen Punkt
~ E [a, b], so dass
1'(0 = f(b) - f(a).
b -a
eine lineare Funktion f(x) = cx + d ist (der Graph also eine Gerade ist). dann
ist die Behauptung triviaL Andernfalls ist die Funktion

Beweis. Falls

F(x)

f(x) - f(b) - f(a) (x - a)

b -a

nicht konstant, aber offensichtlich stetig in [a, b] . Daher besitzt sie nach Satz 4.90 ein Maximum
und ein Minimum in [a, b]. Wegen F(a) = F(b) = f(a) muss eines dieser bei den Extrema im
Inneren der Intervalls liegen. Wir nennen die entsprechende Stelle ~. Aus Satz 5.12 folgt nun,
dass F'(E) = O. Anwendung der Differentiationsregeln (Satz 5.5) ergibt

F'(E) = f'(~) - f{b) - f(a) = O.

b- a

Dies ist quivalent zur Behauptung,

Der Sonderfall f(a) = f(b) ist auch als Satz von Rolle 3 bekannt.

Satz 5.15 (Satz von Rolle) Sei f stetig auf [a , b] und differenzierbar auf (a, b). Weiters gelte
f(a) = f(b). Dann gibt es ein ~ E (a, b) mit !'(E) = o.

Beweis. Die Behauptung folgt unmittelbar aus dem Mittelwertsatz.

o

Satz 5.16 Seien fund 9 zwei auf einem Intervall I stetige und in dessen Innerem I differenzierbare Funktionen mit!, (x) = g' (x) fr alle x E I. Dann ist die Differenz f (x) - g( x) auf I
konstant, d.h., fund 9 unterscheiden sich nur um eine additive Konstante.
3Michel Rolle (1652-1 7] 9), frz. Mathematiker

5.2 Die Taylor'sche Formel und der Mittelwertsatz

193

Beweis. Wir zeichnen einen Punkt Xo E I aus und setzen F(x ) = f( x ) - g( x ). Dann lsst
o

sich wegen des Mittelwertsatzes fr jedes x E I ein ~ E I finden, so dass F( x ) = F( xo) +

F'(~)(x - xo). Daher folgt aus F'(x ) = f'( x ) - g'(x ) = 0, dass F(x) = F(xo), also F konstant

ist.

[]

2. Taylorreihen

Die Gleichung (5.3) besagt, dass die Tangente die beste lineare Approximation der Funktion
f (x) in der Nhe von xo ist. Gibt es bessere Approximationen? Diese knnen dann selbstverstndlich nicht mehr linear sein. Da eine Approximation einer Funktion der Vereinfachung
dient, suchen wir nach mglichst einfachen Funktionen, die f(x) approximieren. Lineare Funktionen, die zur Approximation (5.3) verwendet wurden, sind Polynome erster Ordnung. Die
Wahl von Polynomen hherer Ordnung ist daher naheliegend.
Nehmen wir der Einfachheit halber zunchst an, dass f( x ) = E~=o bkx k selbst ein Polynom vom Grad n ist. Dann lsst sich f( x ) fr beliebiges Xo auch in der Form L~=o ak(x - xo)k
darstellen. Die Koeffizienten ak gewinnt man zum Beispiel durch Lsen eines linearen Gleichungssystems. Eine andere Mglichkeit ist die Anwendung der Differentialrechnung. Durch
fortgesetztes Differenzieren erhlt man

f( x) =
f'( x ) =
f"( x) =
f"'( x) =

ao + al(x - xo) + a2(x - XO) 2 + a3(x - XO)3 + a4(x - XO) 4 + .. . ,

al + 2a2( X - xo) + 3a3(X - xo? + 4a4(X - xO)3 + .. . ,
2a2 + 6a3( X - xo) + 12a4(x - XO )2 + .. .
6a3 + 24a4(X - xo) + ... ,
1

woraus nach Einsetzen von x = Xo und Umformen

ao

f( xo) ,

al = f'(xo) ,

a3

f"'( xo)
=

3.

'

... ,

folgt.
Bei Funktionen, die eine Darstellung als Potenzreihe besitzen, knnen wir in hnlicher Weise vorgehen.
Satz 5.17 Sei f( x ) = 'E n >O an(x - xo)n eine Potenzreihe mit Konvergenzradius R. Dann ist
f( x) im Konvergenzbereich differenzierbar. Die Ableitung erhlt man durch gliedweises Differenzieren, d.h., fr alle x mit Ix - xol < R gilt

f'( x ) =

L nan(x -

xot- 1 .

(5.4)

n !! l

Beweis. O.B.d.A. setzen wir Xo = 0 (andernfalls setzt man

regeI). Seien nun lxi, lyl < R. Dann gilt

f(y) - f( x )

= ~

L.J

y- x

n~O

x=x -

Xo und bentzt die Ketten-

an yn - x n
y- x

L an(yn- l + yn- 2x + ... + yx n - 2 + x n - 1).

n ~O

(5.5)

5 Differential- und Integralrechnung in einer Variablen

194

Da die Reihe auf der rechten Seite von (5.4) und die Reihe von f( x ) ?en eIben Konvergenzradius haben, folgt aus dem Cauchy'schen Konvergenzkriterium fr Reihen und der Tatsache, dass Potenzreihen im Konvergenzbereich absolut konvergieren, dass es zu jedem E > 0
ein N > 0 gibt, so dass Ln>N nlanl . Ixl n < c/2. Aufgrund der Stetigkeit der Funktion g(x) = Ln>onlanl . Ix In (siehe Satz 4.86) gilt auch L:n>N nlanl . Iyln < fr alle
Y E Uo(x) (mit lf hinreichend klein). Daher spalten wir die Summe (5.5) auf und bekommen
(fr y E Uc5 (x)
N

f(y) - f(x)
y-

L an (yn- l + yn- 2x + .. . + yx 2 + x n+ 2:= an(yn- l + yn-2 x + .. . + yxn- 2 + x nn-

1)

n= O

),

n>N
wobei

n>N

n>N
Daher liefert der Grenzbergang y ---+ x schlielich
N

f'(x)

L nanxn-

+ RN

n= O

o
Bei Potenzreihen sind also Summation und Differentiation vertauschbar. Das bedeutet, dass
fr Funktionen f(x), die eine Reihendarstellung der Form Ln ~ o an(x - xo)n besitzen, die
obigen berlegungen fr Polynome direkt bertragbar sind. Die Koeffizienten der Reihe knnen
daher durch die Ableitungen von f ausgedrckt werden. Wir erhalten somit den folgenden Satz.

Satz 5.18 (Eindeutigkeitssatz fr Potenzreihen) Besitzt die Funktion f(x) in einer E-Umgebung von Xo eine Darstellung als Potenz reihe, d.h., gilt f(x) = L:n>Oan(x - xot fr alle

UE: (xo), so folgt an

f(n:~xo), fr alle n

N. Die Potenzreihenda:Steliung einer Funktion

ist, sofern sie existiert, eindeutig bestimmt.

Ohne Beweis sei noch ein weiterer Satz ber Funktionen und deren Potenzreihen angefhrt.

Satz 5.19 (Abel'scher Grenzwertsatz) Sei f( x ) = Ln>o an(x - xo)n die Summen/unktion
einer Potenzreihe mit Konvergenzradius R. Weiters sei 2:~> o anRn konvergent. Dann existiert
der Grenzwert limx_ R- f( x ), und es gilt
-

x~W- f(x)

I: anRn.
n~O

Natrlich lassen sich nicht alle Funktionen in eine Potenzreihe entwickeln. Eine notwendige
Bedingung, die so eine Funktion f erfllen muss, ist offenbar, dass f unendlich oft stetig differenzierbar ist. Wir wollen aber auch andere Funktionen durch Polynome approximieren und
fhren daher die folgenden Begriffe ein.

5.2 Die Taylor'sche Formel und der Mittelwertsatz

195

Definition S.20 Die Reihe

f(xo) + f'(xo)(x - xo)

=

jl/(x )
2

(x -

XO)2

j"'(x )
31

(x - xo)3 + ...

2:.j(n)\xo) (x - xot
n~O

n ..

heit Taylorre~e von f{x) [Link] (mit Anschlussstelle) Xo. Der Sonderfall
xo = 0 wird auch McLaurinreihe genannt.
Bricht man die Taylorreihe nach n Gliedern ab, so erhlt man

Dies nennt man die Taylor'sche Fo.n nel mit Restglied Rn. Die Summe vor dem Restglied
wird Taylorpolynom n-ter Ordnung genannt. Rn ist der Abbruchfebler und selbstverstndlich
von n, x und $0 abhngig.
Ohne Beweis sei der folgende Satz angefhrt.
Satz 5.21 (Satz von Taylor) Sei

f auf dem Intervall I = [xo. x] (bzw. [x. xo]J n -mal stetig

differenzierbar und im Inneren I von I (n

+ l) -mal differenzierbar.

Dann existiert eine Zahl

~ E

I, so dass

f( x) = ~ jCk)(xO) (x _ X )k + j (n+l)(e) (x _ X )n+l.

L

k=O

k!

(n + I)!

Der Term Rn = f~::~W (x - xo )n+l heit Restglied von Lagrange. Falls j unendlich oft stetig
differenzierbar ist, so ist auch die Taylorreihe von f definiert. Die Taylorreihe stimmt genau
dann mit der Funktion j(x) berein, wenn limn _ oo Rn = O.
Mit Hilfe dieses Satzes lassen sich Funktionen, die unendlich oft stetig differenzierbar sind
und deren Ableitungen nicht zu schnell wachsen, beliebig genau durch Polynome approximieren.
Beispiel 5.22 Beispiele fr Taylorentwicklungen.
(a) Gegeben sei die Funktion I( x) = eX mit der Anschlussstelle x o = O. Es gilt j(n)(x) = eX
fr alle n . Daher erhalten wir wegen eO = 1 dje Exponentialreihe
x
1 2
1 3
e = 1 + x + 2! X + 3! x

+ ...

Analog lassen sich die Reihen fr sin x und cos x bestimmen. Abbrechen der Exponentialreihe nach dem n-ten Glied fhrt auf das Restglied Rn = (n~l ) ! x n +1 mit 0 < ~ < x . Der
Fehler ist aJso durch (n~l)! Ixl n +1 beschrnkt. Fr jedes feste x gilt somit lim n __ oo R,1 = 0
(vgl. Aufgabe 4.21), d.h. , die Exponentialreihe konvergiert fr alle x E R

196

5 Differential- und Integralrechnung in einer Variablen

(b) Gegeben sei die Funktion j(x) = 1n(1 + x) mit der Anschlussstelle Xo = O. Wir wissen
bereits, dass j(n) (x) = ( -1) n- \(~;:l~. Daraus folgt j(n)(o) = (_ 1)n- l(n - 1)!, und
Einsetzen in die Taylor'sche Formel ergibt

(_1)"'- 1 k
n
x n +1
In( l +x) = "E
k
x + (- 1) (n+l)(1+~)n+l
n

k= l

mit 0

< ~ < x . Das Restglied lsst sich fr 0 ::; x ::; 1 durch

I(

- 1

xn+l

(n+1)(1+~)n+l

I < __
1
- n+1

abschtzen. Man kann zeigen, dass das Restglied sogar fr alle x E C mit lxi< 1, also im
gesamten komplexen Konvergenzbereich der Reihe, gegen 0 konvergiert. Dazu sind aber
andere Darstellungen des Restglieds (z.B. das so genannte Cauehy'sche Restglied) ntig,
die wir in diesem Buch nicht behandeln. Die Konvergenz der Taylorreihe gegen j(x) lsst
sieh auch folgendermaen zeigen: Sei g(x) = L n>l( - l)n- l x n/ n . Nach dem Quotientenkriterium konvergiert diese Potenzreihe fr lxi<: 1, und Anwendung von Satz 5.17
ergibt (unter Bentzung der Formel fr die Summe der geometrischen Reihe aus Beispie14.37)

Aus Satz 5.16 folgt nun, dass f( x ) - g(x) = c. Die Konstante c kann man ganz leicht
berechnen: Da 1(0) - g(O) = C ge1ten muss, folgt c = O.
Zusammenfassend gilt also fr lxi < 1 und wegen des Abel'schen Grenzwertsatzes
(Satz 5.19) auch fr x = 1
ln(1

+ x)

:2.) _1)n- l _xn .

n~ l

Fr x = 1 erhlt man die bereits in Kapitel 4 (Beispiel 4.33) erwhnte Reihe

1

In2 =1 - -2 + -3 - -+
- . ..
4
(e) Approximation mit Hilfe der Taylor' schen Formel (siehe auch Abb. 5.6): j(x) = vT+X,
xo = O. Dann ist j(O) = 1 das Taylorpolynom O-ter Ordnung To. Bezeichne im Folgenden
Tn das Taylorpolynom n- terOrdnung. Ausf'(x) = 2J~+xfolgtf'(O) = ~und Tl = 1 +~ ,
Weiteres Differenzieren liefert f"( x ) = - 4(l+~)3(2 und 1"(0) = -~ . Daher ist T2 =
2
2
3
1 + 2"x - S
x M' [Link]( ) 3
. ,..,.,3 -_ 1 + 2"X - "8
x
' It
x - 8(l+x)5/2
un d f'''(O) = 83 bekommen WIr.L
+ 1:16 '
(d) Allgemein stellt die binomische Reihe (siehe Beispiel 4.5 8) die Funktion f( x ) = (1+x y.l,
0: E IR, dar. Differenzieren ergibt nmlich j (n) (x) = 0:(0: - 1) . .. (0: - n + 1)(1 + x)a- n.
Auch hier lsst sich zeigen, dass das Restglied Rn (;r;) = (n~l)(l +~)a-n- lxn+ J auf dem
gesamten Konvergenzbereich der binomischen Reihe gegen 0 konvergiert. Damit gilt fr
lxi< 1 die Darstellung

5.2 Die Taylor'sche Formel und der Mittelwertsatz

197

n.=3
/

2.5

,/

2
y

1.5

n =O
0 .5

Abbildung 5.6 Die Funktion f (x) = ..j'i'"+x und ihre Taylorpolynome T n bis zur Ordnung n = 3

(e) Nicht jede Funktion, die unendlich oft differenzierbar ist, besitzt eine Potenzreihendarstellung. Ohne Beweis sei mitgeteilt, dass die Funktion

e- 1/X2
f( x) = { 0

fr x

=1=

fr x

=0

unendlich oft stetig differenzierbar ist und alle Ableitungen an der Stelle 0 verschwinden.
Die Taylorreihe mit Entwicklungspunkt 0 lautet daher 0 + O x + O x 2 + .. . und stimmt
offensichtlich nur im Punkt x = 0 mit f (x) herein.

3. Monotonie und die erste Ableitung

Mit Hilfe des Mittelwertsatzes und des Taylor'schen Satzes lassen sich weitere Stze ber die
Gestalt des Graphen einer Funktion herleiten.

Satz 5.23 Fr eine auf einem Intervall I differenzierbare Funktion f : I ----+ ~ gUt: f (x ) ist
genau dann I1wnoton wachsend (fallend) auf I, wenn f' (x ) ~ 0 (1' (x) :::; 0) fr alle x E I.
Falls die Ableitung auf I die strikte Ungleichung elfllt, so ist f (x ) auf I streng monoton..
Beweis. Da beide Flle analog zu beweisen sind, ei o.B.d.A. f (x) monoton wachsend. Dann
gilt fr x < y definitionsgem f (x) :::; f (y). Sei nun Xo E I.
Aufgrund der Differenzierbarkeit von f gengt es, den rechtsseitigen Grenzwert x ----+ xo+
zu betrachten. Hier ist x > xo . Daher gilt

f '(.1:0 ) --

l'1m j (x) - j (xo) >

0,
_

x- xo +

X -

Xo

da sowohl Zhler als auch Nenner des Differenzenquotienten positiv sind.

Umkehrung: Gelte nun f' (x ) :2: 0 fr alle x E I . Wir whlen x y E 1 beliebig, so da
x < y. Dann folgt aus dem Mittelwertsatz die Existenz einer Zahl mit x < < y, die

o :::; 1' (~)

f (y) - f( x)
y- x

5 Differential- und Integralrechnung in einer Variablen

198

erfllt. Daraus folgt aber f( x)

:s

f(y) und im Falle der strikten Ungleichung sogar f (x) <

f(y).

Die Umkehrung des zweiten Teils von Satz 5.23 ist nicht richtig. Die Funktion f( x) = x 3
(siehe Abb. 4.2) ist streng monoton wachsend: Aus x < Y folgt x 3 < y3, fr alle x, y E :IR. Aber
die Ableitung f'(x) = 3x 2 ist nicht berall positiv, denn sie hat eine NullsteUe bei x = O.
Beispiel 5.24 Sei f( x ) = x 2 ex . Differentiation ergibt 1'(x) = x(2

= 0

falls - 2 < x < 0,

falls x = 0 oder x = - 2,

>0

sonst.

<0
j'(x)

+ x)e x . Daraus folgt

Daraus ergibt sich, dass f(x) auf den Intervallen (- 00, - 2) und (0,00) streng monoton wchst
und dazwischen (auf dem Intervall (-2,0)) streng monoton fllt (siehe Abb. 5.7).
6.

-7

-6

-5

-4

-3

-2

-I

Abbildung 5.7 Die Funktion f( x ) = x 2 ex

Wir haben mit dem Satz 5.12 bereits eine notwendige Bedingung fr relative Extrema kennenge]emt. Der folgende Satz liefert eine hinreichende Bedingung.
Satz 5.25 Sei f zweimal stetig differenzierbar und l' (xo) = O. Dann gilt: j (x) besitzt an der
Stelle Xo ein relatives Maximum,falls f"( xo) < 0, und ein relatives Minimum,falls f"( xo) > O.
Beweis. Sei f"( xo) < O. Ein relatives Maximum liegt vor, wenn fr x in einer hinreichend
kleinen c-Umgebung Uf.: (xo) von Xo gilt: f( x)
j(xo) . Wir approximieren f( x) in Ue(xo) mit
Hilfe des Satzes von Taylor. Da fl/( xo) < 0 und 1" stetig ist, folgt aus Satz 4.87, dass c so
klein gewhlt werden kann, dass 1"(~) < 0 fr alle ~ E U<:(xo) gltig ist. Fr x E Ue(xo) und ~
zwischen Xo und x folgt daraus

:s

j(x)

j" (~)

= f( xo) + j'(xo)(x - xo) + '-v-'

= 0
wie behauptet.

2'- (x .

XO)2
'--'

~ j(xo) ,

~O

Beispiel 5.26 (Fortsetzung von 5.24) Wir betrachten wieder f(x)

x 2 ex . Extrema dieser
Funktion mssen f'( x ) = 0 erfllen. Wie wir oben gesehen haben, gilt dies ausschlielich

5 .2 Die Taylor'sche Formel und der Mittelwertsatz

199

rur x = 0 und x = - 2. Diese bei den Punkte sind somit die einzigen Kandidaten fr relative
Extrema. Profen der zweiten Ableitung ergibt

f"( x) = (x 2 + 4x + 2)e

1"(0) = 2 > 0 und f"( - 2) = - 2e- 2 < O.

===}

Daraus folgt, dass an der Stelle 0 ein relatives Minimum und bei - 2 ein relatives Maximum
vorliegt.
6
Die Bedingung des vorigen Satzes ist zwar hinreichend, aber nicht notwendig. Beispielsweise besitzt die Funktion f( x ) = x 4 bei x = 0 ein Minimum, da f(x) > 0 fr alle x =I 0. Es
gilt aber 1"(x ) = 12x 2 und daher 1"(0) = O.
Auch die Funktion g(x) = x3 erfllt g'(O) = g"(O) = O. Fr alle x, y E IR mit x < y folgt
aber x 3 < y3, d.h., die Funktion g(x) ist streng monoton wachsend. Daher kann an der Stelle
x o = 0 kein lokales Extremum liegen.
Wie die bei den Funktion x 3 und x 4 zeigen, kann im Fall f'(x) = f"(O) = 0 also ein Extremum der Funktion vorliegen oder auch nicht. Was lsst sich nun ber das lokale Verhalten einer
Funktion aussagen, wenn nicht nur die erste sondern auch die zweite Ableitung verschwindet? Man kann die Beweisidee des Satzes 5.25 verwenden, um die Frage nach lokalen Extrema
weitgehend zu klren.
Satz 5.27 Gegeben sei eine n-mal stetig differenzierbare Funktion J, deren Ableitungen genau
bis zur Ordnung n - 1 an der Stelle Xo verschwinden. Es gelte also f'( xo) = f"( xo) = .. . =
f (n,- l)(XO ) = 0 und f (n)(xo ) =I O. Dann gilt:
(i) Falls n gerade ist, so besitzt f in Xo ein relatives Maximum, wenn f(n) (xo)
relatives Minimum anderenfalls.

< 0, und ein

(ii) Falls n ungerade ist, so existiert eine c-Umgebung U von xo, so dass j in U streng
monoton ist, und zwar streng monotonfallend im Fall j (n)(xo) < 0 und streng monoton

wachsend anderenfalls.
Beweis. Es gengt, den Fall f (n)(xo) > 0 zu betrachten. Den anderen Fall behandelt man
analog.
Sei zunchst n gerade. Dann gilt fr geeignetes c > 0 und x E U(xo) nach dem Satz von
Taylor

j(x)

j(xo ) +

n- l

j (k)( o)
kt

(x - xo)k +

nl
~

k= l
'

j (n)(e)

=0

> 0

Sx -vxo)~ ~ f( xo )

(5 .6)

>
_ 0

und daher liegt in Xo ein lokales Minimum von f.

Nun zum Fall n ungerade. Wir betrachten die Taylorentwicklung wie in (5.6). Auch in diesem Fall reduziert sich das Taylorpolynom auf f (xo) . Im Restglied findet jedoch ein Vorzeichenwechsel statt. Fr x < Xo ist es wegen (x - xo )n < 0 und j (n) (e) > 0 negativ, whrend
es im Fall x > Xo positiv ist. Deshalb ist die Funktion f lokal, also in einer Umgebung von
Uc(xo), streng monoton wachsend.
0

200

5 Differential- und Integralrechnung in einer Variablen

4. Die zweite Ableitung

Ebenso wie die erste Ableitung geometrisch als Steigung interpretiert werden kann, besitzt auch
die zweite Ableitung eine geometrische Deutung. Sie ist ein Ma fr die Krmmung des Funktionsgraphen.

Definition 5.28 Eine Funktion f heit auf einem Intervall I konvex , wenn fr alle x, y E I
und alle A mit 0 < ..\ < 1 gilt: fex + ).,(y - x)) ::; fex) + ..\(J(y) - fe x)) . Gilt sogar
f(x + A(Y - x)) < fex) + ,x(f(y) - fex)), so heit f strikt konvex. Falls f(x+ ,x(y - x)) 2:

f(x) + A(f(y) - fex)) (bzw. rue strikte Ungleichung) fr 0 < ,x < 1 gilt, so nennt man f
konkav (bzw. strikt konkav).
Bemerkung: Man rufe sich die Form von konvexen optischen Linsen in Erinnerung. Eine Funktion ist konvex, wenn ihr Graph bei Betrachtung von unten konvex aussieht.
Anschaulich bedeutet Konvexitt, dass die Verbindungs trecke zweier Punkte auf dem Funktionsgraphen ber dem Graphen liegt (siehe Abb. 5.8).

Abbildung 5.8 Konvexe (links) und konkave Funktion (rechts)

Satz 5.29 Sei

f auf dem Intervall I stetig und im Inneren I differenzierbar. Dann ist f genau
o

dann konvex (bzw. konkav) auf I , wenn f' auf I monoton wachsend (bzw. fallend) ist. Strikte
Konvexitt (bzw. Konkavitt) gilt genau dann, wenn f' streng monoton wachsend (bzw. fallend)
ist.
genau dann konkav ist, wenn - f konvex ist, gengt es, den Satz hinsichtlich der
Konvext von f zu zeigen. Nehmen wir zunchst an, dass f' monoton wachsend sei. Seien
x , y E I mit x < y, 0 < A < 1 und z = x + ).,(y - x) = (1 - ).).1: + ).y . Wir mssen zeigen,
dass j(z) ::; f(x) + ,x(f(y) - f( x )). Diese Ungleichung lsst sich umschreiben zu

Beweis. Da

fe z)

(1 - ,x)f(z) + ,xf(z ) ::; (1 - ,x)f(x ) + ,xf(y)

(1 - ,x) (t( z ) - f( x)) S; A(f(y) - f( z) ).

(5 .7)

Nach dem Mittelwertsatz existieren ~ und 1] mit f( z) - f( x) = (z - x )f'(~) und f(y) - f( z ) =

(y - z )f'(ry), wobei x < ~ < z < 1] < y. Damit ist (5.7) quivalent zu (1 - ,x)(z - x )f'(~) ::;
).,(y - z)f'(1]). Es gilt nun

(1 - ).,)(z - x) = (1 - ,x)).,(y - x) = ).,(y - z)

und berdies wegen ~ < 77 und der Monotonie von f' auch f'(~) S; f'(1]). Damit ist die Konvexitt von j nachgewiesen. Im Fall f' (~) < f' (ry) folgt unmittelbar die strikte Konvexitt.

5.2 Die Taylor'sche Formel und der Mittelwertsatz

Sei umgekehrt

201

f konvex. und x , y, z , >. wie oben. Einerseits gilt

f' (x ) = lim f (z ) - f (x) = lim f (x
z-+ x

Z -

A-+ O

+ >.(y -

x )) - f( x )
>.(y - x )
,

andererseits aufgrund der Konvexitt von f

f( x + A(Y - x) ) - f( x )
f(y) - f( x )
<
.
A(Y - x )
y- x
Dies impliziert f' (x) ::; f(Y;::::~(x) . Indem man nun den Fall A

--+

1 betrachtet, gewinnt man

in analoger Weise die Abschtzung f'(y) ~ J(Y~=~(x) und damit f'( x ) ::; f'(y). Dass strikte
Konvexitt die strenge Monotonie von l' zur Folge hat, ist nun offensichtlich.
0
Eine unmittelbare Folgerung dieses Satzes (unter Bentzung von Satz 5.23) ist die Beschreibung von Konvexitt mit Hilfe der zweiten Ableitung.
o

Satz 5.30 Sei f auf einem Intervall I stetig und in dessen Innerem I zweimal differenzierbar.
Dann ist f genau dann konvex (bzw. konkav) auf I, wenn 1" (x) ~ 0 (bzw. 1" (x) ::; 0) fr alle
o

x E I. Strikte Konvexitt bzw. Konkavittfolgt aus den entsprechenden strikten Ungleichungen

f" (x) > 0 bzw. 1"(x ) < O.
Dass die Umkehrung des zweiten Teils von Satz 5.30 njcht richtig ist, d.h., dass strikte
Konvexitt auf einem Intervall I nicht 1" (x) > 0 fr alle x E I impliziert, sieht man anhand
des einfachen Beispiels J( x ) = x 4. Die Ableitung f'( x ) = 4x 3 ist auf ganz IR streng monoton
und J daher dort nach Satz 5.29 strikt konvex. Es ist aber 1"(0) = O.
Definition 5.31 Sei f differenzierbar. Eine Stelle x heit Wendepunkt, wenn
relatives Extremum besitzt.

Satz 5.32 Sei J : D

--+

f'

in x ein

IR dreimal differenzierbar und x E D. Falls f" (x ) = 0 und JIfI(X) =/:- 0,

so besitzt J einen Wendepunkt an der Stelle x.

Beweis. Folgt aus Satz 5.25.

Die Betrachtungen ber Extrema im vorigen Abschnitt (Satz 5.27) erlauben natrlich auch
hier eine Charakterisierung der Wendepunkte: Ein Punkt x i t genau dann Wendepunkt von J,
wenn j"'(x) = 0 und die erste nicht verschwindende Ableitung hherer Ordnung an der Stelle
x von ungerader Ordnung ist.
Anschaulich sind Wendepunkte Stellen Xo, wo es einen bergang von Konvexitt zu Konkavitt oder umgekehlt gibt (siehe Abb. 5.9). In diesem Fall wechselt daher der Funktionsgraph
von der einen Seite der Tangente in xo auf die andere.
Beispiel 5.33 (Fortsetzung von 5.26) Wir betrachten wieder das Beispiel J (x ) = x 2 ex . Dreimaliges Differenzieren ergibt f'( x ) = x(x + 2)eX , f"( x ) = (x 2 + 4x + 2)eX und f'"( X) =
(x 2 + 6x + 6) ex Mgliche Wendepunkte liegen an den Nullstellen der zweiten Ableitung, was
gleich bedeutend mit den Nullstellen des Polynoms x 2 +4x +2 ist. Wir erhalten die beiden Nullstellen Xl = - 2 - v'2 und X2 = - 2 + v'2. Einsetzen in die dritte Ableitung zeigt f'"( Xi ) =/:- 0
fr i = 1, 2.
L

5 Differential- und Integralrechnung in einer Variablen

202

Abbildung 5.9 Wendepunkt und Wendetangente

5. Der verallgemeinerte Mittelwertsatz und die Regel von de l'Hospital

Die Regel von de l'Hospital4 dient der Berechnung von Grenzwerten der Fonn lim:z:-+:z:o ~~:~ mit
limx-+:z:o f(x) = lim:z:-t:z:o g(x) = 0 oder liIIlx -+ xQ fex) = liIIlx-txQ g(x) = 00 . Solche Grenzwerte liefern also bei direkter Anwendung der Rechenregeln fr Grenzwerte (Satz 4.14 und
Beispiel 4.83. vgl. auch Satz 4.92) eine unbestimmte Form, nmlich ~ bzw. 00 ' Auch das Auftreten anderer unbestimmter Formen, wie O 00, 00 - 00, 100 oder 00 kann auf diese Flle zurck
gefhrt werden. Die Grundlage ftir die Regel von de I'Hospitalliefert die folgende Verallgemeinerung des Mittelwertsatzes.

Satz 5.34 Gegeben seien zwei auf dem Intervall [a, b] stetige Funktionen fund g, die auf (a, b)
differenzierbar sind. Weiters gelte g' (x) =1= 0 fr alle x E (a , b). Dann existiert eine Zwischenstelle ~ E (a , b), so dass
J'(~)
f(b) - f(a)
g'(~)
g(b) - g(a) .
Bemerkung: Man beachte, dass nach dem Mittelwertsatz (getrennt angewendet auf f }lnd g)
folgt, dass 6 und 6 existieren mit J'(~1) = !(bi=:(a) , g'(6) = g(tt~(a) und fOlglich~/~i~? =

~m=;~:? Satz 5.34 besagt, dass man in der letzten Gleichung ein gemeinsames ~ =
whlen kann.

Beweis. Nach dem Mittelwertsatz gibt es ~ E (a, b) mit g'(~) = g(bb=~(a). Deshalb folgt aus
g'(x) =1= 0 auf ganz (a, b), dass g(b) - g(a) =1= 0 gelten muss. Daraus folgt weiters, dass die
Funktion
F(x) = f(x) - f(a) - f(b) - f(a) (g(x) - g(a))
g(b) - g(a)

auf (a , b) differenzierbar ist. Wegen F(a) = F(b) = 0 gibt es ein ~ E (a, b) mit F'(~) = O. Aus

F'(~)
folgt schlielich die Behauptung.
4Marquis de l'Hospital (166 1-1704)

f'(~)

- f(b) - f(a) g'(O

g(b) - g(a)

5.2 Die Taytor'sehe Fonne! und der Mittelwertsatz

203

Wie wir bereits bei Folgen gesehen haben, lsst sich dem Ausdruck apriori kein vernnftiger Wert zuordnen. Dies verhlt sich im Falle von Funktionen natrlich genauso. Zur Illustration
betrachten wir die folgenden Grenzwerte, die alle auf die unbestimmte Form fhren:
lim sin x
x-tO

. Vi

'

hm- =oo,

x --+O

x2

lim -

x -+O X

0,

lim sin 3x
x-+O

= 3.

Satz 5.35 (Regel von de I'Hospital) Seien die Funktionen fund 9 stetig auf (a , b] und differenzierbar im Inneren (a , b). Weiters sei Xo E [a , b] und gelte f( xo) = g(xo) = O. Ferner sei
vorausgesetzt, dass der Grenzwert lim x -+ x o ~;i:~ existiert (bzw. der einseitige Grenzwert, falls
Xo = a oder Xo = b). Dann gilt
lim f( x ) = lim f'( x ) .
x-+xo

g(x)

(5 .8)

g'(x )

X-+Xo

Beweis. Die Aussage folgt fast unmittelbar aus dem verallgemeinerten Mittelwertsatz. Es gilt

f( x )
g(x )

f( x ) - f( xo)
g(x ) - g(xo)

f'(~)
g'(~)

mit Xo < ~ < x (bzw. x < ~ < xo ). Setzen wir ~ = ~(x) , dann folgt aus x
Daher gilt
lim f (x ) = lim f' (~ ( x)) _ lim f' (x)
X-> x o g(x)
x->Xo g'(~(x )) - x--+xo g'(x ) )

--t

Xo auch ~

--t

Xo.

und das entspricht genau der Behauptung.

Bemerkung: Ohne Beweis sei mitgeteilt, dass die Regel von de l'Hospital auch in noch
allgemeineren Situationen gltig ist. Weiters gelten analoge Aussagen zu Satz 5.35 fr
limx->xo f( x ) = limx->xo g( x) = 00 und fr xo = oo.
Beispiel 5.36 (Anwendung der Regel von de I'Hospital)
(a) limx-+o Si:x : Hier erhalten wir zunchst die unbestimmte Form . Daher ist (5.8) anwendbar. Differentiation von Zhler und Nenner fhrt auf limx_ o Si~ x = limx_o CO~ x = 1.
(b) limx-+o l -~~sx: Hier kann die Regel von de l' Hospital zweimal hintereinander angewendet
werden. Wir erhalten limx-+o 1 -~~5 X = limx--+o s~nxx = limx_ o 002 x = ~ .
(c) limx -+ oo ~;: Hier erhalten wir die unbestimmte Form : . Eine hinreichend hufige Anwendung von (5.8) liefert
xn

nx n -

Ern - = lim - -X
x->oo eX
x-+oo
e

n 1x O
lim ~ =

= .. . = x ...... oo

eX

O.

Die Exponentialfunktion wchst also (fr x --t (0) strker als jede Potenz von x .
(d) limx- Hxl ~Qx mit a > 0: Anwendung von (5.8) ergibt
In x

lim x-oo xC\:

= lim

x-+oo

.1
x
ax a - 1

Dies zeigt, dass der Logarithmus fr x ~

von x.

00

.
1
-0'
hm - . x

x ...... OO Cl::

= O.

schwcher wchst als jede positive Potenz

204

5 Differential- und Integralrechnung in einer Variablen

(e) limx->o x Ct In x

Iimx..... o ~I:! mit a

. -In x = lIm
.
hm
x -> O

x - C\'

x ..... o

> 0: Nach (5.8) gilt

~x

- ax- a -

.
= 11m

(1 )
- - . xC\'

= O.

x ---> O

Auch fr x -7 0 ist der Logarithmus schwcher als jede positive Potenz von x.
(f) limx -> l(ln xY- 1 : Dieser Grenzwert fhrt auf die unbestimmte Form 0. Denn es gilt
(In x )X- l = exp((x - 1) Inln x ) , und der Exponent kann nun mit der Regel von de
I'Hospital pehandelt werden:
lim(x - 1) ln In x

X"'" 1

In In x
lim

- 1-

x"'" 1

_ 1_ .

= lim

x- I

1.

In x 1 x

x ---> l -

( x - l )2

wobei im letzten Schritt die Kettenregel zur Anwendung kam. Nun lst man den Doppelbruch auf und erhlt nach abermaliger Anwendung der Regel von de l'Hospital das
Ergebnis

11m

- (x - 1)2
X

x "'" 1

In x

-2(x - 1)

= 11m

= In x + x . 1.x
0

x--+ 1

+1

O.

Aufgrund der Stetigkeit von e X gilt nun

Um exp ( (x - 1) In In x)

x ..... 1

= exp (lim (x x"'" 1

1) In ln :r ) = eO= 1.

(g) Eine falsche Anwendung der Regel von de l'Hospital: Wir "berechnen"
lim
x -+ 1

x3

x2

+X

+ 3x -

lim

3x 2

x-> l

2x

+1

2x + 3

lim
x ->l

6x - 2
2

= 2.

Der Fehler dieser Rechnung liegt darin, dass die Regel von de l'Hospital nur anwendbar
ist, wenn wir beim Grenzbergang in Zhler und Nenner eine unbestimmte Form erhalten.
Dies ist beim zweiten Grenzwert nicht der Fall. Denn hier knnen wir x = 1 einsetzen, da
ja e'n Quotient stetiger Funktionen vorliegt und die Nennerfunktion keine Nullstelle hat.
Die zweite Anwendung der Regel von de l'Hospital ist also hier falsch. Es gilt vielmehr

11m
x ---> 1

5.3

x3 - x 2 + x - I
. 3x 2 - 2x + 1
=
hm
- - - - x 2 + 3x - 4
x ---> l
2x + 3

Das unbestimmte Integral

Beispiel 5.37 (Gleichmig beschleunigte Bewegung) Unter gleichmig beschleunigter Bewegung versteht man eine Bewegung mit konstanter, also zeitunabhngiger Beschleunigung,
wie etwa den freien Fall im Vakuum . Sei a die Beschleunigung und v = v(t) die Geschwindigkeit zum Zeitpunkt t, dann gilt v(t ) = at. Frage: Wie gro ist der zurckgelegte Weg s = s(t )
zum Zeitpunkt t . Die Momentangeschwindigkeit lsst sich bekanntlich durch Differentiation
des Weges ermitteln: v(t) = at = ~: . Wir suchen also eine Funktion s(t ), deren Ableitung at
ist, z.B. s(t)
%t2 . Aber auch die Funktion ~ t2 + 100 hat die Ableitung at,
6.

5.3 Das unbestimmte Integral

205

1. Integration als Umkehrung der Differentiation

Die Umkehrung der Differentiation nennt man Integration. Das Problem, vor das wir gestellt
sind, ist also, aus der Kenntni der Ableitung f' die ursprngliche Funktion f wieder zu gewinnen. Wie das vorige Beispiel zeigt, ist dieses Umkehrproblem nicht eindeutig lsbar.
Definition 5.38 Sei I ein Intervall und f : I ~ lR. Jede Funktion F : I -+ lR mit F'(x) =
E I heit Stammfunktion oder unbestimmtes Integral von f und wird mit
dem Symbol

f (x) fr alle x

fex) dx

bezeichnet. Die Funktion

Integrationsvariable.

nennt man in diesem Zusammenhang den Integrand und x die

eine sehr

Satz 5.39 Ist F(x) eine Stammfunktion von f, dann sind alle Stammfunktionen von
Gestalt F (x) + c mit einer Konstanten c, d.h. , es gilt

f von der

Aus Satz 5.16 folgt direkt, dass die Menge der Stammfunktionen einer Funktion
einfache Struktur hat.

G(x) = F(x ) + c ~ G'(x ) = fe x ).

Man schreibt daher auch fe x ) dx = F( x ) + c. Da das unbestimmte Integral die Umkehrung der Differentiation ist, erhlt man aus jeder Differentiationsregel sofort eine Integrationsregel. Insbesondere liefern die Ableitungen der elementaren Funktionen Beispiele fr Grundintegrale.
Beispiel 5.40 (Grundintegrale) Sei im Folgenden c E IR beliebig.
(a) Potenzfunktionen:
fr Cl! E lR\ {- l} .
Hier muss der Definitiollsbereich entsprechend eingeschrnkt werden, fall s Cl! tJ. No Fr
negative ganze Zahlen a muss x = 0 ausgschlossen werden, fr nicht ganzzahlige Cl!
zustzlich noch x < o.
(b) Die Funktion X - I : Wir wissen, dass (ln x)' = ~ . Der Logarithmus ist jedoch fr :r; ::; 0
nicht definiert. Sei x < O. Dann gilt ln( - x )' = !x . (-1) = ~ . Zusammenfassend ergibt
sich demnach
fur x> 0)
dX {ln X+ Cl

Jx

In( - x ) + C2

ftir x

Man schreibt dafr meist (etwas unkOlTekt)

dX

--; = In Ix I + c.

Ce) Die Exponentialfunktion:

Je

dx = e X + c.

< '0.

206

5 Differential- und Integralrechnung in einer Variablen

(d) Winkel- und Arcusfunktionen :

sin x dx

=-

Jco~~ J( +
1

x =

dX
- 2 = arctan x

+x

cos x

+ C,

tan x) dx = tan x

+ C,

= sin x + C,

cas x dx

dx

VI - x 2

+c

fr -

. x
arcsm

+c

~ < x < ~,
fr
' - 1<x

< 1.

2. Technik des Integrierens

Die Ableitungsregeln aus Satz 5.5 liefern entsprechende Integrationsregeln.

Satz 5.41 (Integrationsregeln)

J f( x) dx + J g( x) dx

(i) Das Integral ist linear, d.h., es gilt J(J( x ) + g(x)) dx

K f(x) dx = K f(x) dxfr Konstanten K .
(ii) Partielle Integration:

f( x)g' (x ) dx

j(x)g(x) -

und

J'(x)g(x) dx.

(iii) Substitutiosnregel: Bezeichne Feine Stammfunktion von

f.

Dann gilt

f(g( x) )g'(x) dx = F(g( x )).

(5.9)

Beweis. (i) folgt direkt aus der Linearitt der Differentiation.

Die Regel (ii) lsst sich mit Hilfe von (i) umschreiben in

f( x)g(x) = jU'(x)g(x)

+ f( x)g'(x)) dx.

Durch Differenzieren dieser Gleichung sieht man sofort die quivalenz zur Produktregel der
Differentiation.
Die Substitutionsregel (5 .9) erhlt man unmittelbar aus der Kettenregel.
0
Die Gleichung (5 .9) ist die Basis fr eine uerst ntzliche Integrationsmethode . Falls 9 eine
Umkehrfunktion 9- 1 besitzt, dann kann man g(x) in der rechten Seite von (5.9) durch u = g(x)
substituieren. Schreibt man weiters F(u) = J f(u) du, dann lautet die Substitutionsregel

j(g( x))g'(x) dx =

f( u) d'U .

Die Leibniz'sche Schreibweise ist bei dieser Form der Substitutionsregel be onders zweckmig. Es gilt

'U = g(x)
und daher

=}

~~ =

g'(x)

==?

J&!:)l~ J
=

f( u)

du

du = g'(x) dx

f(u ) du .

207

5.3 Das unbestimmte Integral

Beispiel 5.42
Ca) x cos x : Lsen mittels partieller Integration fhrt zum Ziel.

J~~
f

dx = x sinx -

1 sin x dx = x sinx + cos x

+ c.

9'

(b) In x: Auch hier lsst sich die Methode der partiellen Integration erfolgreich anwenden.

In x dx

f ~. ~

dx = x in x -

g'

x . ~ dx

= x In x - x + c.

(c) x 2 e x : Iterierte Anwendung der partiellen Integration fhrt zur Lsung:

J-----f ----X2

eX dx

x 2 eX

2j

eX dx

1 g'
----------

9'

2 x

= x e - 2 ( xe -

e dX) = (x

2x

+ 2)e + c.
X

(d) Allgemeine Exponentialfunktionen der Form. a X : Die Substitution u = x In a, du

In a dx leistet das Gewnschte, nmlich

ax dx = j eX 1nadx =

(e) tan x : Es gilt Jtan x dx

- sin x dx . Dies fhrt zu

_1_ j e'U du

lna

= a + c.
lna

~~:~ dx. Wir substituieren u = cosx und daher du

j - - - = j --du =
sin x dx
cos x

-lnlul

+ c=

-Inl cos x l +c

(f) x2~4 : Die Funktion erinnert an das Grundintegral

J X~l

= arctan x

Umformung

dx
x2 + 4 =

nahe gelegt. Nun substituieren wir y =

11

2dy
y2 + 1

11

+ c. Daher wird die

dx

4 x4 + 1
~, dy = ~, d.h. dx = 2dy. Dann bekommen wir

= 2 aret a n y + c = "2 arctan '2 + c.

f xtl =

(g) x2+4~+ 1O : Auch das Integral ber diese Funktion lsst sich auf das Grundintegral
aret an x zurckfhren. Der Nenner kann in der Form x 2 + 4x + 10 = (x + 2)2
geschrieben werden . Wir erhalten dann

j .(x +dx +
2)2

j
6
1

6 =

dx
(X+2)2
6

+6

x+2

+ 1 = v'6 aretan V6 + CI

wobei der letzte Schritt analog zum vorigen Beispiel durchgefhrt wurde (mit der Substitution y = ~2 ).

208

5 Differential- und Integralrechnung in einer Variablen

(h)

axl+ b- :

Man substituiert u = ax + b, dx =

du

und erhlt

_d u = ~ In lul + c = ~ In lax
_ dx_ = !
a
a
/ ax + b a u

+ bl + c.

Die Integration rationaler Funktionen ~~~~ (mit Polynomen F( x) und Q(x lsst sich mit
Hilfe einer Partialbruchzerlegung bewerkstelligen. Der Bruch ~~~~ lsst sich immer in der
Form A(x) + ~~:~ (mit Polynomen A(x) und R(x) anschreiben, so dass R(x) ein Polynom
kleineren Grades als Q(x) ist. Ferner lsst sich Q(x) (ber 'IR) in ein Produkt von linearen
und quadratischen Faktoren zerlegen. Denn nach dem Fundamentalsatz der Algebra (Satz 1.12)
zerlllt jedes Polynom ber C in Linearfaktoren. Weiters folgt aus der Tatsache, dass das Konjugium - : C - t C mit x f-+ x (siehe Abschnitt 1.2) ein Krperisomorphismus ist. dass ein reelles
Polynom mit einer komplexen Nullstelle x auch deren konjugierte Zahl x als Nullstelle besitzen
muss. Ausgestattet mit diesen Informationen fhrt nun ein unbestimmter Ansatz und anschlieendes Lsen eines Gleichungssystems zum Ziel: Falls Q(x) = rr~:l(x Ai)k;
Qj(X)lj,
wobei Ai E IR und Qj(x) quadratische Polynome sind (k i und I!j bezeichnen die jeweiligen
Vielfachheiten), dann lautet der Ansatz

n;=l

(5.10)

mit den unbestimmten Koeffizienten A ,J.L' Bj,l' und Cj ,v . Multiplikation mit dem gemeinsamen
Nenner Q(x) und Koeffizientenvergleich fhrt auf ein lineares Gleichungssystem in den Variablen Ai,JL' Bj,v und Cj,v, das stets lsbar ist. Danach hat man es nur mehr mit Integralen zu tun,
die sich nach mehr oder weniger einfachen Substitutionen auf Grundintegrale zurck fhren
lassen.

Beispiel 5.43
(a) Gesucht ist J f (x) dx mit

f(x)

x2

+1

= -:--- x3 - x2 - X + 1

(x - 1)2(x

+ 1) '

Der Ansatz gem (5 .10) lautet (mit vereinfachter Bezeichnung der Koeffizienten)

ABC

f( x) = x - 1 + (x - 1)2

+X+l'

Daraus folgt

+ 1 = A(x - 1)(x + 1) + B(x + 1) + C(x - 1)2 ,

+ O x + 1 . XO = (A + C)x 2 + (B - 2C) x + (-A + B + C)xo .
x2

1x

Ein Koeffizientenvergleich liefert die Gleichungen A + C = 1, B - 2C = 0 und - A

B + C ::::; 1. Lst man dieses System, so ergibt sich A = ~, B = 1 und C = ~, also

11
+ (x - 1)2
- 2(x - 1)

f(x) -

+ -2(x +
- 1)

...
209

5.4 Das bestimmte Integral

und in weiterer Folge

fex ) dx =

(h) Wir wollen

f (x ) =

"2 1n Ix - 11- x _ 1 + "2 1n Ix + 11 + c.

3x 2 + 2x
x3 + 3x2 + 4x

+2 =

3x 2 + 2x
(x 2 + 2x + 2) (x + 1)

integrieren. Mit Hilfe des Ansatzes

fe x) - -

+1

Bx+C

+ ---::---2
x

+ 2x + 2

gem (5.10) und der Vorgangsweise analog zum vorigen Beispiel erhalten wir
1

2x - 2

f (x ) -- x + 1 +x 2-+-2x-+-2
und

+ 11 +

= In x

In Ix

11

2x - 2
x 2 + 2x + 2 dx

J
I + I+ J
+ +

fe x ) dx = In Ix

2(x + 1)
dx
dx - 4
(x + 1)2 + 1
(x + 1)2 + 1
2
In Ix + 2x + 21- 4arctan(x + 1) + C,

wobei im letzten Schritt die Substitutionen u = (x + I?

u = x + 1 im zweiten Summanden verwendet wurden.

+ 1 im ersten Summanden und

Alle in den voran gegangenen Beispielen betrachteten Funktionen sind elementar integrierbar, d.h., ihre Starnmfunktion ist eine elementare Funktion. Es gibt jedoch auch nicht elementar
x2
integrierbare Funktionen, wie etwa e- oder Si~ x .

5.4 Das bestimmte Integral

1. Die Flche unter einer Kurve
Gegeben sei eine beschrnkte Funktion f auf einem Intervall [a , bJ. Unser Ziel ist es, die Flche,
die vom Funktionsgraphen und der x -Achse begrenzt wird, zu bestimmen. Dazu zerlegen wir
das Intervall [a , bJ in n Teilintervalle [xo, Xl], . . . , [Xn - b X n ] mit

a=
Dann werten wir die Funktion
und bilden die Summe

Xo

< Xl < .. . < X n - l < xn = b.

in jedem Intervall an einer Zwischenstelle ~i E [Xi- I,

(5 .11)

Xi ] aus

Sn =

2: f(~i )(Xi i= l

Xi- I),

(5.12)

210

5 Differential- und Integralrechnung in einer Variablen

Abbildung 5.10 Flche unter der Kurve mjttels Riemannsumme

was der in Abb 5.10 dargestellten Flche entspricht. Aufgrund der Abbildung wird man erwarten, dass Sn gegen die gesuchte Flche konvergiert, sofern die Funktion f nicht allzu "bsartig"
ist. Wir przisieren nun diese berlegungen.

Definition 5.44 Sei I = [a, b] ein Intervall. Jede Wahl von Unterteilungspunkten gem
(5 .11) definiert eine Zerlegung des Intervalls in die Teilintervalle [Xo, Xl], ' .. , [Xn- l Xn ]. Die
Lnge des lngsten Teilintervalls einer Zerleguilg Z heit Feinheit !feZ) der Zerlegung Z.
Die einer Zerlegung und einer Auswahl von Zwischenstellen entsprechende Summe (5. 12)
heit Riemann'sche Zwischensumme.

--~~~~==~------------------------------------~

Definition 5.45 Sei I = [a, b] ein Intervall und f : I -+ IR. Falls jede Folge (Sn)nEN von
Zwischensummen, deren zugehrige Zerlegungsfolge limn-ooo !f(Zn) = 0 erfllt, gegen denselben Grenzwert konvergiert, so nennt man diesen Grenzwert das bestimmte Integral von
f auf dem Intervall [a , b] und schreibt
fe x) dx. Funktionen, die ein bestimmtes Integral
besitzen, heien integrierbar. Dabei heien a und b Integrationsgrenzen und x Integrationsvariable. Falls die obere Integrationsgrenze nicht grer als die untere ist, so definiert
man:

f:

1
a

----------~

f( x ) d,x = ~

la
b

f( x) dx, falls a > b, und

a
1
4

f (x) dx

= o.

-----------

Bemerkung: Das bestimlllte Integral von f entspricht also genau der Flche, die der Graph mit
der x-Achse einschliet, wobei Gebiete, die unterhalb der x -Achse liegen, negativ gewichtet
werden .
Beispiel 5.46 Eine nicht integrierbare Funktion ist die so genannte Dirichlet' ehe Sprungfunktion f : [0, 1] ~ IR, definiert durch

f( x) =

falls x E Q,
falls x ~ Q.

Da jedes Teilintervall [Xi, Xi+l ] einer Zerlegung von [0 , 1] sowohl rationale als auch irrationale
Zahlen enthlt, lassen sich smtliche Zwischenstellen ~i rational bzw. irrational whlen. Im
ersteren Fall ergibt die Zwischensurnme (5. 12) den Wert Sn - 1, whrend im letzteren Fall
Sn = 0 gilt. Somit ist f nicht integrierbar.
6.

5.4 Das bestirrunte Integral

211

Whlt man die Zwischenstellen 6 ) .. . , ~n der Riemann 'schen Zwischensumme einer Funktion f derart, dass ! dort jeweils das Maximum bzw. Minimum im entsprechenden Teilintervall annimmt, d.h., dass !(ei) = maxxE[Xi_l,Xi] f(x) bzw. f(~i ) = minxE[xi _l ,x,] f( x ) fr
i = 1, ... ,n gilt, dann heien die entsprechenden Zwischen summen Obersumme bzw. Untersumme. Man kann die Integrierbarkeit von f mit Hilfe der Ober- und Untersummen charakterisieren, wie das folgende Kriterium zeigt, welches wir ohne Beweis angeben.
Satz 5.47 (Riemann'sches Integrabilittskriterium) Eine auf dem Intervall [a , b] beschrnkte Funktion fist genau dann integrierbar, wenn es zu jedem c > 0 eine Zerlegung Z von
[al b] gib~ so dass die zugehrige Obersumme Oz(f) und Untersumme Uz(f) die Ungleichung

Oz (J) - Uz(f) < e erfllen.

Bemerkung: Die Beweisidee ist relativ einfach: Da es sich bei der Ober- und Untersumme im
wesentlichen 5 nur um spezielle Zwischensummen handelt, konvergieren diese - sofern f integrierbar ist - ebenfalls gegen das Integral
f{ x) dx , wenn die Feinheit der Zerlegung gegen 0
geht.
Umkehrung: Da f beschrnkt ist, sind auch die Menge aller Obersummen und die Menge
aller Untersummen beschrnkt. Aus der fr jede Zerlegung Z geltenden Ungleichung

J:

Uz(j) ~ I . =

sup

z Zerlegung von {a ,b]

Uz(j) :s; 1* = _

inf

Oz(f) ~ Oz (j)

Z Zerlegung von [a, bJ

folgt unter der Voraussetzung des obigen Satzes I . = 1* . Man kann darber hinaus zeigen, da s
lim

9'(Zn) -tO

UZ" (f)

= 1* und

lim

3'(Zn) -tO

0 Zn (f) = 1*

gilt. Da alle Zwischensummen zur Zerlegung Z im Intervall [Uz (f) ,Oz (f)] liegen, folgt
schlielich 1,/< =

J: f (x) dx

= ] *.

Die nchsten beiden Stze stellen zwei groe Klassen von integrierbaren Funktionen vor.

Satz 5.48 Jede auf [0" b] definierte monotone Funktion ist inlegrierbar.
Beweis. Es gengt, den Fall einer monoton wachsenden Funktion f zu betrachten. Eine solche
Funktion fit durch f(o,) nach unten und durch f(b) nach oben beschrnkt. Die Behauptung
folgt nun direkt au Satz 5.47: Wir geben uns eine Zerlegung 0, = X o < Xl < .. . < X n = b vor.
Dann gilt offensichtlich minXi _ l~X~"'i f( x ) = f(Xi - d und max:Ci _ l ~X~Xi f( x) = f( Xi). Daraus
folgt
n

Oz (f) - Uz(f)

I)!( Xi ) - !( Xi- l ))(Xi -

Xi - l)

i= l

~ 3='(Z) I:U (Xi) - f( Xi-l)) = 3='(Z)(f(b) - f(o,)),

i= l

und dieser Wert kann beliebig klein gemacht werden, indem man eine Zerlegung mit hinrei0
chend kleiner Feinheit whlt.
5Das Supremum und das Infimum von
werden.

in einem Teilintervall der Zerlegung muss von

nicht angenommen

5 Differential- und Integralrechnung in einer Variablen

212

Definition 5.49 Eine Funktion heit stckweise stetig im Intervall la, b]. wenn sie dort beschrnkt sowie mit Ausnahme von hchstens endlich vielen Stellen stetig ist und an jeder
Unstetigkeitsstelle beide einseitigen Grenzwerte existieren.
Satz 5.50 Jede auf [a, b] stckweise stetige Funktion ist integrierbar.
Ohne Beweis.

Satz 5.51 Fr jede integrierbare Funktion f : [a , b]

---+

lR ist auch Ifl integrierbar.

Beweis. Wir betrachten ein Teilintervall h = [Xk- l, Xk ] einer Zerlegung von [a, b]. Sei mk =
rninxEh f( x) und Mk = rnaxxEh f(x) sowie mk = rninxEh If(x)1 und lI/fk = maxxEh II(x) l
Fr alle x, y E h gilt dann

IIf(x)1 -lf(y)1I < If(x) - f(y)1

M k - mk

und daher insbesondere Mk - mk :::; M k - mk. Da I integrierbar ist, gibt es zu jedem ~ > 0
eine Zerlegung Z mit Oz(J) - Uz(f) < ~. So eine Zerlegung erfllt aber auch
n

Oz( lfl) - Uz(lf l) :::;

2:)Mk -

mk)(xi -

Xi - l)

mk)(xi -

Xi - I) =

k= l

:::; 2:)Mk -

Oz(J) - Uz(J) < ~

k=l
und daher ist nach Satz 5.47 auch

1I1 integrierbar.

Der nchste Satz listet ein paar elementare Eigenschaften von bestimmten Integralen auf.
Die meisten sind anschaulich leicht zu interpretieren.

Satz 5.52 Seien

und 9 integrierbar auf [a, b] . Dannfolgt:

(i) .Die Funktion f

1---+

J:f( x) dx ist linear, d,h. es gelten die beiden Identitten

la !{f(x) dx K Jar J(x) dx
b

fr alle Konstanten K

lR. und

la

(J( x) + g(x)) dx

{ Uf(x) dx +
= Ja

1a

g(x) dx.

(H) Sei a :::; c:::; b, dann ist (siehe Abb. 5.11, links)

l
(iii) Aus f( x)

~ g(x)fr alle x

f( x) dx =
E

[a, bl!olgt

f( x ) dx

f( x) dx.

J: f(x) dx ~ J: g(x) dx.

(5.13)

5.4 Das bestimmte Integral

(iv) Fr a

213

< b gelten die Ungleichungen

Ija

bf( x) dx l ~ jb If(x)1 dx ~ (b - a)
a

und

(b - a)

inf
xE [a,b]

f( x)

sup If(x)1

jb f( x) dx ~ (b - a)
a

(5.14)

~~

sup f( x).
xE [a ,b]

sup f( x )
xE [a,b]

inf f( x )

xE[a,bj

Abbildung 5.11 Regeln fr bestimmte Integrale

Beweis. Da fund 9 integrierbar sind, erhlt man deren Integrale, indem man bei Zwischensummen Sn(f) = l:~=l f(~i )(Xi - xi- d und Sn(g) = l:~ l g(~i )(Xi - Xi- I) den Grenzwert
fr n ~ 00 bildet, ohne die konkrete Gestalt der Zerlegungen oder die Wahl der Zwischenstellen bercksichtigen zu mssen. Die einzige Bedingung fr die zugehrige Zerlegungsfolge
(Zn)nEl'l ist, dass lim n ..... oo ~(Zn ) = O. Die Linearitt folgt nun aus den Rechenregeln fr Folgen
(Satz 4.14), angewendet auf Sn(f) und Sn(g) .
Behauptung (5.13) folgt daraus, dass eine Zerlegung von [a, c] und eine Zerlegung von [c, b]
insgesamt eine Zerlegung von [a , b] ergeben, falls c E [a , b].
Aus f( x ) ~ g(.'J;) folgt Sn(f) ~ Sn(g) und daher
f( x ) dx = limn _ Sn(f) ~

J:

J:

limn -+ oo Sn(g) =
g(x) dx.
Zum Beweis von (5 .14) wende man die Dreiecksungleichung auf die Zwischensummen an
und bilde danach den Grenzwert. Der zweite Teil folgt direkt aus If l S; sup lfl und (iii).
Die letzte Ungleichung folgt ebenfalls unmittelbar aus (iii) und infxE [a,bj f (x) ~ f (x) <
sUPxE[a,bj f( x ).
0

2. Der Hauptsatz der Differential- und Integralrechnung

Satz 5.53 (Mittelwertsatz der Integralrechnung) Sei f stetig auf dem Intervall [a, b]. Dan.n
gibt es ein ~ E [a, b] , so dass
f( x) dx = f(e)(b - a).

J:

Beweis. Der Satz besagt, dass die Flche unter dem Funktionsgraphen durch ein flchengleiches Rechteck dargestellt werden kann, dessen Hhe ein "Mittelwert" der im Intervall [a , b]

214

5 Differential- und Integralrechnung in einer Variablen

b
a
Abbildung 5.12 Die Flche unterhalb des Funktionsgraphen ist genauso gro wie jene des Rechtecks rechts. Die
Rechteckshhe tritt als Funktionswert an der Stelle auf. Die Stelle ~ i t in diesem Fall nicht eindeutig bestimmt.

auftretenden Funktionswerte ist (siehe Abb. 5.12). Dieser Mittelwert muss aufgrund der Stetigkeit von f auch als Funktionswert auftreten.
Diese Idee kann leicht umgesetzt werden: Da f eine stetige Funktion ist, besitzt sie nach
Satz 4.90 auf [a, b] ein Maximum M und ein Minimum m. Damit erhalten wir wegen Satz 5.52
m

~ b~a

f(x)dx

~ NI ,

was laut Zwischenwertsatz (Satz 4.89) die Existenz einer Zahl ~ mit f(e) = b~a
impliziert.

J: f(x)

dx

Der Mittelwertsatz der Integralrechnung erinnert nicht nur hinsichtlich des Namens stark an
den Mittelwertsatz der Differentialrechnung. Er folgt sofort aus letzterem, wenn es eine Stammfunktion F gibt, so dass F(b) - F( a) mit dem bestimmten Integral bereinstimmt. Dass tatschlich so eine Stammfunktion existiert, werden wir spter mit dem Hauptsatz der Differential- und
Integralrechnung zeigen, dessen Beweis jedoch umgekehrt den Mittelwertsatz der Integralrechnung als Grundlage hat. Zunchst prsentieren wir aber noch ein Beispiel aus der Physik.

Beispiel 5.54 Gegeben sei ein physikalischer Krper, der sich zum Zeitpunkt t mit der Momentangeschwindigkeit v(t) = 6t 2 - 4t bewegt. Der Weg, den die er Krper im Zeitintervall
(a, b] = [0, 3] zurck legt, kann durch die Differenz des Orts s(t) = 2t 3 - 2t2 am Anfangsund Endpunkt des Zeitintervalls beschrieben werden, also s(3) - s(O) = 36. Andererseits lsst
sich das Zeitintervall [0 , 3] in viele so kleine Zeitintervalle zerlegen, dass die Geschwindigkeit
whrend eines solchen Teilintervalls fast konstant ist. Berechnet man den gesamten Weg als
Summe der whrend der Teilintervalle zurck gelegten Wege, so erhlt man eine Riemann'sche
Zwischen summe. Diese heuristische berlegung legt daher nahe, dass der Weg s(3) - s(O) auch
durch das Integral J;(6t2 - 4t) dt beschrieben werden kann. Die mittlere Geschwindigkeit v ist
der Quotient aus zurck gelegtem Weg und bentigter Zeit, allgemein

l_l

_ _ s(b) - s(a) __
V b
- b
-a

- a

()

v t dt.

Der Mittelwertsatz der Integralrechnung sagt also, dass die mittlere Geschwindigkeit zu irgend/::.
einem Zeitpunkt des betrachteten Zeitintervalls auch tatschlich angenommen wird.

5.4 Das bestimmte Integral

215

Im obigen Beispiel beobachten wir aufgrund eines heuristischen Arguments die Beziehung
v(t) dt = s(b) - s(a) . Weiters wissen wir aus Abschnitt 5.1 und BeispieIS.37, dass s(t) eine
Stammfunktion von v(t ) ist. Wie bereits angekndigt, zeigen wir im folgenden Satz, dass dies
allgemein gilt.

J:

Satz 5.55 (Hauptsatz der Differential- und Integralrechnung) Sei f eine auf dem Intervall
[a , b] stetige Funktion. Dann ist F( x ) =
f(t) dt eine Stammfunktion von f. Jede beliebige
Stammfunktion F von f eifllt

J:

f( x ) dx

F(b) - F(a).

Bemerkung: Statt F (b) - F (a) schreibt man krzer auch F (x)

Beweis. Wir zeigen zunchst, dass Feine Stammfunktion von

F( x ) - F( xo) =
x - Xo

1
x - Xo

(tJa f(t) dt _l
a

xO

I:.

f ist. Es gilt

1xo
x

f(t) dt) =

1
X -

Xo

f(t) dt =

f(~) ,

fr ein ~ mit Xo :S ~ :S x , wobei die letzte Gleichung aus dem Mittelwertsatz der Integralrechnung folgt. Der Grenzbergang x ---t Xo, der auch ~ ---t Xo impliziert, liefert schlielich

F'( xo) = lim~-->xo f(~) = f( xo).

Sei nun F eine beliebige Stammfunktion von f. Dann gilt nach Satz 5.39 F(x ) =
f(t) dt + c. Daraus folgt

J:

F(b) - F(a) =

f(t) dt +

c- (laf(t) dt + c)

f(t) dt.

o
Bemerkung: Dieser Satz ist - wie der Name sagt - einer der grundlegendsten Stze der Analysis. Das bestimmte Integral haben wir anfnglich zur Berechnung von Flchen definiert. Diese
Definition ist zunchst vllig unabhngig von der Differentialrechnung und damit vom unbestimmten Integral. Der Hauptsatz der Differential- und Integralrechnung zeigt jedoch die enge
Beziehung zwischen bestimmtem und unbestimmtem Integral und reChtfertigt im Nachhinein
die hnlich gewhlten Bezeichnungen fr beide.
Satz 5.56 (Substitutionsregel fr bestimmte Integrale) Sei f stetig auf [a , b] und ferner sei
9 : [c, d] ~ [a , b] stetig differen zierbar mit g( c) ;;; a und g( d) ;;; b. Dann gilt

f(u) du =

ld.

f(g( x ))g'(x ) dx )

(5.15)

d.h., bei der Substitution in bestimmten Integralen mssen auch die Grenzen substituiert werden.
Beweis. Die Behauptung folgt aus der Tatsache, dass fr jede Stammfunktion F von f die
Funktion F(g( x )) eine Stammfunktion des Integranden auf der rechten Seite von (5.15) ist.
Einsetzen der Grenzen ergibt in beiden Fllen F(b) - F(a) und daher (5.15).
D

216

5 Differential- und Integralrechnung in einer Variablen

Beispiel 5.57

Ca) Seien a, b > O. Die Flche ber dem Intervall [a, b] und unter der Funktion ;' (siehe
Abb 5.13 links) kann mit Hilfe der Integralrechnung einfach berechnet werden. Es gilt

J: a: =

I:

~.

In x = In b - In a = In
(b) Mit Hilfe des vorigen Beispiels knnen wir nun die folgend e Abschtzung machen ( iehe
auch Abb 5.13):

-1 + -1 + . .. + -1 <
2

n -

in
1

-dx
x

= In n

< 1 + -1 + .. . + - 1- .

(5.16)

n- l

1.'

0.5

(l

Abbildung 5.13 links:

f: d:.

Daraus folgt In n ::; 1 + ~

Mitte und rechts: linke und rechte Seite von (5.16) fr n

+ ... + ~ ::; 1 + In n, also

1
1
o<
an = 1 + -2 + .. . + -n Weiters gilt wegen In (1

+ ~)

~ ~

In n <
- l.

2~2 (vgl. Beispiel 5.22)

an - an+l = _ _ 1_ - lnn + ln(n + 1) = _ _ 1_

n+1
n+ l
1

> - - - + - - - 2 = -2- n+1 n

2n
n +n
> 0 frn

+ In (1 +

.!.)
n

2n 2

2.

Die Folge (an)n~2 ist daher (streng) monoton fallend, nach unten durch 0 beschrnkt
und somit konvergent. Der Grenzwert limn--->oo an = , r:::: 0.577216 wird EuJerMascheroni'sche Konstante genannt. Diese liefert eine asymptotisehe Formel fur die
Partialsurnmenfolge der harmonischen Reihe, die so genannten harmonischen Zahlen
n

Hn =

Lk

rv

In n

+"

k= l

die in der Analyse vieler Algorithmen (z.B . Quieksort, siehe Kapitel 7, vgl. auch [9] und
[17]) auftreten.

5.5 Uneigentliehe Integrale

217

(c) Wir berechnen die Flche eines Halbkreises mit dem Radius r = 1. Jeder Punkt (x , y)
des Kreises erfllt die Gleichung x 2 + y2 = 1. Im oberen Halbkreis haben wir daher
Y = )1 - x 2 . Die Flche des Halbkreises ist dann J~l Jl - x 2 dx. Dieses Integral lsst
sich mit der Substitution x = sin t, dx = cos t dt berechnen, wobei auch die Grenzen
substituiert werden mssen. Fr x = l bekommen wir daher t = ~. Dies ergibt nun
1

1:
2!:

1 1)1 - x dx=

Vl - sin t costdt

_j ~ cos

_~

d _

t t -

(t +

sin t cos
2

t) II

-~

7r

- - ,

wobei das letzte Integral mittels partieller Integration gelst werden kann (siehe bungsaufgaben) .
6.

5.5 Uneigentliehe Integrale

Im vorigen Abschnitt haben bei bestimmten Integralen immer zwei Voraussetzungen zugetroffen: Einerseits waren die Funktionen im Integranden stetig oder zumindest stckweise stetig und
damit beschrnkt. Die zweite Voraussetzung war die Beschrnktheit des IntegrationSbereich :
Wir haben das bestimmte Integral nur fr abgeschlossene Intervalle [a , b] definiert.
In diesem Abschnitt betrachten wir Verallgemeinerungen de bestimmten Integrals, bei denen mindestens eine der oben genannten Voraussetzungen verletzt ist.

------

auf [a, b) definiert und auf jedem Teilintervall [a , c] C [a, b) integrierbar. Weiters sei limx-+b f (x) = 00 (bzw. -(0). Dann nennt man das Integral

Definition 5.58 Sei

f(x) dx

c~T-_lc f(x) dx

uneigentliches Integral erster Art. Man spricht von Konvergenz bzw. Divergenz des Integrals je nachdem, ob dieser Grenzwert im eigentlichen Sinn existiert oder nicht. Eine analoge
Definition gilt fr Intervalle (a, b] ntit lim:z;~a fex) = oo.
Sei a E .IR fest. Fr eine auf jedem Intervall [a, b] C [a, 00) integrierbare Funktion
man das Integral

( iO j(x) dx =

Ja

lim
b-+oo

nennt

r/) fex) dx
Ja

uneigentliches Integral zweiter Art. Auch dieses Integral kann entweder konvergent oder
divergent sein, wobei - ebenso wie zuvor - im Fall der Konvergenz der Grenzwert nicht
uneigentlich sein darf. Eine analoge Definition gilt fr Intervalle (-00, b].

---------'

Beispiel 5.59 ([Link] Integrale erster Art)

101

(a) Das Integral

~ (siehe Abb. 5.14, links) ist ein uneigentliches Integral erster Art, da
fr x ~ 0 der Grenzwert des Integranden 00 ist. Definitionsgem gilt

dx
r;;
o v x
1

1
1

= 1im

C~ O+

1
dx
1
r;; = lim 2"fX = lim (2 - 2jC) = 2.

V X

c-.o+

c-+O+

218

5 Differential- und Integralrechnung in einer Variablen

(b) Genau so wie im vorigen Beispiel ist das Integral

erhalten wir jedoch

t
J

dx = lim
x
c--+O+

11
c

Jo1d: uneigentlich an der Stelle O. Hier

dx = lim In xiI =
c-+o+

+00.

Dieses uneigentliche Integral ist daher divergent.

(c) Ein Integral, das sich aus zwei uneigentJichen Integralen erster Art zusammensetzt, ist
f~l ~. Hier ist der Integrand nicht am Rand des Integrationsbereichs unbeschrnkt, sondern in dessen Innerem . Das Integral ist uneigentlich an der Stelle Q. Dass man dabei
vorsichtig sein muss und nicht einfach die Stammfunktion an den Grenzen -1 und 1 (wo
es ja keinerlei Probleme gibt) auswerten kann, zeigt die folgende nicht korrekte Rechnung:

1 d~
1
- 1

_ ~ Il
X

- 1 + (- 1) = - 2.

- 1

Dieses Ergebnis ist offensichtlich falsch, da ein Blick auf Abb. 5.14 (rechts) sofort zeigt,
dass das Integral nicht negativ sein kann.
Nun richtig gerechnet:

1
- +1
1
1

- 1

-dx =

x2

- 1

dx
x2

(-~) Ic-+O+

= lim

c--+O+

+ c-+O+
lim
- 1

j-C-dxx + !im 1 -dxx

1

-dx2 = lim

-1

(- ~) 1 =

c-+O+

(~C - 1) + c-limo+ (-1+ ~)

C

lim

c-+O+

= 00 .

Das uneigentliche Integral J~ l ~; existiert daher nicht.

Abbildung 5.14 UneigentJiche Integrale erster und zweiter Art:

J;

~,

ft

e- r dx und J~l ~

Beispiel 5.60 (Uneigentliche Integrale zweiter Art)

(a) Radioaktive Zerfallsprozesse knnen mit der Exponentialfunktion f (x ) = e- X beschrieben werden . Die Gesamtemission ist dann das Integral ber den betrachteten Zeitraum.
00
Dies fhrt auf f1 C Xdx, ein uneigentliches Integral zweiter Art. Einsetzen in die Definition ergibt

00 e- x dx =

lim
c--oo

j Ce- x dx
1

= lim (_e- X )
c--+oo

= lim

c- oo

(- e- C + e- 1)

= -1 .
e

5.5 Uneigentliehe Integrale

219

(b) Die Gammafunklion f(x) ist fr x

> 0 durch

00

r(x)

e- tt w- 1 dt

definiert. Dieses Integral ist uneigentlich bei t = 00 und fr x < 1 auch bei t = O.
Damit die Gammafunktion sinnvoll definiert ist, muss das Integral konvergieren. Da die
Exponentialfunktion schneller wchst als jede Potenz, gibt es fr jedes x eine Konstante
Cx , so dass e- t ~ t- x - 1 , also e- t . t x - 1 ::; t- 2 fr alle t > Cx . Daraus folgt

{'X; e- tt x - 1 dt =

Jo

>;

Jo

e- tt x - 1 dt +

::; ( c'" e- tt x - 1 dt +

Jo

1c'"

00

e- tt x - 1 dt

[ 00 c2 dt =

Jcx

r
Jo

Cx

e- te- 1 dt

+ ~.
Cx

Die Konvergenz des Integrals folgt aus bungsaufgabe 5.34, so dass das Integral insgesamt konvergent und f( x) wohl definiert ist.

10

Abbildung 5.15 Der Graph der Gammafunktion r (x)

Mittels partieller Integration lsst sich die folgende Funktionalgleichung fr die Gamrnafunktion herleiten. Wir verwenden die Bezeichnungsweise F(x ) I ~ = lima->oo F( x)

r(x + 1)

{oo e- t . t X dt

Jo ~
9' . f

=-

e - t{"

I::

\00 + ( OO e- txt x - 1 dt
0

Jo

00

= x

e- tt x - 1 dt

Mit dem Startwert

= xr(x).

00

r(l)

e- ttO dt

-e-t l~ = 1

erhalten wir r(2) = 1 . r(l) = 1, r(3) = 2 . r(2) = 2 . 1, r( 4) = 3 . r(3) = 3 . 2 . 1

und somit allgemein f(n + 1) = n! fr n E N. Die Gammafunktion ist daher eine
Verallgemeinerung der Fakultt n! auf nicht ganzzahlige Werte von n.
f::.

220

5 Differential- und Integralrechnung in einer Variablen

Im letzten Beispiel haben wir die Konvergenz des Integrals mit Ab chtzungen durch geeignte konvergente Integrale gezeigt. Ganz allgemein gilt, hnlich wie bei Reihen, ein Majorantenkriterium.

Satz 5.61 Seien fund 9 stckweise stetige Funktionen auf [0, 00) und gelte If(x)1 ::; g(x )fr
00
00
alle x ~ O. Ist
g( x) dx konvergent, so ist
f (x) dx ebenfalls konvergent.

10

10

Mit Hilfe der Theorie der uneigentlichen Integrale lsst sich ein weiteres Konvergenzkriterium fr Reihen finden.

Satz 5.62 (Integralkriterium) Sei f : [1 , 00)

Funktion. Dann ist das uneigentliche Integral
Reihe L:~= l f (n) konvergiert.

IR eine nichtnegative und monoton fallende

J1 f( x) dx genau dann konvergent, wenn die
00

Beweis. Analog zu Beispiel 5.57 b (siehe Abb. 5.13) erhlt man die Abschtzung

f (k)

k=2

und nach Grenzbergang fr n

--t

00

in

f (x ) dx

~ ~ f (k)
k= l

die Behauptung.

Beispiel 5.63 Die hyperharmonische Reihe L:n>l n~ konvergiert genau dann, wenn a > 1.
Fr a ~ 2 (bzw. a ~ 1) haben wir die Konvergenz (bzw. Divergenz) bereits in Beispiel 4.49
gezeigt. Nach dem Integralkriterium konvergiert im Fall a > 0 die Reihe genau dann, wenn das
entsprechende Integral konvergiert. Fr a =1= 1 gilt

Jr -;; = 1 x - O' dx =
00

dx

00

x 1- 0'
lim - c- oo

1-

={

00
1
-

0'-1

fr a < 1,
fr a > 1.

Im Fall a = 1 liegt die harmonische Reihe vor, deren Divergenz wir bereits im vorigen Kapitel
nachgewiesen haben. Man kann aber auch in diesem Fall das Integralkriterium anwenden. /::;,

5.6 bungsaufgaben
5.1 Sei n E N und f( x) = l/x n . Zeigen Sie direkt, d.h. analog zu Beispiel 5.2(d), dass f'( x ) _

_n/x n +1 .

5.2 Berechnen Sie (arcsin x)' und (arccos x)'.

5.3 Berechnen Sie die Ableitung von f( x) = x . Ix/.
5.4 Untersuchen Sie, wo die Funktion

fe x ) =

{~2 Sin ~

falls x =1= 0

falls x = 0

differenzierbar ist, und berechnen Sie die Ableitung. Ist die Funktion stetig differenzierbar?
5.5 Man berechne die ersten 4 Ableitungen der Funktion f(x)
allgemeinen Ausdruck fr die n-te Ableitung.

= (x + l )/(x - 1) und finde einen

5.6 bungsaufgaben

221

5.6 Untersuchen Sie, wo die Funktion

.Jx 2 .Jx 2 .Jx2 Ce) f( x ) = .Jx2 _

(a)

f (x) =

Ce) f( x) =

f (x)

differenzierbar ist, und bestimmen Sie dort

4x + 4
===
5x + 2
4x+4
6x + 3

---;==;;;=====:=

x2

x2

(b) f( x ) = arcsin ( {/x 2 -

2)

(d)

f( x) = arccos ( ijx 2 -

2)

(I)

f( x) = aret"" (

+ 2x + 1
- 4x + 3

(h) f( x)
x '2

(i) f( x ) = cosx e(k) I( x ) = cos

(xe-

x2

f' (x ):

V:~ :)

= Inln x

U) f( x) = J e(X+l)2
)

f( x) = Jsin(cos x )

(I)

5.7 Zeigen Sie die Leibniz'sche Produktregel mit vollstndiger Induktion:

t, (~)

(f(x)g(x) )(nl =

j(kl (x)g(n- kl (x).

Bestimmen Sie damit f(8) (x) fr f( x) = x 2 e- 2x

5.8 Sei 1 : [a , b] ~ IR. eine F unktion , die fr alle
erfllt. Zeigen Sie, dass 1 konstant ist.

x, y E [a, b] die Ungleichung If( x ) - f(y)1

5.9 Seien fund 9 stetig auf [a , b] und differenzierbar auf (a, b) . Weiters gelte 0
I(a) = g(a) . Zeigen Sie, dass dann f( x ) < g(x) auf (a, b] gilt.

Ix_ Yl 2

f'( x ) < g'( X) und

5.10 Man leite die unendlichen Reihen fr sin x und cos x durch Entwicklung der beiden Funktionen
in eine Taylorreihe mit dem Entwicklungspunkt Xo = 0 her.
5.11 Man leite die unendlichen Reihen fr sinh(x ) und cosh(x) durch Entwicklung der bei den Funktionen in eine Taylorreihe mit dem Entwicklungspunkt Xo = 0 her.

5.12 Man approxinllere die Funktion f( x) = 8(x + 1)3/2 in eine lineare bzw. eine quadratische Polynomfunktion im Punkt Xo = O. Wie gro ist jeweils der Fehler an der Stelle x = 1/2 ?
5.13 Zeigen Sie: Sind gl (x ), .. . ,gm (x) differenzierbar und gj (x) =1= 0 fr alle j, so gilt

(n~1 9j(X))' =

n =l gj (x)
j

gj(x) .
j=1 9j (X)

5.14 Zeigen Sie mit Hilfe der Differentialrechnung

arctan

If!x
-

-x
-

l +x

+ -2 arcsm x

und

arcsin x = arctan

7r

= - ,

( ~)
,
1- x 2

xE (-1 , 1) ,

XE (- I ,I).

5.15 Bestimmen Sie die TayJorreihe von f( x ) mit Anschlussstelle Xo

(a) f( x)

= .J1 + x,

(c) I{x) = {!(l

+ x 2 ),

0, wobei

(b) f( x ) = - - ln ,
I-x
I-x
(d) f( x) = e- 3x .

222

5 Differential- und Integralrechnung in einer Variablen

5.16 Bestimmen Sie die Taylorreihe der folgenden Funktionen f( x) mit den gegebenen Anschlussstellenxo:
(a) f(x) = 1!2X'

xo =O

(c) fe x ) = x 2 sinx)

Xo

(b)

f (x) =

1
1 _ 2x '

Xo

=2

= 3x 3 - 7x 2 + 6x -

(d) f(x)

Xo =

5.17 Wie ist t zu whlen, damit die Funktion f(x) = (x 2 + t) /(x - t) in einer Umgebung der Stelle
xo = 1 streng monoton fallend ist? Machen Sie eine Skizze.
5.18 Man diskutiere die Funktion fe x ) = sin x - vtscos x im Intervall 1= [- 11",11"].

< c < b. Bestimmen Sie die lokalen und globalen Extrema der Funktion

5.19 Sei a

f : [a, b] -lR mit fe x) = v( x - a)2 + (x - b)2 + (x - c)2 .

5.20 Gegeben ist ein Kreis mit Radius R. Jeder Kreissektor ist Mantelftche eine Kreiskegels. Bestimmen Sie jenen Kreissektor, fr den der so gebildete Kreiskegel maximales Volumen hat.
5.21 Man diskutiere die folgenden Funktionen:
(a) fex) = xe- I/x

(b) fex) = [Link]

(c) fex) =

(d) f(x) = (1

XX

+ x)Vl -

x2

5.22 Berechnen Sie die Grenzwerte nachstehender unbestimmter Formen:

Ca) !im

Jx 2

(e)

(b)

nx

x- I

(c)

lim (1 - 2x) tan(1I"x)

(d)

x -+l/2

3x

I'

Im x ..... OO e4x

lim x in(l

+ I/X)

X"" 00

lim In(1 -

x -. l -

(f) tim cos 3x - cos X

x) ln x

x2

X -4 0

5.23 Berechnen Sie fr die folgenden Funktionen f jeweils F(x ) =

foXJ(t) dt und untersuchen Sie, ob

F(x) stetig bzw. differenzierbar ist.

(a)

f(t)

- I
1

= {

(t ~ 1)
(t> 1)

(b)

f(t)

= {

-2 (t ~ 1)
1 (t> 1)

5.24 Berechnen Sie das Integral f 2 x 2 da; mit Hilfe von UntersUlllmen bei quidistanter Teilung. (Hin. . '\'"'n
k2 _ n(n+l)(2n+ l )
,\,n
k _ n{n+ l ) )
3

welS . L....J k= l

'

L..k= l

5.25 Berechnen Sie

1
lim 2

n -+oo

L vk(n - k)
k= 1

durch Interpretation als Grenzwert einer Riemannschen Zwischensumme.

5.26 Beweisen Sie Satz 5.50.

5.27 Mit Hilfe der Substitutionsregel beweise man die Integrationsregel

J:(~}
. /
und berechne danut

- dx- .
xlnx

dx = In lu(x)1

+c

5.6 bungsaufgaben

223

5.28 Berechnen Sie die folgenden unbestimmten Integrale:

(x - 3?

(a)

J
J 6:;- vUX
J+ +
Je _e:
J
Jvx;r
x - 7/ 2 dx

(e)
(g)

Ci)
(k)
(m)
(0)

x2

x _

2x

(b)

dx

(d)

(f)

6 dx

(h)

x (ln x)2 dx

(j)

dx

(1 )

+1

X2

x3

J
J

x2 -

X -

(n)

21n 2 d

X -

x(lnx + 1)

(p)
(r)

. (x - 1)2(x2

1
2x

+ 3) dx

x 2 cosxdx

2 sin 2

arccos x dx

sinx(l

(x 2

X2

dx

e - 1 dx
e2x + 1
In

(q)

d2:

(e)

J ++
J
J ~xcos2
J
J +
J+
J +
J\11 +
J ~x

2 cos x)4 dx

l) e- 2X dx

+3

2x 2

7 dx

7x 2 dx

smx

5.29 Berechnen Sie die folgenden bestimmten Integrale:

(e)

1
1
r/

(g)

10

(a)

(4 x( {/[Link]))5 dx
1
x
(- - - 2 ) dx

(c)

1+x

Ja

tan x dx

00

Ci)
(k)

xe - x dx

( OO

e--;

dx

Ja 2 y x
J! :! . cos 2 x dx

5.30 Sei
dass dann

:I

f : [a, b] -

IR eine nichtnegative stetige Funktion und Xa E [a, b] mit !(xa)

J:f(x) dx > o.

5.31 Bestimmen Sie den Wert der Integrale

1 e- X'l - 1
x2
- - - 4"---

1
o

dx und

1/ 2

In

1
-

l -x

> O. Zeigen Sie,

dx

nherungsweise auf 3 Dezimalstellen zunchst ohne, dann mit Computer.

Hinweis: Entwickeln Sie den Integranden in eine Taylorreihe. Wieviele Terme sind ntig, um die gewnschte Genauigkeit zu erzielen?

5 Differential- und Integralrechnung in einer Variablen

224

5.32 Gegeben ist eine stetige Funktion f auf dem Intervall [a, b] . Lsst man den Graphen der Funktion
um die x -Achse rotieren, so entsteht ein Rotationskrper. Dieser hat das Volumen

V =

7r

f( x? dx .

Berechnen Sie mit Hilfe dieser Formel das Volumen eines Kreiskegels mit Radiu
das Volumen einer Kugel mit Radiu s 1'.

7'

und Hhe h sowie

5.33 Bestimmen Sie Radius und Hhe jenes Zylinders mit Volumen V, der die kleinste Oberflche hat.
5.34 Fr welche Werte

Cl:

00

5.35 Berechnen Sie

E IR- ist das uneigentliehe Integral

J~ xll" dx konvergent?

1
c--T

x yx - 1

dx.

(Anleitung: Verwenden Sie die Substitution u

bei x = 1 als auch bei x = 00 uneigentlich.)

= JX=}. Achtung: Das angegebene Integral ist sowohl

5.36 Untersuchen Sie mit Hilfe des Integralkriteriums, ob die folgenden Reihen konvergieren:
(a)

e-

n2

(b) Lnen~O

n~O

Ce) LnlnCl' n
n~ l

n2

(a > 0)

Cd) L

n~ l

lnll" n

nl+

(a ,> 0)

Kapitel 6
Differential- und Integralrechnung in
mehreren Variablen
In den bei den vorigen Kapiteln haben wir uns eingehend mit Funktionen, die von einer Variablen abhngen, beschftigt. Oft hngen aber Funktionen von mehr als einer Einflussgre ab.
In diesem Kapitel wollen wir uns deshalb mit Funktionen in mehreren Variablen befassen und
die Differential- und Integralrechnung auf solche Funktionen bertragen.

6.1

Funktionen in mehreren Variablen

1. Beispiele und Darstellungen

Im Folgenden betrachten wir Funktionen

f :D

--+ ~

mit einem Definitionsbereich D

~ ]Rn .

Beispiel 6.1
(a) Der Gesamtwiderstand R aes in einem Wechselstromkreis hngt vom Ohm 'schen Widerstand R, dem kapazitiven Widerstand Re und dem induktiven Widerstand R L wie folgt
ab:

Raes = )R2 + (Re - RL )2 .

eb) Lineare Funktionen in zwei Variablen sind gegeben durch f : ffi,2 --+ ffi, mit f (x )y) =
ax + by, wobei a ) b E R Sie beschreiben Ebenen durch den Ursprung l im ffi,3. Allgemein
i t eine lineare Funktion ber ffi,n von der Form f : :!Rn --+ ]R mit f(X l 1 X2" . . I X n ) =
I:~=l a iXi und reellen Konstanten al I . ,an' Geometrisch ist der Funktionsgraph eine
so genannte Hyperebene im lR,n+ l, die durch den Ursprung geht, a1 0 ein n-dimensionaler
Unterraum.
Cc) Polynomfunktionen in mehreren Variablen si nd Funktionen f : ffi,n --+ lR. der Bauart
kl

f (Xl

1 '"

xn )

=L

k2

k"

L ' .. L

il = Oi2= O

ail.i2. ... .

inxllx~2 ... x~

in =O

I In der Analysis bezeichnet man oft auch Funktionen, wo alle Variablen linear auftreten (also solche der Form
f (x, y) = ax + by + c), als linear. Dies stimmt nicht m der in der linearen Algebra blichen Definition (siehe
Kapite l 3) berein. Diese Funktionen beschreiben eine beliebige Ebene im dreidimensionalen Raum und werden
in der linearen Algebra als affine Funktionen bezeichnet.

6 Differential- und Integralrechnung in mehreren Variablen

226

mit aid2 ,.. . ,i" E R Der Grad einer Polynomfunktion ist definiert als Exponent der hchsten auftretenden Potenz, wobei die Exponenten der einzelnen Variablen addiert werden,
also als max{i 1 + . . . + in I a il,i2, ... ,i1l =f O}.
(d) Elementare Funktionen in mehreren Variablen sind analog zu elementaren Funktionen
in einer Variablen definiert. Funktionen in zwei Variablen mit einem Definitionsbereich
D ~ ]R.2 lassen sich auf verschiedene Arten veranschaulichen. Eine Mglichkeit ist die
Darstellung als Flche im dreidimensionalen Raum . Der Graph einer Funktion f(x , y) ist
die Punktmenge {( x, y, f (x, y)) I (x, y) E D} (siehe Abb. 6.1 fr einige Beispiele von
Graphen elementarer Funktionen in zwei Variablen).

'>

Abbildung 6.1 FunktIonen f ex, y) = 5x-

+ 7y2 + 2, g(x , y) =

Sin(J:z;.+y2)
~
X2+y2

'

hex , y) =

e - x +y

Eine andere Mglichkeit der Darstellung von Funktionen in zwei Variablen sind Niveaulinien (Isohypsen). Wie die Hhenschichtlinien in Landkarten beschreiben sie jeweils eine
Punktmenge, auf der die Funktion einen vorgegebenen konstanten Wert hat. Die Niveaulinie zum Niveau c der Funktion f( x, y) ist also die Menge {(x, y) E D I f(x , y) = c}
(siehe dazu Abb. 6.2).
y

Abbildung 6.2 Graph und Niveaulinien der Funktion fex, y)

in(x

+ y) + x 2

227

6.1 Funktionen in mehreren Variablen

(e) Die Werte der Funktionen in den voran gegangenen Beispielen liegen alle in lR. Solche
Funktionen nennt man auch skalarwertig oder Skalarfelder . Vektorwertige Funktionen sind hingegen Funktionen, deren Definitions- bzw. Bildbereich Teilmenge von JRn
bzw. von jRm ist. Vektorwertige Funktionen mit n = m nennt man auch Vektorfelder.
Ein Beispiel fr eine vektorwertige Funktion (siehe Abb. 6.3) ist

f:}R.2

-7 jR2 ,

(x , y)

1-+

(!I( X,y))
h(x , y) =

2
(x
+y2 )
sin(xy) + e
Y

(6.1)

Solche Funktionen treten zum Beispiel bei der Beschreibung von Strmungen auf (jedem
Ort im ]R3 wird eine Geschwindigkeit zugeordnet, die selbst wieder als Vektor des ]R3
dargestellt ist), ebenso bei Magnet- oder Gravitationsfeldern, etc.
y

~//III
~/--'..,.?, 1
~~""'.I"

t ,

~{1f~0;:
11/1////
tl///../'

~/./'? ~

~/'./' /'

,.

,. ,. ,

...-?'/--' .? /'

~ ,.

~///,.;r/,

-.

... -

_..----1;:

.... - -. _ _

--c-~

--

Abbildung 6.3 Das Vektorfeld aus Gleichung (6.1)

(f) Quadratische Formen sind Funktionen q : R n -7 IR der Bauart q(x) = x TAx, wobei A eine symmetrische n x n -Matrix ist, d.h. AT = A. Fr A = (ai jkj = l ,...,n gilt
q(x) =

2..::~1 2..:;=1ai j XiXj ' Z .B. ist die durch die Matrix A = ( _~ -~)

bestimmte

quadratische Fonn

Diese quadratische Form lsst

ich auch als Summe zweier Quadrate, nmlich als

q(x, y) = (2.1: - ~ y)2 + y2 schreiben und nimmt daher mit Ausnahme der Stelle
(x , y) = (0, 0) nur positive Werte an. Quadratische Formen mit dieser Eigenschaft (und
ebenso die entsprechenden Matrizen) heien positiv definit (siehe Abschnitt 3.7). Analog
heit q negativ definit, falls q(x , y) < 0 fr alle (x , y) =I (0 0). Falls die Ungleichung
nicht strikt gilt, also q(x, y) 2: 0 bzw. q(x, y) ~ 0 fr alle (x , y) E JR2, so spricht man
von positiv bzw. negativ semidefiniten quadratischen Forolen. Fonnen, die nicht emidefinit (und daher auch nicht definit) sind, nennt man indefinit. Ein einfache Kriterium zur
Feststellung der Definitheit einer Matrix ist das in Abschnitt 3.7 genannte Hauptminorenkriterium.

l1

:::

228

6 Differential- und Integralrechnung in mehreren Variablen

2. Grenzwert und Stetigkeit

Um die DifferentiaJ- und Integralrechnung fr Funktionen in mehreren Variablen entwickeln
zu knnen, mssen wir die Begriffe aus der Theorie der Funktionen in einer Variablen bertragen. Von zentraler Bedeutung ist zunchst der Begriff der Stetigkeit, der wiederum auf dem
Grenzwertbegriff beruht. An die Stelle der Intervalle in R treten n-dirnen ionaJe Kugeln in R n:
Definition 6.2 Unter einer c-Umgebung des Punktes Xo E Rn versteht man die Menge

also die Menge aller Vektoren in Rn, deren Abstand von Xo kleiner als ist. Diese Menge ist
fr n = 1 ein Intervall, fr n = 2 eine Kreisscheibe und fr n = 3 eine Kugel.
Damit lsst sich nun die Stetigkeit analog zum Fall n = 1 definieren. Man muss lediglich
den Abstand Ix - Xo I zweier Elemente des Definitionsbereichs an den hher dirnen ionalen Fall
anpassen. Dies fhrt auf folgende Definition.
Definition 6.3 Sei D ~ Rn und f : D --+ R Unter dem Grenzwert lirn x -+ xo f(x) versteht
man jene Zahl c, die folgende Eigenschaft besitzt: Fr alle c > 0 existiert ein J > 0, so dass
fr alle xE D mit 0 < Ilx - xoll < 8 die Ungleichung If(x) - cl < gilt.
Die Funktion f heit stetig an der Stelle Xo E D, falls limx _ x o f(x ) = f (xo ), und tetig auf
D, wenn f an jeder Stelle Xo E D stetig ist.
Fr vektorwertige Funktionen f (x ) = (h (x ) " ' , f m(x )) verwendet man die gleiche Idee.
In der obigen Definition ist nur If (x ) - cl < c durch IIf (x ) - c ll < E zu er etzen. Die Stetigkeit
von f ist brigens gleichbedeutend damit, dass alle Koordinatenfunktionen f i(X), i = 1, .. . m
stetig sind.
Funktionen in zwei Variablen lassen sich als Flchen im dreidimen ionalen Raum veranschaulichen (siehe Beispiel 6.1d und Abb. 6.1). Unstetigkeitsstellen las en ich dabei z.B. als
Risse oder Unendlichkeitsstellen so einer Funktionsflche deuten. Es knnen aber auch andere
Phnomene auftreten. Die Funktion
2x y

~2 +y2

f( x, y) =
{

(x , y)
(x , y)

# (0, 0),
= (0, 0),

(6.2)

i t an der Stelle (0, 0) unstetig. Denn der Funktionswert ist dort 0, aber der Grenzwert
lim(x,y) ...... (O,O) f (x ) y) existiert nicht. Auf der Geraden x = y gilt nmlich f (x , y) = I , auf der
Geraden x = - y jedoch f( x, y) = - 1 (vgl. dazu Abb. 6.4). Somit sind in jeder Umgebung des
Urspmngs sowohl Punkte, wo der Funktion wert gleich 1 ist, als auch solche mit Funktionswert
gleich - 1.
Auch im Mehrdimensionalen lsst sich Stetigkeit nut Hilfe von Folgen untersuchen.
Definition 6.4 Sei D ~ Rn . Eine Folge (Xn)nEN mit X,I, E D heit konvergent gegen den
Grenzwert xE D, wenn fr alle E > 0 ein N existiert, so dass IIxn - x ii < c fr alle n > N.
Satz 6.5 Eine Funktion f : D --+ R mit D ~ jRn ist genau dann stetig an der Stelle x E D
wenn limn_ f( Xn ) = f (x ) fr jede Folge (Xn)nEN mit X n E D und limn-too X n = X.

6.1 Funktionen in mehreren Variablen

229

Abbildung 6.4 Links: Eine stetige Funktion. Bei vorgegebener Toleranz (c-Umgebung U) bezglich der zKoordinate in einem Punkt (xo, Yo , f(xo, Uo) lsst sich immer eine Kreisscheibe H( xo, Yo) mit Mittelpunkt
(xo ,Yo) finden, so da f( x ,y) fr alle (x , y) E K( xo, yo) in U liegt. Mitte: Funktion mit Unstetigkeitsstel1en. Entlang des "Risse" ist die Funktion unstetig. Rechts: Die in (6.2) definierte Funktion ist im Ursprung nicht
stetig.

Der Satz von der Vorzeichenbestndigkeit ist direkt auf Funktionen in mehreren Variablen
bertragbar: Stetige Funktionen ndern lokal ihr Vorzeichen nkht (auer in der Umgebung
von Nullstellen). Die Regeln aus Satz 4.92 gelten sinngem auch fr Funktionen in mehreren
Variablen. Das Analogon zur Existenz von Maxima und Minima auf Intervallen gilt ebenso.
Um es formulieren zu knnen, bentigen wir jedoch noch einen Begriff. Die folgende Definition
stellt Verallgemeinerungen von offenen und abgeschlossenen Intervallen zur Verfgung, die wir
auch spter bentigen werden.
Definition 6.6 Eine Menge D ~ lRn heit offen, wenn aus x E D folgt, dass es eine Umgebung Ug(x) gibt mit Ug(x) <;;;; D. Die Menge D <;;;; IR.n heit abgeschlossen, wenn der
Grenzwert jeder konvergenten Folge, deren Glieder in D liegen, selb t wieder in D liegt. Eine
abgeschlossene und beschrnkte Menge D <;;;; IR.n nennt man kompakt.
Beispiel 6.7
(a) Offene Intervalle (a, b) sind nach obiger Definition offene Mengen in R Denn jeder Punkt
c E (a , b) liegt in der Umgebung (at c, bt c), die selb t zur Gnze in (a , b) liegt. Analog
sind Kreisscheiben ohne Rand offene Mengen im lR 2 . Sie sind aber keine offenen Mengen
im ]R3 , da die Umgebungen im }R3 Kugeln sind und daher niemal Teilmengen von Kreisscheiben sein knnen . Ob eine Menge offen ist oder nicht, hngt also nicht von der M nge
selbst ab, sondern von der Struktur der Umgebungen de Raume .2 In Vektorrumen wie
IR.n ist diese Struktur durch die Art der Abstandsmessung (also durch das Skalarprodukt,
siehe Abschnt 3.7) bestimmt.
(b) Abgeschlossene hltervalle [a , b] sowie Kreisscheiben oder Kugeln inklusive Rand sind
jeweils abgeschlo elle, ja sogar kompakte Mengen von lR., }R2 bzw. lR.3 .
(e) Die Menge lR ist eine sowohl offene als auch abgeschlossene Teilmenge von sich selbst.

6
2Das Teilgebiet der Mathematik, das sich unter anderem mit solchen Themen befasst, heit Topologie. Die
Gesamtheit aller offenen Mengen von !Rn wird auch als Topologie des IRn bezeichnet. Allgemein kann man eine
beliebige Menge X rillt einer Topologie au stauen, indem man be timmte Teilmengen von X a1 offene Mengen
auszeichnet. So lassen sich Begriffe wie Stetigkeit auf einen wesentlich allgemeineren Rahmen bertragen .

230

6 Differential- und Integralrechnung in mehreren Variablen

Stetige Funktionen in einer Variablen nehmen nach Satz 4.90 auf jedem ab ge chlossenen
Intervall ein Maximum und ein Minimum an. Fr stetige Funktionen in mehreren Variablen gilt
ein analoger Satz, den wir ohne Beweis anfhren.
Satz 6.8 Sei D ~ !Rn eine kompakte Menge und f : D -+ !R eine stetige Funktion. Dann ist f
auf D beschrnkt und nimmt auf D ein Maximum und ein Minimum an.
3. Partielle Ableitungen
Wir wollen nun die Differentialrechnung von Funktionen in mehreren Variablen entwickeln.
Funktionen in mehr als zwei Variablen verhalten sich vllig analog zu jenen in nur zwei Variablen. Deshalb werden wir uns im Folgenden der Einfachheit halber auf Funktionen in zwei
Variablen beschrnken.
Wir haben die Ableitung einer Funktion in einer Variablen untersucht, um ihr nderungsverhalten, also den Anstieg des Funktionsgraphen in einem Punkt zu studieren. Dieser Anstieg ist
gleichbedeutend mit dem Anstieg der Tangente, die an Stellen, wo die Funktion differenzierbar
ist, eindeutig bestimmt ist.
Fr Funktionen in zwei Variablen bilden die Funktionsgraphen Flchen im IR3. Ein Ma fr
das nderungsverhalten der Funktion ist daher die Steilheit dieser Flche in einem gegebenen
Punkt. Wenn wir uns auf einem Punkt der Flche befinden, so ist der Anstieg von der Richtung,
in der wir uns bewegen, abhngig. Falls die Flche aber so beschaffen ist, dass in dem Punkt eine
eindeutig bestimmte Tangentialebene existiert, so bestimmt diese den Anstieg in jeder Richtung
und somit das nderungsverhalten der Funktion. Die Tangentialebene lsst sich bestimmen,
indem man die Anstiege in x - und in V-Richtung bestimmt (siehe Abb. 6.5). Diese Anstiege
sind aber genau die Ableitungen jener Funktionen in einer Variablen, die man erhlt, wenn man
eine Variable festhlt, also die Funktionen x I--t f (x, y) und y I--t f (x, y) betrachtet.
Definition 6.9 Sei D ~ ~? eine offene Menge, f : D -- ~? und (xo, Yo ) E D. Dann heit'
in (xo , Yo) partiell nach x differenzierbar, falls der Grenzwert

fAxo , Yo) = 8f (xo , Yo) = lim /( x, Yo) - 1([[;0 Yo)

{)x

x->xo

x - Xo

existiert, und partiell nach y d [Link], falls der Grenzwen

f y(xo , Ya) = Bf (xo, Ya) = Um f( xo, y) - /( xo, Ya)

Gy
Y ->YO
Y - Yo
existiert. Die heiden Grenzwerte f x(xo, Ya) und fy{ xo, Yo) werden partielle Ableitungen von
f nach x bzw. Y genannt. Die Funktion f heit partiell differenzierbar, wenn beide partiellen
Ableitungen existieren, und stetig partiell differenzierbar, wenn heide partiellen Ableitungen berdies noch stetig sind.

--------~----~--~~------------------~----~

Beispiel 6.10 Die Funktion f( x, y) = x 3 + 2x 2 y - y3 + sin(x 2 + y) + 1 ist in ganz IR2 partiell

differenzierbar. Die partiellen Ableitungen f x(x , y) = 3x 2 +4xy+2x cos(x 2 +y) und J,';(x, y) =
2x 2 - 3y 2 + cos(x 2 + y) sind ebenfalls partiell differenzierbar. Daher k5nnen wir auch partielle

6.1 Funktionen in mehreren Variablen

231

Abbildung 6.5 Die partiellen Ableitungen einer Funktion f( x, y) im Punkt (xo , Yo)

Ableitungen hherer Ordnung bilden. Die partiellen Ableitungen zweiter Ordnung sind
2

8 /2 (x , y) = fxx (x, y)
ax

fJ2 f

+ y) ,

(x, y) = fy x(x, y) = 4x - 2x sin(x 2

+ y) ,

- - (x, y)
8xay

EP /

8y8x

= 6x + 4y + 2 cos(x 2 + y)

fxy( x, y)

= 4x - 2xsin(x

~~ (x, y) = fyy( x, y) = -6y -

sin(x

- 4x 2 sin(x 2 + y) ,

+ y).

Wie wir oben bereits festgestellt haben, legen die partiellen Ableitungen die Tangentialebene T(Xo , yo) im Punkt (xo, Yo) fest, falls diese existiert. In diesem Fall ist T( XO, Yo) dann durch
die Parameterdarstellung

( yzX)

xo
~ )
f( xo, Yo)

+~

01

f x(xo, Yo)

) +~ (

01

/ y(xo, YO )

bestimmt, woraus sich durch einfache Umformungen als alternative Darstellung die Gleichung

z = f(xo, Yo ) + fx{xo, Yo) (x - xo ) + fy (xo, Yo)(Y - Yo)

ergibt. Dass die Tangentialebene nicht existieren muss, selbst wenn die partiellen Ableitungen
existieren, zeigt das Beispiel der Funktion aus (6.2) (siehe Abb. 6.4, rechtes Bild). Es gilt nmlich

f (x, O) - / (0, 0) _ l' 0 - 0 - 0

- 1m
x ..... 0
X - 0
x->o X
und analog jy (O, 0) = O. Die Funktion ist aber bei (0, 0) nicht einmal stetig. Geometrisch bedeutet das, dass die Tangenten in x- und y-Richtung existieren, nicht aber die Tangentialebene.
Die x- und y-Achse sind in diesem Pall genau die Nullstellenmenge der Funktion.

f x (0 , 0)

- l'
-

1m

r
I

232

6 Differential- und Integralrechnung in mehreren Variablen

Im obigen Beispiel feHlt auf, dass die gemischten partiellen Ableitungen zweiter Ordnung,
! Xy und Jyx bereinstimmen. Das muss nicht immer so sein, wie das Bei piel der Funktion
2

J(x, y)

Y2
_
)
XY(X
2
0 x +y2

fr (x,y)

=1=

fr (x, y)

= (0, 0),

(0 ,0),

zeigt. Man kann nachrechnen, dass Jxy(O, 0) = - 1 und Jyx(O, 0) = 1 ist.

Der folgende Satz zeigt, dass so etwas rucht auftreten kann, fall s die zwe iten partiellen
Ableitungen in einer offenen Menge existieren und stetig sind.
Satz 6.11 (Satz von Schwarz) Sei D ~ IR 2 eine offene Menge und J : D -+ IR eine Funktion,
deren partielle Ableitungen Jxy und Jyx in D existieren und stetig sind. Dann gilt Jxy = Jyx.
Ist J rn-mal stetig partiell differenzierbar in D , so sind alle partiellen Ableitungen bis zur
Ordnung m unabhngig von der Reihenfolge der Differentiationen.

Beweis. Sei (xo, Ya) E D . Da D offen ist, knnen wir t > 0 so whlen, dass das gesamte
Quadrat {(xo
Funktionen

+ 81 , Yo + 82) 10 :s; ISil :s; t , '/,

1,2} in D liegt. Wir betrachten nun ilie

92(Y) = J(xo + t, y) - J(xo, V)

J(x, Yo + t ) - J(x, Yo ),
Diese Funktionen sind differenzierbar, denn J ist partiell differenzierbar, und daher ist gi (x) =
91(x) =

fx(x, Ya + t) - fx(x , Ya) und g~(y)

f y(xo + t, y) - fy(xo , V) . Nun betrachten wir die (in einer

Umgebung von 0 definierte) Funktion

+ t) - 91(Xa)
=f (xo + t , Yo + t ) - f (xo + t, Yo) - J(xo , Yo + t) + J (xo , Yo)

h(t) =91(XO

92(YO + t) - 92(YO).

Aufgrund der Differenzierbarkeit von 91 knnen wir den Mittelwertsatz anwenden und ein
6 E (xo , Xo + t) finden, so dass
91 (xo

+ t) -

gl (Xa)

= g~ (6)t

= (1x(6, Yo

+ t) - fx(6 , Ya))t = Jxy(6, 171)t2 ,

wobei die Existenz der Konstanten 1)1 E (Yo , Ya + t) aus abermaliger Anwendung des Mittelwertsatzes folgt. Nun knnen wir mit 92 analog verfahren und erhalten h(t) = fyx (~2 , 7]2) mit
6 E (xo, Xo + t) und 7]2 E (Yo, Ya + t) . Fhren wir den Grenzbergang t ~ 0 durch, dann
folgt ~i ~ Xo und rJi -+ Yo, und wegen der Stetigkeit von ! xy und Jyx erhalten wir schlielich
! XY(xo , Yo) = Jyx(xo, Yo) .
Der zweite Teil der Behauptung ergibt sich durch mehrfache Anwendung des Satzes.
0
1m Falle von vektorwertigen Funktionen wird partielle Differenzierbarkeit ber die Koordinatenfunktionen auf den skalarwertigen Fall zurck gefhrt.

Definition 6.12 Sei D ~ Rn eine offene Menge und f : D -+

]Rrn. Die vektorwertige Funkti-

on f heit partiell ilifferenzierbar, wenn smtliche Koorclinatenfunktionen !11 ...

differenzierbar sind. Die panielle Ableitung ist dann durch

,J,YI partiell

frk=l , . .. ,n

definiert.
----------~~----------------------~--~-~------------~--~

6.2 Differentialrechnung in mehreren Variablen

233

6.2 Differentialrechnung in mehreren Variablen

Da die Existenz der partiellen Ableitungen einer Funktion nicht einmal deren Stetigkeit garantiert, ist partielles Differenzieren allein sicher kein brauchbares Werkzeug, um die nderung des
Funktionswertes zu studieren. Wir werden daher im folgenden Abschnitt einen umfassenderen
Ableitungsbegriff entwickeln.

1. Die totale Ableitung

Am Beginn von Kapitel 5 haben wir bereits die Bedeutung der Tangente als lineare Approximation einer Funktion erwhnt. Eine differenzierbare Funktion! (x) verhlt sich in der Nhe einer
Stelle Xo ungefahr so wie ihre Tangente, nmlich die Gerade t(x ) = !(xo )+ f'( xo)(x - xo). "Ungefahr" bedeutet in diesem Kontext, dass der Fehler fr x -+ Xo die Grenordnung o( Ix - X o I)
hat. bertrgt man diese berlegungen auf den Fall von Funktionen in zwei Variablen, so heit
das, dass diese sich lokal wie ihre Tangentialebenen verhalten mssen. Der Fehler muss verhltnismig klein sein. Die lokale nderung der Funktion ist dann eine lineare Abbildung
A : ]R2 -+ ]R und lsst sich daher als Matrix schreiben. Diese Vorgangsweise knnen wir auch
auf den allgemeinen Fall f : ~n -+ lRm anwenden.
~----Definition 6.13 Sei D ~ !Rn offen. Eine Funktion
f : D -+ ]Rffi heit im Punkt Xo E D total
differenzierbar, falls eine lineare Abbildung f' : ]Rn -+ IRffi existiert, so dass

fex)

f(Xo)

+ f'(x -

xo)

+ R(x)

gilt und der Rest R( x) die Beclingung

lim IjR(x)l1
o Ilx - Xoll

(6.3)

X-4 X

erfllt. Die lineare Abbildung fl heit Ableitung von f im Punkt xo. die dazu gehrige Matrix
A heit Jacobi-Matrlx oder Funktionalmatrix. Setzen wir x = (Xl? .. I x n ) und Xo (XO,}? ... , xo,n), so knnen wir die obige Gleichung ausfhrlicher schreiben als

Bemerkung: Man beachte, dass die Bedingung (6.3) quivalent zu

lim
X --+ X o

R (x) = 0
Ilx - xoll

(6.5)

ist, wobei der Grenzwert koordinatenweise zu verstehen ist. Wir werden im Folgenden sowohl
von (6.3) als auch von (6.5) Gebrauch machen .
Wir wollen uns nUll berlegen , was diese Definition im konkreten Fall von skalaren Funktionen bedeutet. Sei f : lR 2 -+ IR total differenzierbar im Punkt Xo = (xo, Yo ). Dann gibt es eine
1 x 2-Matrix. A = (a, b) mit

j(x, y)

!(xo, Yo)

+ (a , b)

X (

x o)

y - ~

+ R(x, V).

'"
6 Differential- und Integralrechnung in mehreren Variablen

234

Daraus folgt insbesondere

f( x, Yo) = f( xo, Yo)

Da lim x --+xo

R (x ,yo)
x - zo

+ ( a, b)

X (

o
0x )

+ R(x, YO)

= f( xo, Yo)

+ a(x -

xo) + R (x , Yo).

= 0 ist folgt
'

a = !im

f( x, Yo) - f( xo, Yo ) = f x(xo Yo) .

x-+xo

x - Xo

In analoger Weise schlieen wir b = fy( xo, Yo) . Offensichtlich lassen sich diese Argumente
auch auf Funktionen in n Variablen bertragen. Wir haben damit gezeigt, dass jede total differenzierbare, skalarwertige Funktion auch partiell differenzierbar ist.

Definition 6.14 Sei D ~ ]Rn eine offene Menge und

Funktion. Dann heit der Vektor
gradf =

Gradient von

I :D

- JR eine total differenzierbare

lxI)
(IXn
:

I.

Nach den obigen Betrachtungen und der Tatsache, dass wir bei skalaren Funktion die einzeilige Matrix A in (6.4) auch als Spaltenvektor schreiben knnen, wenn wir statt dem Matrizenprodukt das Skalarprodukt verwenden, ergibt sich der folgende Satz.
Satz 6.15 Sei D ~ IR n eine offene Menge und f : D - IR eine total differenzierbare Funktion.
Dann ist die Matrix der Ableitung von f gleich dem Gradienten von f. Fr x , Xo E D gilt also

f(x)
mit limx -+ x Q R(x)/llx

- xoll

f(xo)

+ grad f(Xo) . (x - xo) + R (x)

= O.

Bemerkung: In Leibniz'scher Schreibweise haben wir im eindimensionalen Fall die Ableitung

als ~ geschrieben. Die Beziehung zwischen der Ableitung und ihrer Funktion lsst sich dann
auch als df = f'( xo) dx schreiben. Interpretiert man dx als nderung des Arguments x, dann
heit das, dass die zugehrige nderung von f umso besser durch df = f' (xo) dx approximiert
wird, je kleiner dx ist. Auch fr das Rechnen mit Funktionen in mehreren Variablen lsst sich
die Leibniz'sche Notation anwenden . Setzen wir

dann bersetzt sich (6.4) (mit m = 1) in

Der Ausdruck df wird das vollstndige Differential von f an der Stelle Xo genannt. Das vollstndige Differential ist eine Approximation der nderung von f , die umso bes er ist, je kleiner
lidxii ist.

6.2 Differentialrechnung in mehreren Variablen

235

Beispiel 6.16 (Volumsnderung eines Kegelstumpfs) Ein Kegelstumpf ist durch den Radius
R = 6 der Grundflche, den Radius r = 4 der Deckflche und die Hhe h = 10 gegebenen.
Wie ndert sich das Volumen V = W;l(r 2 + rR + R 2) bei nderung der Gren R, r und h?
Die nderung wird nherungsweise durch das vollstndige Differential

dV

~ grad V dx ~ (~) . (~~) ~ VRdR + '" dr + Vhdh

=

(h(r + 2R) dR + h(2r + R) dr + (r + rR + R

dh)

angegeben. Eine nderung der Angabe auf R = 5.7, r = 4.1 und h = 10.2 bewirkt eine
nherungsweise nderung des Volumens V ~ 795.87 um

160n

- 3

140n
76n
. (-03)
. + -3 0 1
. +3- 02
'

- 197
. ,

also um etwa 2.5%.

Im Gegensatz zur partiellen Differenzierbarkeit folgt aus der totalen Differenzierbarkeit sehr

wohl die Stetigkeit.

Satz 6.17 Jede total differenzierbare (skalar- oder vektorwertige) Funktion ist auch stetig.
Beweis. Durchfhren des Grenzbergangs in (6.4) unter Bercksichtigung der Linearitt (insbesondere der Stetigkeit und A 0 = 0) und der Bedingung fr den Rest R(x) fhrt unmittelbar
auf die Behauptung.
0

Satz 6.18 Ist eine vektOlwertige Funktion total differenzierbar, so sind es auch alle Koordinatenfunktionen. Die Eintrge der Jacobi-Matrix A sind die partiellen Ableitungen der KOOl'dinatenfunktionen, d.h., fr f : lR,n ~ IRm gilt

A =

of

ox

!!..fl)
axt'/.

a~

axt'/.

Folgerung: Jede total differenzierbare Funktion ist auch partiell dijferenzierbal:

Beweis. Sei A =
dann

(aij )i= l ,... ,m;j = l, .. . ,n

die lacobi-Matrix von f . Die i-te Zeile von (6.4) lautet

n

fi(X) - fi(xo)

L aij (Xj -

xo) + ~(x) .

j=1

Da R (x) die Bedingung (6.3) erfllt, muss das auch fr R(x) zutreffen. Daraus folg[ aber bereits die erste Behauptung: fi(X) i t total differenzierbar. Die zweite Behauptung, die konkrete
Gestalt der Jacobi-Matrix, ist nun eine unmittelbare Folgemng von Satz 6.15 .
0

236

6 Differential- und Integralrechnung in mehreren Variablen

2. Ableitungsregeln
Die einfachste Ableitungsregel, die Summenregel, bertrgt ich direkt auf den mehrdimensionalen Fall, denn man muss nur die beiden Gleichungen der Form (6.4), die fund gentsprechen,
addieren. Dann addieren sich natrlich auch die zu den Ableitungen f' und g' gehrigen Matrizen. Es gilt also (f + g)' = f' + g' (Surnmenregel).
Auch die Produktregel und die Kettenregellassen sich bertragen .

Satz 6.19 (Produktregel) Sei D ~ lRn eine offene Menge. Weiters seien J, 9 zwei totaldifJerenzierbare, skalarwertige Funktionen. Dann giltfr die Funktion hex) = f (x)g(x) die Gleichung
gradh(xo) = f(xo)' gradg(xo)

+ g(xo)' gradf(xo)

Beweis. Es gilt nach Satz 6.15

hex) - h(xo) = J(x)g(x) - f(xo)g(xo)

= (f(xo) + grad f(xo) . (x - xo) + R 1 (x))
. (g(xo) + gradg(xo) . (x - xo) + R 2 (x )) - f(xo)g(Xo)
= (f(xo) . gradg(xo) + g(xo) . grad f (xo)) . (x - xo) + R(x)
mit

R(x)

R1 (x)(g(xo) + gradg(xo) . (x - xo)) + R2 (x)(f(xo) + gradf(x o)' (x - xo))

+ (grad f(xo) . (x - xo))(gradg(xo) . (x - xo)) + Rl(X)R2(x ).

Unter Bercksichtigung von limx~xo R 1 (x) /llx - xoll = 0 und limx-txo R 2 (x)/llx - xoll = 0
ist leicht nachzurechnen, dass lirnx-txQR(x) /ll x - xoll = O. Daraus folgt die Behauptung. D

Satz 6.20 (Kettenregel) Sei D ~ ]Rn eine offene Menge, f : D -; ~ und g : ]R

g(x) = (gI (x) , . . . ,gn(x)) und geR) ~ D. Weiters sei F(x) = f(g(x)). Dann gilt

-; ]Rn

mit

F'( x ) =

f Xi(gl(X), .. . gn(x)) g~(x).

i=l

In Leibniz'scher Notation:

dF
dx

~ 01 dg i
= ~ Ogi . dx '
l= l

-; m.m

Die Zusammensetzung zweier vektorwertiger Funktionen f : R ln - ; IRP und g : ~n

ist durch (f 0 g)(x) = f (91(X) , ... ,gm(x )) definiert, wobei g (x ) = (gl(X) . . . 9m(X)). Fr
die entsprechenden lacobi-Matrizen gilt

8(f 0 g) (xo)
8x

m.n -;

8f (g(xo)) . og (xo) .
og
OX

Folgerung: Falls J :
~n total differenzierbar un.d bijektiv ist, dann ist die JacobiMatrix der UmkehJjunktion gleich der Inversen der lacobi-Matrix von f, also

mit Yo = f (xo).

6.2 Differentialrechnung in mehreren Variablen

237

Beweis. Sei A = g~(g(xo) ) und B = ~(xo) . Weiter sind die im Folgenden bentigten Vektoren x , f (x), usw. als Spaltenvektoren aufzufassen. Dann gilt

f (g(x)) = f (g(xo)) + A(g(x) - g(xo)) + R 1(g(x)),

g(x) = g(xo) + B(x - xo) + R 2 (x) ,
IIR1 (g(x))1I
wo b el. l'Imx-\ x Q Il g(x
)- g (x ol ll

l'Imx ..... x Q I\x-xol\

\I R 2(xlI

f (g(x)) - f (g(xo))

(6 .6)
(6.7)

0 . A us (66)
. un d (6 .7) f olgt

A(g(x) - g(xo)) + R 1(g(x))

= A (B(x - xo) + R 2 (x )) + R1 (g(x))
= AB(x - xo) + R (x)
=

mit R (x) = AR2 (x) +R1(g(x)) . Da IIA(x - xo)ll/llx- xo ll durch den grten Eigenwert von
A beschrnkt ist, gilt
lim
x -\xo

R(x)
Ilx - xoll

lim
X - \ XQ

= lim
x-\xo

(A. IlxR- (x)xoll + Ilg(x)R1(g(x))

- g(xo)
2

11

. Ilg(x) - g(xo)ll)
Ilx - xoll

(A ' IlxR - (xxoll) + Ilg(x)R1(g(x

))
. IIB(x - xo) + R2(X) II)
- g(xo) 11
Ilx - xoll
2

und daher ist die Jacobi-Matrix von f o g gleich AB.

Beispiel 6.21 Wir betrachten eine Funktion

'

f : IR 2

--7 IR. Wie ls t ich die nderung der

Funktion beschreiben, wenn wir nicht in kartesischen, sondern in Polarkoordinaten rechnen.
Die Transformation auf Polarkoordinaten geschieht mittels der Substitution x = r cos rp und
Y = r sin <po Aus der Funktion f entsteht dann die Funktion F(r, <p ) = f(r cos <p r sin <p ). Die
partiellen Ableitungen von F ergeben sich nun aus der Kettenregel gem

F,. = f x cos <p + fy sin <p ,

Ftp

= -

f xr sin <p + fy'r COS rp,

und nach Lsen dieses Gleichungssysterns (in den Variablen f x und fy) folgt

Oft sind Funktionen implizit durch eine Gleichung F(x, y) = 0 gegeben. Zum Bei piel
kann der Einheitskreis durch die Gleichung x 2 + y2 - 1 = 0 beschrieben werden. Bei implizit
gegebenen Funktionen stellt sich natrlich die Frage nach der L barkeit so einer Gleichung.
Gesucht ist eine reellwertige Funktion y( x) mit F( x, y( x)) = O. Diese Frage wird durch den
folgenden Satz geklrt.

Satz 6.22 (Hauptsatz ber implizite Funktionen) Seien D ~ ]R2 ein.e offene Menge und
F : D - t R eine stetig differenzierbare Funktion. Weiters sei F(xo , Yo) = 0 und Fy(xo, Yo) #- O.
Dann gibt es eine Umgebung U von (x o, Yo), so dass die Gleichung F( x , y) = 0 in U eine

6 Differential- und Integralrechnung in mehreren Variablen

238

eindeutig bestimmte stetige Lsung y(x) hat. Die Funktion y(x) i t darber hinaus stetig differenzierbar und eifllt

'( x) __ Fx(x) y(x))

Y
Fy(x, y(x)) '

(6.8)

Der Beweis dieses Satzes wrde den Rahmen unseres Buches sprengen, aber die Gleichung
fr y'(x) ist leicht zu zeigen. Man muss nur die definierende Gleichung nach der Kettenregel
differenzieren. Aus F (x, y(x)) = 0 folgt

~F(x, y(x)) = Fx(x, y(x)) + Fy(x

dx

y(x))y'(x) = 0

und damit y' (x) = _ F",(x,y(x)) .

F lI

(x,y(x))

Beispiel 6.23
Ca) Der Kreis mit Radius r und Mittelpunkt (0, 0) wird durch dje Gleichung F (x y) x 2 + y2 - r 2 = 0 beschrieben. Die Lsungen die er Gleichung sind Yl(X) = v r 2 - x 2
und Y2(X) = -vr 2 - x 2. Die partiellen Ableitungen von F sind Fx(x , y) = 2x und
Fy(x, y) = 2y, und daher ist Fy(x, y) = 0 genau fr y = O. Wenn (xo l YO) ein Punkt
dieses Kreises ist, der nicht auf der x -Achse liegt (al 0 Yo ::j:. 0 und daher Fy(xo Yo) '1= 0),
dann sind die Voraussetzungen des Hauptsatzes ber impli zite Funktionen erfUnt. Daher
geht durch so einen Punkt nur eine der beiden Lsungen der Krei gleichung. Der An tieg
der Tangente an den Kreis im Punkt (xo, Yo ) ist dann gem (6.8) y'(xo) = - xo/y(xo).
An den Schnittpunkten des Kreises mit der x -Achse sind die Vorau setzungen von
Satz 6.22 verletzt. Es gehen auch tatschlich beide Lsungen Yl (x) und Y2 (x) durch diese
beiden Punkte.
(b) Die Lsung y(x ) der Gleichung F (x , y) = eXY + x + Y = 0 ist keine elementare
Funktion. Die Lsungslcurve ist in Abb. 6.6 dargestellt. Es gilt Fx(x, y) = y exy + 1
und Fy(x, y) = xe xy + 1. Obwohl die Lsungsfunktion nicht expli zit durch einfache
Funktionen ausgedruckt werden kann, i t es mglich, die Tangente an die Lsungsfunktion im Punkt (xo, Yo) explizit an zugeben. Die Tangentengleichung i t nmlich durch
y = Yo + y'(xo)(x - xo) gegeben, wobei man aus dem Haupt atz die Darstellung

konkret also

(ye

xy

+ l )(x - xo) + (xe XY + l)(Y - Yo)

= 0

erhlt.

3. Die Richtungsableitung
Die partiellen Ableitungen einer Funktion f : IR 2 ---7 IR geben den An eg der Funl.'1ion ntlang
der durch die Koordinatenachsen bestimmten Richtungen an. Sie sind al o die Ableitungen von
f in Richtung der Koordjnatenachsen. Nun wollen wir entlang beliebiger Richtungen differenzieren.

239

6.2 Differentialrechnung in mehreren Variablen

Abbildung 6.6 Die durch eXY

+ x+y=

0 bestimmte ebene Kurve

Definition' 6.24 Sei D . ~ jin eine offene Menge, f : D -+ :IR. eine skalarwertige Funktion
und v E Rn ein normierter Vektor, d.h. IIvl:! = 1. Unter der Ricbrungsableitung von f an der
Stelle x E D nach v versteht man den GTenzwert

. 8j (x)= lim f(x + tv) - fex) .

__
'. __ ________________________

L -____________~~_ _~8
~v
~

t~O

t
~

~ Rn eine offene Menge, f : D -+ IR eine an der Stelle x = (Xl, . .. , Xn) E D

total differenzierbare Funktion und v = (Vb" " Vn ) E ]Rn ein beliebiger normierter Vektor.
Dann existiert die Richtungsableitung nach v, und es gilt

Satz 6.25 Sei D

Bf

Bv (x) = fXl (X)Vl

Beweis. Da

+ ... + f x", (x)v n

grad fex) . v .

total differenzierbar ist, gilt

fex

+ tv) -

f Xl (X)tVl

fex)

+ ... + f x", (x)tV n + R(x + tv)

t

l XI (X)VI + .. . + f x.. (X)V n +

R(x + tv)
t

Aus t = Ilx + tv - xii und (6.3) folgt limt. . . oR(X~t'IJ) = O. Nach Grenzbergang fr t -+ 0 erhlt
man nun die Behauptung.
0
Beispiel 6.26 Seien D und f wie im vorigen Satz und v = ek = (0, . .. ,0,1,0, . . . ,0) der
k ~ te kanonische Einheitsvektor. Die Rjchtungsableitung von f nach ek ist dann nach Satz 6.25
gen au die partielle Ableitung j~k '
6.
Wir wollen un nun der folgenden Frage zuwenden: In welcher Richtung wchst bzw. fllt
eine Funktion f am strksten? Es gengt, sich auf einen der beiden Flle zu beschrnken, denn
die Existenz der Richtungsableitung nach v impliziert, dass die Funktion g( t) = I (x + tv) an
der Stelle t = 0 differenzierbar und daher linear approximierbar ist. Daher ndert die Rjchtungs ~
ableitung ihr Vorzeichen, wenn wir v durch - versetzen. Wenn f in Richtung v am strkste:::
ansteigt, so ist die Richtung des strksten Abstiegs genau - 'V .

240

6 Differential- und Integralrechnung in mehreren Variablen

Satz 6.27 Seien D, ! und x wie in Satz 6.25. Dann ist die Richtung des grten Anstiegs genau die Richtung'des Gradienten grad f. Der Wert des grten Anstieg i t 11 grad 111. Im Fall
grad! = 0 sind alle Richtungsableitungen gleich O.
Beweis. Wir suchen jenen Vektor v, fr den die zugehrige Richtung ableitung am grten ist.
Nach dem vorigen Satz ist die Richtungsableitung nach v gleich grad 1 ,v und die e wird genau
dann maximal, wenn v und grad J dieselbe Richtung haben. In diesem Fall gilt grad J . v =
11 grad J 11 . Falls grad J = 0, dann gilt fr jeden Vektor v natrlich grad J . v = O.
0
Bemerkung: Es besteht ein einfacher Zusammenhang zwischen den Niveaulinien einer Funktion J, also jenen Kurven, entlang derer der Funktion wert konstant ist, und dem Gradienten
von f. Es gilt: Falls grad f(x ) =I=- 0 , dann steht grad J(x) normal auf die Niveautinie, auf der x
liegt.
Beispiel6.28 Sei f( x, y , z ) = e- x Y z 2 und Xo = (xo, Yo, zo) = (2 , - ln2 , 3) . Die nderungen in Richtung der Koordinatenachsen sind durch die partiellen Ableitungen Jx(x , y , z ) =
_ yz 2 e- x y , fy (x, y, z ) = - x z 2 e- x y und fz(x, y , z ) = 2ze- XY gegeben. Die entsprechenden
Anstiege an der Stelle Xo sind 361n 2 ~ 24.953, - 72 und 24,
Die nderung in Richtung des Einheitsvekto<s

grad!

2)
31 ( ~l

! ( ~1)

ist gegeben durch

(361n 2) 1 ( 2 )
~:2
. 3 ~l = 24ln 2 + 40 ~ 56.636.

Die Richtung des maximalen Anstiegs ist

361n2)
(

~:2

und des en Wert betrgt

361n2)
- 72
(
24

4. Taylorentwicklung
Wir beschrnken uns hier wieder auf den zweidimensionalen FalL Sei D ~ ]R2 eine offene Menge und J : D ~ ]R eine fr die folgenden Betrachtungen hinreichend oft tetig differenzierbare
Funktion. Die lacobi-Matrix von f an der Stelle (xo, Ya) E D ist die lineare Approximation von
f. Die Funktion! wird lokal durch eine Ebene, die Tangentialebene, angenhert. Fr Funktionen in einer Variablen haben wir in Abschnitt 5.2 Approximationen hherer Ordnung betrachtet.
Dies fhrte uns auf Taylorpolynome und -reihen. Wir wollen nun diese Idee auf Funktionen in
zwei Variablen verallgemeinern. Dazu whlen wir (xo , Yo) als Entwicklungspunkt und einen
weiteren Punkt (x, y) = (xo + h , Yo + k) . Wir betrachten nun J auf der Verbindungsstrecke von

6.2 Differentialrechnung in mehreren Variablen

241

(xo YO) nach (x )y) und fhren daher die Hilfsfunktion F(t) = f( xo + th )Yo + tk) ein. Die e
Funktion entwickeln wir nun in eine Taylorreihe um die Anschlussstelle t o = 0:
l

F(O)

F/I(O)
2- t2

+ F'(O)t + -

FI/I(O) 3
3! t +

... .

Aus dem Satz von Taylor folgt dann fr t = 1

f( x) y)

<

mit 0

F(t)

F(l) = F(O)

F"(O)

FII/(O)

+ F (0) + -2- + 3!

+ ... +

F(n) (0)
n!

F (n+l) (~)

(n

+ 1)!

< 1. Die in der Taylor'schen Formel auftretenden Ableitungen knnen nun aus

f(xo

+ th) Yo + tk) mit Hilfe der Kettenregel berechnet werden. Wir erhalten

Das entspricht genau der ersten Nherung aus Satz 6.15 durch die Jacobi-Matrix (vgl. auch (6.4)
fr den allgemeineren Fall vektorwertiger Funktionen). Nochmaliges Ableiten mittels Kettenregel unter Verwendung des Satzes von Schwarz ergibt

P"(O)

[dd j~(xo + th )Yo + tk)h + dd fy(xo + th , yo + tk)k]

t
t
t=O
2
2
= f xx (xo Yo)h + 2fxy(xo, yo)hk + fyy(xo) yo)k
=

und

Man beachte, dass die partiellen Ableitungen nach x und nach y auch als lineare Funktionen des
Vektorraums der (unendlich oft) differenzierbaren Funktionen in sich selbst aufgefasst werden
knnen. Diese Funktionen werden auch Differentialoperatoren genannt. Wir bezeichnen sie mit
D =
und D y = ~ . Beim Rechnen mit Operatoren sind folgende Konventionen blich:
Die Hintereinanderausfhrung von Operatoren wird als Produkt oder als Potenz, wenn derselbe
Operator mehrfach angewendet wird, geschrieben. Konstante Faktoren3 in Produkten sind als
entsprechende Vielfache des identischen Operators (dj. jener Operator, der jede Funktion auf
sich selbst abbildet) zu verstehen. Damit knnen wir die beiden vorigen Gleichungen nun wie
folgt aufschreiben

x tx

und analog F/If(O) = (hD x + kD y)3 f( xo, Yo) . Das Muster, nach dem diese Ableitungen aufgebaut sind, [Link] leicht erkennbar. Mit vollstndiger Induktion kann schlielich der Satz von
Taylor gezeigt werden.
3Es ist auch blich. nicht konstante Faktoren in Operatorgleichungen zu verwenden und in analoger Weise
zu interpretieren. So gilt beispielswei e (im Vektorraum der unendlich oft differenzierbaren Funktionen) DxD y =
DyDx nach dem Satz von Schwarz. Der Operator xD x bildet fex) auf xi' (x) ab, whrend Dxx diese Funktion auf
(x f (x)) ' = x f'( x) + fe x) abbildet; also gilt xD x "# D xx. Wenn hund k Konstante si nd, dann ist D xh = hD", .
da (Dxh ) (f( x)) = (h/(x))' = hf'(x) = hD~ (f( x )) .

242

6 Differential- und Integralrechnung in mehreren Variablen

Satz 6.29 (Satz von Taylor fr reellwertige Funktionen in zwei Variablen) Sei D ~ ~2 eine offene Menge und f : D ~ IR. eine auf D n + I-mal stetig differenzierbare Funktion. Weiters
seien (xo, Yo) und (x, y) = (xo + t h, Yo + tk ) zwei Punkte in D, deren Verbindungsstrecke zur
Gnze in D liegt. Dann gibt es ein ~ E (0, 1), so dass

f( ' )- f(
) ~ (hDx + kDy)l f (xo, Yo) (hD:r;
x, y xo,Yo + ~
e!
+

+ kDy)n+l f(xo + ~h, Yo + ~k)

(n + I )!

11= 1

(6.9)

Ist 1 unendlich oft stetig differenzierbar, so ist die Taylorreihe von

00

f (xo, Yo)

durch

+ 2: f ! (hDx + kDy)1 f (xo, Yo)

l= l

definiert. Sie konvergiert genau dann gegen f (x, y), wenn die Folge der Restglieder eine Nullfolge ist, d.h. liIIln...... oo -!J( hDx + kDyt' f (xo + ~n h , Yo + ~n k) = O.

Beispiel 6.30
(a) Falls man beispielsweise quadratische Approximationen einer Funktion sucht, so muss
man die Ableitungen bis zur Ordnung zwei bestimmen, um das Taylorpolynom zweiter
Ordnung festzulegen. Dieses besitzt auch die Darstellung

f(

Xo, Yo

(l k)

L,

gra

cl f (

Xc, Yo

1 (h k) (fxx(xo, Yo )

+ 2!'

f yx(xo , Yo)

fxy(xo 1 YO) )
fyy(xo, Yo)

(h)
k

'

Die hier auftretende Matrix der partiellen Ableitungen zweiter Ordnung heit HesseMatrix. Allgemein gilt fr zweimal stetig differenzierbare Funktionen in n Variablen
(mit den Abkrzungen x = (Xl, . . . , x n ) und h = (h }, .. . , hn ))

f(x

+ h) =

f(x)

+ hgradf(x) + ,h.
H j(x ) . h T + R (x ),
2.

(6.10)

wobei Hf die durch

definierte Hesse-Matrix von fund R(Xl , . . . , x n ) das Restglied aus (6.9) bezeichnet.
(b) Wir suchen eine quadratische Approximation der Funktion f (x, y) =
im Punkt (0, 1). Die ersten partiellen Ableitungen sind

f3;

=Y-

2,

fy =

1
X

- ?

y~

(x+ :2) (y -

2)

+ -Y3 '

die zweiten partiellen Ableitungen lauten

fxx = 0,

l xv = 1,

12

f yy = y3 - y4'

Daraus folgt /(0,1) = f x(O,l) = - 1, f y (O,l) = 3, f xx (O , 1) = 0, f xy (O , 1) = 1 und

fyy(O, 1) = -10. Daherlautet die gesuchte Approximation

f(x , Y) ~ - 1 - x

+ 3(y -

1) + x (y - 1) - 5(y - I?

------------~-~

6.3 Bestimmung von Extrema

243

6.3 Bestimmung von Extrema

Fr Funktionen in einer Variablen haben wir im vorigen Kapitel die geometrische Bedeutung
der ersten und der zweiten Ableitung untersucht. Lokale Extrema (Minima und Maxima) lassen
sich durch Bestimmung der Nullstellen der ersten Ableitung aufspren.
In diesem Abschni tt wollen wir Minima und Maxima von Funktionen in mehreren Variablen
untersuchen . Zunchst widmen wir uns der Untersuchung der Extrema des gesamten Funktionsgraphen. Danach betrachten wir Extrema mit Nebenbedingungen, also z.B. Extrema des Grax2 y2
phen entlang einer vorgegebenen Kurve. Abb. 6.7 zeigt die Funktion ((x - 2? +y2 )e- _ mit
der Nebenbedingung (x - 0.3)2 + (y - 0.3)2 = 1. Die Nebenbedingung definiert einen Kreis
C . Sie schneidet aus dem Funktionsgraphen den ber dem Kreis C liegenden Abschnitt aus.
Auf der Kreislinie wird nun ein Maximum und ein Minimum angenommen. Ohne Nebenbedingung liegt das Maximum der Funktion an einer anderen Stelle, ein Minimum existiert berhaupt
nicht.

Abbildung 6.7 ExtremsteIlen einer Funk.1ion mit Nebenbedingung

1. Lokale Extrema

Definition 6.31 Sei D s:;' R n und f : D

besit;zt an der Stelle Xo E D

ein relatives (oder lokales) Maximum (bzw. Minimum), wenn es ei11e Umgebung Uc(:xo) gibt,
so dass fr alle x E Uc(Xo) nD gilt: f(x) ~ f(Xo) (bzw. f(x) ~ f(Xo.
-?

IR. Die Funktion

Eine Stelle Xo heit absolutes (oder globales) Maximum (bzw. Minimum) von f, falls diese
Ungleichung fr alle x E D gilt.

Satz 6.32 Sei D ~ lRn eine offene Menge und.f : D -? lR. Die Funktion f habe in x ein
relatives Extremum und sei darber [Link] in x partiell differenzierbar. Dann [Link] in
x alle partiellen Ableitungen, d.h. gr ad f(x) = O.
Beweis. Ein relatives Extremum x = (Xl> . .. ) x n ) von f ist auch relatives Extremum der Funktionen gk(X) = !(Xl , " ' ) Xk - l , X, Xk+1.. , x n ) . Daher ist g~ (Xk ) = O. Andererseits ist aber
gk(Xk ) = f Xk (x), also ist IXk (x) = 0 fr alle k.
0

244

6 Differential- und Integralrechnung in mehreren Variablen

Fr total differenzierbare Funktionen ist die Aussage des Satzes auch anschaulich einleuchtend . Denn ein relatives Maximum ist ja nichts anderes als ein "Gipfel des Funktionsgraphen.
Deshalb ist die Tangentialebene dort waagrecht. Somit sind die Anstiege in alle Richtungen, die
ja durch die Richtungsableitungen beschrieben werden, gleich O. Die B dingung g;rad f (x) = 0
ist nur notwendig, aber nicht hinreichend, wie das unten stehende Bei pie1 zeigt. Punk~e mit
grad f(x) = 0 heien stationre Punkte.

Beispiel 6.33
(a) Wir betrachten die Funktion f(x, y) = x 2 + y2 . Fr ein relative ExtremlUl1 m en die
Gleichungen f x(x , y) = 2x = und fy(x , y) = 2y = gelten. Aus diesen beiden Gleichungen folgt x = y = O. Im Ursprung (0, 0) befindet sich auch das relative Minimum
dieser Funktion (siehe Abb. 6.8, linkes Bild).

15

10

-5

2
Y

Abbildung 6.8 Links: (0 , 0) ist relatives Minimum von f(x , y)

f(x , y) = xy

x 2 + y2. Rechts : Der Sattelpunkt (0 0) von

(b) Nun betrachten wir die Funktion f(x , y) = xy. Wegen f x(x , y) = y und f y(x , y) = x
ist die einzige Stelle, die als relatives Extremum in Frage kommt, der Ursprung (0, 0).
Es liegen aber in jeder c-Umgebung sowohl Punkte mit f( x , y) > 0 als auch Punkte mit
f(x, y) < O. Denn Ue(O , 0) ist der Kreis mit Radius c und Mittelpunkt (0 0) . Darin liegen
die Punkte (c/2, e/2) mit f( E. /2, c/2) = e2 / 4 > 0 und. (e/2, - c/2) mit f (c/ 2, - c/ 2) =
2
- 8 /4 < O. Die Bedingung frn(x, y) = 0 und fy(x , y) = 0 ist daher nur notwendig, aber
nicht hinreichend fr ein relatives Extremum.

Wir wollen nun eine hinreichende Bedingung fr relative Extrema finden . Wie kann man
feststellen, ob eine Stelle x mit grad f(x) = 0 ein relatives Extremum ist, und welche Art von
Extremum vorliegt? Aus der Darstellung (6.10) folgt wegen grad f(x) = 0
f(x

+ h) =

f(x)

T
+ h grad f(x) + I"
hHf(x)h + 0 (1Ih I1 3)
2.

= f(x) + 2! hHf(x) hT + 0 (1I h I1 3 )

(6.11)

Da der Fehlerterm in (6.11) fr (betragsmig) hinreichend kleine h vernachlssigbar gegenber hHj(x)hT ist, gengt e , das lokale Verhalten von hH,(x)hT zu kennen. Wenn also

6.3 Bestimmung von Extrema

245

hHj (x)h T > 0 fr hinreichend kleine h, also fr 0 < Ilhll < e i t (e klein genug), dann
folgt daraus f ex + h) > fex) fr 0 < Ilhll < c. Somit liegt ein relatives Minimum vor.
Der Term hHf(x)hT ist aber eine quadratische Form (siehe Beispiel [Link]), denn aufgrund des Satzes von Schwarz ist Hf(x) eine symmetrische Matrix. Somit ist die Bedingung
hHj (x )h T > 0 gleichbedeutend damit, dass die Hesse-Matrix Hf(x) positiv definit ist. In
analoger Weise folgt aus der negativen Definitheit von Hf(x) das Vorliegen eines lokalen Maximums. Diese berlegungen fhren somit zum folgenden Satz.

Satz 6.34 Sei D ~ :!Rn eine offene Menge und f : D -----+ IR. Weiters sei xa E D ein Punkt mit
grad f(xo) = o. Bezeichne H(x) die Hesse-Matrix von f in x. Falls H (xa ) negativ definit ist,
so liegt bei Xo ein relatives Maximum V01: Im positiv definiten Fall liegt ein relatives Minimum
vor. Ist H (xo) indefinit, so ist an der Stelle Xo kein Extremum, sondern ein Satte/punkt von f.
Bemerkung: In einem relativen Minimum x gengt laut Definition fex + h) 2:: f ex) fr
Ilhll < E . Trotzdem reicht es nicht, wenn Hf(x) blo positiv selnidefinit ist. Denn falls Hf(x)
positiv semidefinit, aber nicht definit ist, dann knnte man h mit Ilhll < e so whlen, dass
hHf(x)hT = O. Dann wrde aber in (6.11) das Vorzeichen von f(x + h) - fex) nicht durch
die Hesse-Matrix sondern durch das Verhalten der Terme dritter und hherer Ordnung bestimmt.
Folglich ist dann keine Aussage ber das Vorhandensein eines relativen Extremums mglich.

Beispiel 6.35
(a) Gesucht sind die relativen Extrema der Funktion f( x, y) = x 3 + 3x y 2 - 15x - 12y
(siehe Abb 6.9). Partielles Differenzieren liefert f x(x, y) = 3x 2 + 3y 2 - 15 = 0 und
fy( x, y) = 6x y - 12 = O. Wir erhalten das nichtlineare Gleichungssystem

Y= - ,
x

dessen Lsungen gen au die stationren Punkte sind. Einsetzen der zweiten in die erste
Gleichung fhrt auf die biquadratische Gleichung x 4 - 5x 2 + 4 = 0, die nach der Substitution z = x 2 in die quadratische Gleichung Z2 - 5z + 4 = 0 bergeht. Das fhrt
letztendlich auf folgende Kandidaten fr relative Extrema:. (1 , 2), (- 1, - 2), (2, 1) und
(- 2, - 1). Die Hesse-Matrix
Hf( x , y) =

(f

xx

f xy

f xy ) =
fyy

(6X
6Y)
6y 6x

ist genau dann positiv definit, wenn f xx = 6x > 0 und det Hf(x, y) = 36(x 2 - y2) > 0,
und genau dann negativ definit, wenn 6x < 0 und det Hf(x , y) > O. Wir setzen die
Punkte, die wir oben bestimmt haben, der Reihe nach ein und bekommen det Hf(l , 2) <
ound det H f ( -1 , - 2) < O. Die Matrix ist daher indefinit, und es liegt an diesen Stellen
kein relatives Extremum vor. Wegen det Hj( 2, 1) > 0 und f xx (2, 1) = 12 > 0 ist in
(2, 1) ein relatives Minimum von f. Und schlielich folgt aus det H f ( -2, -1) > 0 und
f xA - 2, - 1) = - 12 < 0, dass in (- 2, - 1) ein relatives Maximum von fliegt.
(b) Gesucht sind die relativen Extrema der Funktion f (x, y) = x 2 + y2 - 2x y + 1. Die
partiellen Ableitungen sind f x(x , y) ---= 2x - 2y und fy( x, y) = 2y - 2x . Die Kandidaten

246

6 Differential- und Integralrechnung in mehreren Variablen

100

30

20

10

-100

-4

Abbildung 6.9 Die Funktionen f (x, y)

= x 3 + 3x y 2 -

15x - 12y und f (x y) = x 2

+ y2 -

2xy

+1

fr relative Extrema, also die stationren Punkte, sind daher alle Punkte der Form (a, a).
Wegen
detHf(x ,y)

= - 22

-21
2 =0

ist die Hesse-Matrix an keiner Stelle defin. Das Kriterium von Satz 6.34 versagt also hier.
In diesem Fall lassen sich die Extrema dennoch leicht bestimmen. Denn chr ibt man f
in der Form fe x , y) = (x - y)2 + 1, so folgt sofort f( x, y) ~ 1 fr alle (x , y) E ]R2, wobei
Gleichheit nur in den Punkten (a, a) mit a E ]R gilt. Damit ist jeder der oben bestimmten
Kandidaten ein Minimum, ja sogar ein globales Minimum. Da f nicht be chrnkt ist
(siehe Abb. 6.9), gibt es kein Maximum.

Wir haben in diesem Abschnitt alle Stze fr Funktionen formuliert, deren Definitionsbereich eine offene Menge ist. Der Rand gehrt in diesem Fall nicht zum Definition bereich. Falls
man es mit Definitionsbereichen zu tun hat, die keine offenen Mengen sind, so muss man bei
der Suche nach globalen Extrema wie folgt vorgehen. Zunchst mssen alle lokalen Extrema im
Inneren des Definitionsbereichs - wie oben beschrieben - gefunden werden. Durch Vergleich
der entsprechenden Funktionswerte findet man Maxima und Minima unter den lokalen Extrema. Es knnen jedoch auch am Rand des Definitionsbereichs Stellen mit noch greren bzw.
kleineren Funktionswerten existieren, die aber keine lokalen Extrema sind. Deshalb mssen die
Funktionswerte am Rand gesondert untersucht werden (vgl. bungsaufgabe 6.36).
2. Extrema mit Nebenbedingungen
Beispiel 6.36 Fr die Herstellung eines Produkts D sind die ZWischenprodukte A, Bund C
erforderlich. Aus x Einheiten von A, y Einheiten von Bund z Einheiten von C lassen sich
f(x , y , z ) = 12Jxyz Einheiten von D herstellen. Eine Einheit von A kostet 3 Euro, eine Einheit des Produkts B 2 Euro und eine Einheit von C 5 Euro. Das Budget sei durch 60 Euro beschrnkt. Mit dem vorhandenen Budget sollen nun mglichst viele Einheiten von D produziert
werden. Gesucht ist also das Maximum der Produktionsfunktion f(x , y z ) = 12J x yz unter der

6.3 Bestimmung von Extrema

247

Nebenbedingung4 3x + 2y + 5z - 60 = O. Eine Mglichkeit, diese Aufgabe zu lsen, ist mittels

Substitution einer Variablen aus der Nebenbedingung: Man setzt z.B. z = 12 - 3x /5 - 2y/ 5 in
f( x, y , z ) ein und bestimmt die Extrema der so gewonnenen Funktion in zwei Variablen. Das
Problem ist damit auf eine Extremwertaufgabe ohne Nebenbedingung zurck gefhrt.
l::,.
Die im obigen Beispiel vorgeschlagene Vorgangsweise funktioniert nur, wenn sich die Nebenbedingung nach einer Variablen auflsen lsst. Sie ist oft eher mhsam anzuwenden, es sei
denn, die explizite Fonn der Nebenbedingung hat eine hinreichend einfache Gestalt. Deshalb
werden wir im Folgenden eine in vielen Fllen elegantere Methode prsentieren, die Methode
der Lagrange'schen Multiplikatoren.
Betrachten wir eine Funktion f( x, y), deren Extrema wir unter der Nebenbedingung
g( x, y) = 0 bestimmen wollen. Die Funktion f( x, y) knnen wir durch ihre Niveaulinien veranschaulichen (Abb. 6.10). Die Nebenbedingung beschreibt eine Kurve C im 1R 2 . Bezeichnen
wir mit die Einschrnkung von f auf die Menge C. Dann sind die Extrema von f unter der
gegebenen Nebenbedingung nichts anderes als die Extrema von j. Jede Niveaulinie zum Niveau c teilt die (x , y)-Ebene in zwei Gebiete, nmlich das Gebiet, auf dem f( x, y) > c gilt, und
jenes, wo f( x, y) < e ist.

Abbildung 6.10 Niveaulinien einer Funktion f und die durch die Nebenbedingung g(x , y)

= 0 beschriebene Kurve

An jedem Schnittpunkt der Kurve C mit einer Niveaulinie hat C mit beiden dieser Gebiete
einen nichtleeren Schnitt. Daher kann hier kein Extremum von
vorliegen. Ein Extremum
von ist daher ein Punkt, wo sich eine Niveaulinie von f und die Kurve C nicht schneiden,
sondern nur berhren. Da der Gradient von f normal auf die Niveaulinien steht und C eine
Niveaulinie von 9 ist (jene zum Niveau 0), folgt daraus, dass die Gradienten von fund 9 parallel
sein mssen, sofern letzterer nicht verschwindet. Ist x eines der gesuchten Extrema, so muss
es infolge dessen ein AO E 1R geben mit grad f(x) = AO gradg(x). Anders formuliert: Die
Funktion

F (x ) A) = f(x) - Ag(X)
erfllt an der Stelle (x0 1 AO) die Gleichung grad F = O. hnlich kann man vorgehen, wenn man
mehrere Nebenbedingungen hat, deren Gradienten linear unabhngig sind. Diese Beobachtungen liefern die Grundlage des folgenden Satzes.
4Da die Produktionsfunktion f( x , y, z ) fur x, y, z ~ 0 monoton in allen drei Variablen ist, wird das Maximum
erzielt, wenn das vorhandene Budget voll ausgentzt wird. Andernfalls msste die Nebenbedingung 3x + 2y +
5z - 60 ::;: 0 lauten.

6 Differential- und Integralrechnung in mehreren Variablen

248

Satz 6.37 (Methode der Lagrange'schen Multiplikatoren) Sei D ~ lR n eine offelle Menge,
und f : D - t lR, 9i : D --+ lR (i = I, . . . , m) seien stetig differenzierbar:e Funktionen. I besitze
in Xo ein lokales Extremum unter den Nebenbedingungen 91 (x ) = 0 . . , 9m(X) = 0, und die
Gradienten grad9l (Xo), .. . grad9m(Xo) seien linear unabhngig. Dann existiert ein Vektor
(AOI .. . , Aom ) E lRm , so dass die Funktion
m

F(x , Al, ... , Am ) = f(x) -

Aj gj( X)

j =l

die Gleichung
gradF(xo , AOl , . .. , Aom ) = 0

erfllt.
Anwendung der Methode der Lagrange'schen Multiplikatoren: Wir wollen die E trema von
f(x) unter den Nebenbedingungen 91 (x) = 0, ... , 9m(X) = 0 bestimmen. Dazu machen wir
den Ansatz

F (x , Al, . . . , Am) = f (x) - A191 (x) - . .. - Am 9m(X)

und suchen die Lsungen der Gleichung gradF (x, Al, . . . Am)
chungen

= O. Wir erhalt

n die n Glei-

FXi (x, Al, . . . ,Am) =

l Xi(x) -

l: Aj9x (x) = 0
i

j=l

sowie die m Gleichungen F).Jx, Al, . . . , Am) = 9i(X) = 0, die genau mit den Nebenbedingungen bereinstimmen. Man bestimmt nun alle Lsungen dieses Gleichungssystems und erhlt
auf diese Weise alle Punkte, die Lsungen der Extremwertaufgabe unter den gegebenen Nebenbedingungen sein knnen. Fr jeden dieser Punkte muss noch gesondert geprft werden, ob es
sich um ein Extremum handelt und um welche Art von Extremum (Minimum oder Maximum).
Diese berprfungen sind oft schwierig. Hier knnen aber in manchen Fllen zustzliche
Argumente herangezogen werden. Zum Beispiel kann die Menge aller Punkt die smtliche
Nebenbedingungen erfllen, nmlich C = {x E D 19i(X) = 0 fr i = 1 .. . m }, kompakt
sein. Wenn f stetig ist, dann besitzt f auf C ein globales Maximum und Minimum. Die e
beiden Extrema sind auch lokale Extrema und lsen daher obiges Gleichungs ystem.
Viele Extremwertaufgaben haben einen physikalischen oder wirtschaftlichen Hintergrund,
so dass auf die Existenz eines Extremums und dessen Art aus achlichen berlegungen geschlossen werden kann.

Beispiel 6.38 (Fortsetzung von 6.36) Wir waren im vorigen Beispiel mit einer Produktionsfunktion f( x, y, z ) = 12Jx yz und der Nebenbedingung 3x + 2y + 5z - 60 = 0 konfrontiert.
Aufgrund der Problemstellung interessieren uns nur Werte mit x , y , z ;:: O. Mit dieser Einschrnkung beschreibt die Nebenbedingung einen beschrnkten Aus chnitt einer Ebene, also
eine kompakte Menge C. Am Rand von C, das sind jene Punkte, wo minde ten eine Koordinate gleich 0 ist, gilt offensichtlich f (x, y , z) = 0, whrend global die Ungleichung f (x, y z) > 0
gilt. Deshalb gibt es in C ein Maximum. Gem der Methode der Lagrange'schen Multiplikatoren machen wir den Ansatz

F(x , y, z , A)

= 12Jxyz -

A(3x + 2y + 5z - 60)

6.4 Integralrechnung in mehreren Variablen

249

und setzen alle partiellen Ableitungen O. Wir erhalten nach einfacher Umformung das Gleichungssystem
z
\
3 - =A ,
= A,

2ft-

6~=5A.

~Y

Division der ersten durch die zweite Gleichung ergibt

t:.;z {?,
=

~ = ~.

Nun nimmt man statt der zweiten die dritte Gleichung und erhlt

z
x

3
5

Daraus ergibt sich mit Hilfe der Nebenbedingung schlielich

x=

6.4

20

3'

y = 10,

= 4 und f(x , y, z ) = 80J6.

Integralrechnung in mehreren Variablen

Wie bei Funktionen in einer Variablen wollen wir nun auch fr Funktionen in mehreren Variablen die Integralrechnung entwickeln. Wieder bieten sich zwei Zugnge an. Eine Mglichkeit
ist, das Integrieren als Umkehrung des Differenzierens zu betrachten, die andere, die Volumsberechnung in Analogie zur Flchenberechnung durchzufhren. Da die zweite Mglichkeit sehr
hnlich zum eindimensionalen Fall ist, beginnen wir zunchst damit.
1. Bereichsintegrale

Wir beschrnken uns hier auf Funktionen in zwei Variablen. Sei also f (x, y) eine stetige Funktion in zwei Variablen. Anstelle des Integrationsintervalls treten nun zweidimensionale Bereiche.
Der einfachste Fall ist wohl das kru;tesische Produkt von zwei Intervallen, also [a, b] x [c, d].
Diese Menge ist ein Rechteck in der Ebene. Das bestimmte Integral einer Funktion in einer
Variablen ber ein Intervall [a, b] lie sich als Grenzwert von Riemann 'schen Zwischensummen
interpretieren. Dabei wurde das Intervall in viele kleine Teilintervalle zerlegt und in jedem Teilintervall ein Funktionswert an einer so genannten Zwischenstelle ausgewhlt. Das gleiche Verfahren funktioniert auch in zwei Dimensionen. Das Integral ia ,b] x [c,dl f( x, y) dx dy ist das Volumen, das die Funktionsflche mit der (x, y) -Ebene einschliet Wir zerlegen das Intervall [a, b]
in viele kleine Teilintervalle und somit das Rechteck in viele kleine Streifen (siehe Abb 6.11).
Das Volumen wird also scheibchenweise berechnet. Da diese Streifen sehr schmal sind, knnen
wir jeden Streifen durch eine Linie lngs dieses Streifens ersetzen. Nun ist man mit einem Integral in einer Variablen konfronti.e n, das wir wieder mittels Riemann'scher Zwischensumrnen
lsen.
Diese heuristische berlegung kann tatschlich exakt gemacht werden, und wir erhalten
damit

/"r

J 1a,b) x Ic,d)

f (x, y) dx dy =

l dl bf
c

(x, y) dx dy =

l bj d

f (x, y) dy dx.

6 Differential- und Integralrechnung in mehrel'en Variablen

250

draBm

-r-----J'---- - - ----J- . x

~
x

Abbildung 6.11 Sukzessive Zerlegung des Integration bereichs

Beispiel 6.39 Sei B = [1 ,2] x [0, 3] und f( x, y) = x 2 y 3 + x . Wir woUen das Volumen des in
Abb 6.12 dargestellten Krpers berechnen. Die obige Formel ergibt

fL

(xV

+ x) dxdy ~

J.' ([

(xV +

X)dx) dy ~ J.' (~3 y3 + ~')

2dy
1

Jor (73

y3

d'y = (712 + 32Y)

+ ~)
2

y4

~
~=
4 +2

20.7
4 '

Abbildung 6.12 Volumsberechnung ber dem Bereich B

Fr allgemeinere Bereiche kann man in analoger Weise vorgehen. Der folgende Satz wird

ohne Beweis angefhrt.

Satz 6.40 (Satz von Fubini) SeiB = (( x,y) E ]R21 i.p(Y) ~ x ~ 'IjJ (y) , c ~ y ~ d}, wobei
r.p(y) und 'IjJ(y ) zwei stetige Funktionen sind. Dann gilt

Ji
B

f( x, y ) dx dy =

dl

'IjJ(y)
<p(y)

f( x, y) dx dy.

6.4 Integralrechnung in mehreren Variablen

251

Diese Vorgangs weise zur Berechnung des bestimmten Integrals, nmlich die Zerlegung des
Rechtecks bzw. des Bereichs in Scheiben, welche parallel zur y-Achse liegen, und anschlieende Zerlegung dieser Scheiben, ist von der Reihenfolge des Zerlegungsprozesses unabhngig.
Mit anderen Worten, die Integrationsreihenfolge bei Bereichsintegralen hat keinen Einfluss auf
das Ergebnis. Dies besagt der folgende, ohne Beweis angefhrte Satz.
Satz 6.41 Sei B = {( x, y) E ]R21 cp(y) ::; x ::; '!f; (y) c ~ y ~ d}, wobei <p(y) und '!f; (y) zwei
stetige Funktionen sind. Weiters gebe es zwei stetige Funktionen <,(x) und 0 (x ), sodass B die
altemative Darstellung B = {( x, Y) E ]R21 (j;(x ) ~ Y ~ ;j;(x ), a ~ x ~ b} besitzt. Dann gilt

l t/J(Yl

f( x, y) dx dy

l~(X)

<p(y)

f( x) y) dy dx .

.p(x)

Bemerkung: Falls der Bereich B keine solche Beschreibung zulsst, kann man ihn oft in Teilbereiche zerlegen, die eine solche besitzen.

VI -

Beispiel 6.42 Der Graph der Funktion f( x, y) =

x 2 - y2 ist eine Halbkugel mit Mittelpunkt im Ursprung und Radius 1 (genauer gesagt: der ber der (x, y) -Ebene liegende Teil der
Einheitskugel). Um das Volumen der Einheitskugel zu berechnen, mssen wir diese Funktion
ber den Einheitskreis integrieren. Der Bereich hat also die Form B = {( x, y) E ]R21 - 1 ~
Y~
y2 ~ X ~
y2 } . Das Volumen V der Einheitskugel erfllt demnach

1,- / 1-

/1 -

1jVl-Y2 VI -

-V = .
2

- Jl - y 2

- 1

Wir substituieren im inneren Integral x =

sowie

VI - y2sin t und erhalten dx = /1 - y2 cos t dt

1
1
1

x 2 - y2 dx dy .

(1 - y2)

j rr/2 cos

- 1

t dt dy

- rr/2

(1 - y2) dy

= -7r

27r
= ~ ~ .
3

- 1

Das Volumen der Einheitskugel ist daher V = ~ .

Die Substitutionsregel (5 .9) bzw. (5.15) aus Abschnitt 5.3 bzw. 5.4 ist ein wertvolles Hilfsmittel zur symbolischen Berechnung von Integralen (fr die numerische Berechnung siehe Abschnitt 9.4). Sei <p (x) eine streng monotone Funktion auf [a, b]. Dann gilt

cp([a,bJ)

f( u ) du =

f( 'P(x ))\ cp'(x )\ dx,

wobei der Betrag Icp'( x)1 die Richtigkeit der Formel unabhngig von der Art der Monotonie
von cp(x ) garantiert. Denn wenn cp(x) streng monoton fllt, so ist cp(a) > <p(b) (und daher
'P([a, b]) = [cp(b) , cp(a)]), und das bewirkt einen Vorzeichenwechsel in (5.15), was durch Icp'(x)1
anstelle von <p' (x) wieder ausgegljchen wird. Eine hnliche Regel gilt fr Bereichsintegrale.

252

6 Differential- und Integralrechnung in mehreren Variablen

Definition 6.43 Sei f (Xl . . . , x n ) = (!t(Xl,'" I Xn ), .. 1 !n(Xl l " " x n )) eine vektorwertige Funktion auf ]Rn . Die Determinante der Jabobimatrix wird als Funktionaldeterminante
bezeichnet und geschrieben als
8:c n Xlt, X n
EiJ..(

~(Xt.:. .. , x n )

Bemerkung: Die Funktionaldeterminante einer Funktion in einer Variablen ist nichts anderes
als deren Ableitung.
Satz 6.44 (Substitutionsregel rur Bereichsintegrale) Gegeben seien ein Bereich B ~ ]R2 und
zwei stetig differenzierbare Funktionen 'P(x, y) und 'Ij; (x , y), die den Bereich B bijektiv auf

BI = { ( 'P (x, y) , 7jJ (x, y)) (x, Y) E B}

(6.12)

abbilden. Dann gilt

!!

f(u ,v)dudv=

!Lf('P(Xl y),7jJ(x, y)ldet(~:~~: t~ ~~~~'tDI dxdy .

B'

Bemerkung: Die Forderung, dass die Abbildung ('P, 'Ij;) : B ~ BI bijektiv sein muss, kann
abgeschwcht werden. In der Tat gengt es, dass Funktionen 'P und 7jJ existieren, die B bijektiv
gem (6.12) auf eine Menge B abbilden, die sich von B' nur durch eine Menge unterscheidet,
deren "Flche" 0 ist. 5
Beispiel 6.45
(a) Mit Hilfe der Substitutionsregel lsst sich zum Beispiel die bekannte Formel fUr die
Flche eines Kreises schnell herleiten. Der Kreis mit Mittelpunkt (0,0) und Radius R
entspricht dem Bereich B = {(x, y) x 2 + y2 ::; R 2} . Die Substitution x = T COS <p,

Y = r sin r.p transformiert das Rechteck B' = {(T, cp) lo

Kreisscheibe B. Damit erhalten wir

S; r :::; R ) 0 ::; 'P :S 21T} in die

R 271'

JJ

dx dy =

JJ
o

JJ
R 271"

det

(C?S
'P
sm 'P

- 1' sin

'P )

r cos r.p

d'P dr =

dtp dr

= R 2 n.

5Wir haben keine mathematisch saubere Definition des Begriffs der Flche (bzw. des Inhalts fr jRn) bereit
gestellt. Dazu bentigt man die so genannte Matheorie, einen Zweig der Mathematik, der erst im 20. Jahrhundert
entstanden ist. In der Matheorie wird das so genannte Lebesgue'sche Ma definiert, das Teilmengen von 1R 2
eine Flche zuordnet und mit dessen Hilfe auch andere Integralbegriffe als das Riemann'sche lntegral definiert
werden knnen. Die allgemeinere Version von Satz 6.44 tritt bereits bei einfachen Substitutionen wie z. B. der
Transformation von kartesischen Koordinaten in Polarkoordinaten (Beispiel 6.45) auf. Da die Behandlung der
Matheorie aber den Rahmen unseres Buches bei weitem sprengen wrde, mssen wir uns an dieser StelIe mit der
etwas ungenauen Formulierung zufrieden geben.

253

6.4 Integralrechnung in mehreren Variablen

(b) Wir greifen noch einmal das Beispiel einer Kugel auf. Sei K die Kugel in]R3 mit Radius
R und Mittelpunkt im Ursprung. Ein Punkt im Inneren der Kugel kann, neben seinen kartesischen Koordinaten (x, y , z), auch durch folgende drei Angaben eindeutig beschrieben
werden: Erstens den Abstand r vom Ursprung, zweitens den Winkel (j, den der Vektor
(x, y , z) mit der z-Achse einschliet, und drittens den Winkel 'P, den die Projektion von
(x, y , z) auf die (x, y)-Ebene mit der x -Achse einschliet. Diese Gren heien Kugelkoordinaten (1', (} , 'P ). Es gelten dann die Beziehungen

x = rsinOcos'P ,

= l' sin(} sin 'P,

z = rcos O.

Die Funktionaldeterminante dieses Koordinatenwechsels ist

at'
a(

( Sin (} cos 'P r cos (j cos cp

y , ; ) = det sin () sin cp r cos (}.sin cp
r, 'P,
cos (j
-r sm (j

-1' sin () sin 'P)

r sin (j cos cp
0

Nun knnen wir das Volumen der Kugel auf die folgende Art berechnen:

~ 2 J'Ir
r

sin Cl

J2'1r

4 R3

= --;-.

d'P d(j d1'

(c) Das Integral

I =

I:

x2 2
e- / dx = J2;

x2

kann man nicht direkt berechnen, da e- / 2 keine elementare Stammfunktion besitzt. Es

kann aber mit Hilfe der Substitutionsregel bestimmt werden. Die gleiche Substitution wie
in (a) liefert

JJ

o 0

00

27r

00

e _ 7, 2 / 21' dcp dr = 271'

e-

r'l. /2 1'

d1'.
oo

Das verbleibende Integral kann mit der Substitution 1'2/2 = u in Jo e- U du = 1 bergefhrt werden, woraus I = J21[ folgt. Die Funktion f( x ) = k e- x2/2 ist die Dichte der
Normalverteilung und spielt in der Wahrscheinlichkeitsrechnung und Statistik eine groe
Rolle. Ihre Stammfunktion ist keine elementare Funktion und kann daher nur in der Form

1
X

<I>(x ) = - 1

..;21r

e- t 2 /2 dt

- 00

dargestellt werden. Sie ist die Verteilungsfunktion der Normalverteilung. Der Wert gibt
die Wahrscheinlichkeit an, dass eine standardnormalverteilte Zufallsvariable einen Wert
kleiner oder gleich x annimmt.

254

6 Differential- und Integralrechnung in mehreren Variablen

2. Kurven
Gegeben ist eine Feder mit inhomogener Massenverteilung, aber bekannter linearer Massendichte 6 p = p(x, y , z) . Gesucht ist die Masse der Feder. Da die Masse nicht kon tant ist, kann
man sie nicht mit der einfachen Formel Masse = Volumen x Dichte berechnen, sondern als
Integral. Da die lineare Massendichte bekannt ist, kann man sich die Feder als unendlich dnne
Linie vorstellen. Es ergibt sich eine Kurve im Raum, die Schraubenlinie ( iehe Abb 6.13) genannt wird. Die lineare Ma sendichte gibt nun die Massenverteilung entlang die er Kurve an.

Abbildung 6.13 Schraubenlinie

Dieses Beispiel stellt uns vor folgendes Problem: Wir m en die Kurve mathemati eh beschreiben und dann ein Integral ber die Massendichte mit der Kurve als lnlegrationsbereich
berechnen. In diesem Abschnitt fhren wir daher zunchst den Begriff der Kurve ein und tudierenein paar elementare Eigenschaften von Kurven. In weiterer Folge werden wir uns dann
den Kurvenintegralen zuwenden.

Definition 6.46 Unter einer Kurve in lRn versteht man eine stetige Abbildung c : [a, b]
Rn. Die Variable wird als Parameter der Kurve bezeichnet.

-+

Beispiel 6.47
(a) Der Einheitskreis in]R2 ist die durch c(t) = (cost,sint), 0 ~ t ~ 21f, bestimmte Kurve.
Jeder Punkt der Form (x , y) = (cos t sin t) liegt offensichtlich auf dem Einheit kreis, da
er die Gleichung x 2 + y2 = 1 erfllt. Auerdem lassen sich die Koordinaten als Realund Imaginrteil der komplexen Zahl eit auffassen, so dass auch wirklich der gesamte
Einheitskreis erfasst wird, wenn t das Intervall [O,21f] durchluft.
Auch die Kurve c(t) = (cost2,sint2), 0 ~ t ~ ~ stellt den Einheitskreis dar. Zwei
verschiedene Kurven knnen daher geometrisch dieselbe Punktmenge beschreiben. Die
Parametrisierung einer Kurve ist also nicht eindeutig.
Vom Standpunkt der Anwendungen besteht, abgesehen von der Abbildung an sich, noch
ein weiterer Unterschied. Falls t zum Beispiel als Zeit und c(t) bzw. c(t) al phy ikalischer Ort aufgefasst wird, dann wird bei c(t) die Kreislinie mit gleichfmliger Bewegung
durchlaufen, bei c(t) hingegen nicht.
(b) Die in Abb 6.13 abgebildete Schraubenlinie besitzt die Parametri ierung

c(t) =

(Cl COS t , Cl

sin t, C2t)

6Mit linearer Massendichte bezeichnet man in der Physik das Produkt aus Volumsmassendichte und Flche.
Stellt man sich die Feder aus lauter unendlich dnnen Kreisscheiben zusammen gesetzt vor, so gibt die lineare
Massendichte die Massenverteilung lrlgs des Drahtes an, aus dem die Feder besteht.
,:

255

6.4 Integralrechnung in mehreren Variablen

mit Konstanten
entstehen.

Cl , C2

> O. Bei

Cl

<

0 wrde eine rechts gewundene Schraubenlinie

Integrale sind Grenzwerte von Riemann'schen Zwischensummen und diese wiederum (mit
den Funktionswerten der Zwischenstellen) gewichtete Teilintervalllngen. Das Integral ist somit
das Produkt aus der Lnge des Integrationsintervalls und einem mittleren Funktionswert (vgl.
Mittelwertsatz der Integralrechnung). Um das Integral lngs einer Kurve c : [a, b] ----+ jRn sinnvoll definieren zu knnen, mssen wir daher die Lnge einer Kurve verstehen. Dazu verwenden
wir die gleiche Idee wie bei Riemann'schen Zwischensummen. Wir unterteilen die Kurve und
[Link] sie durch einen Polygonzug (Abb 6.14), dessen Lnge sich leicht berechnen
lsst. Die Unterteilung von c entspricht einer Zerlegung von [a , b], also a = t o < t l < ... <
t n = b. Die Lnge des daraus resultierenden Polygonzugs ist 2:~=1 11 c( t i ) - c( ti- I) 11 Die Lnge
der Kurve ist dann Grenzwert dieser Summe, wenn die Feinheit der Zerlegung gegen 0 strebt.

Abbildung 6.1 4 Approximation einer Kurve durch einen Polygonzug

Definition 6.48 Eine Kurve.c : [a, b]-" Rn heit rektifizierbar (oder von endlicher Lnge),
wenn die Lngen eingeschriebener Polygortzge gegen einen Grenzwert konvergieren, falls
die Feinheit g:'( Z) der den Polygonzgen entsprechenden Zerlegungen Z gegen 0 konvergiert.
Die Lnge der Kurve ist dann durch

= ..:f(Z)-+o.
lim E 1lc(td
.
.

. z=l .

C(ti- 1)11
..

gegeben und wird BogenlDge genaltnt.

Beispiel 6.49 Nicht jede Kurve hat endliche Lnge, selbst dann nicht, wenn die durch sie definierte Punktmenge beschrnkt ist. Ein Beispiel ist die Koch'sche Kurve. Zur Konstruktion
dieser Kurve starten wir mit einer beliebigen Strecke. Diese Strecke wird in drei gleich lange
Teilstrecken zerlegt und ber der mittleren ein gleichseitiges Dreieck konstrujert. Dann wird die
Basis des gleichseitigen Dreiecks entfernt. Dieses Verfahren wird unendlich oft iteriert. Die ersten zwei Iterationen sind in Abb. 6.15 dargestellt. Wenn die Ausgangsstrecke die Lnge 1 hat,

Abbildung 6.15 Konstruktionsprlnzip der Koch 'sehen Kurve

1-

so hat die nchste Kurve die Lnge

Nach n Iterationen erhalten wir eine Kurve der Lnge
(~r. Die Kurvenlngen konvergieren uneigentlich gegen 00 . Es ist aber leicht zu sehen. dass
alle Kurven im Quadrat mit der Ausgangsstrecke als Basis liegen. Man kann darber hinaus

256

6 Differential- und Integralrechnung in mehrerenariablen

zeigen, dass die Kurven gegen einen Grenzwert konvergieren. Wir erl1ah n omit in endliche
Kurve, d.h. eine kompakte Punktmenge, mit unendlicher Lnge. Die K och ' h Kurv i t daher
l:::.
nicht rektifizierbar.

Satz 6.50 Sei c : [a, b] ~ Rn eine stetig differenzierbare Kurve, d.h' c(t ) = ( let)
en(t
mit stetig differenzierbaren Funktionen Cl(t) , . . . 1 en(t ). Dann kann die Bogenlnge L durch
J

das Integral

L=

l'

IIc'(t)11 dt =

l' v'

ci (t)' + .. + ,;,(t )' dt

berechnet werden.
Jede stetig differen zierbare Kurve ist daher rekti[zzierbar.
Bemerkung: Der Vektor c'(t) hat auch eine ehr einfache georn tri che Im rpr trion. Es gilt
nmlich

lim -

t ...... to

- (c(t ) - c(to) ) = c'(to).

t - to

Der Ableitungsvektor gibt somit die momentane Richtung an, entlang der man i h auf der Kurve bewegt, wenn der Parameter t das Intervall [a, b] durchluft. Er i t al
in Tangential ktor
an die Kurve im Punkt t o. Der Betrag von c' (t) kann al urchl aufg hwindigkeit im Punkt t o
interpretiert werden. Da.s Differential IIc' (t) 11 dt wird al Bogenelement b zeichn L
Beweis. Wir zeigen die Behauptung fr n = 2 (fr n > 2 verluft der B \ i nalog . Da c
stetig differenzierbar ist, kann der Mittelwertsatz der Differentialrechnung ang w nd t werden.
Es existieren also ~i und 'T/i mit

(6.13)

Wir wollen nun die Bogenlnge als Grenzwert von Riemann' chen Zwmehen umm n auffa en.
Es ist zu beachten, dass in (6.13) in jedem Teilintervall der Zerlegung zwei Zwi hen teilen
vorkommen. Man kann aber zeigen, dass fr jede Wahl von Zwi hen teUen 'Ti E [ti - l tiJ

gilt. Daraus folgt gem Definition 6.48

L =

lirn

~ II c(ti) -

F (Z)--> O ~
t= l

c(ti- d ll =

Ern

~ 11(S(
('T )) ) .11 (t i '-'2 'Ti
i

F(Z)--> O ~
t= l

r 11 '(t)11 dt.
Ja
b

ti -

1)

o
Die Bogenlnge der stetig differenzierbaren Kurve bis zum Parameterwert u mit a ~ u ::; b
ist dann
U

f (u) =

IIc'(t)11 dt.

(6.14)

6.4 Integralrechnung in mehreren Variablen

257

Insbesondere gilt f (b) = L. Whlen wir eine Parametrisierung derart, dass c'(t) =f:. 0 fr alle
[a, b], so ist die Funktion .e streng monoton wachsend und stetig differenzierbar. Sie bildet
daher [a , b] auf [0, L] bijektivab und ist somit insbesondere invertierbar. Deshalb ist die Kurve
c(s) = c(e-1 (s)), s E [0, L] geometrisch identisch mit der der Kurve c(t), t E [a, b]. Die
Bogenlnge von c( s) bis zum Parameterwert So mit 0 :::; So S; L ist gleich der Bogenlnge
von c(t) bis zum Parameterwert to = e- 1(so). Letztere ist aber gerade e(.e- 1(so)) = So. Der
Parameter von c( s) gibt also genau die Bogenlnge an. Die Kurve ist nach der Bogenlnge
parametrisiert.
Ist die Kurve c(t) nach der Bogenlnge parametrisiert, so folgt durch Differentiation von
(6.14) nach u die Beziehung 1 = IIc'(u)ll, der "Geschwindigkeitsvektor" ist also normiert.
Ist umgekehrt 11c'(t)11 = 1 fr alle t E [a,b], so vereinfacht sich die Formel (6.14) fr die
u
Bogenlnge zu e(u) = Jo dt = u. Somit ist der Parameter t gleich der Bogenlnge.

t E

Beispiel 6.51

(a) Die Einheitskreislinie ist die Kurve c(t) = (cost,sint) mit 0 S; t S; 27f. Die Lnge des
Kreisbogens zum Winkel cp ist daher

(b) Wir wollen die Bogenlnge der Schraubenlinie c(t) = (cost,sint,t) mit 0 ::s t ::; 271"
bestimmen. Die Kurve (cos t, sin t) beschreibt einen Kreis. Dadurch entsteht, wenn tein
Intervall der Lnge 27f durchluft, gen au eine Windung der Schraubenlinie c(t ). Die Bogenlnge einer solchen Windung ist daher
r2~

L=

r 2~

J Ilc'(t)ll dt= Jo
o

J( - sint)2 + (cost)2+ 12dt= 271"v2.

(c) Die Bogenlnge des Graphen einer stetig differenzierbaren Funktion f( x) mit a S; x ~
b kann bestimmt werden, indem man den Graphen als Kurve mit der Parametrisierung
c(t) = (t , f(t)) auffasst. Dann ergibt sich als Bogenlnge des Graphen

l Ilc'(t) 11 l VI +
b

L =

dt =-

f'(t) 2dt.

Wie dieses und das vorige Beispiel sowie Formel (6.]4) zeigen, ist die Bogenlnge das
Integral ber das Bogenelement. Geometrisch lsst sich das wie folgt interpretieren: Wenn
wir ein kleines Intervall [x , x + ~ x] auf der x-Achse betrachten, so hat der ber diesem
Intervall liegende Teil des Funktionsgraphen ungefhr die Lnge
+ f'( x )2 . ~x . Dies
entspllcht genau der linearen Approximation von f, denn deren Anstieg ist f'( x ), und die
Bogenlnge ist dann die Lnge der Hypotenuse des so gebildeten Steigungsdreiecks mit
den Kathetenlngen x und f'( x ) . x.
(d) Mit Hilfe der geometrischen Interpretation des vorigen Beispiels lsst sich sehr einfach eine Formel zur Berechnung der Mantelflchen VOll Rotationskrpern begrnden. Gegej~::-:.
sei ein Rotationskrper, der entsteht, wenn die Kurve f (x), a ::; x S; b, um die x-}_c:':s:-;
rotiert. Gesucht ist die Mantelflche 1\1/. Zerlegen wir den Krper in Scheiben der :::::-: ,.--

VI

258

6 Differential- und Integralrechnung in m hrer n Variablen

~x , dann ist die Mantelflche so einer Scheibe ungefhr 27r J( )Jl + I'(x) x. ufsummieren und Grenzber;gang ftir t1x ~ 0 (hnlich d m bergano- on Riemann' ehen
Zwischen ummen zum Integral, wir verzichten auf die formale Herleitung) ergibt

Definition 6.52 Sei c : [a, b] - Rn eine Kurve und f : Rn ~ IR eine Funktion mit dec Eigenschaft, dass g(t) = f(c(t)) stckweise tetig ist. Unter dem Kurvenintegral der slullIaI'eIl
Funktion f lngs c versteht man das Integral

f(c(t))lI c'(t) 11 dt.

Bemerkung: Die Substitutionsregel impliziert, da

da Kurvenimegral [Link] r Funktionen

nicht von der Parametrisierung der Kurve abhngt.

Beispiel 6.53 Zu Beginn die es Abschnitts haben wir eine Fed r mit gegebener ljn at r Massendichtebetrachtet. Sei dieMa sendichte durchdj Funktionp(. y z ) = xy+z2 0 geben. Die
Feder entspreche der in Abb. 6.13 abgebildeten Schraubenlinie c(t) = (
t in t t) mit IUO/ 27r
Windungen. Das Bogenelement dieser Schraubenlinie i t v'2 dt. Daher i t di Ge amtrnas e der
Feder durch das Integral

gegeben.

3. Krmmung ebener Kurven

In Abschnitt 5.2 haben wir festge tellr, da die zweite Ableitung ei n Ma fr die Krmmung
des Funktionsgraphen ist. Wir wollen nun ebene Kurven, a1 Kurv n : [<1, b] - 7 1R 2 hin i hflieh ihres Krmmungsverhalten tudieren.
Die Krmmung einer Kurve kann an chaulich al we nderung er Ri htun Q bez g D auf
die Bogenlnge beschrieben werden. Wenn man ich ein kleine St k lng der Kurv bew gt
und die Richtung ich kaum ndert, 0 i t die Krmmung kl in dj Kur lokal hnlich einer
Geraden. ndert sich die Richtung hingegen tark, 0 ist die Krmmung e>r . Math mati h
fas bar wird dies, wenn man die Richtung aI Winkel r.p(t), den d r 1i n ential kt r '(t) mit
der positiven x -Achse einschli Bt, deutet. Dann gilt mit c (t) = (Cl (t) 2()):
~(t)

tan r.p(t) = ~ (t) .

Die nderung von r.p(t) bezglich der Bogenlnge i t aber genau die AbI itung na h der Bogenlnge.

259

6.4 Integralrechnung in mehreren Variablen

Definition 6.54 Sei c(t) eine stetig differenzierbare ebene Kurve und let) = s die Bogenlnge zum Parameterwert t. pann ist die Krmmung der Kurve im Punkt c(t) definiert als
~(t)

== CiS rp(e- 1 (s)).

Ohne Beweis sei die folgende alternative Darstellung der Krmmung angefhrt.
Satz 6.55 Sei c(t) = (Cl (t) , C2(t)) eine zweimal stetig differenzierbare ebene Kurve. Dann ist
die Krmmung im Punkt c(t) gegeben durch

K, t _ c~ (t)c~(t) - c~(t)c~(t)
( ) - (C~(t)2 ~ ~(t)2)3/2
Falls die Kurve den Graphen einer Funktion darstellt, aLso c(t) = (t, J(t)), so gilt

K,(t)

f"(t)
(1 ~ f'(t)2)3 /2'

Beispiel 6.56
(a) Kreise sind offensichtlich Kurven konstanter Krmmung. Ferner ist ein Kreis umso strker gekrmmt, je kleiner sein Radius ist. Mit c(t) = (Reost, Rsint) erhalten wir aus
dem obigen Satz

Die Krmmung eines Kreises ist also umgekehrt proportional zum Radius.
(b) Eine wichtige Anwendung findet die Krmmung von Kurven im Straenbau oder bei
der Verlegung von Eisenbahntrassen. Wrde man Straen nur aus Geradenstcken und
Kreisbgen zusammensetzen, so htte das beim Beginn einer Kurve einen sprunghaften
Anstieg der Krmmung von 0 auf einen bestimmten Wert und beim Verlassen der Kurve
ein ebenso sprunghaftes Abfallen auf 0 zur Folge. Das Lenkrad msste daher am Beginn
einer Kurve pltzlich so weit eingeschlagen werden, wie es die Krmmung erfordert.
Weiters kommt noch hinzu, dass die Fliehkraft, der die Insassen eines Autos oder eines
Zuges in einer Kurve ausgesetzt sind, mit der Krmmung zusammenhngt. In jeder Kurve
wrde die Fliehkraft pltzhch ansteigen und beim Verlassen der Kurve pltzlich wieder
verschwinden. Der Bau solcher Kurven wre also bei Schienenfahrzeugen zumindest unangenehm fr die Fahrgste, beim Straenbau wegen der Schleudergfahr sogar extrem
gefhrlich. Deswegen werden zur Verlegung von Schienen oder zum Bau von Straen
Kurven eingesetzt, deren Krmmung bei Eintritt in die Kurve linear ansteigt und bei deren Verlassen wieder linear abfllt. Solche Kurve heien Klothoiden (siehe Abb. 6.16)
und erfllen die Gleichung ",(t) = c t (bei Parametrisierung nach der Bogenlnge).
Darau lassen sich fr die Kurve c(t) - (Cl (t ), C2 (t)) die so genannten Fresnel'schen
Integrale herleiten :

260

Abbildung 6.16 Klothoide

4. Vektorfelder und Stammfunktionen

Ein Satellit wird mit einer Trgerrakete in die Erdumlaufbahn gebracht. Wi gro i 1 die physikalische Arbeit, die dabei verrichtet wird? Die elementar F rm I Arbeit = Kraft Weg ist
hier nicht direkt anwendbar. Die Kraft, die infolge der Gra itati TI rwund n erden rnu ,
ndert sich stndig, da die Strke des Gravitationsfeld mit .zun ~ hmen r "he abnimmt. Die
Arbeit ist in die em Fall das Integral ber die Kraft entlang d
eg .
Das mathematische Problem, vor da wir in die em Bei pi I ge t llt iud , i t f, 10 nd : Jedem Punkt des Raumes i t ein Vektor zugeordnet welch r der Kraft nt pri ht D r W 0 Ib t
ist eine Kurve im Raum. Gesucht i t ein Integral entlang de Wege b r in Funkti n w 1 he
die Vektoren, die den Punkten de Weges zugeordnet ind in ge ign ter Wei b. r k i htigt.
Definition 6.57 Gegeben sind eine Kurve c : [a b] --+ !Rn und eine ektorwertige Funktion
f : ]Rn --+ ]Rn. Das Kurvenintegral des Vektorfeld f lng der urv
i t d finiert al das
Integral

f(x) dx

= lU1(X1," " Xn) dXl + ... + fn(Xj' .... In) d 'n)

J(t, /.(C(td,(t)

f(c(t . C'(t) dt =

dt

Bemerkung: Man beachte, dass Kurvenintegrale on Vekt rf Id m t .. grund tzli h and res sind als Kurvenintegrale von kalaren Funktionen g m D finl n 6.
t
ind nmlich keine Verallgemeinerungen der letzteren. e t man jed h in b id n D niti u_n (6.
und 6.57) jeweils n = 1, 0 unter cheiden ich die ntspr h oden Kur Iuut gral h" h ten
durch das Vorzeichen.
Ist f z.B . ein physikalisches Kraftfeld in ]R3 und c ein W g dur h di
Kraftf, Id dann i t
das Kurvenintegral lngs c die Arbeit, die verrichtet wird, wenn eine Ma entlano d
ge
c transportiert wird.

261

6.4 Integralrechnung in mehreren Variablen

Satz 6.58 Kurvenintegrale haben die folgenden Eigenschaften .

. (i) Der Betrag des Kurvenintegrals hngt nur vOn der Kurve selbst ab, nicht von deren Pa-

rametrisierung.
(ii) Durchluft man die Kurve in entgegen gesetzter Richtung, so wechselt der Wert des Kurvenintegrals das Vorzeichen.
(iii) Linearitt bzgl. des Vektorfeldes: Fr zwei Vektoifelder f 1 und f 2 und eine Kurve C (jeweils
in Rn) gilt

1(f1(X)

+ f 2(x)) dx = 1 fl(x) dx +

f 2(x) dx.

(iv) Additivitt bzgl. des Weges: Fr ein Vektoifeld f und zwei Kurven
C2 : [c, d] --+ }Rn mit c1(b) = C2(C) gilt

11

f (x) dx +

12

f(x) dx =

Cl

[a , b] --+ Rn und

f( x) dx,

wobei c die Kurve bezeichnet, die durch Zusammensetzen der beiden Kurven
entsteht.

Cl

und

C2

Das Kurvenintegral ist eine Verallgemeinerung der eindimensionalen bestimmten Integrale.

Whrend bei letzteren der Integrationsbereich ein Intervall ist, liegt bei Kurvenintegralen eine
Kurve im Raum vor. Angesichts dessen stellt sich natrlich die Frage, ob es bei der Integration
ber Kurven auch den zweiten Aspekt des Integrierens gibt, nmlich Integrieren als Umkehrung
des Differenzierens. Dies ist in der Tat der Fall und fhrt uns auf den Begriff der Stammfunktion
von Vektorfeldern. Es stellt sich aber heraus, dass im Gegensatz zur "gewhnlichen" Integralrechnung nicht zu jedem Vektorfeld eine Stammfunktion existiert.
Fr jedes Skalarfeld F ist durch f = grad F ein Vektorfeld definiert. Man beachte, dass aus
der Kettenregel

folgt. Die Funktion F( c(t)) ist also eine Stammfunktion von f (c(t)) . c'(t).

Definition 6.59 Eine TeilmeRge D ~. Rn heit zusammenhngend, wenn zu je zwei Punkten Xl , X 2 E D eine Kurve c : [a, b]--+ D rojt c(a) = x~ und c(b) = X2 existiert. Eine Menge
D, die offen und, zusammenhngend ist, heit Gebiet.

----~~------~~-" -----~--~

Definition 6.60 Sei D ~ ]Rn ein Gebiet und f ein stetiges Vektorfeld. Man nennt fein Gradientenfeld, wenn es ein Skaladeld F mit grad F = f gibt. In diesem Fall heit F Stammfunktion und - F Potential von f.
Satz 6.61 Ein stetig differenzierbares GradientenfeId f erfllt die so [Link] Illtegrabilitts-

bedingungen

fr aLLe i, j mit. 1 :S i , j :S n.

8fi _

8h

&Xj

&Xi

6 Differential- und Integralrechnung in mehreren Variablen

262

Beweis. Dies ist eine unmittelbare Kon equenz des Satze von Schwarz. Denn wegen fi 8F/8xi gilt

a2 F

8fi

8xj

ij

= ox/hj = OXi '

o
Satz 6.62 Sei D

JRn ein Gebiet. In einem Vektorfeld f ist da Kurvenintegral von f lngs

einer stetig differenzierbaren Kurve c : [al b] ----+ D genau dann wegunabhn i . d.h. allein
durch Anfangs- und Endpunkt der Kurve bestimmt, wenn das Vektorfeld ein Gradienten/eid ist.
Fr diesen Fall bezeichne Feine Stammfunktion von f , dann gilt

f (x ) dx

F(c(b)) - F(c(a)) .

Eine Folgerung dieser Aussage ist: In einem Gradientenfetd sind Kurvenintegrale ber geschlossene Kurven gleich O. Man schreibt auch

f (x)dx

O.

Beweis. Die eine Richtung folgt unmittelbar au den vorher gehenden berlegungen. Es bleibt
also noch zu zeigen, dass aus der Wegunabhngigkeit des Kurvenintegral f 19t, da da zugehrige Vektorfeld ein Gradientenfeld ist. Sei Xo E D und

F(x) =

(X f (u) du ,

Jxo

mit einer beliebigen Kurve, die Xo und x verbindet. Wir bezei hnen mit el .. .
die kano0 klein da
die
nischen Einheitsvektoren des ]Rn . Fr eine feste Koordinate i whlen wir
gesamte Verbindungsstrecke von x nach x + sei in D liegt. Bezeichne c dje nach der Bogenlnge parametrisierte Verbindungsstrecke. Dann gilt c' (s) = ei und folglich

wobei im letzten Schritt der Mittelwertsatz der Integralrechnung die Exi tenz eine pa enden
Wertes ~ E [0 1 s] sicher stellt. Daraus folgt aber

fr alle i . Also gilt grad F = f und damit die Behauptung.

Die Folgerung ergibt sich daraus, dass man in jeder geschlo sen n Kur e zwei Punkte Xl
und X2 auswhlen kann. Dann sind die Integrale ber die Teilstcke gleich g:ro. Dur Wuft
man eines in entgegen gesetzter Richtung, also z.B. einen Teil von X l nach X 2 und den anderen
0
von X2 nach Xl, dann ndert sich das Vorzeichen, und die Summe ergibt O.

263

6.4 Integralrechnung in mehreren Variablen

Beispiel 6.63 Gegeben sei das Vektorfeld

Man rechnet leicht nach, dass

Doch obwohl die Integrabilittsbedingung erfllt ist, ist das Kurvenintegral nicht wegunabhngig. Denn dann msste das Integral ber den Einheitskreis 0 ergeben. Mit c (t) = (cos t , sin t ),
o ::; t ::; 21f, gilt aber

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

= 1 2'Tr ((-Sint) 2 +cos 2 t)dt =

21f .

Die Integrabilittsbedingungen sind daher nur notwendige, aber keine hinreichenden Bedingun6.
gen fr die Wegunabhngigkeit eines Kurvenintegrals.
Definition 6.64 Eine Gebiet D ~ ]Rn heit einfach zusammenhngend, wenn sich jede
geschlossene Kurve in D stetig auf einen ihrer Punkte zusammenziehen lsst.

--------------~~

Beispiel 6.65
Ca) Im }R2 sind die einfach zusammenhngenden Gebiete genau jene, die keine "Lcher"
haben. Eine geschlossene Kurve, die ein Loch einmal umfhrt, kann nicht mehr stetig
zusammengezogen werden.
eb) Im }R3 ist die Sache etwas komplizierter. Einfach zusammenhngend ist z.B . eine Kugel,
auch eine Hohlkugel, also eine Kugel, aus deren Innerem eine kleinere Kugel herausgenommen wurde. Nicht einfach zusammenhngend ist z.B. ein Torus (Abb 6.17), der entsteht, wenn man eine Kreisscheibe rotieren lsst. Die Kurven, die den Torus in Abb. 6.17
aufspannen, lassen sich nicht auf einen Punkt zusammenziehen.

Abbildung 6.17 Torus

264

6 Differential- und Int gralrechnung in m breren Variablen

Satz 6.66 Sei D ~ ~n einfach zusammenhngend und f ein tetig diffiTi n ierbare :e klorjeld
auf D. Dann ist f genau dann ein Gradienten/eid, wenn f die lnlegr, bilirt b dingrm e.n erfiillt.
Ohne Beweis.

Beispiel 6.67
(a) Das Vektorfeld aus Bei pie] 6.63 i tauf }R2 \ {(O O)} defini rt. Di _ M ng .i t nicht
einfach zusammenhngend, und daher reichen die lnt grabilitt bedingunO"en nicht fiir
die Wegunabhngigkeit aus.
(b) Gegeben ist das Vektorfeld
f x . _

( , y) -

(3X
2x

+ 4xy -

2 -

3y2 )

6 'Y - 3y 2

Dieses Vektorfeld i t auf ganz ~2 und [Link] uf in m infach zu amm nhngenden

Gebiet definiert. Es gilt

d.h ., die Integrabilittsbedingung i t erflillt. Es e i ti 11 al 0 ein

F x = hund F y = h Aus Fx = /1 folgt

F(x, y)

=1

hex y) dx

(3x

tarnmfunktion F mit

2 + 4xy - 3y 2) dx = x 3 + 2x 2y -

y2

(y) .

Da wir nach x integrieren, ist y als Kon tante zu behandeln. Da

d ur t a rau h, da
die Integrationskonstante c von y abhngen kann al o e = (y). Darau f lot Fy ( y) =
2x 2 - 6xy + d(y) . Es gilt aber andererseit Fy(x y) = h (x y) = 2 2 - 6 Y - 3y 2,
woraus d (y) = - 3y 2 und schlielich c(y) = - 3y2 dy = _ y 3 + d mit ei ner Kon tanten
d folgt. Da c(y) nicht von x abhngt, mu d nUll unabhngi von und y in. Alle
Stammfunktionen des Vektorfeldes ind daher gegeb n dur h F (x y) = 3 + 2 2 y 3xy 2 - y3 + d mit d E IR.
(e) Wir suchen - falls mglich - die Stammfunktionen de Vektorfelde

U;

Fr i :f- j gilt
:::= 0, daher si nd wieder alle IntegrabiliLt bedingung n erfllt. J de
Stammfunktion F muss F X1 = 2XL, F X2 = 0 und F;X 3 = - 1 erfllen. Dar U 11 Igt v ie
zuvor F (XI X2 X3) = xi - X3 + c mit cE IR.
(d) Gesucht sind die Stammfunl'iionen de Vektorfelde
y2

f (x, y , z) ;;:
(

+Z

falls diese existieren. Die lntegrab ilittsbedingungen

811
oy

= 2y = 8 h ,
ox

2xy + z3
X + 3y z 2

811 = 1 = 8h
8z
ox'

6.5 lJbungsaufgaben

265

sind erfllt, also besitzt feine Starnmfunktion F. Aus Fx =

!I folgt

F(x ,y,z ) = J(y 2 + z )dx = xy2 + xz + c(y ,z)

mit einer von y und z abhngigen Integrationskonstanten c(y , z). Daraus folgt

2xy + z3

= Fy(x, y, z ) =

2xy + cy {Y , z ),

daher Cy (y , z ) = z3 und in weiterer Folge c(y , z ) = yz3 + d( z ). Schlielich gilt

x + 3yz 2 = Fz(x, y, z) = x + cAy , z) = x + 3yz 2 + d'( z )

und folglich d'(z) = 0, also ist d(z) kon tant. Zusammenfassend folgt

F (x, y, z)

xy2 + xz + yz3 + d

mitdER

6.5 bungsaufgaben
6.1 Man stelle den Definitionsbereich und den Wertebereich folgender Funktionen fest und beschreibe
die Niveaulinien:

(b)

f( x, y) =

1-

x
4"
- 9y2 '

6.2 Gegeben sei die Polynomfunktion f (x , y) = x y2 - lOx. Man bestimme die Gleichungen ihrer
Schnittkurven mit den senkrechten Ebenen x = Xo bzw. y = Yo sowie die Niveaulinien fr z = Zo
und kizziere alle drei Kurvenscharen. Mittels eines Computeralgebrasystems ermittle man eine 30Darstellung der gegebenen Funk1:ion.

6.3 Gegeben sei die quadratische Form q(x) = q(x, y) = 4x 2 + 2bx y + 25y 2 mit b E R Wie lautet die
zugehrige symmetrische Matrix A , sodass q(x)
definit?

= x T Ax. Fr welche Werte von b ist die Fonn positiv

6.4 Eine Funktion f( Xl , ' . . , x T/, ) heit homogen vom Grad T , falls fr jedes feste A > 0 und alle
(Xl, ' " X n ) gilt
f(A Xl, '" , ).x n ) = Ar f (X l , " . ,xn ).
Man beweise, dass die bei den Produktionsfunktionen
(a) f (x y)

cxOl yl - a

(X Arbeit, y Kapital, C, d, CI: konstant) homogene Funktionen vom Homogenittsgrad T = 1 sind, Prfen
Sie ferner nach, ob

= X + (y z )1/2

(fr y, z 2: 0)

(c)

f (x, y , z)

(e)

j (x, y ) = axbyc (mit a, b, cE lR., x, y > 0)

homogen sind.

..

6 Differential- und lntegralrechmmg in mehreren Variablen

266

6.5 Man untersuche ftir beliebige a, ER den Grenzwert llmt-to f( t t) d r fo l,rrenden Funktionen.
Ist die F unk"tion fex, y) im Punkt (0, 0) tetig?

lyl
f ex, y ) = Ixl 3 + lyl fr (x,y) i= (0 0) und f (O 0) = 1
2y 2
(b) fex , y) = lxi + y2 fr (x, y) i= (0,0) und f(O 0) =
(a)

6.6 Sei

fr 0 =1= 2x

=1=

y . Man unter uche und vergleiche die iterierten Grenzw rre

lim Lim f ex y)

lim lim f( . y).

und

y- Ox ...... O

:z;-tOy-O

Exi tiert der Grenzwert lim (x,y)-t(O,O) f ex, v)?

6.7 Sei

x+ y
1
x+ y y

f( x,y) =
fr 0

f.

i=

-x . Man untersuche und vergleiche die iterierten Grenzwerte

tim lim

y- Ox

f ex, y)

lim lim fe x, v)

und

x - Oy -+o

Existiert der Grenzwert lim(x,y) -t (O,O) fe x v)?

6.8 Man untersuche die Funktion f: R2

-+

R auf Stetigkeit (Hinwei : a + b 2: 2v'ab flir a b ~ 0) :

Ca) f(x ,y) = ,x ,

Iy, fr (x y) =1= (0,0) und 1(0,0) = 0,
xy2 + x 2y
(h) fex, y) =
2
2
flir (X, y) =1= (0,0) und f(O , 0) = O.
x +y
6.9 Sei f : ]R3 -+ IR definiert durch f ex, Y, z) = co (XV)
tionsbereiches ist f stetig?

l+~R~y2' 10 \ elchen Punkten de D fin.i-

6.10 Zeigen Sie: Die Komposition g o f stetiger Funktionen f

f(I) ~ M ist wiederum stetig.
6.11 Man untersuche die Stetigkeit der Funktion

f ex, y) =
6.12 Fr die Funktion j {x, y) =

f : ~2

{ ~~+~;

:I

IR

-+

IRn , g : M S; IRn

lRm mit

~ R im. Punkt (0 0) :

fr (x, y) # (0 0)
fr (x, V) = (0, 0)

Jl - x 2 -

y2 berechne man die partiellen . bleilung

die Gleichung der Tangentialebene an der Stelle (xo YO) = (0.2 0 .3).

11

Ix, f y und

6.13 Man berecbne alle partiellen Ableitungen erster und .zweiter Ordnung fr di ~ Funktion J(x y) =

x 2 sinV + cos(x + 2y) .

6.14 Man prfe nach, ob die gem ischten partiellen Ableitungen f xy und f llx fr die ~ Ig nd
nen fex , y) bereinstimmen:

(a)

x2
f ex, y) = 1 + v 2

(b)

f ex, V) =

3 y2

(e)

f(x y}

11

Funl'1i -

= ...rxiJ

267

6.5 bungsaufgaben

6.15 Man bestimme den Definitionsbereich der folgenden Vektorfunktionen f(t) sowie die Ableitung,
wo sie existiert:
(a) f(t ) =

2t
3t 2

.)1 -

"45

1 )
,sin - - 2
1+t

(b) f(t)

5)

t li:

+ cost), .J1=t22

sin(1

1- t

6.16 Man bestimme die partiellen Ableitungen der folgenden Funktionen:

(a) fe x , y) = arctan 1
(e) f( x, y) = arctan

4x 2 y 2

y + JXZ
. 2(
)
+sm xyz

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

+x+y

Fx + y 3 z2

2x 3y

(d) f( x,y,z) = 1+cos2 (1+x)

_
y x3

6.17 Man bestimme die Funktionalmatrix der folgenden Funktionen:

(a) fe x, y, z)

= (

Cc) f ex, y, z) = (

Sin(~o: ~-

J~~t )

ze

11

z) )

(b) f( x, y , z)

d f x

= ( t;2 )

z = (

( ) - ( ,y,)

In(arctan(x + y2))

xcos(y2 -

Fx) tan(xyz)

6.18 In welcher Richtung erfolgt die maximale nderung von

fe x, y, z) = x 2 sin(yz) - y2 cos(yz)
vom Punkt Po(4 , ~,2) aus, und wie gro ist sie annhernd?
6.19 Durch z = X~Y ist eine Flche im ]R3 gegeben. Die Beschrnkung von x und y auf die Werte

x = et und y = e- t (t E lR) liefert eine Kurve auf dieser Flche. Man bestimme ~ mittels Kettenregel
und mache die Probe, indem man zuerst x und y in z einsetzt und anschlieend nach dem Parameter t
differenziert. Wo verluft diese Kurve auf der Flche horizontal?

6.20 FreineFunktiong(u,v) eigu(u ,v) = fug(u,v) = u 2 - v undgv (u,v) = tvg(u,v) = - u+v 3 .

Man bestimme h(t) = ftg(2t, t 2 + 1).
6.21 Mit Hilfe der Keuenregel berechne man den Wert der partiellen Ableitung der Funktion F(x, y) =
+ siny und

f(g(x , y) , h(x V)) nach y an der Stelle (0, 0), wobei f( x, y) = x 2 + y2, g(x , y) = cosx
h(x , y) = x + y + 1 ist.

6.22 Man berechne das Taylor'sche Nherungspolynom zweiter Ordnung der Funktion fex, y)
eX- Y(x + 1) + x sin(x 2 - y) an der Stelle (xa , Ya) = (0 , ~).
6.23 Man berechne das Taylor'sche Nherullgspolynom zweiter Ordnung der Funktion f(x, y, z) =
= (0, 0, ~)_

ex2yZ (x + yz + 1) + x cos(x 2 - Y - z) an der Stelle (xo , Yo, zo)

6.24 Man bestimme die lineare und die quadratische Approximation der Funktion

f( x , y) = x 2 (y - 1) + xe

y2

im Entwicklungspunkt (1, 0).

6.25 Es sei y = y( x) implizit durch x::l - 3xy + y3 - 1 = 0 gegeben. Man berechne y' und y".
6.26 Man berechne y' und y" im Punkt (1, 1) fr die Kurve x 3 + 3x 2 y - 6xy 2 + 2y 3 = O.

6.27 Es sei F(x, y, z ) = x 2(2x + 3z) + y2(3x - 4z) + z2(x - 2y) - xyz = O. Man berechne daraus
Zx und zy
6.28 Man ermittle die Gleichungen der Tangenten im Punkt ( - 1, 1) an die Hyperbel xy = 1.

268

6 Differential- und Integralrechnung in mehreren Variablen

6.29 Man bestimme die relativen Extrema und die Sattelpunkte der Funktion f (x , y) im angegebenen
Bereich.
(a) f( x, y) = (x 2 + y2)2 - 2(x 2 - y2) fr x , y E IR.

2x 3 - 5x y 2 + 3y fr x, Y E ~.
x 2 + xy + y 2 + X + y + 1 fr x , y E IR.
(x 2 + 5y2) e - x2 _ y2 fr x, y E lR.
f( x, y) = x 2 + 3 y 2 + eXY rr X, y E lR.
f( x, y) = sin(x + y) + sin x - siny Flir 0 ~ X , Y ~ 7f/ 2.
f( x, y) = sin(x + y) + sin x + sin y fr 0 :::; x , y :::; 7f / 2.
f( x, y) = cos(x + y) + sin x - siny fr 0 :::; X , y :::; 7f/ 2.

(b) f( x, y) =
(c) f (x , y) =
(d) f(x, y) =
(e)
(f)
(g)
(h)

6.30 Man bestimme denjenigen Punkt der Ebene

Abstand hat.

Z =

+ y , der von dem Punkt (1, 0., 0) den kleinsten

6.31 Man bestimme die extremalen Werte der Funktion f( x, y , z ) = x y z auf der Einheit phre (d.i.
der Rand der Einheitskugel).
6.32 Man bestimme zu einer gegebenen Kugel mit Radius R einen eingeschriebenen Zylinder von
maximaler Oberflche.
6.33 Welcher Quader mit gegebener Oberflche A besitzt maximales Volumen?
6.34 Fr welche Werte wird f( x , y, z ) = xyz unter den Nebenbedingungen x y
x + y + z == b mglichst gro?

+ yz + zx =

a und

6.35 Man berechne die Ableitung von f( x, y) = x 2 + 4y 2 im Punkt (3, 2)

(a) in Richtung der Koordinatenachsen,
(b) in Ri chtung von (- 1, - 1) sowie
(c) in Ri chtung von gradj.
6.36 Gesucht ist das absolute Maximum der Furiktion f( x, y) = x y (3 - x - y) auf dem Definitionsbereich D = {(x, y) lx ~ 0, y ~ 0 , y ::; 3 - x}.
(Anleitung : Man skizziere den Definitionsbereich D in der (x, y )-Ebene, bestimme de en Rand und
ermittle alle Funktionswerte auf dem Rand. Das absolute Maximum ist dann unter den relativen Maxima
sowie unter den Funktionswerten auf dem Rand von D zu suchen.)
6.37 Mit HiLfe der Methode der Lagrange'schen Multiplikatoren berechne man die Extrema der Funktion f( x, y) = x + y unter der Nebenbedingung x 2 + y2 = 1.
6.38 Die Herstellung eines Produkts P unter Verwendung zweier Produktion faktoren A und B werde
durch die Produktionsfunktion
(6.15)
beschrieben. Der Gewinn des Produzenten sei durch
G( Xl, X 2,

y) = YPo -

X IP I -

X2P2

gegeben. Man maximiere den Gewinn fr die Preise Po = 2, PI = 1, P2

und unter Bercksichtigung der Nebenbedingung (6.15), ermittle die im Gewinnmaximum bentigten Faktormengen X l, X2 ,
die Produktmenge y und den Unternehmergewinn G.
6.39 Man berechne das Bereichsintegral JJB( x y + ::r;2 - y2)dx dy ber dem Rechtecksb reich , welcher
durch die Eckpunkte A( - 1, 1), B(5 , 1), C(5 , 5) und D( - 1, 5) bestimmt ist.

269

6.5 bungsaufgaben

6.40 B sei der durch x = 4, Y = 1 und x + 2y = 2 berandete beschrnkte Bereich der (x, y) -Ebene.
Man berechne
12x2 y 3 dxdy .

11B

6.41 Berechnen Sie die folgenden Bereichsintegrale:

sin( x + y) dx dy, B C; 1R 2 ist das Quadrat mit den Eckpunkten (0, 0) , (0, 1r) , (1r, 0) , (rr, 1r) .
(a)
(b)

11
B
11 ~~t dx dy, B ~ 1R2 ist das Dreieck mit den Eckpunkten (2,2), (3,2), (3,3).

(e)

Jf (x + y)2 dx dy, K

+ y2

~ 1R 2 ist der Kreis mit x 2

::; 1.

Cd)

11J xdx dy dz , Z ~ 1R3 ist der Zylinder Z = {(x , y, z) 11 ::; z ::; 2,1 ::; x 2 + y2 ::; 2} .
z

6.42 Man bestimme die Bogenlnge der Kurve

x(t) =

(c;: t) t: ;
, 0 ::;

21r.

smt

6.43 Parametrisieren Sie folgende Kurve nach der Bogenlnge:

t

/2

xCt) = ( ~(2t + 1)3/ 2 , t ~ 0

6.44 Berechnen Sie die Oberflche einer Kugel mit dem Radius R.
6.45 Man berechne das Kurvenintegral ber das Vektorfeld u(x) = (

xy2
x - y
2

2) entlang des Weges

3y 2 = 4x von (0,0) nach (3,2) sowie entlang des Streckenzugs (0,0) - (3,0) - (3, 2) .
6.46 Man zeige, dass das Kurvenimegral J(cos x dx+e - Y dy+ z2 dz) wegunabhngig ist, und berechne
c

es ber einen Weg von (- 1, 3,4) nach (6,9, -2).

6.47 Man zeige, dass das Vektorfeld fex, y) = (yO-l , (a - 1) xy a- 2) eine Stammfunktion besitzt, und
berechne diese.

6.48 Welches der folgenden Vektorfelder f = (il, h , 13) ist ein Gradientenfeld, und wie lautet ggf.
eine zu f gehrende Stammfunktion?
(a)

(b)

(1 , 1, 1) ,

(e) (2x , 2y , 0) ,

(- x , -y , - z) ,

(d)

(yz ,xz, x 2 ).

6.49 Man berprfe, ob das Vektorfeld f = (y z, (x - 2y)z , (x - y)y) eine Stammfunktion besitzt.
Wenn ja, gebe man alle Stammfunktionen an.
6.50 Man bestimme, falls mglich, ein Potential des VektOlfeldes
Ca) u (x, y) =

(_~?r
(x+y)2

),

(b) u (x, y) =

(~+(;;Y)2

).

1+ (x+'Y )2

In welchen Gebieten B C lR. 2 ist das KurvenintegraJ ber da Vektorfeld u {x, y) wegunabhngig?
6.51 Das elektrostatische Potential einer Punhladung Q im Koordinatenursprung ist durch

-~==;;:====:::=
47rco Jx 2 y2 z2

q, 1 (x, y ) z) = - -

gegeben, fr das Potential eines Dipols mit dem Dipolmoment p = (p, 0, 0) gilt:

1
px
<l?2(X,y, Z) = -4
(
2 + 2 + 2)3/ 2'
1rcQ x
Y z
(Dabei sind Q, p und
nach der Formel E =

cO Konstante.)

grad tPi, i

In beiden Fllen berechne man das zugehrige elektrische Feld E

1, 2.

Kapitel 7
Differenzen- und Differentialgleichungen
Differenzeo- und Differentialgleichungen zhlen zum Ida i hen Instrumentarium der angewandten Mathematik. Sie ennglichen u.a. eine mathemati che Beschreibung de zeitlichen
Ablaufs von Vorgngen in Naturwissenschaft und Technik, wie z.B. on Bew gungen, Schwingungen, chemischen Reaktionen oder Wachstumsprozessen. Differenzengleichungen eignen
sich zur Beschreibung zeitdiskreter Prozes e, d.h., falls die Zeit in Tagen, Jahren od rin Generationen gemessen wird. Hierher gehren auch iterative und rekur i e Algorithmen der Informatik
wie z.B. Such- und Sortierverfahren . Wird die Zeit hing gen kontinuierlich gerne en, k mmt
der Differentialquotien t zur Beschreibung de ndemngsverhalten einer Gre in Spiel, und
das Studium kontinuierlicher Prozesse fhrt dann auf Differentialgleichungen. In die em Kapitel werden wir grundlegende quantitative und qualitative Verfahren zur Behandlung on Differenzengleichungen sowie gewhnlichen und partiellen Differentialglei hungen kennen lernen.

7.1

Differenzengleichungen - Einfhrung und Beispiele

In diesem Abschnitt betrachten wir Prozesse, welche in di krelen Schritten ablaufen. Bei piele
fr solche Prozesse sind etwa die Entwicklung von Br enkur en in der Wirt chaft oder die
Anzahl der Schritte in einem Algorithmus in der Informatik wie im folgenden Bei piel.
Beispiel 7.1 (Die Trme von Hanoi l ) Bei diesem Spiel geht es darum, n paarwei e er chieden groe Scheiben, welche der Gre nach geordnet auf einem Stab bereinander ~e tapelt
sind, auf einen benachbarten leeren Stab unter Zuhilfenahme eine dritten tabes zu er etzen
(siehe Abb. 7.1). Dabei mssen die Scheiben wieder in derselben Reihenfolge wie ur prnglich
zu liegen kommen und die folgenden Regeln beim Transport der Scheiben eingehalten '\ erden:
Es darf immer nur eine Scheibe (nmlich die oberste) ver choben werden und
es darf nie eine grere auf einer kleineren Scheibe zu liegen kommen .
Eine rekursive Lsungsstrategie fur die e Aufgabe besteht darin, zunch t die ob ren n - 1
Scheiben vom ersten Stab auf den dritten Stab zu chaffen, dann die n -te Scheib zu unter t
1Die Geschichte der Trme von Hanoi geht vermutlich auf den franz i chen Mathematiker Edouard Luca
zurck. Danach wren indische Mnche im groen Tempel von Benares, der den Mittelpunkt der Welt markiert
Tag und Nacht unablssig damit beschftigt, einen Turm aus 64 goldenen Scheiben zu ver etzen, und wenn ihnen
das gelungen sei, wre das Ende der Welt gekommen.

7.1 Differenzengleichungen - Einfhrung und Beispiele

271

Abbildung 7.1 Die Tnne von Hanoi

auf den zweiten Stab zu legen, und schlielich die verbleibenden n - 1 Scheiben vom dritten
auf den zweiten Stab zu versetzten. Bezeichnet X n die Anzahl der Spielzge, die nach dieser
Strategie insgesamt notwendig sind, um n Scheiben zu versetzen, so gilt offensichtlich Xl = 1,
X2 = 3, X3 = 3 + 1 + 3 = 7 und allgemein
Xn+l

Xn

+ 1 + Xn =

2x n

+1

fr

n = 1,2,3, .. . .

Beispiel 7.2 (Babylonisches Wurzelziehen) Beim Babylonischen Wurzelziehen handelt es

sich um ein iteratives Verfahren zur numerischen Berechnung der Quadratwurzel Va einer positiven Zahl a. Dazu bilden wird die Folge XO ) Xl, X2 , . . . mit dem Startwert Xo = 1 (fr Xo kann
genauso gut jede andere positive Zahl gewhlt werden) und dem Bildungsgesetz

Xn+l = ~ (xn + :n )

fr

n = 0, 1,2, . . . .

Dann konvergiert die Folge (x n ) stets gegen Va. Die Konvergenz erfolgt in der Praxis schon
nach wenigen Schritten und ermglicht die nherungsweise Berechnung einer Wurzel unter
ausschlielicher Verwendung der Grundrechnungsoperationen.
6"
Beispiel 7.3 (Fibonacci 2 Folge) Betrachten wir einen Nachrichtenkanal, bei dem Informationen quellencodiert als Zeichenfolgen bertragen werden, welche aus zwei Signalen 8 1 und 8 2
bestehen. Die bertragung von SI bzw. S2 etfordere einen Zeitaufwand von 1 bzw. 2 Zeiteinheiten. Ge \,lcht ist die Anzahl der mglichen Nachrichtenfolgen der Dauer t.
Bezeichnen wir die gesuchte Anzahl mit Nt, t = 0, 1, 2, . . . , dann gilt zunchst fr kleine
Werte von t:

t=o leere Folge

t

=1

SI

t = 2 SI S1, 52
t = 3 S1 8 1 S1 , 81 5 2 ,

No =
N1 =
N2 =
8251 N 3 =

1
1
2
3

2Die Fibonacci-Zahlen gehen auf den italienischen Mathematiker Fibonacci (Leonardo von Pisa) zurck, der
sie in seinem Buch "Liber Abaci" aus dem Jahr 1202 zur Beschreibung der Entwicklung einer Kaninchenkolonie
verwendete. Sie besitzen unzhlige Anwendungen vom Goldenen Schnitt aus der Architektur bis zur modemen
Zahlentheorie.

272

7 Differenzen- und Differentialgleichungen

Da eine Nachrichtenfolge der Dauer t 2 2 entweder mit

Anzahl aller Nachrichtenfolgen der Dauer t

Nt =

t- l

+ N t- 2

fr

oder S2 end - D mu

>

gilt fr die

t = 2 3, .. , .

Also ist jedes Folgenglied die Summe seiner bei den vorhergehenden Glieder. Die r Ansatz
fhrt auf die so genannte Fibonacci-Folge 1, 1,2, 3, 5, , 13 . . . .
6.
Wie wir sehen, gibt es in allen drei Beispielen eine Gre X m welche ich in di kreten Schritten n = 0, 1, 2, ... ndert, sowie eine Vorschrift J, welche angibt, wie man den aktuellen Wert
von x aus einem oder mehreren vorhergehenden Werten von x erhalten kann. Di betrachteten
Beispiele sind entweder von der Form X n +1 = J (x n ) oder von der Form X n +2 = J (Xn+l ' x n )
mit n = 0 1, 2 . .. , und wir sprechen von einer Differenzengleichung erster bzw. zweiter
Ordnung. Allgemein versteht man unter einer (gewhnlichen) Differenzengleichung k-ter
Ordnung eine Gleichung der Gestalt

F (n Xn ,Xn+ l , ' " , Xn+k) = 0

fr

n = 0 1, 2 . ..

wobei F eine beliebige Funktion ist, in der jedenfalls X n und Xn+k wirklich vorkommen mssen. Kann Xn+k aus dieser Gleichung direkt ausgedruckt werden 0 rhlt man die explizite

Differenzengleichung
Xn+k

= J(n , Xn , X n+ l, ' . .

Xn +k- J)

fr

n = 0 1, 2 .. .

andernfalls ist die Gleichung in impliziter Fonn gegeben. Ist die Funktion f linear in n (bzw.
auch X n +1 , usw.), spricht man von einer linearen, son t von einer nichtlinearen Differenzen-

gleichung.
Differenzengleichungen eignen sich also ganz allgemein zur Be chreibung on Proze en
die stufenfrmig, d.h. in diskreten Schritten ablaufen und bei denen man angebn kann, wie
die Prozessgren auf der n-ten Stufe aus den Gren der vorhergehenden Stufen bestimmt
werden. Ziele beim Studium von Differenzengleichungen ind einer eit die Berechnung einer Lsung, also einer expliziten Formel fr X n . Darum geht es in der 0 genannten quantitativen Theorie. Von Interesse sind ferner das Auffinden von Gleichge ' icht lagen und die
Bestimmung deren Stabilitt. Diese Fragen sind Be tandteil der qualitativen Theorie. Allgemein heit jede Folge (xn ), bei der jeweils k + 1 aufeinander fo lgende Gli der di Gleichung
F(n , X n , Xn+l ; . , , , .X n+k) = 0 erfllen, eine partikulre Lsung der Differenz nglei hung.
So ist beispielsweise X n = 2n - 1 partikulr L ung der Gleichung 'n+1 =
Tl. + 1 au
Beispiel 7.1 , welche zudem die B dingung Xl = 1 erfllt. Anderer eit i tjed Folg d r Fonn
X n = 2n C - 1 mit C E IR eine (reelle) Lsung dieser Gleichung wie [Link] hEin tz n ofon
sieht, und man spricht in diesem Fall von der allgemeinen Lsung der Diff;-renzengleichung.
Eine explizite Lsung ist fr die nichtlineare Gleichung ,'1: n+1 = ~ ( '71 + a/ n) von Beispiel 7.2 nicht mehr mglich. Dafr erkennt man leicht, da fr den Auf ng ert 0 =
a
auch X l = ~ (Va + a/ Va) =
und damit auch alle weiteren Folgenglied r den ' rt Ja besitzen. Man nennt Va eine Gleichgewichtslage und die konstante Lsung folge (x n ) = ( a
eine Gleichgewichtslsung der Differenzengleichung, Die Kenntni on Gleichoev i htslagen
und auch deren Stabilittsverhalten sind wertvolle Infomlationen b -r da Verhalt n on Differenzengleichungen, deren explizite Lsungen nicht bestimmt werden knn n. In d n fol o nd n
Abschnitten werden wir Differenzengleichungen erster und zweiter Ordnung b handeln und
dabei sowohl auf quantitative wie auf qualitative Aspekte eingeh n.

va

7.2 Differenzengleichungen erster Ordnung

7.2

273

Differenzengleichungen erster Ordnung

Wir betrachten zunchst die lineare Differenzengleichung erster Ordnung

Xn+ l

= aX n + b, n = 0, 1, 2, ...

(7.1)

mit den konstanten Koeffizienten a und b. Nach Vorgabe eines Anfangswerts Xo berechnet man
sukzessive
Xl

ax o + b

X2

aXl

X3

aX2 + b = a3xo + a b + ab

+b=

a2xo

+ ab + b
2

+b

und schlielich
Xn = allxo + (1

+ a + .. . + an- 1)b =

anx o + b a"
- l
a- l
Xo + bn

fr a...L
r 1
fr a = 1

(Ein exakter Beweis erfolgt durch vollstndige Induktion.) Damit ist in diesem einfachen Fall
eine explizite Lsungsformel gefunden.

Beispiel 7.4 (Trme von Hanoi, Fortsetzung) Fr die Anzahl der Spielzge in Beispiel 7.1
gilt Xn+l = 2x n + 1 fr n = 1) 2, 3, . . . . Das i t eine lineare Gleichung erster Ordnung mit den
Koeffizienten a = 2 und b = 1, und nach obiger Formel gilt

2 - 1

Xn = 2 Xo + 1 2

- 1

n(

= 2 Xo + 1 - 1.

Das ist die partikulre Lsung der Gleichung zum Anfangswert Xo. Mchte man den Anfangswert noch nicht festlegen, setzt man Xo + 1 = C E 1R (da mit Xo auch Xo + 1 = C alle reellen
Zahlen durchluft) und erhlt die allgemeine Lsung X n = 2n C - 1 mit C E R Die Folge in
Beispiel 7.1 beginnt mit Xl = L Setzt man diesen Wert in die allgemeine Lsung der Differenzengleichung ein, d.h . Xl = 2C - 1 = 1, folgt C = 1 und fr die gesuchte Anzahl der Spielzge
n
X n = 2 - 1. (Diese Lsung ergibt sich auch aus der angegebenen expliziten Lsungsformel
zum fiktiven Anfangswert Xo = 0.)
6

1. Allgemeine lineare Differenzengleichungen erster Ordnung

Sind die Koeffizienten a und b in Gleichung (7 .1) nicht konstant, so liegt der allgenleine Fall
einer linearen Differenzengleichung erster Ordnung
(7.2)

vor, wo an und bn beliebige (reelle) Funktionen in n , also (reelle) Folgen sind. (O.B.d.A. kann
stets angenommen werden, dass der Koeffizient von x n +1 gleich 1 ist, d.h. , dass die Gleichung
explizit in Xn+ l ist.) Der Term bn heit Strfunktion der linearen Differenzengleichung. Ist
bn = 0, so nennt man die Gleichung
(7.3)

eine homogene Gleichung, dagegen stellt Gleichung (7 .2) eine inhomogene Gleichung dar.

7 Differenzen- und Differentialgleichungen

274

Satz 7.5 Die Lsungsgesamtheit der linearen inhomogenen Differen eng/ei hung X n + 1 =
anXn + bn ist gegeben durch X n = X~h) + x~), wo x~~) die allgemeine L ung d r zugehrigen
homogenen Gleichung xn+l = an X n und x~) eine beliebige partikulre Lsung der inhomogenen Gleichung ist.
Beweis. Ist X~h) eine beliebige Lsung der homogenen und x~) eine fe te L ung der inhomogenen Gleichung, dann i t X n = X~h) + x~) wieder Lsung der inhomog nen Gleichung wie
man durch Einsetzen ofort besttigt.
Umgekehrt ist jede Lsung der inhomogenen Gleichung von der angegebenen Form denn
fr eine beliebige Lsung X n der inhomogenen Gleichung gilt

+ bn
anX~) + bn

a n Xn
-

a n(x n -

x~ ).

Also ist x~h) = X n - x}r) eine Lsung der zugehrigen homogenen Glei hung und omit
x~h) + x~) , wie behauptet.

Xn

=
0

Beginnen wir zunchst mit der Lsung der homogenen Gleichung (7. ). Offen ichtlich gilt
1
X n = XOaOa l . . . a n - l = Xo
a i , wie durch voll tndige lnduktion ofort b wie n werden
kann 3 . Setzen wir darin Xo = G E IR, erhalten wir al allg meine L ung der GI k hung (7.3)

r17:o

n- l

X~h) = C

II ai
i= O

Beispiel 7.6 Die Gleichung X n +1 = (n

+ l )xn fr n

0 be itzl di allgem in L ung

n- l

Xn

II (i + 1) = Cn!,

C E 1R

i= O

die partikulre Lsung zum Anfangswert Xo = 2 beispiel wei e lautet X n = 2n !.

Nun zum allgemeinen Fall der Gleichung (7 .2) mit be biger Strfunktion. Nach obigem
Satz setzt sich die Lsungsgesamtheit dieser Gleichung gem x n :;;; x~h) + X~) zu ammen .
Neben der allgemeinen Lsung der homogenen Gleichung X~l) bentigt man al 0 noch eine
beliebige partikulre Lsung dr) der inhomogenen Gleichung. Um die zu erhalten. kal1n man
folgendermaen vorgehen:
(i) Variation der Konstanten: Bei diesel" Methode wird die Kon tante in der allgemeinen
Lsung X~h) der homogenen Gleichung ; variiert' d.h. man macht den An atz

rr

n- l

x~)

::=

Cn

a i

i ;;::Q

Setzt man in Gleichung (7.2) ein, so erhlt man (fall alle Q..j =J 0) fr cli unb kannte Folge
Cn eine Differenzengleichung der Gestalt Cn +1 = Cn + hn wel he durch Auf: ummieren
der Strglieder h n gelst werden kann.
3Dabei hat das so genannte leere Produkt n;~o ai per definiLionem den Wert 1.

275

7.2 Differenzengleichungen erster Ordnung

(ii) Methode des unbestimmten Ansatzes: In Abhngigkeit vom Typ der Strfunktion bn
in Gleichung (7 .2) kann ein Polynom- oder Exponentialansatz fr x~) mit unbestimmten Koeffizienten zielfhrend sein. Sind beispielsweise die Parameter an und bn in Gleichung (7.2) konstant (und an =1= 1), dann fhrt der unbestimmte Ansatz x~) = A auf
A = b/(l - a) und damit auf die partikulre Lsung x~) = b/(1 - a). Weitere Anstze
sind im nchsten Abschnitt zusammengestellt.

Beispiel 7.7 Gegeben sei die Gleichung

Xn+l =

(n + 1)xn

+ 3(n + 1)!

fr

O.

Die allgemeine Lsung der homogenen Gleichung lautet X~h) = On!. Durch Variation der Konstanten erhlt man den Ansatz x}f) = Onn!, und Einsetzen in die inhomogene Gleichung fhrt
zu

Cn+l(n + 1)! On+l

=> On

Onn!(71 + 1) + 3(71 + 1)1

On + 3
3n,

wobei 0 0 = 0 gewhlt wurde. Damit folgt

Xn

= x~~) + x~) = Cn! + 3n n! = (0 + 3n)n! , 0

ER

Beispiel 7.8 (Quicksort-Algorithmus) Quicksort ist ein hufig verwendeter, schneller Sortieralgorithmus, der nach dem Prinzip "divide et impera" arbeitet. Ausgangspunkt ist eine Liste
al , a2, . . . , an von n Elementen, welche der Gre nach zu ordnen sind. Bei Quicksort whlt
man nun das letzte Element an als so genanntes Pivotelelement aus der zu sortierenden Liste aus
und zerlegt die Liste in zwei Teillisten, eine untere, die alle Elemente kleiner, und eine obere, die
alle Elemente gleich oder grer dem Pivotelement enthlt. Dazu vergleicht man das Pivotelement an mit al, a2, so lange, bis erstmals ai ~ an gilt, und gleichzeitig mit an- I, a n - 2, ...
So lange, bis ein aj < an gefunden ist. (Ist an bereits kleinstes Element der Liste, wird j = 0
gesetzt.) Falls i < j ist, werden ai und aj gegeneinander ausgetauscht und landen damit in der
jeweils richtigen Liste, und die Suche von unten bzw. von oben wird fortgesetzt. Ist dagegen
erstmal i > j, vertauscht man ai und an> wodurch das Pivotelement an als neues ai an die
kon'ekte Position kommt Alle dem Pivotelement vorangehenden Elemente der Liste sind dann
kleiner als dieses, und aUe nachfolgenden Elemenle sind grer oder gleich. Der beschriebene
Prozess wird daraufhin mit den beiden Teillisten al, ... , ai-l und ai+l ,' .. ) an rekursiv fortgesetzt, bis sich letztlich aJle Listenelemente an der korrekten Position befinden und die Sortierung
damit abgeschlossen ist.
Wir fragen nun nach der durchschnittlichen Anzahl V n von Vergleichen (Average-CaseAnalyse), die man beim Sortieren von n verschiedenen Elementen einer Liste mittels Quicksort
durchfhren muss. (Bei der Analyse eines Algorithmus sind darber hinaus weitere KenngrBen wie etwa die Anzahl rekursiver Aufrufe, Vergleichsoperationen fr Best Case und Worst
Case oder der Speicherbedarf von Bedeutung.) Fr n = 1 ist Vi = O. Fr n > 1 ist die Anzahl
der Vergleiche, die man bentigt, um das Pivotelement an in die richtige Position zu bringen,

7 Differienzen- und Differentialgleichungen

276

2, 4, 1, 7, 10., 3,. 8 ,~

=5

tL _ __ _

2,4, 1, 3, 1'0, 7, 8 ,~
t

Pi otelement a'l

i <j: vertau ehe ai und aj

2,4, 1, 7, 10, 3, 8,(3)

______~t

= 8,

i > f: vertau ehe a j und an

t
Fort etzung mit Teilli teo

2,4, 1,3,(3) 7,8,10

u .S.w.

1,2,3,4.,5,7, 8, 10
Abbildung 7.2 Ql1icksort-Algorithmus (er, ler Schritt)

gleich n+ 1. Dazu kommt noch die zum Sortieren der beiden [Link] ten erforderlich.e Anzahl von
Vergleichen, welche im Durchschnitt ~ L~ l (Vi- l + Vn -i ) betrgt. Damit erhlt man in gesamt
1

Vn

= n

+ 1 + -n.L (Vi- l + Vn - i ) '

~=l

Da 2:~= 1 Vi -

= L~= l Vn- i ist, folgt weiter

2

n+ 1 + -

Vi-l

i= 1

n +l

+ 2 + --=-1

L
i~

Vi - l

n+
(n + l )(n + 2) - n(n + 1) + 2vn

und damit
Vn + l

n+2
n+ 1

= ---- V n + 2,

'Tl

= 1, 2, . . .

Das ist eine lineare inhomogene Differenzengleichung fr V n deren L ung ine xplizite Formel fr die Anzahl der Vergleiche V n in Abhngigkeit von der Dirnen ion der Li te n liefert.
Wir lsen zunchst die zugehrige homogene Gleichung und erhalten
71- ]

v(h)
n

= C n. i + 2 = C n
.
i= l

i+ l

+ 1.
2

7.2 Differenzengleichungen erster Ordnung

277

Durch Variation der Konstanten, d.h. mit dem Ansatz v~) = Cn n~l ergibt sich weiter

n+2
Cn +1 - 2

wo Hn = (1 + ~ + ~ + ... + ~) rv In n die Partialsumme der harmonischen Reihe bezeichnet

(v gl. Beispiel 5.57). Damit aber ist v~) = 2(n + l)(Hn +l - ~), und die allgemeine Lsung
unserer Gleichung lautet
Vn

= v(nh)

+ v(p)
= C +
n
2 1 + 2(n + 1)

Aus der Anfangsbedingung VI

Vn

(H

+1 -

~)
2

'

C E IR .

= 0 folgt C = 0, und wir bekommen schlielich das Ergebnis

= 2(n + 1) ( H n +1 -

~) ,

n = 1, 2, ... .

Demzufolge ist die Anzahl der Vergleichsoperationen und damit auch die Laufzeit von Quicksort von der Ordnung 0 (n In n ). Damit weist Quicksort, wie man zeigen kann, im Vergleich mit
anderen Sortierverfahren ein optimales Laufzeitverhalten auf.
6
2. Methode der erzeugenden Funktionen
Einen weiteren Ansatz zur Lsung von Differenzengleichungen stellt die Methode der erzeugenden Funktionen dar. Die Grundidee dieser Methode, welche auch auf Gleichungen hherer
Ordnung angewendet werden kann, besteht darin, einer Lsungsfolge aa , al, a2, . . . eine Funktion A(z ) in einer reellen oder komplexen Variablen z zuzuordnen, die Differenzengleichung
in eine Gleichung fr A (z ) zu bersetzten und diese zu lsen. Zunchst wird der Begriff der
erzeugenden Funktion eingefhrt und dann die Lsung einer Differenzengleichung mit Hilfe
der Methode der erzeugenden Funktionen an Hand eines Beispiels vorgestellt.
Wir betrachten allgemein eine Folge (an) = aa, ab a2 ,.. . . von reellen oder komplexen
Zahlen und ordnen ihr die Reihe A(z) = ~::o anz n zu. Die Potenzreihe A(z) ist zumindest
innerhalb ihres Konvergenzradius konvergent und wird erzeugende Funktion der Folge (an)
genannt Erzeugende Funktionen spielen u.a. in der Kombinatorik, der Wahr cheinlichkeitstheorie und eben auch bei der Lsung von Differenzengleichungen eine wichtige Rolle.
Die erzeugende Funktion der konstanten Folge 1, 1, 1, " . ist A(z) = 1 + z+ z2+... = l~z '
Dagegen erhlt man fr die arithmetische Folge 0, 1, 2, . .. die erzeugende Funktion

A(z ) =

L n zn
00

n= O

z + 2z 2

+ 3z 3 + ... =

- 1 - )'
1- z

z
(1 - z)2'

Auch ftir die geometrische Folge 1, q, q2, . . . lsst sich die erzeugende Funktion sofort angeben,
nmlich A(z) = 1 + qz + q 2 z2 + . .. = l ~qZ ' Weitere Regeln fr das Rechnen mit erzeugenden Funktionen knnen auf Grund der Rechengesetzte fr das Rechnen mit Reihen abgeleitet
werden und sind im folgenden Satz zusammengestellt.

7 Differenzen- und Differentialgleichungen

278

Satz 7.9 Es sei A(z ) die erzeugende Funktion der Folge (an) und B (z) die [Link] Funktion der Folge (b n), also A(z) = L n=o anzn und B( z ) = E~=o bnzn . Dann be tehtfolgender
Zusammenhang zwischen den in nachstehender Tabelle angegebenen Folgen und ihren erzeugenden Funktionen:
erzeugende Funktion

Bemerkung

0, ao , al, a2 , ...

z A(z )

right hift

al , a2 , a3 , ...

A(z )- ao
z

left shjft

al l 2a2 13a3 1...

A'(z )
A bz)
aA(z ) + B(z)
A(z) . B(z )
_. 1 A(z )
l- z

Linearitt

Folge

"n an

aX n + Yn
L:~=o akbn-k
L~=o ak

Cauchy-Produkt:
Partialsummenfolge

Nun zeichnet sich bereits ab, wie man erzeugende Funktionen zur Lsung von Differenzengleichungen verwenden kann . Wir wollen das prinzipielle Vorgehen an Hand eine einfachen
Beispiels einer linearen Differenzengleichung mit konstanten Koeffizienten demon trieren.

Beispiel 7.10 Gesucht ist die allgemeine Lsung der Differenzengleichung an+ l = 5!ln - 2 fr

n 2" O. Dazu multiplizieren wir die Gleichung mit zn+l und summieren b ralle n. So lsst
sich ein Ausdruck fr die erzeugende Funktion A (z) der L ung folge (an) gewinnen:
00

A(z) - ao A(z)

52:= anzn +l - 2
zn+l
n=O
n=O
z
5z A( z ) - 2 _ z
1

ao
1 - 5z

2z
(1 - z)(1 - 5z) .

Nun ist die erzeugende Funktion A(z ) gefunden. Entwickelt man A(z) im Punkt z = 0 in eine
Potenzreihe, so sind die Koeffizienten dieser Potenzreihe die Glieder der L ung folge (an).
Mit Hilfe einer Partialbruchzerlegung (siehe Ab chnitt 5.3) erhlt man (1 _X)2(~_SZ) = - 2(1~Z) +

2(1 ~5Z) ' Damit folgt

A(z )

wobei C = ao - ~ gesetzt wurde. Somit lautet die allgemeine Lsung der Gleichung an ~ + C5 n mit C E IR.
6.

7.2 Differenzengleichungen erster Ordnung

279

Die Methode der erzeugenden Funktionen kann ferner zur Bestimmung partikulrer Lsungen zu vorgegebenen Anfangsbedingungen bei nichtlinearen Differenzengleichungen und auch
bei Differenzengleichungen hherer Ordnung mit Erfolg angewendet werden (siehe bungen).

3. Qualitative Theorie
Wir wenden uns nun der graphischen Darstellung von Lsungsfolgen und der qualitativen
Theorie von Differenzengleichungen zu. Ausgangspunkt ist die explizite Differenzengleichung
erster Ordnung
(7.4)
Xn+l = f(x n ),
n = 0, 1, 2, .. . .
Dabei nehmen wir an, dass f nicht von n abhngt (man spricht dann von einer autonomen
Gleichung) und eine stetig differenzierbare Funktion ist. Zeichnet man den Graphen der Funktion y = j(x) gemeinsam mit der Geraden y = x in einem (x, y) -Diagramm, kann der Verlauf der Lsungsfolgen recht anschaulich folgendermaen dargestellt werden: Man markiert
den Anfangswert x = Xo auf der x-Achse, zeichnet die Ordinate f(xo) = Xl und im Punkt
(xo, f( xo )) eine zur x-Achse parallele Gerade bis zu deren Schnittpunkt mit der Gerade y = x .
Die x-Koordinate dieses Schnittpunkts ist dann gerade der Wert Xl . Dann wiederholt man den
Vorgang mit Xl an Stelle von Xo, usw. Auf" die beschriebene Weise erhlt man die Lsung der
Differenzengleichung zum Anfangswert Xo als Treppenzug zwischen den beiden Graphen der
Funktionen y = f( x) und y = x (siehe Abb. 7 .3).
y
y ;;;;; f(x)

x
x2

? 2*

X X

Abbildung 7.3 Graphische Darstellung einer nichtlinearen Differenzengleichung erster Ordnung

Sei nun XO, Xl) X2, .. eine Lsungsfolge der Gleichung (7.4). Falls die Folge konvergent
ist, d.h. limn->oo X n = x*, dann folgt
X*

= lim Xn+ l = lim

n -> oo

n--->oo

f(x n )

f( lim x n )
n ->oo

f( x*) ,

also j( x*) = x* . Ein Punkt mit dieser Eigenschaft ist ein Gleichgewichtpunkt.

7 Differenzen- und Differentialgleichungen

280

Definition 7.11 Ein Punkt x heit Fixpunkt oder Gleichgewichtspunkt der Differenzengleichung x n +1 = f(x n ), wenn f(x*) = x gilt.
Graphisch findet man die Gleichgewichtspunkte al Schnittpunkte der Kurve y = f( x ) mit
der Geraden y = x . Wenn eine Lsungsfolge (x n ) der Gleichung kon ergent i t 0 ist ihr
Grenzwert stets ein Gleichgewichtspunkt. Umgekehrt gibt es zu jedem Gleichgewichtspunkt x
eine Lsung der Differenzengleichung, nmlich die konstante L ung folge 'n = x* .
Typische Fragen der qualitativen Theorie lauten nun: Besitzt eine gegebene Differenzengleichung berhaupt Gleichgewichtspunte? Wenn ja, welche L ungsfolgen kon ergieren gegen einen Gleichgewichtspunkt? Und wie verhalten sich L ungen in der Nhe von Gleichgewichtspunkten ?
Gleichgewichtspunkte knnen Lsungen anziehen oder abstoen, wa in den folgenden Stabilittsbegriffen zum Ausdruck kommt.

Definition 7.12 (Stabilitt von Gleichgewichtslagen) Ein Gleichgewichtspunkt x der Differenzengleichung Xn+l = f(x n ) heit stabil, wenn es zu jedem E > 0 ein 8(c) > 0 gibt,
so dass fiir alle Lsungsfolgen (x n ) mit Ixo - x, < <5(c) gilt IXn - x*1 < c tUr alle n. Ein
Gleichgewichtspunkt x* heit asymptotisch stabil, wenn es auerdem ein festes <5 > 0 gibt,
so dass fr alle (x n ) mit Ixo - x*1 < 8 gilt limn --+cx; X n = x*. Anderfalls heit x instabil.
Ein Gleichgewichtspunkt x* i t also stabil, wenn jede L ung folge der Differenzengleichung in einer beliebig vorgegebenen Umgebung von x" bleibt, fall ie nur nahe genug bei
x" beginnt. Konvergiert die Lsungsfolge zudem gegen x", so i t der Gleichgewichtspunkt
asymptotisch stabil. Ob eine Lsungsfolge gegen einen Fixpunkt konvergiert, ob sie um einen
Fixpunkt oszilliert oder divergent ist, ist aus der graphischen Dar teilung er ichtlicb. Die in
Abb. 7.3 dargestellte Differenzengleichung bei piel weise be itzt zwei Gleichgewicht punkte
xi und x; . Offensichtlich konvergiert die Folge xo, X l , X2 x3,'" gegen x;, dieser ist a ymptotisch stabiler Gleichgewichtspunkt. Anderseits gibt e keine Folge (xl l ), welche gegen xi
konvergiert (mit Ausnahme der konstanten Folge (xi) . Der Fixpunkt xi ist ab toend und daher instabiL Die Gleichung in Abb. 7.4 besitzt einen a ymptoti eh tabilen Fixpun1..1: xi mit
oszillierendem Lsungsverhalten und einen instabilen Fixpunkt
sowie di ergente L ungen.

x;

Satz 7.13 Ein Gleichgewichtspunkt x* der DijJerenzengleichung

tisch stabil, falls 1f'(x*)1 < 1, und insrabil, falls 1f'(x*)1 > 1 gilt.

Xn+l =

f( x n ) ist as mpto-

Beweis. ImFall lf'( x*) 1< 1 gibt e eine Umgebung Ix- x1 < b von x*, in der 1f'(x)1 :; ,,\ < 1
fr ein geeignetes A < 1 gilt. Nach dem Mittelwertsatz der Differentialrechnung folgt dann

(mit Ezwischen X n und x* ) und weiter IX n - x* I :; AnIxo - x I fr aJle n und Ixo - x I < c5.
Wegen A < 1 zieht der Fixpunkt x" jede L ungsfolge (xn ) mit IXQ - x"' l < 8 an und ist daher
asymptotisch stabil. Der Beweis im instabilen Fall kann hnHch gefilhrt werd n.
0

Beispiel 7.14 (Babylonisches Wurzelziehen, Fortsetzung) Wir kommen zmck auf die Differenzengleichung von Beispiel 7.2
xn+l

= f(x n ) = ~ ( x n + X~, )

fur

Tl,

= 0, 1 2, .. ..

- --

-~-

281

7.2 Differenzengleichungen erster Ordnung

x
x 2 * x'
0

x 1*

Abbildung 7.4 Oszillierende und divergente Lsungsfolgen

Ist der Startwett Xo > 0, folgt sofort Xn > 0 fr alle n . Wir berechnen zunchst die Gleichgewichtslagen dieser nichtlinearen Gleichung gem

f( x ) =

~ (x + ~)

x2

:::} x"

Ja.

Zur berprfung der Stabilitt von x* bilden wir

f'( x ) =

~ (1 -

:2) : :} 1'(x*) = 1'( va) = 0 < 1,

also ist der einzige Gleichgewichtspunkt x* = Ja asymptotisch stabil. (Tatschlich konvergiert

jede Lsungsfolge der Differenzengleichung mit beliebigem (positiven) Startwert gegen Fa.)
6,

Beispiel 7.15 Die Gleichung Xn+ l = 2.5x n - [Link] x; fr n = 0, 1,2 ) .. . beschreibt ein so
genanntes diskretes logistisches Wachstum, d.i. ein grundlegendes Wachstumsrnodell mit zahlreichen Anwendungen u.a . in Biologie und Wirtschaft. Die Fixpunkte dieser Gleichung sind
xi = 0 und x; = 150. Mit f( x ) = 2.5x - 0.01x 2 ist f'( x ) = 2.5 - O.02x. Somit folgt
11'(0) 1 = 2.5 > 1 und 11'(150)1 = 0.5 < 1, d.h ., der Gleichgewichtspunkt = 0 ist instabil
und x2 = 150 ist asymptotisch stabiL
6,

xt

7 D 'fferenzen- und Differentialgleichungen

282

7.3

Lineare Differenzengleichungen zweiter Ordnung

Vielfach lassen sich Aufgabenstellungen aus den Anwendungen, elche dur h mehrere Differenzengleichungen beschrieben werden knnen, auf eine einzige Differenzengleichung hherer
Ordnung zurckfhren, Wir beschrnken uns im Folgenden auf den Fall lineewer Differenzengleichungen zweiter Ordnung mit konstanten Koeffizienten, Die hier he chrieb nen Re ultate
knnen jedoch direkt auf Gleichungen hherer Ordnung bertragen werden.
Ausgangspunkt in diesem Abschnitt ist die lineare Differenzengleicbung zweiter Ordnung der Fonn
(7.5)
X n +2 + aXn+ l + bX n = Sn
n = 0 1,2, ...
wo a und b konstante Koeffizienten sind (mit b =f:. 0) und Sn eine mglicherwei e von n abhngige Strfunktion bezeichnet. Ist Sn = 0 fr alle n, spricht man wieder on einer homogenen
andernfalls von einer inhomogenen Gleichung. Wie bei den Gleichungen er ter Ordnung be teht
auch bei linearen Differenzengleichungen zweiter Ordnung folgender Zu ammenhang:
Satz 7.16 Die Lsungsgesamtheit einer linearen DijJerenzengleichung zweiter Ordnung i t gegeben durch X n = X~h) + x~), wo X~h) die allgemeine L ung der zugehrigen homogenen
Gleichung und x~) eine beliebige partikulre Lsung der inhomogenen Gleichung i t.
Dementsprechend gliedert sich der Lsungsweg in folgende Schritte:
1. Bestimmung der allgemeinen Lsung x~h) der homogenen Gleichung,

2. Bestimmung einer partikuJren Lsung x~),

3. Ermittlung der Lsungsgesamtheit gem

Xn

x~t)

+ x~) .

Wir beginnen mit der homogenen Gleichung

X n +2

+ aXn+ l + b X n

n = 0, 1,2, , . .

= 0,

(7.6)

gem Schritt 1. Offensichtlich ist die Lsung jeder Differenzengleichung zweiter Ordnung
durch die Vorgabe von zwei Anfangswerten xQ und Xl eindeutig betimmt. Wie ich zeigen
wird, enthlt die atlgemeine Lsung von Gleichung (7.6) (und damit auch . n Glei hLlng (7.5)
zwei willkrlich whlbare Konstanten Cl und Cz derart, da man bei orgab
n zwei beli bigen Anfangswerten die Lsung zu diesen Anfangswerten durch Speziali ierung on Cl und
C2 erhalten kann.
.
Satz 7.17 Sind X~l) und x;;) UJsungen der homogenen Gleichung (7.6), so ist auch
ClX~l) + C2X~2) mit l , C2 E lR Lsung dieser Gleichung, Giltferner

c.

(1)

Xo

(1)
Xl

(2)

Xo

(2)

..j.

r 0,

Xl

dann ist X n die allgemeine wsung der homogenen Gleichung,

X""

7.3 Lineare Differenzengleichunge n zweiter Ordnung

Beweis. Dass

283

Lsung ist, ist durch Einsetzen sofort nachzurechnen. Der zweite Teil der
Behauptung ergibt sich aus der Tatsache, dass das lineare Gleichungssystem
Xn

genau dann eindeutig in Cl und C 2 lsbar ist, wenn die Determinante der Systemmatrix nicht
verschwindet.
0
Auf der Suche nach einer mglichen Lsung der homogenen Gleichung (7.6) stt man auf
den Ansatz x~~) = ).71. mit dem Parameter ).. Setzen wir in die Differenzengleichung ein, so
folgt
).n+2

+ a).n+l + b)' n
).2+

a)' + b

O.

Wir erhalten somit eine quadratische Gleichung, die so genannte charakteristische Gleichung
fr ).. Ihre Wurzeln).l und).2 werden als charakteristische Wurzeln bezeichnet. Mit)'~ und)'~
sind dann nach Satz 7.17 auch alle Linearkombinationen X n = Cl ).1 + C2 ).2 wieder Lsungen
der homogenen Gleichung. In Abhngigkeit von der Diskriminante a2 - 4b der charakteristischen Gleichung unterscheiden wir drei Flle:
(i) a2
Xn

4b

> 0: In diesem Fall sind die Wurzeln

= Cl ).~

+ C2 ).~

und ).2 reell und verschieden, und

mit Cl , C 2 E IR stellt die allgemeine Lsung dar. Denn wegen
(1 )

Xo

(1)
Xl

). 1

(2)

Xo
(2)
Xl

ist die Bedingung von Satz 7.17 erfllt.

(ii) a2 - 4b < 0: In diesem Fall sind ).1 und ).2 konjugiert komplex (und wieder verschieden).
Auch jetzt ist durch X n = Cl ).1 + C2 ).2' die allgemeine Lsung der Gleichung gegeben,
allerdings sind die Lsungen i. Allg. komplex (diesmal mit Cl) C2 E C). Um daraus
die reellen Lsungen zu erhalten, setzten wir ). 1 und ..\2 in Polarkoordinaten an, also
'\ 1,2 = r (cos ~ i sin ip), und berechnen
Xn

Cl r n ( COS ntp + i sin ntp ) + C2r n ( COS n tp - i sin ntp )

7,n( (C l + C2 ) cos ntp + i(Cl - C2 ) sin rl.(p) .

Whlen wir Cl und C 2 konjugiert komplex, so sind die neuen Parameter

und D 2 = i(Cl - C2 ) wieder reell, und wir erhalten
J

Das ist dann die allgemeine Lsung im Reellen.

D1 = Cl + C 2

7 Differenzen- und Differentialgleichungen

284

4b = 0: Die charakteri ti ehe Gleichung be itzt eine reelle Doppell ung, nmlich
Al = A2 = - ~ . Wie man durch Einsetzten umittelbar ieht, i t neben ). ~ in diesem
Fall auch nA1 eine Lsung der homogenen Gleichung, 0 dass man mit X~l) = A~ und
X~2) = nA ~ wieder zwei verschiedene partikulre Lsungen zur Verfugung hat. Gem
Satz 7.17 ist dann auch

(iii) a2

Lsung, und zwar die allgemeine Lsung, denn

(a = 0 htte wegen a 2 = 4b auch b = 0 zur Folge, was nicht mglich i t).

Wir fassen zusammen:

Satz 7.18 Sind Al und A2 die wsungen der charakteristischen Gleichung A2 + aA + b = O. dann
lautet die allgemeine wsung der linearen homogenen Dijferenzengleichung X n +2 + a Xn + l +
bXn = 0

i= A2 reell
falls "\1,2 = r( cos <p i in <p) Iwnjugiert Iwmplex
falls Al = A2 reell
faU Al

Beispiel 7.19
(a) Die Differenzengleichung X n +2 + Xn+l - 6x n = 0 besitzt die charakterist iche Gleichung
A2 + A - 6 = 0 mit den Lsungen Al = 2 und A2 = - 3. Folglich lautet die allgemeine
Lsung gem (i)
n
X n = C 1 2 + C2 ( - 3t ,
Cl , C 2 E IR.
(b) Die Gleichung X n +2 - 2X n + l + 2x n = 0 hat dagegen die charakteristsiche Gleichung
A2 - 2"\ + 2 = 0 mit den Lsungen A1,2 = 1 i = V2(cos isin i). Al 0 ergibt sich
nach Fall ()

Beispiel 7.20 (Fibonacci-Folge, Fortsetzung) Wir sind nun in der Lage, eine e plizite Darstellung fr die Fibonacci-Zahlen 1,1 ) 2, 3, 5, 8 ) 13, .. . anzugeben. Die Folge gengt der Gleichung Nt = N t - 1 + N t - 2 fr t = 2, 3, .. . mit den Anfangswerten 0 = N i = 1 (vergleiche
Beispiel 7.3). Das ist eine lineare homogene Differenzengleichung zweiter Ordnung. Wu bestimmen die charakteristische Gleichung ..\2 - A - 1 = 0 mit den beiden Wurzeln "\1,2 = 12- .
Folglich lautet die allgemeine Lsung der gegebenen Gleichung

N = C
t

(1 J5)
+2

+ C2

('1 - J5)
2

7.3 Lineare Differenzengleichungen zweiter Ordnung

285

Die spezielle Lsung zur Anfangsbedingung No = NI = 1 schlielich fhrt auf ein lineares
Gleichungssystem in den Variablen Cl und C2 mit der Lsung

c _ 1 + V5
1 2)5

und

C2 =

l-

2)5 .

Demnach lautet die gesuchte explizite Darstellung der Glieder der Fibonacci-Folge

~5 [( 1+2v'5) t+l _ (1 -2)5) t+l]

J\Tt = v v

fr

t = 0) 1) 2) . . . .

Unsere nchste Aufgabe ist es, eine partikulre Lsung der inhomogenen Gleichung (7.5)
X n +2

+ aXn+ l + bX n = Sn)

= 0) 1) 2, . ..

gem Schritt 2 zu finden. Damit ist dann auch die allgemeine Lsung dieser Gleichung durch
Addition der allgemeine Lsung der zugehrigen homogenen Gleichung und der partikulren
Lsung der inhomogenen Gleichung gefunden.
Ist die Strfunktion Sn = s konstant (und 1 + a + b f. 0), so fhrt der unbestimmte Ansatz
x~) = A auf die konstante Lsung x}f} = 5/(1 + a + b) . (Dieser Wert stellt brigens wieder
einen Gleichgewicht punkt der Differenzengleichung dar.) Ist Sn nicht konstant. kann in vielen Fllen eine partikulre Lsung nach der Methode des unbestimmten Ansatzes gefunden
werden. Bei dieser wird auf Grund der speziellen Form der Strfunktion (Konstante, Polynom,
Exponentialfunktion, u.s.w.) eine Versuchslsung mit unbestimmten Koeffizienten konstruiert,
welche dann durch Einsetzen in die Differenzengleichung und anschlieenden Koeffizientenvergleich ermittelt werden.
Die nachstehende Tabelle gibt einige Stlfunktionen und geeignete Versuchslsungen fr
die Methode des unbestimmten Ansatzes an:
Versuchslsung x}f)
1
A
n
r
Arn
sin(rn) oder cos(rn)
Asin(rn) + B cos(1'n)
n k (oder Polynom vom Grad k)
A o + Atn + A:2n2 + ... + Aknk
nk rn
(A o + A 1n + A 2n 2 + ... + Aknk)r n
Strlunktion

Sn

Zusatz (Resonanzfall): Enthlt die Versuchslsung x~) eine Funktion, welche bereits Lsung
der zugehrigen homogenen Gleichung (7.6) ist, dann muss dieser Ansatz noch mit n multipliziert werden; diese Vorgangsweise ist gegebenenfalls zu wiederholen . Ferner gilt

Satz 7.21 (Superpositionsprinzip) Gegeben sei die lineare [Link] [Link]

(2) ( Cl, C2 E .ll'O.
TTb) . S'Lnd X n(1) bZW. X n(2) partl'k u lare
" [Link]
T ;.:
d er
X n +2 + aXn+l + bX n = CIS n(1) + C2Sn
inhol1wgenen Gleichungen mit den Strfunktionen s~l) bzw. S~2), dann ist X n = CIX~I) + C2X~2)
eine partikulre Lsung der inhomogenen Gleichung mit der Strfunktion C1S~) + C2S~2).

286

7 Differenzen- und Differentialgleichungen

Beispiel 7.22 Gegeben sei die Differenzengleichung X n+2 - 2X n H + X n = 5 + n + 4 . 3n

fr n = 0, 1,2, . . . . Wir bestimmen die allgemeine Lsung dieser Gleichung in mehreren
Schritten:

Ca) Die zugehrige homogene Gleichung lautet X n +2 - 2x n +l + X n = O. Sie hat die charakteristische Gleichung A2 - 2"\ + 1 = (A - 1)2 = 0, welche die Wurzeln Al = A2 = 1
besitzt. Also lautet die allgemeine Lsung der homogenen Gleichung X~h) = Cl + C2 n
nach Fall (iii).
(b) Um eine partikulre Lsung x}f) der inhomogenen Gleichung zu finden, wenden wir das
Superpositionsprinzip an und zerlegen die Strfunktion Sn in die beiden Komponenten
S~l) = 5 + n und S~2) = 4 . 3n . Die erste Strfunktion S~l) ist ein ljneares Polynom in
n und legt die Versuchslsung x~) = A o + A1n nahe. Da aber sowohl A o al auch Aln
Lsungen der zugehrigen homogenen Gleichung sind, m en wir die en Ansatz mit
n multiplizieren: X~l) = Aon + A 1 n 2 Die neue Versuchsl ung enthlt aber wiederum
einen Term, der Lsung der homogenen Gleichung i t, also machen wir den An atz x~l) =
A on 2 + A 1 n 3 . Einsetzten in X n +2 - 2Xn H + X n = 5 + n und Zu ammenfa en nach
Potenzen von n ergibt

Ao(n + 2)2

+ A1(n + 2)3 -

2Ao(n + 1)2 - 2A 1 (n

(2A o + 6A 1 )

+ 6A 1n

+ 1)3 + Aon 2 + A 1n 3 = 5 + n
5 +n.

Durch einen Koeffizientenvergleich erhlt man chlielich 2A o + 6A 1 = 5 und 6A 1 = 1,

also Al =
A o = 2 und damit die partikulre Lsung X~l) = 2n 2 + in3 .
(c) Zur zweiten Strfunktion S~2) = 4 . 3n whlen wir den Ansatz X~2) = A . 3n . Durch
Einsetzen in die Gleichung X n +2 - 2x n +l + X n = 4 . 3n bekommen wir

i,

A . 3n +2 - 2A . 3n +1 + A . 3n = 4A . 3n = 4 3n ,

also A = 1 und damit x~) = 3n . Schlielich erhalten wir die allgemeine L ung der
ursprnglich gegebenen Gleichung gem
X(h)

+ XCI)
+ X(2)
n
n
1

2
C1 +Cn+2n
+ -6 n 3 + 3n '
2

Die hier beschriebene Vorgangs weise zur Lsung linearer Differenzengleichungen zweiter
Ordnung kann - wie erwhnt - auch auf Gleichungen hherer Ordnung bertragen werden. Die
Lsungsgesamtheit einer linearen Differenzengleichung k-ter Ordnung

mit den konstanten Koeffizienten ao , a l, .. . , ak- l (mjt ao =F 0) und der Strfunktion n ist
wiederum gegeben durch X n = X~h) + x}f), wo X~h) die allgemeine Lsung der zugehrigen
homogenen Gleichung und x}f) eine beliebige partikulre Lsung der inhomogenen Gleichung
ist. Whrend letztere zumeist nach der Methode des unbestimmten Ansatze ennittelt werden
kann, gilt fr die Lsung der homogenen Gleichung folgender Satz:

7.4 Zellulre Automaten und das Spiel des Lebens

287

Satz 7.23 Sei Xn+k + ak- l Xn+ k - 1 + ... + al X n + l + aox n = 0 eine lineare homogene Differenzengleichung k-ter Ordnung und seien Al , . . . l Al die (verschiedenen) Nullstellen der charakteristischen Gleichung Ak + a k _ lAk - 1 + " . + alA + ao = 0 mit den Vielfachheiten k l l l k l
(wobei k 1 + ... + k l = k). Dann besitzt jede Lsung X n im Komplexen die Darstellung

wobei P1 ,kl -

l l '"

~ , k! - l

Polynome vom Qrad::; k 1

1, . . . , ::; k l

1 bezeichnen.

Betrachten wir speziell den Fall der Ordnung k = 2, so gilt: Entweder gibt es zwei verschiedene charakteristische Wurzeln Al =/; A2 mit k1 = k 2 = 1, dann ist

oder die charakteristi ehe Gleichung besitzt eine Doppellsung Al mit der Vielfachheit k1 = 2,
und es folgt
X n = Pl,l(n)A~ = (Cl + C2n)A~
in bereinstimmung mit Satz 7.18.

7.4

Zellulre Automaten und das Spiel des Lebens

Conway 's "Game of Life" simuliert Aufstieg, Vernderung und Untergang einer Gruppe lebender Organismen als diskretes dynamisches System. Das Simulationsspiel ist ein Beispiel fr
einen zellulren Automaten und kann mit wenigen einfachen Regeln ein komplexes, unvorhersehbares Verhalten erzeugen.
Zur Beschreibung eines endlichen zweidimensionalen zellulren Automaten bentigt man
einen Spielplan, der aus einem Gitter von Quadraten besteht. Das Spielfeld stellt man sich als
endliches oder unbegrenztes Schachbrett vor. Jedes Quadrat (bzw. jede Zelle) hat acht Nachbarn
(siehe Abb. 7.5) und kann einen von zwei mglichen Zustnden annehmen: besetzt oder frei
bzw. lebend oder tot. (Es gibt auch zellulre Automaten mit unterschiedlicher, z.B . hexagonaler
Zell anordnung oder anderen Fonnen der Nachbarschaft. Zudem ist die Anzahl der Zustnde i.
Allg. auch nicht mit zwei begrenzt.)

Abbildung 7.5 Nachbarschaft in einem zweidimensionalen zellulren Automaten

288

7 Differenzen- und Differentialgleichungen

Wir bezeichnen allgemein mit (i j) die Zelle in der i -ten Zeile und j -ten Spalte und mit
x(i, j , t) ihren Zustand zum Zeitpunkt t = 0, 1,2, . . . . Die Dynamik de zellulren Automaten
wird durch Regeln, d.h. durch eine berftihrungsfunktion F bestimmt, welche den bergang
von x(i, j , t) in x(i, j, t + 1) in Abhngigkeit vom aktuellen Zustand der Zelle (i j) und vom
Zustand ihrer Nachbarn beschreibt. Kennt man nun den Anfang zu tand de Systems x(i j,O)
fr alle Zellen (i, j), so kann daraus schrittweise der Zustand x(i j , t) zur Zeit t = 1,2 3 . . . ,
d.h. nach t Zeitschritten bestimmt werden. Typische Fragestellungen in der Theorie der zellulren Automaten betreffen Gleichgewichtslagen, Grenzzyklen, ctie Entwicklung be timmter
Muster, usw.
Beispiel 7.24 Gegeben sei ein zellulrer Automat mit den Zustnden 0 und 1 und der folgenden berfhrungsfunktion: Alle I-Elemente, d.h. alle Zellen (i, j) mit x(i j t) = 1 werden
zu O-Elementen, und alle O-Elernente, welche Nachbarn von I -Elementen sind, werden zu
i -Elementen. Man sieht sofort, dass durch diese Regel mit fortschreitender Zeit ringfrmig
ausbreitende Muster generiert werden (siehe Abb. 7.6).
6.

t=O

t= 1

t= 2

Abbildung 7.6 Zellulrer Automat zu Beispiel 7.24

Beispiel7.25 Bei Conway's Spiel des Lebens gibt es ebenfalls die beiden Zustnde 0 und 1
(fr ein freies Feld bzw. fr eine lebende Zelle), und man spielt nach folgenden Regeln:
Eine lebende Zelle mit zwei oder drei lebenden NachbarzeLlen bleibt in der nch ten
Generation bestehen (berleben).
Eine lebende Zelle mit weniger als zwei oder mehr als drei lebenden
(Tod durch Isolation oder berbevlkerung).

achbarzellen stirbt

Auf einem freien Feld entsteht eine neue lebende Zelle, wenn die e genau drei lebende
Nachbarzellen besitzt (Geburt).
Alle Geburten- und Sterbefalle finden gleichzeitig statt. Die zuknftige Entwicklung der Zellpopulation hngt nur von der Anfangsverteilung ab. E gibt Populationen, die terben nach
wenigen Generationen aus. Andere werden schnell stabil oder werden zu Oszillatoren. Wieder
andere Populationen verndern sich stets unregelmig.
Beispiele einfacher Konstellationen sind so genannte Blinker, Blcke, Gleiter oder Verschlinger (siehe Abb. 7 .7 bzw. bungsaufgaben). Ferner gibt es Raum chiffe, Gleiterkanonen,
Brter, den Garten Eden, u.v.a.

7.5 Gewhnliche Differentialgleichungen - Einfhrung und allgemeine Theorie

289

Abbildung 7.7 Spiel des Lebens: Blinker und Verschlinger

Typische Fragen sind etwa folgende: Gibt es Ausgangsmuster, fr welche die Population
ins Grenzenlose wchst? Welche Ausgangsmuster sterben vollstndig aus, welche werden stabil oder oszillieren? Oder: Lassen die Regeln des "Game of Life" die Konstruktion eines Universalcomputers zu? Zahlreiche weitere Beispiele, Fragen und Antworten findet man in der
6.
umfangreichen Literatur zu diesem Thema (siehe Z.B. [2, 10]).

7.5

Gewhnliche Differentialgleichungen - Einfhrung und

allgemeine Theorie

Das kontinuierliche Gegenstck zu den Differenzengleichungen stellen Differentialgleichungen

dar. Diese spielen im Zusammenhang mit Prozessen eine Rolle, welche kontinuierlich ablaufen, wie z.B. Bewegungsvorgnge in der Physik, technische Ablufe, chemische Reaktionen,
Wachstumsprozesse in Biologie oder Wirtschaft, usw. Die Beschreibung derartiger Prozesse
erfolgt vielfach mittels Differentialgleichungen, das sind Gleichungen fr Funktionen in einer
oder mehreren Variablen, welche neben den unbekannten Funktionen auch gewhnliche oder
paltielle Ableitungen dieser Funktionen enthalten.
Beispiel 7.26 (Freier Fall) Bezeichnen wir mit s(t) den zurckgelegten Weg eines Krpers in
Abhngigkeit von der Zeit t und mit 9 die Erdbeschleunigung (also 9 = 9, 81ms - 2 ) . Dann wird
die Bewegung beim freien Fall beschrieben durch die Gleichung

s" (t)

g,

d.i. eine gewhnliche Diffe rentialgleichung zweiter Ordnung fr s(t) . Durch Integration erhlt
man s'(t) = gt + Cl und weiter s(t) = ~t2 + Olt + C 2 mit Cl, C2 E lR. Letztere Gleichung
stellt die so genannte allgemeine Lsung der Differentialgleichung dar. Die heiden Integrationskonstanten Cl und C2 knnen durch Vorgabe von Anfangsbedingungen, etwa s(O) = So
und 8'(0) = Va bestinunt werden: Cl = Va , C2 = So. Somit erhlt man als Lsung mit obigen
Anfangsbedingungen das Weg-Zeit-Gesetz s(t) = ~ t2 + vot + So.
6.
Beispiel 7.27 (Logistisches Wachstum) Es handelt sich um ejn grundlegendes Wach turnsmodell in der Biologie zur Beschreibung von Zellwachstum oder Populationswachstum, aber auch
in der Wirtschaft, etwa zur Beschreibung der Entwicklung eines Marktanteils. Sei N (t ) die Gre einer Population in Abhngigkeit von der Zeit t, femer sei r eine Wachstumsrate und Keine

290

7 Differenzen- und [Link]

so genannte Sttigungskonstante. Die Gleichung fr das logistische Wachstum lautet dann

N '(t)

= TN(l

_ N) .
K

Dj. eine gewhnliche, nichtlineare Differentialgleichung erster Ordnung fr N (t ). Die Gleichung besitzt die Lsung

N(t)

K
, C
1 + C e- rt

E~ ,

(t) = 0,

SOWLe

wie man durch Einsetzen besttigt. Denn

N

TN( l - - ) - T
K - 1 + Ce- rt

1-

1) =
+ C ert

rt

r K C e= N I (t ).
(1 + Ce- rt )2

Dabei kann die Konstante C wieder aus einer Anfangsbedingung, etwa

werden. Man erhlt dann C = K-N: o und damit die spezielle L ung

N(t)

1+ K

- No

No

(0)

No, emlittelt

e- r t '

I<
Population gre N(t)

Zeit t
-2

-I

Abbildung 7.8 Partikulre Lsung zu Bei pie17.27

Beispiel 7.28 (Diffusion, Wrmeleitung) Die eindimensionale Diffusion - bzw. Wrmeleitungsgleichung lautet

Be
8t

D 82e

8x 2

und beschreibt eine Konzentrationsverteilung (bzw. eine Temperaturverteilung) c(x t ) in Abhngigkeit von einer Ortsvari ablen x und einer Zeitvariablen t ; D i t die 0 genannte Diffu ionskonstante. Da in dieser Gleichung keine gewhnlichen, sondern partielle Ableitungen Otkommen, handelt es sich um eine partielle Differentialgleichung. Eine Lsung die er Gleichung
ist z.B. durch

c(x , t) = (Acos(Cx) + Bsin(Cx )) e- C2Dt ,

A , B C E IR

7.5 Gewhnliche Differentialgleichungen - Einfhrung und allgemeine Theorie

291

gegeben, das ist jedoch bei weitem nicht die Lsungsgesamtheit der partiellen Differentialgleichung. Diese enthlt nmlich an Stelle von Integrationskonstanten sogar beliebig whlbare
Funktionen. Spezielle Lsungen erhlt man zu vorgegebenen Anfangs- oder Randbedingungen.
Partielle Differentialgleichungen werden spter in diesem Kapitel ausfhrlich behandelt.
6
Allgemein heit eine Gleichung der Form

F( x, y, y,., y11 , . .. ,y (k)) -- 0

fr eine Funktion y( x) und deren Ableitungen y'( x), yl/(x) , .. . , y(k)(X) eine gewhnliche Differentialgleichung k-ter Ordnung. Insbesondere ist also eine Differentialgleichung erster Ordnung implizit durch F(x, y, y' ) = 0 oder explizit durch y' = j(x, y) gegeben. Ist die Funktion
F (bzw. f) linear in der Funktion y und deren Ableitungen, spricht man von einer linearen,
sonst von einer nichtlinearen Differentialgleichung.
Unter einer Lsung (einem Integral) der Differentialgleichung verstehen wir eine Funktion
y(x) , welche mit ihren Ableitungen die gegebene Gleichung erfllt. Wir unterscheiden:
(i) Die allgemeine Lsung enthlt beliebig whlbare Parameter Cl , C2 , usw. und entspricht
einer Schar von Lsungskurven. In Beispiel 7.26 etwa lautet die allgemeine Lsung
s(t) = ~ t2 + Clt + C 2 mit CI. C2 E IR. Einige der Lsungskurven aus dieser zweidimensionalen Kurvenschar sind in Abb. 7.9 dargestellt.

-5

-2

-4

-3

-2

-1

-5

Abbildung 7.9 Kurvenschar der all gemeinen Lsung zu Beispiel 7.26

(ii) Eine partikulre Lsung erhlt man durch spezielle Wahl der Parameter zu vorgegebenen Anfangsbedingungen, also durch Auswahl einer bestimmten Lsungskurve aus der
Schar der allgemeinen Lsung. Z.B. ist die partikulre Lsung zur Anfangsbedingung
N (O) = ~ in Beispiel 7.27 durch die Funktion N(t) = K/( l + e- rt ) gegeben und stellt
eine einzelne Lsungskurve durch den vorgegebenen Punkt (0, ~) dar (siehe Abb. 7.8).
(iii) Manchmal gibt es noch weitere so genannte singulre Lsungen, die keiner Lsungsschar angehren. So ist z.B. die Lsung N(t) = 0 in Beispiel 7.27 eine singulre Lsung
der logistischen Differentialgleichung, da sie nicht durch spezielle Wahl des Parameters
C aus der allgemeinen Lsung erhalten werden kann.

292

7 Differenzen- und Differentialgleichungen

Wie kommt man nun zu Lsungen einer Differentialgleichung? Fr be timmte Differentialgleichungstypen gibt es exakte Lsungsverfahren, welche eine explizite Be timmung aller
Lsungen der Differentialgleichung ermglichen. Einige dieser Verfahren werden im folgenden
Abschnitt behandelt. Ist eine exakte Lsung nicht mglich, 0 kann man ver uchen Lsungen
auf numerischem Weg ber ein Nherungsverfahren zu erhalten. Numeri che Verfahren liefern
jedoch nur spezielle L ungen, welche nach Vorgabe einer oder mehrerer Anfang bedingungen
berechnet werden knnen. Darauf werden wir im Kapitel ber numeri ehe Mathematik zurckkommen.
Im Fall einer expliziten Differentialgleichung erster Ordnung der Form y' = f (x, y) kann
das Auffinden von Lsungen geometrisch anschaulich gedeutet werden: Durch y' = f (x, y)
wird jedem Punkt (xo Yo) der Ebene eine Richtung Yo = f( xo Yo) zugeordnet, welche den
Anstieg der Tangente an die Lsungskurve durch (xo, Yo ) angibt. Zeichnet man in jedem Punkt
(xo, Yo) eine kurze Strecke mit der Steigung
so ntsteht da so genannte Richtungsfeld
der Differentialgleichung (siehe Abb. 7.10). Einzelne Punkte und zugehrig RiChtungen also
Tripel der Form (xo, Yo , Yo) werden als Linienelemente bez,eichnet. Die Ge amtheit aller Li-

Yo,

ty
I
I

---6I

---6-

Abbildung 7.10 Richtungsfeld der Differentialgleichung y' = -

niene1emente bildet das Rjchtungsfeld. Nun ist y = y(x) genau dann eine L ung kur e der
Differentialgleichung, wenn in jedem Kurvenpunkt das dort zugeordnete Linien lement tangential verluft. Geometrisch besteht die Aufgabe, alle Lsungen der Gleichung zu finden, al 0
darin, geeignete Kurven in das Richtung feld der Gleichung "einzupa en' .
Beispiel 7.29 In Abb. 7.10 ist das Richtungsfeld der Differentialgleichung er ler Ordnung
y' = f( x , y) = -~ dargestellt. Die durch f( x, y) = c cE lR, be timmten Isoklinen de Rlchtungsfeldes sind in diesem Fall Geraden durch den Koordinatenursprung und in der Abbildung
strichliert eingezeichnet. Lngs einer Isokline haben alle Linienelemente den elb n An tieg c.

7.6 Lineare Differentialgleichungen erster und zweiter Ordnung

293

Ausreichend viele Linienelemente ermglichen einen guten optischen Eindruck vom Verhalten
der Lsungskurven, welche im konkreten Fall durch konzentrische Kreise um den Ursprung
6
gegeben sind.
Die Bestimmung der konkreten Lsung einer Differentialgleichung setzt - wie wir gesehen
haben - neben der Kenntnis der Gleichung die Vorgabe einer oder mehrerer Anfangsbedingungen voraus. Man spricht in diesem Zusammenhang von einem Anfangswertproblem, welches
im Fall einer Differentialgleichung erster Ordnung von der Form

y' = f( x, y) ,

y(xo) = yo

(7.7)

ist. Eine Antwort auf die Frage, ob es berhaupt Lsungen zu einem Anfangswertproblem gibt
bzw. wann diese eindeutig bestimmt sind, geben die bei den nachstehenden Stze.

Satz 7.30 (Allgemeiner Existenzsatz von Peano) Ist f(x , y) eine in einem Gebiet D ~ ~2
stetige Funktion, dann besitzt die Differentialgleichung y' = f( x, y) durch jeden Punkt
(xo, Yo) E D (mindestens) eine Lsung Y = y(x).
Satz 7.31 (Existenz- und Eindeutigkeitssatz) Ist f (x, y) eine stetige Funktion auf einem
Rechtecksbereich D ~ }R2 und erfllt dort eine so genannte Lipschitzbedingung

mit einer von x, Yl und Y2 unabhngigen Konstanten L > 0, dann besitzt die Differentialgleichung y' = f( x, y) durch jedem Punkt (xo, Yo) E D genau eine Lsung Y = y(x).

7.6

Lineare Differentialgleichungen erster und zweiter Ordnung

1. Lineare Differentialgleichungen erster Ordnung

Einer der einfachsten und zugleich auch wichtigsten Differentialgleichungstypen ist die lineare
Differentialgleichung erster Ordnung, d.i. eine Gleichung der Form
,

+ a(x)y =

{ 0

homogene Gleichung

s(x) inhomogene Gleichung.

(7.8)

Dabei sind a(x) und s(x) stetige Funktionen in x, s(x) heit Strfunktion. Falls die Strfunktion verschwindet, spricht man von einer homogenen, sonst von einer inhomogenen Gleichung.
Grundlegend fr die Lsung linearer Differentialgleichungen ist der nachstehende Satz.

Satz 7.32 Die Lsungsgesamtheit der linearen Differentialgleichung yl + a(x)y = s(x) ist
gegeben durch y(x) = Yh(X) + yp(x), wo Yh(X) die allgemeine Lsung der zugehrigen homogenen. Gleichung y' + a(x)y = 0 und yp(x ) eine beliebige partikulre Lsung der gegebenen
inhomogenen Gleichung ist.

7 Differenzen- und Differentialgleichungen

294

Diese Aussage, die wir bereits von den linearen Differenzengleichungen her kennen (vgl.
Satz 7.5), gilt fr alle linearen Differenzen- und Differentialgleichungen beliebiger Ordnung.
Wie bei Differenzengleichungen ergibt sich damit auch hier folgender Lsung weg:
1. Lsung der homogenen Gleichung durch "Trennung der Variablen",

2. Bestimmung einer partikulren Lsung der inhomogenen Gleichung durch "Variation der
Konstanten" und
3. Ermittlung der Lsungsgesamtheit gem y(x)

= Yh (X) + Yp(x) .

Wir wenden uns zunchst gem Schritt 1 der homogenen Gleichung y'
Umformung und anschlieende Integration fhrt zu
yl

mit Co E IR und C =

+ a(x)y

= 0 zu.

- a( x )

In lyl

-J

Yh(X)

Ce - J a(x)dx

a(x )dx + Co

eco . Bercksichtigen wir, dass C

= 0 die konstante Lsung y

= 0

ergibt, so gilt C E R
In der Praxis wird die gegebene Differentialgleichung derart umgeformt, da s die beid n Variablen x bzw. y nur auf der rechten [Link] Seite der Gleichung auftreten, und anschlieend
integriert, d.h .

-ddy
x

+ a(x)y =

0 ~ -dy =

- a(x) dx => Jd- Y

Y

= -

a(x)dx

UW.

Es werden also die beiden Variablen x und Y getrennt und beide Seiten der Gleichung fonnal einmal nach x und einmal nach y - integriert. Aus die em Grund spricht man von der Methode
der Trennung der Variablen.
Wir kommen nun gem Schritt 2 zur inhomogenen Gleichung. Wir bentigen ein Verfahren, um eine partikulre Lsung der inhomogenen Gleichung y' + a(x)y = (x) zu finden .
Ein solches Verfahren liefert die von den Differen zengleichungen her bekannte Methode der
Variation der Konstanten. Dazu macht man den Ansatz

d.h ., man ersetzt die Konstante C in der homogenen Lsung gem Schritt 1 durch eine zu~
nchst noch unbekannte Funktion C(x) (man spricht in diesem Zusamm nhang von d r , Va~
riation" der Konstanten) . Durch Einsetzen von Yp(x) und y~(x) jn die inhomogene Gleichung
wird dann C (x) ennittelt:
y~

+ a(x )yP = C'(x)e- f a(x)dx - a(x )C(x )e- J a(x)dx + a(x )C(x) - J a(x)dx = (x)
::::}

C(x)

J s(x)eJ a(X)dx dx.

295

7,6 Lineare Differentialgleichungen erster und zweiter Ordnung

Beispiel 7.33 Befindet sich ein Krper der Temperatur Ta in einem umgebenden Medium mit
ger'ngerer Temperatur Te < Ta, so wird seine Temperatur vom Ausgangswert Ta im Lauf der
Zeit auf den Endwert Te absinken. Wir wollen den TemperaturverlaufT(t) in Abhngigkeit von
der Zeit t mathematisch beschreiben. Dazu sttzen wir uns auf eine physikalische Beobachtung,
nach der die Abkhlungsrate TI =
proportional zur jeweiligen Temperaturdifferenz T( t) - Te
ist, d.h. TI = -k(T - Te) mit einer (stoffabhngigen) Konstanten k > O. Somit gilt es, die
lineare Differentialgleichung

ft

T' +kT

kTe

mit dem konstanten Koeffizienten a = k und der konstanten Strfunktion s = kTe zu lsen.
Wir betrachten zunchst die homogene Gleichung T' + kT = 0 und erhalten nach Trennung der
Variablen und anschlieender Integration (mit der lntegrationskonstanten In G)

d~ = - kdt =>
mjt

kdt => In ITI = -kt + InG => Th(t) = Ge-

dJ = -

kt

IR.

Nun kommen wir zur Variation der Konstanten und ersetzen die Integrationskonstante C
durch eine Funktion G(t), d .h., wir machen den Ansatz Tp(t) = C(t) e- kt . Mit T;(t) =
CI(t) e- kt - kC(t) e- kt und nach Einsetzen in die ursprngliche inhomogene Gleichung folgt

TIp

C/(t) e- kt -

kC(t) e-

kt

+ kT.p

+ kG(t) e-

kt

kTe

kTe
kTee kt
[Link]

C'(t) C(t) -

und somit Tp(t) = C(t) e- kt = Te. (Bei der Integration von C'(t) kann die Integrationskonstante
beliebig, insbesondere gleich 0 gewhlt werden.) Somit lautet die allgemeine Lsung unserer
Differentialgleichung T(t) = Th(t) + Tp(t) = Ce- kt + Te. Die Konstante C bestimmen wir
schlielich aus dem Anfangswert T(O) = Ta und erhalten C = Ta - Te, woraus sich der
gesuchte Temperaturvedauf

= (Ta - Te)e- kt + Te

T(t)
ergibt. Fr t

--+ 00

strebt die Temperatur T(t) gegen Te, wie erwartet (siehe Abb. 7.11).

6.

Beispiel 7.34 Gesucht ist die allgemeine Lsung der linearen Differentialgleichung
I

I- x
?
- y = 4x-.
x

Y - -

Wir lsen zunchst die zugehrige homogene Gleichung durch Trennung der Variablen und
erhalten (wieder mit der Integrationskonstanten In G)

dy

l- x

- - dx

dY

J(~ -

Jlyl
y

In

Yh( X)

I)dx

in lxi - x
Cxe- x

+ In G

7 Differenzen- und Differentialgleichungen

296

Te ----------------- ------ ---------------------

Zeit t
o

Abbildung 7.11 Temperaturverlauf T( t) bei Abkhlung

mit C E IR. Variation der Konstanten fhrt zum Ansatz yp(x)

die inhomogene Gleichung liefert

= C(x)x - x, und Einsetzen in

I
I- x
Yp - - x - y p

C1(x)xe-

+ C (x)e- X _ C (x )xe- X _

1 - xC(x)xe- X
x

G1(x)
C(x)

4x 2
4x 2
4x

4(x -

) x

(wobei das Integral i n der letzten Zeile durch partielle Integration berechnet wurde). Damit
lautet die parti kulre Lsung yp(x ) = C(x )xe- X = 4x(x - 1). Addition von Yh und. yp ergibt
schlielich
das ist die allgemeine Lsung der Glekhung.

2. Lineare Differentialgleichungen zweiter Ordnung mit konstanten Koeffizienten

Nachfolgend besprechen wir lineare Differentialgleichungen zweiter Ordnung, wobei wir uns wie schon bei den linearen Differenzengleichungen - auf Gleichungen mit konstanten Koeffizienten beschrnken . Lineare Differentialgleichungen von hherer al zweiter Ordnung und auch
Systeme von Differentialgleichungen knnen auf hnliche Weise behandelt werden; worauf wir

am Ende dieses Abschnitts zurckkommen werden.

De n Ausgangspunkt fr die weiteren berlegungen bildet die lineare Differentialgleichung zweiter Ordnung der Form
y"

+ ayl + by =

homogene Gleichung

0
s(.'L ) inhomogene Gleichung,

(7.9)

wo a und b konstante Koeffizienten sind und s (x) eine i. Allg. von x abhngige Strfunktion
bezeichnet. Je nachdem, ob die Strfunktion verschwindet oder nicht, nennt man dje Glei hung
wieder homogen bzw. inhomogen.

7,6 Lineare Differentialgleichungen erster und zweiter Ordnung

297

Wie stets bei linearen Differentialgleichungen gilt auch hier fr die allgemeine Lsung

y( x) = Yh( X)

+ Yp(x ),

wo Yh(X) die allgemeine Lsung der homogenen Gleichung und Yp( x) eine partikulre Lsung
der inhomogenen Gleichung bezeichnet. Dementsprechend gliedert sich der Lsungsweg in
dieselben Schritte, wie wir sie von den linearen Gleichungen erster Ordnung her kennen, die
verwendeten Methoden selbst sind jedoch unterschiedlich:
1. Lsung der homogenen Gleichung durch einen Exponentialansatz fr Yh( X),
2. Bestimmung einer partikulren Lsung yp(x) mit Hilfe eines unbestimmten Ansatzes,
3. Ermittlung der Lsungsgesamtheit gem y(x) = Yh(X) + Yp(x).
Zur Lsung der homogenen Gleichung y" + ay' + by = 0 nach Punkt 1 machen wir den
E xponentialansatz Yh(X) = e>'x mit dem Parameter ,\, Zur Bestimmung von ,\ setzen wir in die
Gleichung ein und erhalten
,\2e'\x

+ a'\e'\x + be>'x = 0 =} ,\2 + a'\ + b = 0,

Somit gengt ,\ einer quadratischen Gleichung, der so genannten charakteristischen Gleichung. Deren Lsungen, welche reell oder komplex sein knnen, seien '\1 und '\2. die so
genannten charakteristischen Wurzeln der Differentialgleichung. Offensichtlich sind dann
Yl (X) = e)\J x und Y2(X) = e'\2!U Lsungen der homogenen Differentialgleichung. Je nachdem,
ob '\1 und ),2 reelle oder komplexe Zahlen sind, lautet die allgemeine Lsung der Differentialgleichung wie folgt:
Satz 7.35 Sind )'1 , ),2 die Lsungen der charakteristischen Gleichung ,\ 2 + a'\ + b = 0, dann
ist die allgemeine Lsung der [Link] Gleichung y" + ay' + by = 0 gegeben durch

C:1e>'lX

4- (72 eA2X

falls ), 1 =I- '\2 reell

e(l;X (C1 cos x + C2 sin x) falls )' 1,2 = CI: i konjugiert komplex
((714- C2x )e)>l X
falls '\1 = '\2 reell

mit Cl , (72 E IR.

Dieser Satz ist das Analogon zu Satz 7.18 fr homogene Differenzengleichungen zweiter
Ordnung. Da lineare Differenzen- und Differentialgleichungen in vielen wesentlichen Eigenschaften bereinstimmen, kann auch der Beweis ganz hnlich gefhrt werden, Auf einen Nachweis des Satzes wird daher verzichtet.
Im nchsten Schritt gem Punkt 2 gilt es, eine partikulre Lsung der inhomogenen Gleichung zu bestimmen. Partikulre Lsungen knnen, je nach Typ der Strfunktion, vielfach
mit der Methode des unbestimmten Ansatzes gefunden werden. Ist z.B. die Strfunktion
von der Form s(x) = ao + a1X + ... + akxk (darunter fallen insbesondere alle konstanten,
linearen oder quadratischen Funktionen), dann fhrt eine Versuchslsung mit dem Ansatz
Yp(x ) = A o + A 1 x + ' . , + A kx k und unbestimmten Koeffizienten A Ol . . . AI. zu einer partikulren Lsung. Einige weitere unbestimmte Anstze sind in nachstehender Tabelle zusammengefasst:

7 Differenzen- und Differentialgleichungen

298

Versuchslsung Yp(x)
A
Aerz
A sin(1"x) + B cos(r x)

Strfunktion sex)
erz

sin(rx) oder cos(rx)

ao + al X + a2x2 + ... + akxk

A o + Al x + A 2 x 2 + ... + Akx k
(ao + alx + a2x2 + .. . + akxk)erz (.40 + Alx + A 2x 2 + ... + Akxk)e rz
Zusatz (Resonanzfall): Ist ein Summand in der Versuchslsung yp(x) bereits Lsung der zugehrigen homogenen Gleichung, so ist der gesamte Lsungsansatz mit x zu multiplizieren; diese
Vorgangsweise ist gegebenenfalls zu wiederholen.
Ist die Strfunktion eine Linearkombination von Funktionen der oben angegebenen Klassen ,
also etwa einer Polynom- und einer Exponentialfunktion, kann man zunchst paltikulre Lsungen der inhomogenen Gleichungen fr die einzelnen Komponenten der Strfunktion bestimmen
und diese dann - analog zum Superpositionsprinzip fr lineare Differe nzengleichungen (vgl.
Satz 7.21) - zu einer Gesamtlsung der ursprnglichen Gleichung kombinieren. Wir wollen die
Anwendung der Methode des unbestimmten Ansatzes an zwei Beispielen demonstrieren.
Beispiel 7.36 Gesucht ist die allgemeine Lsung der linearen Di fferentialgleichung
y" + y' - 2y = 2x - 3.
Wir bestimmen zunchst die Lsung der homogenen Gleichung y" +y' - 2y = 0 gem Schritt I
und betrachten dazu die charakteristische Gleichung >.2 + A - 2 = 0 mit den Wurzeln Al = 1
und >'2 = - 2. Folglich lautet die allgemeine Lsung der homogenen Gleichung

Yh(X ) = Clex

+ C2e- 2z .

Die Strfunktion s(x ) = 2x - 3 der inhomogenen Gleichung ist linear. Demnach ergibt sich fr
die Versuchslsung der Ansatz yp(x ) = A o + A, x mit unbesti mmten Koeffizienten Ao, AI . Wir
bilden die Ableitungen y;,(x ) = Al und y;(x) = 0 und setzen in die inhomogene Gleichung
ein:
y;+ y~ - 2yp

Al - 2(A o + A1 x)
- 2A l x + (AI - 2A o)

2x - 3
2J; - 3
2x - 3.

Ein Vergleich der Koeffi zienten der jeweiligen linearen und konstanten Glieder fhrt au f
- 2A, = 2 und A , - 2A o = -3. also AI = - 1 und Ao = 1. Daraus folgt die partikulre
Lsung yp(x ) = 1 - x. und schlielich ist

y(x)

= y,,(x) + yp(x) = C1ez + C2 e- 2z + 1 -

die gesuchte allgemeine Lsung der Gleichung.

x,

C" C2 E IR,
[:.,

Beispiel 7.37 (Elektrischer Schwingkreis) Werden ein Wi derstand R, eil] Kondensator C

und eine Spule L in Serie an eine Spannungsquelle angeschlossen, erhlt man ei nen RC LSchwingkreis (siehe Abb. 7.1 2). Wir bezeichnen mit U(t) die QueLlspannung und mit l et) deo

299

7.6 Lineare Differentialgleichungen erster und zweiter Ordnung

c
L

U(t) = Uosinrot
Abbildung 7.12

Re L-Schwingkreis

Strom zur Zeit t, ferner seien R der Ohmsche Widerstand, C die Kapazitt und L die Induktivitt im Schwingkreis. Dann gilt fr den Spannungsabfall UR , Uc, UL bei R, C und L

UR

RI ,

Deren Summe ergibt die Quellspannung im Schwingkreis, also UR

man diese Gleichung nach t ab, so erhlt man

LI"

+ Uc + UL

= U(t) . Leitet

+ RI' + ~I = U1(t) .

(7.10)

Das ist eine lineare Differentialgleichung zweiter Ordnung fr den Strom I(t) zur Zeit t. Im
folgenden werden wir die Lsung dieser Gleichung bestimmen und ihr Verhalten diskutieren.
Wir untersuchen zunchst die homogene Gleichung LI" + RI' + b I = 0, welche das
Verhalten bei einmaliger Anregung, d.h. bei einmaliger Aufladung des Kondensators beschreibt.
Die charakteristische Gleichung ist), 2 + ~.A + L~ = 0 und besitzt die bei den Wurzeln

'\1 ,2

wobei a

= - 2L

21 und = [Link] 2 -

VR2

1
4L2 - LC =

- O!

gesetzt wurde. Wir unterscheiden vier Flle:

(a) Ist R = 0, dann haben wir einen idealen Schwingkreis ohne Dmpfung, der nur aus
Kondensator und Spule besteht. In diesem Fall ist )'1,2 = iwQ mit Wo =
und die
Lsung der homogenen Differe ntialgleichung lautet

Je,

h(t)

Cl coswot + C2 sin wot

= rcos(wot - 'P )

mit Cl , C2 E lR bzw. r ~ 0 und - w < 'P ~ w. (Zur letzten Umformung von I(t) vergleiche Aufgabe 7.33.) Somit ergibt sich fr den Strom im Schwingkreis eine harmonische
.
Schwingung mit der Eigenfrequenz Wo .
2
(b) Im Fall 0 < R < ~ , d.h. bei geringer Dmpfung ist = iWl rein imaginr (mit

VL~ - i-),

die charakteristischen Wurzeln Al ,2 = - CI: iWI sind konjugiert

komplex, und die Lsung der homogenen Differentialg1eichung ist gegeben durch

W1

h(t)

= e- at (cl COSWlt + C2 sinw1t) = e-atr cos(wlt - 'P)

300

7 Differenzen- und Differentialgleichungen

mit Cl , C2 E IR bzw. r 2: 0 und - 7r < <p :::; 7r . Damit erhalten wir eine gedmpfte Schwingung mit der Dmpfungskonstanten Q , die Eigenfrequenz (genauer Eigen-Krel frequenz)
des Schwingkreises betrgt W l . Die Schwingungen werden immer eh ch r und verschwinden fr t ~ 00 schlielich ganz (siehe Abb. 7.13).

(c) Fr R 2 = ~ - man spricht in diesem Fall von kritischer Dmpfung - be itzt die charakteristische Gleichung eine Lsung). = - 0 der Vielfachheit 2, 0 da
ich fr die L ung
der homogenen Gleichung

mit Cl, C2 E IR ergibt.

(d) Gilt schlielich R 2 >
d.h. , ist die Dmpfung des System hoch, ind die charakteristischen Wurzeln ).1 ,2 = - 0 beide reell und wegen < Q' negativ. Die allgemeine
Lsung der Differentialgleichung lautet in diesem Fall

4J' ,

mit Cl , C2 E IR. Die Lsung stellt also diesmal wie schon im vorhergehenden Grenzfall
keine Schwingung dar. Sie ndert hch ten einmal ihr Monotonieverhalten und trebt
mit wachsender Zeit t gegen 0 (siehe Abb. 7.13). (Die er Fall i t in der Praxi eher bei
mechanischen Schwingungen von Bedeutung.)

Strom I(t)

Zeit t
/

,
,,

,/

I
I

Abbildung 7.13 Gedmpfte Schwingungen und aperiodi eh L ung n im S hwingkrei

Wir betrachten nun den Fall einer sinusfrmigen Quell pannung U(t) = Uo ill t und kommen so zur inhomogenen Gleichung LI" + RI' +
= Uo
wt, w 1 h au Gi i hun o (7.10)
resultiert. Diese Gleichung be chreibt eine erzwungene Schwingung, b i p n odi h r urgung mit der Erregerfrequenz w . Um elne partikulr L U un d r lnh m n l\ Gl i hUllo zu
erhalten , mach en wir den unbestimmten An atz

bI

A inwt + B
t
w(A 0 wt - B in t)

7.6 Lineare Differentialgleichungen erster und zweiter Ordnung

I I;

301

I;

Wir setzen p , und

in die inhomogene Gleichung ein, fassen die sin- und cos-Terme zusammen und erhalten nach einem Koeffizientenvergleich die beiden Gleichungen

RwA + (- Lw 2 + ~ )B

(- Lw +b)A
2

- RwB

Uow

O.

Die Lsung des Systems lautet

UoR
= -UoS
R2 + S2 ' B . R2 + S2

mit S = wL __1_
wC '

(In der Praxis ist R > 0, und damit sind A und B stets wohldefiniert. Im Fall R = 0 und S = 0,
d.h. w = Wo muss der unbestimmte Ansatz fr I p noch mit t multipliziert werden.) Schlielich
erhalten wir die gesuchte partikulre Lsung in der Form

1p (t) = R2 ~ S2 (Rsinwt - S coswt)

= 10

in(wt - <p )

i.

mit 10 = ~ und tan <p =

Damit ist auch die Lsungsgesamtheit der Differentialgleichung (7.10) gem I (t) = h(t) + Ip(t) gefunden.
Im realen, gedmpften Schwingkreis gilt stets h(t) ~ 0 fr t ~ 00, sodass I (t) im Lauf der
Zeit gegen Ip (t) strebt. Das heit; Wird der Schwingkreis durch eine sinusfrmige Spannung
zum Schwingen angeregt, stellt sich nach einer Einschwingzeit die Stromstrke I p - ebenfalls
eine Sinusschwingung - ein. Die Frequenz von 11) stimmt mit der Erregerfrequenz w [Link],
die Amplitude 10 ist von w abhngig und nimmt fr w = Wo ihren grten Wert an. In dlesem
Fall liegt Stromresonanz vor.
6.

3. Lineare Differentialgleichungen k-ter Ordnung mit konstanten Koeffizienten

Es wurde bereits angesprochen, dass die hier beschriebenen Methoden auch auf l~neru:e Differentialgleichungen hherer Ordnung bertragen werden knnen. Betrachten wir eIDe lIneare
Differentialgleichung k-ter Ordnung
y(k ) + ak _ly(k- l ) +

. . . + alY' + aoY = s(x )

.
() Die Lsung dieser
mit den konstanten Koeffizienten aa , al , . . . ,ak-l und der StrfunktlO~ .S. x . .
oenen GleiGleichung setzt sich additiv aus der allgemeinen Lsung der zugeho~"lgen hornot:> . en welchung und einer beliebi gen partikulren Lsung der inhomogenen GleIchung zusam~ '.
.
eh mittel eines Exponentialansatze bzw. der Methode des unbestimmten An~atzes est1t~mt
werden knnen. Insbesondere gilt fr die Lsung der homogenen Gleichung 1m allgememen
Fall der folgende Satz.
Satz 7.38 Sei y (k) + ak_ly(k- l ) + ... + alY' + aoy = 0 eine lineare homogene Differentialgleichung k -ter Ordnung, und seien Al , ... ,Al die (verschiedenen) Nullstellen der charakteristischen Gleichung ,AA: + ak _ l Ak- 1 + ... + alA + ao = 0 mit den Vielfachheiten k1 , . , kl (wobe i
k 1 + ... + kl = k). Dann besitzt jede Lsung y(x) im Komplexen die Darstellung
y( x ) = P1,kl _l(x) e).l

wobei P 1,kl -

. .. ,

+ " . + -R ,k1 _l(x) eA/x ,

Pt ,k l - l Polynome
vom Grad <
.
- k 1 - 1, . " <
- kl

Ib [Link].

-----

302

7 DifferenZlen- und Differentialgleichungen

Beispiel7.39 Wir lsen die lineare Differentialgleichung dritter Ordnung

y'" - 4y"

+ 4y' = 1 -

3e- x .

Die homogene Gleichung besitzt die charakteristische Gleichung ).3 - 4).2 + 4), = ).(), - 2)2 =
mit der einfachen Wurzel ).1 = 0, kl = 1 und der zweifachen Wurzel ).2 = 2 k 2 = 2.
Dementsprechend lautet die allgemeine Lsung der homogenen Gleichung

Yh(X)

Pl,o + P2 ,1(x)e 2X

= Cl

+ (C2 + C3x)e2X

mit Cl C2 C3 E lR.

Fr die Strfunktion der inhomogenen Gleichung gilt sex) = leX) + 2(X) mit SI (x) =
1, S2(X) = - 3e- x . Die erste Funktion Sl(X) = 1 ist eine Kon tante und legt ftir die entsprechende partikulre Lsung den unbestimmten Ansatz Yl (x) = A nahe. Da aber jede konstante
Funktion bereits Lsung der homogenen Gleichung ist, muss die er An atz n eh mit x multipliziert werden: Yl(X) = Ax. Durch Ableiten und Einsetzen in die Diffi rentialglei hung mit
der Strfunktion SI erhlt man A = ~ und damit Yl (x) = ~x .
Die zweite Funktion S2(X) = - 3e- x ist eine Exponentialfunktion und fhrt auf den Ansatz
Y2(X) = B e- X. Einsetzen in die entsprechende Differentialgleichung und ein Koeffizientenvergleich fr e- x ergeben B = ~ und somit Y2(X) = ~e-x .
Nach dem Superpositionsprinzip ist dann Yp(x) = Yl (x) + Y2(X) = ~x + ~e-x eine partikulre Lsung der gegebenen Gleichung. Durch Addition zur homogenen L ung Yh erhlt man
schlielich die allgemeine Lsung

y(x) = Yh(X) + Yp( x) = Cl

7.7

+ (C2 + C3x) e2X + ~X + ~e-x

mit Cl C2, C3 E IR.

Nichtlineare Differentialgleichungen und qualitativ,e Me.

thoden

Neben den linearen Differentialgleichungen gibt es eine Reihe weiterer pezieller Typen on
Differentialgleichungen, fr die exakte Lsungsverfahren existieren. So kann die Methode der
Trennung der Variablen auch bei nichtlinearen Differentialgleichungen mit Erfolg angewendet
werden, wie die folgenden berlegungen zeigen.
Es sei
y' = f(x) . g(y)
(7.1 1)
eine so genannte separable (oder trennbare) Differentialgleichung er ter Ordnung mit . tetigen
Funktionen fund 9 derart. das die Funktion f nur von x und 9 nur von y abhng ig ist. Gibt e
ein Yo mit g(yo) = 0, so besitzt die Gleichung (7.1 1) die konstante L ung Y = Yo . Fr g(y) # 0
knnen wir die Gleichung durch g(y) dividieren und erhalten auf Grund der Sub titution regel

y' = f( x)g(y) =?

Jg~~) = J
dx

f(x) dx

=?

Jg~~) J
=

f(x) dx.

Nach Trennung der Variablen knnen die Integrale auf beiden Seiten der Gleichung au ge~
wertet werden. Dadurch erhlt man eine implizite Darstellung der Lsung y(x), welche mall

7.7 Nichtlineare Differentialgleichungen und qualitative Methoden

303

nach y aufzulsen trachtet. Die konstanten Lsungen zusammen mit den durch Trennung der
Variablen erhaltenen Lsungen (und allfcHligen weiteren Lsungen, die sich daraus stckweise
zusammensetzen lassen) bilden die Lsungsgesamtheit der Differentialgleichung.
Beispiel 7.40 Die Differentialgleichung y' = -~ ist von der Form (7.11) mit f(x)
g(y) = ~. Es gibt keine konstanten Lsungen. Wir erhalten

dy

dx

- y* J
x

y dy = -

x dx =?

y2

"2

= - x und

-"2 + G

und schlielich x 2 + y2 = C? mit C~ = 2C ~ O. Die Lsungen bilden also lauter konzentrische

6.
Kreise um den Ursprung (siehe Abb. 7.10).
Beispiel 7.41 (Logistisches Wachstum, Fortsetzung) Wir kommen zurck zur Gleichung fr
das logistische Wachstum N'(t) = rN(l - ~) aus Beispiel 7.27, einer nichtlinearen Differentialgleichung erster Ordnung fr die Populationsgre N (t) . Die dort angegebene Lsung soll
nun nach der Methode der Trennung der Variablen hergeleitet werden.
Zunchst gilt N (1 - ~) = 0 fr N = oder N = K. Das sind zwei konstante Lsungen.
Fr N =1= 0, N =1= K erhlt man durch Trennung der Variablen

Mit Hilfe der Partialbruchzerlegung

N(//- N)

= J.r + K~N folgt

J(~ + K~N)

dN

In N - ln(K - N)
N

rdt

rt + In G

K- N
N

KGer t
1 + Cer t .

Aus der letzten Gleichung ergibt sich schlielich die allgemeine Lsung der logistischen Gleichung gem

(Genau genommen gilt zunchst Cl -f 0, jedoch liefert nachtrglich Cl

konstanten Lsungen, nmlich N = K.)

0 eine der bei den

6.

Wir wenden uns nun der qualitativen Theorie von Differentialgleichungen zu und whlen
als Ausgangspunkt die explizite Differentialgleichung erster Ordnung

y' = f(y) ,

(7.12)

wo feine i. Allg. nichtlineare Funktion in y ist, welche nicht von x abhngt. Dabei handelt
es sich um eine so genannte autonome Differentialgleichung. Zum Beispiel ist die Gleichung

304

7 Differenzen- und Differentialgleichungen

y' = ry(l- y ) mit r > 0 (ein Spezialfall der logisti ehen Wachstumsgleichung) eine Gleichung
von obigem Typ mit f (y) = ry(l- y).
Ist die Differentialgleichung (7.12) nichtljnear, 0 ist eine exakte L ung ielfach nicht mehr
mglich. In den Anwendungen interessiert man sich hufig rr Eigen chaften der L ung funktion y(x), welche ohne Kenntnis der expliziten L ung der Gleichung gefunden werden knnen. Dazu zhlen Aussagen ber den qualitativen Verlauf der L ung, ber mgliche Gleichgewichtslagen und deren Stabilitt. Typische Fragen der qualitativen Theorie ind :
1. Welche Gleichgewichtspunkte besitzt die Differentialgleichung y' =

f (y) ?

2. Wie verhalten sich die Lsungen der Differentialgleichung in der Nhe eine Gleichgewichtspunktes?
3. Wie sieht das globale Lsungsverhalten bzw. das Langzeitverhalten der L ungen der
Differentialgleichung aus?
Mit dem in Punkt 1 angesprochenen Begriff Gleichgewicht verbindet man bei Differentialgleichungen - so wie auch bei Differenzengleichungen - eine kon tante L ung und somit
einen stationren Zustand des Systems.

Definition 7.42 Man nennt y* einen Gleichgewichtspunkt oder stationren Zustand der
Differentialgleichung y' = f(y), falls f(y) = O.
Im Gleichgewicht gilt also y' = 0, d.h., da keine nderung von y stattfindet obaJd der
Wert y = y* erreicht ist. Mit jedem Gleichgewichtspunkt i t automati eh eine kon tante Lsung
y(x) = y"' der Differentialgleichung verbunden.

Beispiel 7.43 Wir whlen die Differentialgleichung y'

f(y)

= ry(l -

y) = 0

=}

= ry( l

y~ =

- y) . Wegen

y; =

gibt es die zwei Gleichgewichtslagen Yi = 0 sowie Y2 = 1. Somit kennen wir auch zwei
konstante Lsungen der Differentialgleichung, nmlich y = 0 und y = 1. Jede L ung, die
einmal einen dieser beiden Werte annimmt, wird diesen Wert in alle Zukunft b ibehalten. 6.
Das Verhalten von Lsungen der Differentialgleichung in der Nhe ein Gleichgewichts
gem Punkt 2 kommt in der Stabilitt des Gleichgewichtspunkte zu Ausdruck. Analog zur
Stabilitt bei Differenzengleichungen kann ei n Gleichgewicht punkt y '" tabil, a ' ymptoti eh
tabil oder instabil sein.

Definition 7.44 (Stabilitt von Gleichgewichtslagen) Ein Gleichgewicbt punkt y. der Differentialgleichung y' = f(y) heit stabil, wenn es zu jedem e > 0 ein b(c) > 0 gibt. 0 da s
fr alle Lsungen y(x) der Gleichung, welche die Bedingung Iy(xo) - y+1 < b(E) (fr ein xo)
erfllen, Iy(x) - y*1 < c fur alle x 2 Xo gilt. Ein GLeichgewichtspunkt y" heir asymptotisclt
stabil, wenn es auerdem ein festes b > 0 gibt, so dass fr alle y( ) mit Iy(xo) - y*1 < 6 gilt
lim:v->oo y(x) = y*. Anderfalls heit y. instabil.
Man nennt also den Gleichgewichtspunkt y. stabil , wenn jede L ung, die einmal nahe
genug bei y" liegt, eine beliebig vorgegebene Umgebung von y. nicht mehr verl t. Gilt dabei, dass jede solche Lsung sogar gegen den Gleichgewichtspunkt y. konvergiert, i t die er

7.7 Nichtlineare Differentialgleichungen und qualitative Methoden

305

asymptotisch stabil. Whrend also alle Lsungen einer Differentialgleichung, die sich einmal
in der Nhe eines stabilen Gleichgewichtspunktes aufhalten, auch in Zukunft in der Nhe dieses
Punktes bleiben oder sogar gegen diesen konvergieren, ist die Situation im Fall eines instabilen
Gleichgewichtspunktes eine andere: Hier gibt es stets Lsungen, welche jede Umgebung des
Gleichgewichtspunktes verlassen, unabhngig davon, wie nahe sie diesem schon gewesen sein
mgen. Die nachstehende Abb. 7.14 veranschaulicht die drei Stabilittsbegriffe (zur besseren
Anschauung in der Ebene).

instabil
stabil
Abbildung 7.14 Stabilitt von Gleichgewicht lagen

Die Bestimmung der Stabilitt eines Gleichgewichtspunktes einer autonomen Differentialgleichung y' = f (y) (mit stetig differenzierbarer Funktion f (y)) erfolgt in der Praxis zumeist
mit Hilfe des folgenden Satzes.

Satz 7.45 Ein Gleichgewichtspunkt y* von y' =

und instabil, falls f'(y *) > 0 gilt.

f (y)

ist asymptotisch stabil, falls

l' (y*) < 0,

Beispiel 7.46 (Fortsetzung) Fr die Differentialgleichung y' = ry(l - y) mit dem Parameter
r>Ogilt

f(y)

ry(l - y)

f'(y)

r - 2ry.

yz

Im Gleichgewichtspunkt y~ = 0 ist f'(O) = r > 0, so dass y~ instabil ist. Fr

= 1 ergibt sich
dagegen f' (1) = - r < 0, also ist Y2 asymptotisch stabiler Gleichgewichtspunkt. (Im Wachstumsmodell entspricht die Gleichgewichtslage Y2 jener Populationsgre, welche auf Dauer
aufrecht erhalten werden kann.)
6.
Wir kommen schlielich zur Diskussion des globalen Lsungsverhaltens bzw. des Langzeitverhaltens der Lsungen der Differentialgleichung gem Punkt 3. Das Monotonieverhalten der
Lsung von y' = f (y) ist aus dem Vorzeichen der Funktion f (y) ersichtlich und kann in der
(y , y') -Ebene, der so genannten Phasenebene, graphisch dargestellt werden. Die Phasenebene
zeigt nicht den Graphen der Lsungsfunktion y(x), d.h. den Verlauf der Funktion y in Abhngigkeit von der Variablen :r , sondem den Zusammenhang zwischen der Funktion y und ihrer
Ableitung y'. Da y' = f(y) die nderungsrate (z.B . die Wachstumsgeschwindigkeit) von y( x )

306

7 Differenzen- und Differentiailgleichungen

y'

y wachsend

y fallend

y fallend

Abbildung 7.15 Lsungsverhalten in der (y y')-Pha enebene

beschreibt, gilt offensichtlich

>0
! (y) { =0

<0

wach end
y ist
tationr
{
fallend .

Beispiel 7.47 (Fortsetzung) Das globale Verhalten der Lsungen von y' = f(y) = ry(l - y)
kann aus Abb. 7.15 abgelesen werden . Da die Funktion f (y) eine nach unten offene Parabel
durch die Nullstellen 0 und 1 darstellt, zeigt sich, dass y(x ) fr alle y mit 0 < y< 1 wach end
und fr y < 0 bzw. y > 1 fallend ist, so dass der Punkt y" = 1 nicht nur lokal tabil i t; ondem
fr alle positiven Startwerte sogar eine global stabile Gleichgewichtslage dar tellt.
.6

7.8

Partielle Differentialgleichungen

Wir betrachten nun partielle Differentialgleichungen, wobei die bereit in Ab hnitt 7.5 (Beispiel 7 .28) vorgestellte Wrmeleitungsgleichung darunter fallt. Weit re wichtige Glei hungen
dieses Typs sind z.B. die Wellengleichung und die Potentialgleichung ' eI h in die em Abschnitt behandelt werden. Das gemeinsame Merkmal solcher Gleichungen i t, da . fr die Beschreibung der unbekannten Funktion in mehreren Variablen partielle Ab] _itungen [Link] die en
Variablen auftreten. Allgemein versteht man also unter einer partiellen Differentialgleichung
eine Gleichung der Form

in der neben der unbekannten Funktion U = U(Xl' . . . , x n ) in n Variablen auch partiene Ableitungen U X i = g~ , U XiXj = 8~:~j ' . . . auftreten. Die Ordnung der Differentialgleichung m t die

7.8 Partielle Differentialgleichungen

307

hchste tatschlich auftretende Ableitungsordnung m = ml + ... + m n . Unter einer Lsung

obiger Differentialgleichung auf einem Gebiet G ~ IRn versteht man eine Funktion u : G - 7 IR,
welche partielle Ableitungen bis zur m -ten Ordnung besitzt und die partielle Differentialgleichung fr alle Punkte (Xl , ' .. ,xn ) E e erfllt.

Beispiel 7.48
(a) Wir betrachten die partielle Differentialgleichung 2. Ordnung U xx = 0 fr eine Funktion
u( x , y) in zwei Variablen. Integration nach x liefert zunchst U x = c(y), wobei c(y) eine
nur von y abhngige Funktion bezeichnet. Nochmalige Integration liefert die allgemeine
Lsung u(x, y) = c(y)x + d(y) der Differentialgleichung mit zwei beliebigen, nur von y
abhngigen Funktionen c(y) und d(y).
(b) Die partielle Differentialgleichung 2. Ordnung uxy = 0 fr u(x, y) liefert durch Integration nach y die Gleichung U x = c(x ) mit einer beliebigen Funktion c(x ). Integration nach
x liefertnundieallgemeineL ungu(x, y) = j c(x )dx+ d(y) = c(x)+ d(y) mitbeliebigen (differenzierbaren) Funktionen c(x) und d(y) (c(x) ist eine beliebige Stammfunktion
von c(x ).
Im Gegensatz zu gewhnlichen Differentialgleichungen treten in der allgemeinen Lsung
von partidlen Differentialgleichungen nun Funktionen statt Konstanten auf. Dies macht es fr
partielle Differentialgleichungen oft sehr schwierig, eine Partikulrlsung zu bestimmen, welche vorgegebene Nebenbedingungen erfllt, e1bst wenn eine allgemeine Lsung der Gleichung
bekannt ist. Je nach Art der Nebenbedingungen unterscheidet man verschiedene Typen. Nachfolgend werden bei partiellen Differentialgleichungen fr eine unbekannte Funktion u in zwei
Variablen einige fr die Praxis wichtige Typen angefhrt.

Anfangsbedingungen: Fr eine Funktion u(x, t ) sind zum Zeitpunkt to das "Anfangsprofil" f( x ) und die "Anfangsgeschwindigkeit" g( x ) fr alle x E IR vorgegeben:

u(x, to) = f( x ),

Ut(x, t o) = g(x).

Rand-Anfangswert-Problem: Hier ist das Anfangswertproblem nur fr ein Intervall,

also fr x E [a, b] erklrt. Zustzlich zu den Anfangswerten u(x, to) und Ut(x , to) zum
Zeitpunkt to sind dann noch Randwerte u(a, t) und u(b, t) fr alle Zeitpunkte t 2 to
vorgegeben, das heit:

U(x , t o) = f( x ), Ut(X, t o) = g(x ), fr a ::; x ~ b,

u(a , t) = h(t) , u(b, t) = k(t) , fr t ~ to.
Dirichlet-Bedingungen: Hier ist die Differentialgleichung fr u(x, y) nur im Inneren
eines beschrnkten Gebietes G ~ R 2 erklrt, und zustzlich wird die Forderung gestellt,
dass die Lsung u(x, y) auf dem Rand Ga von a die Werte einer vorgegebenen Funktion
f( x, y) annehmen muss:

U(x, y) = f(x , y) ,

fr alle (x, y) E

ae.

7 Differenzen- und Differentialgleichungen

308

Unter dem Rand GM einer Menge M ~ ]R2 ver teht man dab ID di Menge von Punkten
(x , y) E JR2, fr die gilt, dass jede ihrer offenen Umgebungen owohl Punkte aus NI als
auch Punkte, die nicht in M liegen, enthlt.
In etwas abgewandelter Form nennt man solche Bedingungen auch Cauchy-Bedingungen, wobei man fordert, dass die Lsung z = u(x y) durch eine vorgegeben Raumkurve I E }R3 gehen muss.
Beispiele fr die angefhrten Typen von Nebenbedingungen werden im Laufe die es Ab chnittes noch angegeben.

1. Beispiele fr explizit lsbare partielle Differentialgleichungen

Fr bestimmte Typen partieller Differentialgleichungen lsst ich eine allgemeine Lsung bestimmen, indem man durch eine einfache Variablensubstitution die Gleichung vereinfacht, anschlieend die entstehende Gleichung lst und danach wieder rc ' ub tituiert.
Wir betrachten zunchst lineare partielle Differentialgleichungen erster Ordnung mit
konstanten Koeffizienten und illu trieren das Lsung verfahren an Hand de Fall von 2 Variablen. Das Verfahren lsst sich aber leicht auf den allgemei nen Fall von n Variablen au dehnen
(der Fall von 3 Variablen wird mit Anleitung in einer bungsaufgabe ge teIlt). In einer solchen
Differentialgleichung, welche die Ge talt

au x

+ buy = f (x , y) , a, b E IR

(7.13)

mit einer unbekannten Funktion u(x , y) und mit einer vorgegebenen Funktion f (x y) hat, drfen wir a =1= 0 und b =f 0 voraussetzen, da sich son t die Gleichung durch einfache Integration
lsen lsst. Wir substituieren nun die Variablen (x y) durch Variablen (~ 17), welche wir folgendermaen definieren:
~ =

woraus x = ~~rz und y =

durch
U(~ ) TJ)

bx + ay,

TJ = bx - ay ,

?a folgt. Wir definieren nun weiters Funktionen U(f. 17) und F (C Tf)

~ +TJ f. - TJ)
= u ( ~,~

= u(x , y) ,

, ,
F(~, 11) =

+ ." ~
e- "')
f (~2b'

= J(x , y) .

Unter Beachtung der Kettenregel fUr die partiellen Ableitungen zu ammenge etzteT Funktionen
erhalten wir nun aus Gleichung (7.13) die folgende ein fachere partielle Differentialglei hang
fr U(~ , TJ):

+ buy =

a(Ut;~j; + U'F/"7x) + b(U~!J +

= a(bUf, + bU'F/) + b(aUt; - aUrz) = 2abUt;.

F(e , TJ) = f (x , y) = aux

'11],,)
7. 14)

Die Differentialgleichung (7.14) lsst sich nun durch ,einfache Integration l en und liefen al ,
allgemeine Lsung:

7.8 Partielle Differentialgleichungen

309

mit einer beliebigen nur von '17 abhngigen Funktion G(fJ). Rcksubstitution liefert nun sofort
auch die allgemeine Lsung der ursprnglichen Differentialgleichung (7.13):

u(x , y)

1 l/Jx+ay

2b .
a

F(~ , bx - ay)d~

+ G(bx -

(7.15)

ay),

bxo+ayo

mit gewhltem Anfangspunkt (xo, Yo) und einer beliebigen differenzierbaren Funktion G in
einer Variablen.
Beispiel 7.49 Wir betrachten die Differentialgleichung

3u x

2u y = sin( x

+ V).

(7.16)

Die Substitution ~ = - 2x+3y, '17 = - 2x - 3y liefert fr die Funktionen U(~, '17) =

und F(~, '17) =

u(E':--41J, y

f ( ~, ~ ) die Gleichung

-12UE = sin ( _

12

_ 517 ).

12

Die allgemeine Lsung fr U(~, '17) ist somit gegeben durch

U (~ '17)
,

= - -1

12

J. (
m

- -~ - -5'17 ) d~
12 12

+ G(17) = -

17
cas ( - -~ - -5 )
12
12

+ G(17) .

Rcksubstitution liefert dann die allgemeine Lsung der Differentialgleichung (7.16), wobei G
eine beliebige differenzierbare Funktion G in einer Variablen bezeichnet:

u(x, y) = - cos(x + y)

+ G( -2x - 3y) .

Weiters betrachten wir die eindimensionale Wellengleichung, welche bestimmte Schwingungsvorgnge (Ausbreitung von Schwingungen in homogenen elastischen Medien) beschreibt.
Diese lineare partielle Differentialgleichung fr eine unbekannte Funktion u(x, t) der Zeit t und
des Ol1es x ist gegeben durch:
Utt -

c2 u xx = f( x, V),

fr ein reelles c >

o.

(7.17)

Dabei beschreibt c die Ausbreitungsgeschwindigkeit der Welle und f( x, t) den Einfluss uerer
Krfte. Wie auch bei gewhnlichen Differentialgleichungen, setzt sich die allgemeine Lsung
einer inhomogenen linearen partiellen Differentialgleichung aus einer Partikulrlsung u[Pl und
der allgemeinen Lsung u[hl der entsprechenden homogenen partiellen Differentialgleichung
_
Utt -

2
C

u xx

(7.18)

zusammen. Die Wellengleichung (7 .17) lsst sich nun durch den Lsungsansatz nach D' Alembert, d.h. mit der Substitution
~ =

x - ct,

= x + ct

7 Differenzen- und [Link]

310

behandeln, woraus x

= {~r und t

( ~ +r

= ~-;: folgt. Definieren wir weiters

~ - T)

U(~, r ) = u - 2- ' - 2c

= u(x , t) ,

E+ r E-

r) =

F(E, r) = f ( - 2- ' - 2c

f(x t)

so erhalten wir unter Beachtung der Kettenregel die Beziehungen

Daraus erhlt man

Utt -

und somit fr

c2u xx

- 4c 2 Ur = F(E, r) = f(x , t)

UCE, r) folgende einfachere Differentialgleichung:

(7.19)

Eine Partikulrlsung U lPl (E, T) der Differentialgleichung (7 .19) erhlt man nun einfach durch
zweimaliges Integrieren:

Rcksubstitution liefert somit die Partikulrlsung

u[PJ(x, t)

=-

l l
+

x ct
-

xo+cto

xo -cto

x ct

- 12

4c

F(E r )~dT

(7.20)

mit whlbaren Anfangskoordinaten (xo , to). Um die allgemeine L ung der ugehrigen homogenen Differentialgleichung (7.18) zu erhalten, braucht man nun nur noch die ut prechende
Differentialgleichung fr U(" r) zu betrachten: Ur = O. Die allgemeine L ung die _ r Gleichung wurde bereits in Beispiel 7.48 angegeben, und man erhlt Ulhl(E r) = g() + h(r) .
Rcksubstitution liefert somit die allgemeine Lsung der homogenen eindimensionalen Wellengleichung (7.18):
u1hJ(x , t) = g(x - ct) + hex + cl),
(7.21)
mit beliebigen differenzierbaren Funktionen 9 h in einer Variablen. D ie allgemeine Lsung (7.21) stellt eine berlagerung von zwei sich in entgegenge etzte Richtungen mit kon tanter Geschwindingkeit c ausbreitenden WeHen dar, deren Anfang profile zum Zeitpunkt t = 0
durch g(x) und h(x) gegeben sind (siehe Abb. 7. 16).
Die allgemeine Lsung der inhomogenen Wellen gleichung (7.17) erhlt man au Addition
von (7.20) und (7.21):

l l
x ct

u(x, t) =

-1
2

4c

xo+cto

x ct
. F(~ ) T)d~dr

+ g(x - ct ) + h(x + ct) .

(7.22)

xo - cto

Wir betrachten weiters die homogene Wellen gleichung (7 . 18) zu ammen miT orgegebenen
Anfangsbedingungen zum Zeitpunkt t = 0:
(7 .23)

7 .8 Partielle Differentialgleichungen

311

10

Abbildung 7.16 Lsungen der homogenen Wellengleichung sind die berlagerungen zweier gegenlufiger Wellen

mit c > 0 und Funktionen <p(x ) und 'IjJ (x). Wir wollen nun in der allgemeinen Lsung (7.21)
dieser Gleichung die Funktionen 9 und h so bestimmen, dass die Anfangsbedingungen erfllt
werden. Durch Einsetzen dieser Bedingungen in die allgemeine Lsung (7.21) erhalten wir die
folgenden Gleichungen:

u(x, O) = cp(x) = g(x) + h(x),

Ut (x) 0) = 'IjJ (x) = C ( h' (x) - 9' (x)) .

(7.24a)
(7 .24b)

Durch Integration von Gleichung (7.24b) erhlt man weiters:

l1

h(x) - g(x) = -

'IjJ (~)d~

xo

+ K,

(7.25)

mit einem gewhlten Anfangspunkt X o und einer Konstanten K. Addiert bzw. Subtrahiert man
die beiden Gleichungen (7.24a) und (7.25), so erhlt man sofort die Lsungen
1

1
x

h(x) = "2 <P(x) + 2c xo 'IjJ (~)d~ + 2

'

11

g(x ) = -1 <p(x) - 2

2c xo

'IjJ (Od~

- -K ,
2

(7.26)

Einsetzen der Formeln (7.26) fr g(x) und h(x) in die allgemeine Lsung (7.21) liefert somit
die Lsung der homogenen eindnen ionalen Wellen gleichung zu den gegebenen Anfangsbedingungen, welche als Lsungsforme] von D' Alembert bezeichnet wird:

1 (<p(x + ct)
u(x, t) = 2
=

+ <p(x -

l
l

ct)) + -1 (
2c
1

2(<p(x + ct) + <p(x - ct)) + 2c

x ct

'IjJ(~)d~ -

xo

x ct

x - ct

x ct
-

'IjJ(~)d~)

xo

'IjJ (~)~.

(7.27)

Der erste Summand von (7.27) beschreibt den Einfluss der Anfangslage, wohingegen der zweite Summand die Anfangsgeschwindigkeit bercksichtigt. Aus dieser Formel ist weiters ersichtlich, dass die Lsung im Punkt (x, t) nur von der Anfangslage und der Anfangsgeschwindigkeit
im Intervall [x - ct , x + ct] abhngt.

7 Differenzen- und Differentialgleichungen

312

2. Lineare und quasilineare partielle Differentialgleichungen erster Ordnung

Lineare partielle Differentialgleichungen erster Ordnung fr eine unbekannte Funktion
U ( Xl 1 ' ,xn ) in n Variablen haben die Gestalt

+ an(xt, . .. )xn)U

Xn

+ C( Xl' . .. ,xn)u + d(Xl

mit vorgegebenen Funktionen al(xl, . .. , x n ), . .. , an(xl , . . . ,xn ), C(XI 1

. .. x n ) = 0,

xn ), d(Xl, ., . , x n ).

Um ein Lsungsverfahren fr lineare partielle Differentialgleichungen erster Ordnung zu

beschreiben, werden wir zunchst Systeme von gewhnlichen linearen Differentialgleichungen
1. Ordnung fr gekoppelte Gren Xl (t) , . . . ) xn (t) betrachten. Die Ableitung Xi (t) = x~ (t) =
dx~it) der Gre Xi (t) hngt dabei von t und Xl (t) , . . . , xn(t) ab 4 . Ein n -dimensionales Differentialgleichungssystem 1. Ordnung hat daher die folgende Gestalt:

(7.28)

mit Funktionen Vi : D ~ jRrt+ l -+ R fr 1 :::; i :::; n . Zum An chreiben solcher Systeme

verwendet man meist die Vektomotation:

x=

v(t , x ),

mit

(Xl , ... ) X n ) ,

v = (Vl "' )V n ).

(7.29)

Die Lsungen des Systems (7 .29) sind dann vektorwertige Funktionen x : I ~ jR -+ ]Rn> also
Lsungskurven. Gibt man als Nebenbedingung noch den Anfangswert Xo E .!RTl zum Anfangszeitpunkt to vor, das heit, die Lsungskurve soll fr t = to durch einen vorgegebenen Punkt
X o gehen, so erhlt man das Anfangswertproblem

x = v (t , x) ,

x(t o) = Xo .

(7 .30)

Wir fonnulieren nun ohne Beweis eine Erweiterung des Exi stenz- und Eindeutigkeitssatzes von
Anfangswertproblemen fr Differentialgleichungen erster Ordnung auf Sy terne von linearen
Differentialgleichungen erster Ordnung.
Satz 7.50 (Existenz- und Eindeutigkeitssatz fr Differentialgleichungssysteme) Ist das
Vektoifeld v (t , x ) fr a < t < b und x E D, wobei D ~ jRn ein Gebiet ist, stetig partiell nach
X l , . . . ,Xn differenzierbar, dann gibt es zu jedem t o E (a, b) und jedem Xo E D genau eine
maximale Lsungskurve des Anfangswertproblems

x = v(t , x ),

x (to) = Xo

Eine Lsung x : I -+ ]Rn heit dabei maximal, wenn sie sich nicht mehr zu einer Lsung auf
einem greren Intervall J "2 I fortsetzen lsst.
4Im Zusammenhang mit physikalischen Gren x(t ), wo die Variable t als Zeit interpretiert werden kann, ist
die Notation x (t) gebruchlicher als das sonst verwendete x/(t).

7.8 Partielle Differentialgleichungen

313

Im Zusammenhang mit der Lsung partieller Differentialgleichungen erster Ordnung betrachtet man so genannte autonome Differentialgleichungssysteme, wo das Vektorfeld v nicht
von der Zeit t abhngig ist:
x = v(x) .
(7.31)
Wir nehmen nun an, dass das Vektorfeld v : D ----7 lR.n auf dem Gebiet D ~ lR.n stetig differenzierbar ist. Dann besitzt das Differentialgleichungssystem zu jedem Punkt a E D genau eine
maximale Lsung <J? (t , a), die zum Zeitpunkt to = 0 durch x (to) = a geht. Wir schreiben dafr

x(t)

4>(t, a) ,

wobei der so genannte lokale Fluss <J? mit Geschwindigkeitsfeld v stetig partiell nach
t , al , ... , an differenzierbar ist. Von zentraler Bedeutung ist nun der folgende Begriff.
Definition 7.51 Eine Funktion u : D -- IR auf einem Gebiet D ~ ]Rn heit erstes Integral
des autonomen Differentialgleichungssystems

x = v(x),
wenn u(x) konstant ist lngs jeder Lsungskurve des Systems, also

u(a) = u(~(t, a))

(7.32)

fr alle a E D und alle t .aus dem maximalen Definitionsintervall gilt.

=------

Fr eine vorgegebene differenzierbare Funktion u lsst sich leicht berprfen, ob sie ein
erstes Integral eines Differentialgleichungssystem ist. Man erhlt nmlich durch Ableiten von
(7.32) nach t mit Hilfe der Kettenregel:

d
d
d
0 = dtu(a) = dtu(<I>(t, a)) = dtU(Xl (t) , .. . ,xn(t))

dXl (t)

UX 1 (Xl(t) , .. . , xn(t)) dt

(grad u)(x(t)) . v(x(t)).

+ ... + 'Uw..(Xl(t) , . . . )xn(t))

dxn (t)
dt

Da durch jeden Punkt x E D wegen des Existenz- und Eindeutigkeitssatzes auch tatschlich eine Lsungskurve geht, erhlt man daraus folgende Bedingung, ob u ein erstes Integral darstellt:

grad u(x) . v(x) = 0,

fr alle xE D .

(7.33)

Beispiel 7.52 Wir betrachten das Differentialgleichungssystem

(7.34)
Durch Nachrechnen verifiziert man sofort, dass gilt:

Fr ein stetig differenzierbares erstes Integral u(x , y , z) dieses Systems muss nun wegen (7.33)
gelten:

7 Differeozen- und Differentialgleichungen

314

Setzen wir aufgrund der obigen Gleichungen u~ = 1, u y = 1, U z = 1 bzw. U x = x 2 , Uy = y2.

U z = Z2 , so erhalten wir durch einfache Integration die folgenden beiden er ten Integrale de
Systems (7.34):

u(x, y, z ) =

+ Y + z und u(x, y,z) =

X3

y3

Z3

"3 + "3 + 3'

Wie wir spter sehen werden, bentigen wir fr das Lsen linearer partieller Differentialgleichungen die Berechnung eines mglichst allgemeinen ersten Integral von autonomen linearen
Differentialgleichungssystemen erster Ordnung. Solch ein im allgemeinen nichtkonstruktives
Verfahren soll nun im Folgenden fr das System
'"

(7.35)

beschrieben werden. Wir nehmen weiters an, dass Vn (Xl , ' " x n ) =1= 0 auf D gilt (falls nicht,
whlt man im Folgenden eine andere Funktion Xi , welche die Bedingung Vi(XI, . . . , x n ) =I 0
erfllt). Dann kann man nach dem Hauptsatz ber implizite Funktionen in jeder Lsung
Xn = xn(t) nach t = t(x n ) auflsen und anschlieend t in den Lsungen Xl(t), . . . Xn- l (t ) eliminieren, indem man Xi (t) = Xi (t(X n )) = Xi (x.,J , fr 1 ~ i < n - l , betrachtet. Die Funktionen
X l, . .. ,Xn- l lassen sich somit als von X n abhngige Funktionen auffa en. Die e Funktionen
lassen sich prinzipiell als Lsungen des Systems der Phasen-Differentialgleichungen
..

Vn- l (Xl " " x n)

Vn(Xl " . . x n )

(7.36)

bestimmen, welches man aus (7.35) erhlt. Die Theorie der Systeme linearer Differentialgleichungen besagt nun, dass die allgemeine Lsung des Systems der Pha en-Differentialgleichungen die folgende Gestalt besitzt:
'

..,

mit Funktionen !I, . , . , f n - l und n - 1 Parametern Cl , . . . ,Cn- l Diese Parameter Ci lassen sich
theoretisch eindeutig als Lsung des im allgemeinen nichtlinearen Gleichungssysterns

bestimmen, da es genau eine Lsung gibt, die fr x = X n durch den vorgeg benen Punkt
(Xl , . . . , Xn- l) geht. Es gibt also Funktionen <p1, . . . , 'Pn- l, so dass gilt:

.. ,
,

(7.37)

Die Rcksubstitution Xn = xn (t) ergibt 'Pi (Xl(t) , . . . , xn(t)) = Ci , fr 1 ~ i ~ n - l, und somit,

dass die Funktionen <.p I , " " <pn- l konstant sind entlang der Lsungskurve (X l (t) , . . . , xn(t)).
Mit anderen Worten heit das, dass <Pl, ... ,'Pn- l erste Integrale des Systems (7.35) von Differentialgleichungen sind. Es lsst sich sogar zeigen, dass diese Lsungen unabhngig sind, wa
bedeutet, dass sie in jedem Punkt linear unabhngige Gradienten besitzen.
Allgemein gilt, dass mit k ersten Integralen 'ljJl , . . , , 'l/Jk und einer beliebigen stetig differenzierbaren Funktion F : IR k ~ IR auch F('ljJl(Xl , " . , x n ), . . . ,'l/Jk(Xl , " " x n)) ein erstes

7.8 Partielle Differentialgleichungen

315

Integral ist. Somit erhalten wir mit k = n - 1 die allgemeine Form eines ersten Integrals des
Differentialgleichungssystems (7.35) als
(7.38)

mit einer beliebigen stetig differenzierbaren Funktion F : ]Rn- l ~ ]R und den vorhin bestimmten ersten Integralen 'PI, .. . 1 CPn- l'
Wir merken noch an. dass man in der Praxis bei obigem Verfahren die Phasen-Differentialgleichungen nicht unbedingt durch Elimination der Variablen t durch X n aufstellt, sondern eine
Variable Xi so whlt, dass das entstehende Differentialgleichungssystem mglichst einfach ist.
Beispiel7.53 Betrachten wir die Bewegungsgleichung x +w 2 x = 0 des so genannten linearen
harmonischen Schwingers (= ungedmpfter harmonischer Oszillator). Setzen wir
(7.39)

so knnen wir diese Gleichung auch durch folgendes System linearer Differentialgleichungen
1. Ordnung beschreiben:
(7.40)
wobei das Paar (Xl(t), X2(t)) den Ort und die Geschwindigkeit des Oszillators zum Zeitpunkt t
angibt. Die dazugehrige Phasen-Differentialgleichung lautet

Diese trennbare Differentialgleichung liefert dann folgende L ung in impliziter Form:

2
2 Xl

-w -

mit Konstanten Cl bzw. Cl =

stems (7.40) gegeben durch

X2

+
Cl
2

= -

bzw.

Cl

X2

+ W 2Xl'2

- 2Cl ' Also ist ein erstes Integral des Differentialgleichungssy(7.41)

(siehe Abb. 7.17). Weiters folgt daraus, dass das allgemeine erste Integral von (7.40) gegeben
ist durch F(x~ + w 2 xi) mit einer stetig differenzierbaren Funktion F in einer Variablen. Aus
Gleichung (7.41) erhlt man damit durch Rcksubstitution mittels (7.39) die folgende bekannte
Beziehung fr den linearen harmonischen Schwinger: :i;2 + w 2 x = eonst, welche man auch aus
dem Energieerhaltungssatz ableiten kann.
[).
Nun knnen wir endlich die so genannte Methode der Charakteristiken, e in Lsungsverfahren fr lineare partielle Differentialgleichungen 1. Ordnung, beschreiben. Wir notieren die
Gleichung in vektorieller Form:

al(X)U X 1 + a2(x)u X2 + . .. + an(x)U Xn

+ c(x)u + d(x)

= 0,

(7.42)

mit x = (Xl " ' ) x n ) aus einem Gebiet G ~ ]Rn.

Wir behandeln zunchst den Sonderfall c = d

al(x)u + a2(x)u
X1

X2

= 0:
+ ... + an(x)U

Xn

0,

(7.43)

welcher als Rumpf-Differentialgleichung bezeichnet wird. Es gilt nun folgender Satz fr die
Lsungen einer Rumpf-Differentialgleichung.

7 Differenzen- und Differentialgleichungen

316

-4

Abbildung 7.l7 Die Lsungen (Xl (t), ldt)) des harrnonischen 0 zilIator verlaufen auf Ellipsenbahnen

Satz 7.54 Fr eine stetig [Link] Funktion u : G

-t

IR in einem Gebiet G ~ jRn gilt,

dass u genau dann eine Lsung der Rumpf-Differentialgleichung

(7.44)

ist, wenn u ein erstes Integral des so genannten charakteristischen Differentialgleichungssystems

(7.45)
x = a(x) , mit a = (al(x), .. . ,an(x ))
ist.
Beweis. Wir nehmen zunchst an, dass u eine Lsung der Rumpf-Differentialgleichung (7 .44)
ist, und betrachten eine Lsung x(t) von (7.45). Wir erhalten dann

d
dt u(x(t)) =

i= l

i= l

L ux;( x(t)) Xi(t) = L ux,(x(t)) ai(x(t)) = 0

und somit, dass u(x(t)) = const ist. Also ist u auch ein erstes Integral von (7.45). Fr den
Beweis des Satzes in der umgekehrten Richtung nehmen wir nun an, dass u ein er tes Integral
des charakteristischen Differentialgleichungssystems (7.45) und x (t) eine Lsung von (7.45)
ist. Es gilt dann

d
0= dt u(x(t)) =

2: UXi (x(t)) ai(x(t)) .

i= l

Whlt man nun jeweils die Lsung, welche zur Zeit t = to durch einen Punkt x E G geht, so
erhlt man, dass u die Gleichung
n

L UXj(x) ai(x) = 0
i= l

fr alle x E G erfllt und somit auch eine Lsung der Rumpf-Differentialgleichung (7.44)
ist.
[]

317

7.8 Partielle Differentialgleichungen

Wir merken noch an, dass die Lsungen des charakteristischen Differentialgleichungssysterns (7.45) als Charakteristiken oder charakteristische Kurven der partiellen Differentialgleichung (7.44) bezeichnet werden .
Beispiel 7.55 Wir betrachten die Rumpf-Differentialgleichung
YU x -

xU y

(7.46)

= 0

fr eine Funktion u(x, y). Das zugehrige charakteristische Differentialgleichungssystem ist

gegeben durch
(7.47)
j; = y,
iJ = - x
und liefert die Phasen-Differentialgleichung

x
y

dy

dx
Trennung der Variablen liefert sofort die Lsung
y2

x2_

"2 = - "2 + Cl

bzw.

Cl

+y2

mit Konstanten Cl bzw. C l = 2Cl ' Also ist ein erstes Integral des charakteristischen Differentialgleichungssystems (7.47) gegeben durch
'P l( X, y) = x 2 + y2 .

Die allgemeine Lsung der Rumpf-Differentialgleichung (7.46) hat somit die Gestalt

u(x , y)

F( x 2

+ y2)

mit einer beliebigen stetig differenzierbaren Funktion F in einer Variablen.

Beispiel 7.56 Betrachten wir die folgende Rumpf-Differentialgleichung fr eine Funktion
u(x, y , z ):
(7.48)
Das charakteristische Differentialgleichungssystem lautet somit

(7.49)
woraus man folgendes System von Phasen-Differentialgleichungen erhlt:
dy

dx

y
x

dz

y2

dx

- =x + - .

(7.50)

Die erste dieser Differentialgleichungen lsst sich sofort durch Trennung der Variablen lsen,
und man erhlt
y
Y = C1X bzw. Cl = - = const.

Somit ist ein erstes Integral von (7.49) gegeben durch

<Pl(X, y , z) =

-Yx .

318

7 Differenzen- und Differentialgleichungen

Setzt man dies in die zweite der Phasen-Differentialgleichungen (7.50) ein. erhlt man:

Wiederum lsst sich die Lsung der auftretenden Differentialgleichung durch Trennung der
Variablen ermitteln, und man erhlt mit einer beliebigen Kon tanten C2:

Auflsen nach

C2

und Einsetzen des bereits gewonnenen Ausdrucks fr Cl liefert dann:

C2

= Z -

(1

x2

+ ci) 2

y2 x 2
1 2
z - (1 + x 2 )2 = z - 2(x + y2).

Also ist ein weiteres erstes Integral von (7.49) gegeben durch
C{J2(X,

y, z) = z -

~(X2 + y2) .

Die allgemeine Lsung der Rumpf-Differentialgleichung (7.48) ist somit gegeben durch

u(x , Y, z) =

F(~ ,

z-

~(X2 + y2))

mit einer beliebigen stetig differenzierbaren Funktion F in zwei Variablen.

Um nun die Lsung von (7.42) fr den allgemeinen Fall zu be timmen, fhrt man eine geeignete Variablensubstitution durch, aus der man die Lsung einfach erhalten kann. Wie wir
sofort sehen werden, wird man das Problem, eine passende Variablen ub titution zu finden , auf
das Lsen der entsprechenden Rumpf-Differentialgleichung zurckfUhren knnen. Au Grnden der einfacheren Lesbarkeit werden wir uns bei den folgenden Betrachtungen auf den Fall
von 2 Variablen beschrnken und erst danach anmerken, wie man die e Verfahren auf den Fall
von n Variablen erweitern kann . Zur Vereinfachung der Differentialgleichung

a(x , y)u x

+ b(x , y)uy + c(x, y)u + d( x

y) = 0

(7.51)

fr die unbekannte Funktion u(x , y) whlen wir nun den Ansatz ~ = ~(x Y),17 = 17(X y) und
definieren U(~, 17) = u(x, y) . Ableiten liefert dann unter Berck ichtigung der Kettenregel die
folgende Gleichung, wo wir abkrzend a = a(x y), etc. verwenden:

+ U1)17x) + b(Uf. y + U1)17y) + cU + d

(a~x + bE,y)Uf. + (a17x + bTJy)U." + cU + d.

0= aux
=

+ buy + cu + d =

a(Uf.~x

(7.52)

Whlen wir nun fr die Funktion E, = ~(x, y) eine Lsung der zugehrigen Rumpf-Differentialgleichung
au x + bu y = 0,
dann reduziert sich die Gleichung (7.52) auf eine gewhnliche lin are Differentialgleichung
1. Ordnung fr die Funktion U:

0 = (a1Jx

+ bTJy)U." + cU + d.

(7.53)

7.8 Partielle Differentialgleichungen

319

Die allgemeine Lsung der Differentialgleichung (7.53) liefert dann nach Rcksubstitution
die allgemeine Lsung von (7.51). Fr die Substitution 7](x, y) kann man prinzipiell jede
Funktion 7](x, Y) whlen, vorausgesetzt dass die Koordinatentransformation von (x, y) nach
(~(x, y) , 7](x, y)) stetig differenzierbar und umkehrbar ist. Dies liefert die Bedingung, dass die
Determinante der lacobi-Matrix (die Jacobi-Determinante) von Null verschieden sein muss:

Man wird aber meist danach trachten, fr TJ eine mglichst einfache Substitution (z.B. TJ = x
oder TJ = y) zu verwenden, welche umkehrbar ist.
Das Vetfahren lsst sich leicht fr den Fall einer partiellen Differentialgleichung (7.42)
fr U ( X l ) . .. , x n ) in n Variablen verallgemeinern. Man whlt dazu fr die Substitutionen den
Ansatz 6(Xl l ' " ,x n ) , ... )~n- I(X I" " ,xn ),TJ(Xl,' " , x n ) und definiert U(6 , , ~n- I , TJ) =
U( Xb ' .. ,xn ). Whlt man nun fr die Funktionen 6 (Xl , ... ,xn ) , .. . , ~n- l (Xl , ... ,xn ) insgesamt n - 1 unabhngige Lsungen der entsprechenden Rumpf-Differentialgleichung (7.43), so
erhlt man wiederum eine gewhnliche Differentialgleichung 1. Ordnung fr die Funktion U.
Beispiel 7.57 Betrachten wir die lineare inhomogene Differentialgleichung

(X +y)ux +yu y

= u.

(7 .54)

Das zur entsprechenden Rumpf-Differentialgleichung zugehrige System der charakteristischen Differentialgleichungen

(7.55)
x = X + y, Y= y
liefert die Phasen-Differentialgleichung

dx=~+ 1.
dy

Lsen dieser linearen Differentialgleichung 1. Ordnung liefert die allgemeine Lsung

Y log y + CIY und somit das erste Integral

x
'PI (x, y) = - -logy.
y

Fhrt man nun die Substitutionen (x I y) = 'PI (x >y) = ~ - log y und ein noch zu whlendes
TJ( x, y) aus, so erhlt man fr die Funktion U(f;" 77) = u (x, y) die geWhnliche Differentialgleichung
(7.56)
Whlt man nun fr", die Substitution ",(x, y ) = y, so vereinfacht sich die Gleichung (7.56) zu

'17Ury - U = O.
Diese Differentialgleichung kann durch Trennen der Variablen gelst werden, und man erhlt
als allgemeine Lsung

7 Differenzen- und Differentialgleichungen

320

mit einer beliebigen differenzierbaren Funktion C in einer Variablen. Rcksub titution liefert
somit die allgemeine Lsung VOn (7.54):

u(x ,y)

YC(; -lOgy)

u(x , y ) = y 6(ye- ~ )

oder

mit stetig differenzierbaren Funktionen C bzw. (; in einer Variablen.

Wir wollen nun noch kurz darauf eingehen, wie sich die Methode der Charakt eristiken auch
auf allgemeinere Differentialgleichungen erster Ordnung erweitern lsst; in besondere auf so
genannte quasilineare Differentialgleichungen erster Ordnung. Wir betrachten dazu die quasiJineare Differentialgleichung erster Ordnung fr den Fall einer Funktion u( x Y) in zwei
Variablen, welche folgende Gestalt besitzt:

a(x , y, u)u x

+ b(x, y, u)uy + c(x , y, u) = o.

(7.57)

Falls sowohl die Funktion a als auch die Funktion b nur von x und y, nicht aber von u abhngen,
so kann man analog zum Lsen von linearen partiellen Differentialgleichungen 1. Ordnung vorgehen und erhlt durch die dort angefhrten Substitutionen eine gewhnliche Differentialgleichung erster Ordnung (im allgemeinen aber keine lineare Differentialgleichung mehr). Lsen
dieser Differentialgleichung liefert in diesem Fall die Lsung der quasilinearen Differentialgleichung.
Fr den allgemeinen Fall, dass zumindest eine der beiden Funktionen a und b auch on u
abhngt, verwendet man fr die Lsung der quasi linearen Differentialgleichung den Ansatz

f( x, Y, u) = const.
Ableiten von f( x )y, u(x, y)) nach x bzw. y liefert mit Hilfe der Kettenregel die Beziehungen

f x + fuu x = 0,
und weiter
Ux = -

fx
f v.'

f y + f uuy

uy =

fy
- f v.

Einsetzen dieser Beziehungen in Gleichung (7.57) liefert somit die folgende Rumpf-Differentialgleichung fr die Funktion f(x )y, u):

a(x, Y, u)fx + b(x , y, u)fy - c(x ) y, u )fu = 0,

(7.58)

Zum Lsen der Differentialgleichung (7.58) kann man die eben besprochene Methode der Charakteristiken anwenden, welche somit die Lsung u(x )y) der quasilinearen Differentialgleichung (7.57) in impliziter Foun liefert.
Beispiel 7.58 Betrachten wir die quasilineare Differentialgleichung

uUx + uuy = x

+y.

(7.59)

Der Ansatz f(x, y , u) = const liefert dann die Rumpf-Differentialgleichung

ufx + ufy + (x

+ Y)fu =

O.

(7.60)

7.8 Partielle Differentialgleichungen

321

Das zugehrige charakteristische Differentialgleichungssystem

x = u, y = u,
lsst sich durch die Substitution z = x

=x +y

+ y vereinfachen zu

z = x + iJ = 2u,

= x + y = z.

Die entsprechende Phasen-Differentialgleichung

besitzt die Lsung

Wegen i: =

z; =

u2

dz

2u

du

+ Cl> woraus wir das folgende erste Integral von (7.60) gewinnen:

Yerhalten wir durch Integration ein weiteres erstes Integral von (7.60):
C2

X -

y.

Somit ist die allgemeine Lsung von (7.59) gegeben durch

f(x, y, u) = F (

(x +2 y )2 - u 2 ,

X -

) = const

mit einer beliebigen stetig differenzierbaren Funktion F in zwei Variablen. Man kann durch
Auflsen nach der ersten Variablen in der Funktion F die Lsungen fr u( x, y) auch explizit
angeben. Man erhlt dann (x~y)2 - u 2 = G(x - y) und somit

u(x, y)

y )2
J(x+
2
- G(x - y)

mit einer stetig differenzierbaren Funktion G in einer Variablen.

3. Lineare und quasilineare partielle Differentialgleichungen zweiter Ordnung

Wir werden uns in diesem Abschnitt meist auf Differentialgleichungen fr eine Funktion u( x, y)
in zwei Variablen beschrnken. Eine quasilineare partielle Differentialgleichung 2. Ordnung
besitzt dann die Gestalt

A(x, y , u, U x , uy)ux:z: + 2B(x y, u, u x , uy)u xy

+ C(x , y, u, u x , uy)u yy = F(x, y, u, u X ) u y)

(7.61)

mit vorgegebenen Funktionen A(x, y, u, U x , uy), ete.

Man unterscheidet drei Typen von quasilinearen Differentialgleichungen zweiter Ordnung,

welche aufgrund des Vorzeichens der Diskriminante klassifiziert werden.

322

7 Differenzen- und Differentialgleichungen

Definition 7.59 (Klassifikation von quasilinearen DitYerentialgleichungen 2.

Die quasilineare Differentialgleichung 2. Ordnung

Auxx

+ 2Buxy + CUyy =

mit Funktionen A = A(x, y, u, u x , Uy), etc. heit in einem Gebiet D

~]R2

hyperbolisch

<==?

parabolisch

{=::::>

d< 0 fr alle (x, y) E D,

d = 0 fr alle (x, y) E D

elliptisch

<==}

d> 0 fr alle (x, y) E D,

wobei d= AC - B2 die Diskriminante der Differentialgleichung (7.62) bezeichnet.

Beispiel 7.60
(a) Die bereits vorgestellte eindimensionale Wellengleichung
Utt

C U xx

mit c > 0 ist wegen d = _ c2 < 0 eine hyperbolische Differentialgleichung auf ganz JR2.
(b) Die eindimensionale Wrmeleitungsgleichung (auch Diffusion gleichung genannt)
Ut

= Cl!2 U xx

mit C\' > 0 ist wegen d = 0 eine parabolische Differentialgleichung auf ganz IR? Sie
beschreibt z.B. die Temperaturverteilung u(x , t) zum Zeitpunkt t im Punkt x in einem
langen dnnen Stab.
(c) Die Potentialgleichung (auch Laplace-Gleichung genannt)

+ u yy =

u xx

0,

welche die Potentialverteilung eines ebenen elektrostatischen Potentials be chreibt. ist

wegen d = 1 > eine elliptische Differentialgleichung auf ganz IR 2 Die e Gleichung
wird auch hufig als

D.u =
angeschrieben, wobei .6. den so genannten Laplace-Operator .6. = ~ + ~ bezeichnet.
Selbstverstndlich ist auch die so genannte Poisson-Gleichung
.6.u

= U xx

+ U yy

= f(x , y)

mit einer vorgegebenen Funktion f(x , y) auf ganz IR 2 ellipti eh.

(d) Es gibt auch Differentialgleichungen vom gemischten Typ, die je nach betrachtetem Gebiet D von unterschiedlichem Typ sind. Ein Bei pie] hierfr ist die Tricomi-Gleichung

u yy
welche wegen d = -y fr y
elliptisch ist.

yu x x

= 0,

> 0 hyperbolisch, fr y

= 0 paraboli

eh und fUr y

< 0
6.

7.8 Partielle Differentialgleichungen

323

Wir beschreiben im Folgenden die Reduktion einer quasilinearen Differentialgleichung

zweiter Ordnung (7.61) auf so genannte Normalformen, welche .l.B. ntzlich sind, um das qualitative Verhalten der Lsungen (also beispielsweise die Stabilitt von Lsungen) zu studieren.
Diese Reduktion auf Normalformen wird erreicht, indem man geeignete Koordinatentransformationen
~ = ~(x, y) , f] = f]( x, y)
durchfhrt, wobei man fordert, dass die Transformation stetig differenzierbar und invertierbar
ist, das heit, dass die lacobi-Determinante von Null verschieden ist: I~: ~! = ~x TJy -~yTJx =1= O.

Wir whlen den Ansatz ~ = ~(x, y), 'TI = TJ (x, y) und definieren U(~ , TJ) = u(x , y). Unter Verwendung der Kettenregel U x = UE~x + U1/f]x, uy = U{~y + UTJf]y, etc. erhlt man aus
Gleichung (7.61) fr u(x, y) die folgende Differentialgleichung fr U (~ , 'TI), wobei wir immer
abkrzend A = A(x, y, u, u x , uy), etc. und a = a(~ , TJ , U, Ue,U1/ )' etc. schreiben:
(7 .63)

mit einer bestimmten Funktion f(~ , 'TI , U, U , UTJ ) und den Funktionen

a = A~; + 2B~x ey

+ Ce~ ,
b = A~xl1x + B(exTJy + TJxey) + Ceyl1y,
C = Af]; + 2B'f/xl1y + Cl1~ .

Es lsst sich leicht nachwei sen, dass die beiden Differentialgleichungen (7 .61) und (7.63) immer
vom gleichen Typ sind.
Wir nehmen im Folgenden an, dass A =1= 0 gilt. Falls A = 0 und C i= 0 ist, werden die
Rollen von x und y miteinander vertauscht. Wenn A = C = 0 gilt, liegt bereits eine hyperbolische Differentialgleichung in Normalform vor, wie wir spter sehen werden. Um geeignete
Transformationen ~ = e(x, y) und TJ = TJ( x, y) zu bestimmen, betrachten wir nun die Differentialgleichung
(7.64)
welche als charakteristische Differentialgleichung der quasilinearen Differentialgleichung
2. Ordnung (7.61) bezeichnet wird. Die Lsungen von (7.64) werden Charakteristiken der
Gleichung (7.61) genannt. Lst man in Gleichung (7 .64) nach Zx auf, liefert dies
Zx

- 2Bz y -J4B2Z~ - 4ACz~

(
B
=
- 2A
A

-A1 y /B2 - AC) . zy '

In faktorisierter Form lautet (7.64) also

(7.65)

Es ergeben sich nun je nach Vorzeichen der Diskriminante AC - B 2 und somit je nach Typ der
Differentialgleichung folgende drei Flle:

7 Differenzen- und Differentialgleichungen

324

(a) hyperbolische Differentialgleichung: AC - B2 < O. In die em Fall kann man die

beiden Faktoren von (7.65) getrennt betrachten und die folgenden beiden RumpfDifferentialgleichungen studieren:

Azx + (B + v'B2- AC)zy = 0

Azx + (B - v'B2- AC)zy = O.

(7.66a)

(7.66b)

Man whlt nun fr die Substitution ~ = ~(x, y) eine Lsung der Differentialgleichung (7.66a) und fr fJ = 'f/( x, y) eine Lsung der Differentialgleichung (7.66b). Durch
diese Wahl folgt sofort, dass die Koeffizienten a und c in Gleichung (7.63) erschwinden.
Dividiert man in (7.63) nun noch durch 2b, so erhlt man die Normalformfti.. hyperbolische Differentialgleichungen in der Gestalt
UE'/]

= g(~ , 'f/,

U, Ufo' U'I]) '

(7.67)

(b) parabolische Differentialgleichung: AC - B = O. In die em PalI ind di beiden Faktoren von (7.65) gleich und liefern die Rumpf-Differentialgleichung

Azx + Bzy = O.

(7.68)

Man whlt nun fr die Substitution ~ = ';(x, y) eine Lsung der Differentialgleichung (7 .68), wohingegen man fr fJ = 'f/(x, y) eine beliebige Funktion \ hlt so dass
aber die Koordinatentransformation stetig differenzierbar und invertierbar i t Durch diese
Wahl von ~ folgt sofort, da der Koeffizient a in Gleichung (7.63) er hwindet. Wegen
C = ~2 und b = A(~x + ~ ~y)('f/x + ~17y) = 0 ver chwindet aber .au h der Koeffizient b, und man erhlt nach Division durch c au Gleichung (7.63) die Normalform rr
parabolische Differentialgleichungen in der Ge talt
U'I]"1 = g(';, 'f/ U UE, UvJ

(7.69)

(c) elliptische Differentialgleichung: AC - B > O. Hier exi tieren keine reellen L ungen
der charakteristischen Differentialgleichung (7.65). Man kann aber di komplexwertige
Lsung z(x, y) = <p(x , y) + i?j.J(x , y) der Rumpf-Di fferentialgleichung

A zx

+ (B + ~B2 -

AC) zy

(7.70)

betrachten und die Substitutionen '; = <p(x, y) und fJ = 'Ij;(x, y) durchfuhren . Man whlt
also fr die Koordinatentransformation den Realteil und den Imaginrteil der komplexen
Charakteristik z(x, y). Aus Gleichung (7.70) folgt natrlich da

Az; + 2Bzx zy + Cz;

= 0

Az; + 2Bzx zy + CZ; =

und

gilt, wobei z(x, y) = <p(x, y) - i'ljJ(x, y) die zu z(x, y) konjugi rt komplexe Funktion
bezeichnet. Man rechnet nun leicht nach, dass der Koeffizient bin (7 .6 ) er hwindet:

+ B(~x '1]y + 'f/x~y) + C~y'f/y

=A( z+z ) (z - .z) + B(( z+z ) (z -. z ) + ( +:) (z-z) )

b = Aex'1]x

2~

:z:

:Z:

21.

2!J

2i

+ C( z + z ) (z - .z )
=
=

:i
:i

21.

( A(z; - z;) + 2B(zx zy - ZxZy) + C(z; -

z;))

((Az; + 2Bzx zy + Cz;) - (Az~ + 2B-x zy + z~))

= O.

7.8 Partielle Differentialgleichungen

325

Analog weist man nach, dass in (7.63) die Beziehung a = c gilt. Nach Division durch a
erhlt man somit aus Gleichung (7.63) die Normalform fr elliptische Differentialgleichungen der Gestalt
(7.71)

Beispiel 7.61 Wir betrachten die Differentialgleichung

(7.72)
fr ein Gebiet D mit x > O. Da AC - B 2 = x 2 > 0 ist, liegt in D eine elliptische Differentialgleichung vor. Dies liefert die charakteristische Gleichung

Die daraus entstehende Rumpf-Differentialgleichung

Zx

+ (2 - i)xzy = 0

lsst sich mit der Methode der Charakteristiken leicht lsen: eine komplexwertige Lsung dieser
Gleichung ist gegeben durch

Wir whlen daher als Koordinatentransformation

17(X, y) =

x2

"2

und definieren U(~ ) 'Tl) - u(x) y). Ableiten nach der Kettenregelliefert dann die folgenden
partiellen Ableitungen:
U xx

= 4x 2 U~~ - 4x 2 Ue7J

+ x Zu + U
.
7)'1]

7) -

2 U~ ,

u yy

= U~~ -

Einsetzen in die Differentialgleichung (7.72) liefert dann die Gleichung

X

U{e

+ X 2 U'IJ'IJ + Ul1 -

2Uf, = 0

und somit die Normalform

Wir wollen nun noch ein Lsungsverfahren vorstellen, welches fr eine Reihe von wichtigen partiellen Differentialgleichungen verwendet werden kann. Wir beschrnken uns bei der
Darstellung auf Gleichungen fr eine Funktion u(x, y) in zwei Variablen, die Methode lsst
sich aber in bestimmten Fllen auch fr Gleichungen in mehreren Variablen anwenden. Dabei
whlt man fr die Lsung der gegebenen partiellen Differentialgleichung einen so genannten
Bernoulli'schen Produktansatz (auch Separationsansatz, Trennungsansatz oder nur Produktansatz genannt)
u(x, y) = X(x) . Y(y)

7 Differenzen- und Differentialgleichungen

326

mit gengend oft differenzierbaren Funktionen X(x) und Y(y). Man trachtet also danach, eine
multiplikative Trennung der Variablen herbeizufhren, weswegen diese Methode auch Trennung der Variablen oder Separation der Variablen genannt wird.
Wir illustrieren diese Methode an Hand der homogenen linearen partiellen Differentialgleichung 2. Ordnung, welche man durch geeignete Koordinatentransformation immer auf folgende
Gestalt bringen kann:

a(x, y)u xx + c(x , y)u yy + d(x, y)u x

+ e(x, y)u y + f(x, y)u =

O.

Der Ansatz u( x, y) = X (x) Y (y) liefert dann durch Einsetzen die Gleichung .

aX"Y

+ cXY" + dX'y + eXY' + f XY

= O.

Entscheidend fr das Gelingen des Ansatzes ist nun die Annahme, dass auch in den Koeffizientenfunktionen a = a(x, y), etc. eine Variablentrennung mglich ist, so dass man nach
eventueller Division durch eine Funktion r.p( x, y) ;:f 0 eine Gleichung folgender Gestalt erhlt:

Die Variablen lassen sich nun nach Division durch XY vollstndig trennen, und man erhlt die
Gleichung
(7.73)
Da die linke Seite von Gleichung (7.73) nicht von y abhngt, d.h. konstant in y ist, kann auch
in der rechten Seite von (7.73) keine Abhngigkeit von y bestehen. Das bedeutet, das die
rechte Seite und somit auch die linke Seite von (7.73) gleich einer Konstanten ..\ E C sein
mssen. Daraus folgt weiter, dass die Ansatzfunktion u( x, y) = X (x) Y (y) unter den gemachten
Voraussetzungen genau dann eine Lsung der gegebenen Differentialgleichung ist, wenn X(x)
und Y (y) die folgenden linearen gewhnlichen Differentialgleichungen 2. Ordnung erfllen:
(7.74)
Falls zustzlich noch Nebenbedingungen vorgegeben sind, ist die Separationsmethode nur dann
anwendbar, wenn diese Bedingungen von einer Gestalt sind, dass sie sich in Bedingungen fr
die Variable x und in solche fr die Variable y "trennen lassen". Falls Randbedingungen vorgegeben sind, entsteht aus einer der beiden in (7.74) gegebenen Differentialgleichungen, also
beispielsweise aus jener fr X(x), ein so genanntes gewhnliches Randwertproblem. Man
versucht dann, Weite ..\ so zu bestimmen, dass das Randwertproblem nichttriviale Lsungen
X (x) -=I 0 besitzt. Solche ..\ nennt man Eigenwerte des Randwertproblems, und zugehrige
nichttriviale Lsungen X>. (x) bezeichntet man als Eigenlsungen. Bestimmt man fr einen Eigenwert ..\ durch Lsen der zweiten in (7.74) gegebenen Differentialgleichung noch eine mglichst allgemeine Lsung V>. (y), so erhlt man mittels

U(x , y,..\) = X,\(x) . Y>.(y)

eine Eigenlsung der vorgegebenen Differentialgleichung. Diese wird aber im allgemeinen
nicht alle vorgegebenen Nebenbedingungen (z.B. gestellte Anfangsbedingungen) erfllen,

7.8 Partielle Differentialgleichungen

327

Man versucht dann, das Superpositionsprinzip zu verwenden: sind U(x ) y, '\1) ' U(x , y, '\2),
U(x , y , '\3)' . . . Eigenlsungen zu den Eigenwerten '\1> '\2, '\3, . . . , dann ist auch die daraus
gebildete Reihe
00

U(x, Y)

L akU(x , y , '\k)

k=l

mit beliebigen Koeffizienten ak eine Lsung der homogenen Differentialgleichung, sofern die
Reihe konvergiert. Es gelingt damit hufig, die Koeffizienten ak so zu bestimmen, dass U smtliche vorgegebenen Nebenbedingungen erfllt.

In den folgenden Beispielen wird das besprochene Verfahren der Separation der Variablen
auf einige wichtige Differentialgleichungen angewandt. Wir schicken allerdings voraus, dass
hier ein Vorgriff auf die in Kapitel 8 behandelten Fourier-Reihen gemacht wird und fr das
Verstndnis der kommenden Beispiele nach Mglichkeit dieses Kapitel zuerst studiert werden
soll. Weiters werden wir im Folgenden nicht auf Fragen der Existenz bzw. Eindeutigkeit der
auftretenden Fourier-Reihen, Vertauschbarkeit von Summation und Integration, o.. eingehen,
da dies ebenfalls in Kapitel 8 besprochen wird.
Beispiel 7.62 Wir illustrieren das Verfahren zunchst an Hand der homogenen eindimensiona~
len Schwingungsgleichung mit homogenen Randbedingunen. Wir betrachten dabei die Auslenkung u(x, t) einer schwingenden Saite zum Zeitpunkt t > 0, wobei die Saitenenden bei
x = 0 und x = > 0 fest eingespannt sein sollen. Die Auslenkung u(x, t) wird dabei fr
x E [0, t'l und t ~ 0 durch die bereits vorgestellte eindimensionale Wellen gleichung

Utt -

2
C

Uxx

(7 .75a)

beschrieben. Zustzlich mssen aber nun Anfangs- und Randbedingungen erfllt sein, das heit,
es liegt ein Rand-Anfangswert-Problem vor. Wir geben etwa die Anfangslage fe x ) und die
Anfangsgeschwindigkeit g(x) vor und fordern, dass es zu jedem Zeitpunkt t :2: 0 bei x = 0 und
x = ekeine Auslenkung gibt (homogene Randbedingung):

u(x, 0) = f( x ),

Ut(x, 0)

= g(x ),

u(O , t)

= 0,

u(f, t)

= O.

(7.75b)

Wir whlen nun zur Lsung des gestellten Problems den Separationsansatz

u(x , t)

X(x) . T(t)

mit unbekannten Funktionen X (x) und T( t) . Einsetzen in die Differentialgleichung liefert

dann die Gleichung

so~

T(t)X( x ) = c2 T(t)X"( x )
und somit durch Trennen der Variablen

X"( x )
c2T(t) = X( x ) =..\
T(t)

= const,

da die linke Seite unabhngig von x ist und daher gleich einer Konstanten ,\ E C sein muss.
Dies Hefert die beiden durch ,\ gekoppelten gewhnlichen Differentialgleichungen

X" - ,\X = 0,

T - '\ c2T

O.

(7 .76)

7 Differenzen- und Differentialgleichungen

328

Betrachten wir zunchst das gewhnliche Randwertproblem fUr X (x):

X" - ).X = 0,

X(O) = 0,

X (f)

= O.

(7.77)

Die allgemeine Lsung der linearen Differentialgleichung (7.77) mit konstanten Koeffizienten
bestimmt man sofort mit dem Exponentialansatz X = eQX mit CI: E C. Die charakteristische
Gleichung cx 2 - ). = 0 liefert die beiden Lsungen CXl ,2 = .J): und somit ftir ). i= 0 die
allgemeine Lsung der Differentialgleichung (7 .77):

X(x) = Cl e..fi.x

+ C2 e-..fi.x

(7.78)

mit beliebigen Konstanten Cl, C 2 E C. Fr uns von Interesse sind nun jene Werte von A, fr
die nichttriviale Lsungen X (x) i= 0 der Differentialgleichung existieren, welche auch die in
(7.77) gegebenen Randbedingungen erfllen (X( x) = 0 und somit Cl = C 2 = 0 ist zwar
immer eine Lsung dieses Randwertproblerns, aber nicht von weiterem Interesse). Einsetzen
der Randbedingungen in die Lsung (7.78) liefert nun folgendes lineare Gleichungssystem ftir

C 1 ,C2 :
(7.79)
Nichttriviale Lsungen existieren daher genau dann, wenn die Systemmatrix

M =

(eJxe e-~e )

des Gleichungssystems

(eJxe e-~e ) ( g~ )

= (

~)

singulr ist, also det(M) = 0 gilt. Dies liefert die folgende Gleichung fr A:

e-V>.e _ e..fi.e = 0 bzw.

e2V>.e = 1.

Diese Gleichung besitzt nun im Komplexen die Lsungen

2/Xe = 27rin

mit n E Z .

Also erhalten wir nichttriviale Lsungen des Randwertproblems fr folgende Werte A (die so genannten Eigenwerte);

An

Um nun entsprechende nichtttiviale Lsungen X n (x) (so genannte Eigenfunktionen) zu den

Eigenwerten An zu finden , brauchen wir nur obiges Gleichungssystem (7.79) zu betrachten. Da
die Systemmatrix M nicht regulr ist, fallen nmlich die bei den Gleichungen zusammen, und
es bleibt nur die erste Bedingung brig, welche C2 = - Cl liefert. Jede Wahl von Cl f=. 0
ergibt zusammen mit C 2 - - Cl eine nichttriviale Eigenfunktion. Insbesondere erhlt man fr
Cl = - ~ folgende Eigenfunktion Xn.(x ) zum Eigenwert An:

X n(x)

= C1eVX;;-x + C2e-~x = _ ~ (entix - e- n;iX ) = - ~ (2isin (n7r x))

e
(7.80)

7.8 Partielle Differentialgleichungen

329

Zu jedem Eigenwert >-nbestimmt man nun noch die allgemeine Lsung der in (7.76) gegebenen
Differentialgleichung fr T(t) :

2 = T.. + (cn7r)
2T = O.
- f-

T - >-ne T

Die charakteristische Gleichung a 2 + ( cr;1r )2 = 0 fr diese lineare Differentialgleichung zweiter

Ordnung liefert die komplexen Lsungen Ql,2 = C7~'7I" i, wodurch man die allgemeine Lsung

Tn(t)

. (Gn7r)
= an sm
T t + bn cos (Gn7r
- f- t )

(7.81)

erhlt. Setzt man die Lsungen (7.80) und (7 .81) fr Xn(x) und Tn(t) in den Separationsansatz
ein, dann erhlt man die so genannte n -te Eigenschwingung der Saite:

un(x, t) = Xn(x)Tn(t) = sin

(ng7r x) [ansin (cr;7r t) + bn cos ( ~7r t)] ,

mit

nE N \ {O} .

Nun versucht man noch, mittels Superposition der Eigenschwingungen, also

00

u(x, t)

L un(x, t)
n=1

die vorgegebenen Anfangsbedingungen zu erfllen:

00

u(x ,O)

=L

bn sin

( ~7r x) = f(x) ,

(7.82a)

n =1

Ut(x, O)

~ -Gn7r
(n7r )
= Le-ansin e X = g(x).

(7.82b)

n=1

Um die Koeffizienten an und bn in (7.82) zu bestimmen, denken wir uns nun die Funktionen
f( x) und g(x) ungerade auf das Intervall - f. < x ~ 0 und danach periodisch mit Periode T =
2g fortgesetzt. Unter geeigneten (schwachen) Voraussetzungen lassen sich nun die Funktionen
f (x) und g(x) in Fourier-Reihen entwickeln. Da wir die Funktionen ungerade fortgesetzt haben,
treten in diesen Reihen keine Cosinusterme auf, d.h . f(x) und g(x) besitzen Entwicklungen als
Fourier-Sinus-Reihen:

f (x)

L f~ sin (ng1r x) ,

g(x)

= L gn sin (n; x).

n~ l

n~1

Nach dem Eindeutigkeitssatz fr Fourierreihen sind dann an und bn durch

g
eindeutig bestimmt. Weiters lassen sich die Koeffizienten fn und gn mit Hilfe der Formeln
von Euler-Fourier berechnen. Dies liefert schlielich die gesuchte Lsung des gestellten RandAnfangswert-Problems (7.75) fr die homogene eindimensionale Schwingungsgleichung:

u(x , t)

[9 n

C~7r sin ( ~1r t) + fn eos (cr;7r t)] sin (n; x )

n =l

mit den Fourier-Koeffizienten

9n

2 (
)
R
Ja g(E) sin (n7r
T~ d~ ,

fn =

2
)
e
Jo f(~) sin (n1r
7 ~ d~.

(7 .83)

7 Differenzen- und Differentialgleichungen

330

Abbildung 7.18 Die schwingende Saite ("Harfe"): Schwingungen nach dem Anzupfen der ruhenden Saite in der
Mitte bzw. am Rand

Beispiel 7.63 Als nchstes Beispiel betrachten wir die .Potentialgleichung

~U

= U xx + U yy = 0

(7.,84)

fr eine Funktion u(x , y) und behandeln das Dirichlet-Problem auf der Kreisscheibe, d.h.,
wir suchen eine Lsung u(x, y) der Differentialgleichung (7.84); weIche auf einer Kreisscheibe
mit Mittelpunkt 0 und gegebenem Radius ro > 0 vorgegebene Randwerte annimmt. Diese
Randbedingungen lassen sich durch den bergang zu Polarkoordinaten

r cos 'P,

Y = r sin 'P

einfach angeben. Wir definieren deshalb U(r )rp) = u(x) y) und erhalten als Nebenbedingung
(7.85)
mit einer vorgegebenen 2n-periodischen Funktion j(cp) . Wir wollen nun auch noch die zu er~
fllende Potentialgleichung in Polarkoordinaten umrechnen. Durch Anwenden der Kettenregel
erhlt man aus (7.84) sofort

0=
=

+ U yy
(r; + r;)Urr + 2(<Px r x + 'Pyry)Urrp + (cp; + 'P~)Urprp + (r xx + r yy )U + (tpxx + <pyy)Urp,

U xx

was sich zu folgender Differentialgleichung, der Potentialgleichung in Polarkoordinaten, vereinfacht, wie man leicht nachrechnen kann:
(7.86)
Um Gleichung (7.86) zu lsen, verwenden wir den Produktansatz

U(r, rp)

= F(r) . G(rp) .

Einsetzen in die Differentialgleichung (7 .86) liefert nun

F" (r )G (cp)

+ J:.2 F (r )GI! (tp) + ~ pi (r )G (rp) = 0

r

7 .8 Partielle Differentialgleichungen

331

und nach Division durch P(r)G(ep ) und Trennung der Variablen:

r 2 F" (r ) r F ' (r )
+
=
F (r )
F(r )

---'-~

G" (r.p )
G(ep) .

- ~~

(7.87)

Da in der linken Seite von Gleichung (7.87) die Variable ep nicht explizit auftritt, muss die linke
Seite und somit auch die rechte Seite von (7 .70) gleich einer Konstanten A E C sein. Dies liefert
also die durch A gekoppelten Differentialgleichungen

G"(ep) + AG(cp) = 0,

r 2 P"(r)

+ rPI(r) - AP(r)

O.

(7.88)

Da die gesuchten Lsungen periodisch in ep sein sollen (genauer periodisch mit Periode 211",
aber das bentigen wir erst spter), betrachten wir nur reelle A > O. Die allgemeine Lsung der
linearen homogenen Differentialgleichung (7.88) fr G( <p) mit konstanten Koeffizienten lautet
dann wie folgt:
G(cp ) = Acos(~cp) + Bsin(~<p) .
Nun bercksichtigen wir noch die geforderte Periodizitt mit Periode 27r, woraus wir die Bedingung y).. = n E N erhalten. Dies liefert somit fr An = n 2 die Lsungen
(7 .89)

Nun wollen wir fr A = An noch die Lsungen der Differentialgleichung (7.88) fr F(r) bestimmen. Diese Differentialgleichung ist eine so genannte Euler'sche Differentialgleichung
und kann mit dem Ansatz F(r ) = r C>: behandelt werden. Man erhlt durch diesen Ansatz die
Gleichung 0. 2 = n 2 und somit 0. = n. Die Lsung 0. = - n ist fr uns nicht brauchbar, da wir
fordern , dass die entstehende Funktion F( r ) = r a bei r = 0 regulr ist. Deshalb erhalten wir
fr An = n 2 mit n E N die Lsungen
(7 .90)

Somit bekommen wir aus (7 .89) und (7.90) die Lsungen

Un (r, ep) = rn(A n cos(ncp) + B n sin(nep))

und durch Superposition
00

U(r , <p) = Ao + L r 7l (Ancos(n<p) + Bnsin(nl,O )).

(7.91)

n= l

Nun versucht man noch, die Koeffizienten An, B n in (7.91) so zu bestimmen, dass U(r , <p) clie
vorgegebene Randbedingung (7.85) erfllt. Einsetzen von (7.85) in (7.91) liefert sofort
00

U(ro, cp) = A o +

I: (An7"Cos(n<p) + Bnrsin(n<p)) =

/ (1,0).

(7 .92)

n= l

Betrachten wir die Fourier-Reihen-Entwicklung

f( <p) = ~o

00

L (an cos(wp) + bnsin(ncp ))

n= l

--- ----------------- ----------

(7.93)

7 Differenzen- und Differentialgleichungen

332

und vergleichen die Koeffizienten von (7.92) und (7.93), so erhalten wir

Ao =

ao

2'

und weiter

Abbildung 7. L9 Lsungen de Dirichlet-Problem auf der Kreis chei be fur die Potentialgleichung mit vorgegebenen Funktionen sin 2 (2/p) bzw. sin 2 (5tp) bei Ta = 3

Nun kann man noch die Koeffizienten an und bn durch die Euler-Fourier-Integrale ausdrcken und erhlt dann weiter

1
U(T,'P) = 27f

1
2

71"

J(t)dt+

r J(t)cos(nt)dt

~;( cos(n'P) .1
00

71"

+ sin(nep)

1
1
2

1
= 2n

= 27T

271"

T)71
J(t) sin(nt)dt ) ( TO

71"

00
1' )71)dt
J(t ) 1 + 2 ~
(cos(nt) cos(n<p) + sin(nt) sin(nep)) ( TO

71"

r
J(t) 1 + 2 ~ cos (n(t - <p)) TO

1
0

( )n)dt ,

00

(7.94)

wobei in der letzten Umformung der Summensatz fr den Cosinus verwendet wurde. Unter
Verwendung der geometIischen Reihe kann die in (7 .94) auftretende Sunune noch vereinfacht
werden:

= ( To+rei(t- <p ) = ( To+rcos(t - 'P ) + irSin(t -<p))

3t To _ 1'ei(t- <p)
3t Ta - r cos( t - 'P) + i'r sin( t - ep)
=

T5 - 1.2 +2iTor. in(t - <p) )

(
~ T5 - 2rOT cos(t - 'P) + 1,2

T5- T2
TB - 21'01' cos(t - 'P) + 1'2 '

7.8 Partielle Differentialgleichungen

333

Man erhlt somit die Poisson'sche Integralformel zur Lsung des Dirichlet-Problems auf der
Kreisscheibe fr die Potentialgleichung:

Ur,

( r.p)

= -

27r

1
2

11"

- r
f ( t ) r5 - 2rorr~cos(t
dt,
- r.p) + r 2
2

fr r < ro -

(7.95)
!:::,

Beispiel 7.64 Als letztes Beispiel dieses Abschnitts behandeln wir die zweidimensionale
Schwingungsgleichung und betrachten die Schwingungen einer dnnen elastischen rechteckigen Membran, die am Rand fest eingespannt ist ("rechteckige Tronunel"). Als Rechteck nehmen wir dabei [0, a] x [0, b] . Wir wollen anmerken, dass das entsprechende Problem fr eine
Kreismembran ("kreisfrmige Tronunel") zwar auch mit dem Produkt ansatz behandelt werden
kann, aber auf schwieriger zu lsende Differentialgleichungen fhrt und deshalb hier nicht besprochen wird . Die Auslenkung u(x, y, t) der Membran gengt fr (x , y) E [0, a] x [0, b] und
t > 0 der zweidimensionalen Schwingungsgleichung (= zweidimensionalen Wellengleichung)
(7.96a)
Utt = c2 6 U = c2 (u xx + Uyy ).
Zustzlich vorgegeben sind die Randbedingungen

U(x, 0, t) = u(x, b, t) = 0 ,
u(O, y, t) = u(a, y , t) = 0,

o :s; x ::; a, t ~ 0,
o :s:; y :s:; b, t ;:::

(7.96b)

und die Anfangsbedingungen

u(x , y , 0)

= f( x, y) ,

Ut(x , y, 0)

(7 .96c)

mit einer Funktion f( .'E , y) . Zur Lsung des Problems verwenden wir nun den Produktansatz

u(x, y, t)

X(x) . Y(y) . T(t) .

Einsetzen des Ansatzes in die Differentialgleichung (7.96a) liefert

X(x)Y(y)T(t) = c2 (X"(x)Y(y)T(t) + X(x)Y"(y)T(t)) ,

was nach Division durch X(x)Y(y)T(t) und Trennung der Variablen folgendermaen angeschrieben werden kann:

T(t)
-c2T
-=--(-'--t)

X"(x)
X( x)

Y"(y)
+ -Y-(y-) .

(7.97)

Da in der rechten Seite der Gleichung (7.97) die Variable t nicht explizit auftritt) mus die rechte
Seite und somit auch die linke Seite der (7.97) gleich einer Konstanten)., E C ein, also gilt

T(t)
X"(x) Y"(y)
c2T(t) = X(x) + Y(y) = A.

(7.98)

Nun werden wir auch in der rechten Seite von Gleichung (7.98) di~ Variablen separieren und
erhalten

X"(X)
Y"(y)
- "':"""":- = A - - X(x)
Y(y) .

(7.99)

7 Differenzen- und Differentialgleichungen

334

Wiederum folgt, da in der rechten Seite von Gleichung (7.99) die Variable x nicht explizit
auftritt, dass die rechte Seite und somit auch die linke Seite von (7.99) gleich einer Konstanten
/-i E ce ist und daher gilt:

XI/( x )
X( x )

Y"(y)

(7.100)
= A - Y(y) = /-i.
/-i, wodurch A = J1 + jj, festgelegt ist, und erhalten aus (7.100) zusammen

Wir setzen nun jj, = Amit den Randbedingungen (7.96b) die folgenden gewhnlichen Randwertprobleme:

X"( x ) - /-iX(x ) = 0,
ylI(y) - JtY(y) = 0,

X(O) = X(a) = 0,
Y(O) = Y(b) = O.

([Link])
(7.1OIb)

Zum Lsen der bei den Randwertprobleme (7.101) kann man exakt wie in Beispiel 7.62 vorgehen. Man erhlt dann beim Randwertproblem (7.101a) fr nE N \ {O} die Eigenwerte
2

J1n =

n
- 7r
~

. zugeh'"
'
f unkhonen
'
nut
on gen E1gen

x = sm. (n7r
--;;x)

X n()

(7 .102)

und beim Randwertproblem (7.101b) fr m E N \ {O} die Eigenwerte

2 2
P- m

7r m
= -~

. zugeh"ongen
.
E'Igen f unkhonen
'
Imt

Y.m ()
. (m7r
y = sm
T Y)

(7.103)

Fr jedes Paar (n, m) E (N \ {O})2 kann man nun wieder die aus (7 .98) entstehende Differentialgleichung fr T(t ) mit A = An,m = /-in + Jtm betrachten. Da An,m = _ 71' 2 ( ; ; +
ist, erhlt
man also die Differentialgleichung

rg;)

2
2
(n
m )
T.. (t ) + 7r22
C a 2 + b2 T(t)

= O.

(7.104)

Die allgemeine Lsung dieser homogenen linearen Differentialgleichung mit konstanten Koeffizienten ist gegeben durch
(7.105)
mit beliebig whlbaren Konstanten an ,m und bn,m . Man erhlt also f r m
den Gleichungen (7.102), (7.103) und (7.105) die Eigenfunktionen

~ 1

und n

~ 1

aus

Un,m(X, y, t )
= [an,m COS ( 7rC

::

+ ~2 t) + bn,m sin ( 7rC :~ + ~2 t)] sin (n

1r x ) sin (~1r y) ,
a

die durch Superposition zusammengefasst werden knnen zur folgenden Lsung fr u(x ) y , t),
welche die homogenen Randbedlngungen (7.96b) erfllt:

. sin

(n; x)sin ( ~1r y) .

(7 .106)

7.8 Partielle Differentialgleichungen

335

Wir gehen nun noch kurz auf das Problem des Anpassens der Koeffizienten a n m und bn m in
der Lsung (7.106) an die vorgegebenen Anfangsbedingungen (7 .96c) ein, wobei wir uns' hier
nicht mit Fragen der Eindeutigkeit befassen wollen. Die Bedingung Ut(x, y , 0) = 0 liefert die
Gleichung

:L 1rC
n ,m ;::: l

Diese Gleichung lsst sich erfllen, wenn wir fr n, m ;::: 1 alle Koeffi zienten bn,m = 0 setzen.
Dadurch ergibt sich mit der weiteren Bedingung u(x, y, 0) = f( x, y) die Gleichung

an,m

n,m ;::: l

sin (na1r x) sin (~1r Y) =

f( x, y).

(7.107)

Wir betrachten nun die Funktion f( x, y) fr ein festes y und entwickeln diese in eine FourierSinus-Reihe, d.h. wir denken uns die Funktion vom Intervall 0 ::; x ::; a auf - a < x ::; 0
ungerade und danach periodisch mit Periode 2a fortgesetzt und betrachten die Fourier-ReihenEntwicklung. Natrlich hngen im allgemeinen die Fourier-Koeffizienten der Entwicldung vorn
gewhlten y ab. Wir erhalten daher

f( x, y)

=L

fn(Y) sin

n;::: l

c: x)

(7.108)

mit f n(y) = ~ fo f (x, y) sin (n: x)dx. Nun entwickelt man noch jede auftretende Funktion
f n(Y) in eine Fourier-Sinus-Reihe, wobei man folgendes erhlt:
(7.109)

i J:

mit f n,m =
f n(Y) sin ( ~7r y)dy. Fasst man (7 .108) und (7 .109) zusammen und vergleicht
die Koeffizienten der entstehenden Reihe mit denen in (7 .107), dann sieht man, das man a n ,m =
9n ,m setzen kann, um eine Lsung der Differentialgleichung (7.96a) zu den vorgegebenen Randund Anfangsbedingungen (7.96b) und (7.96c) zu erhalten:

u(x, y , t ) =

L
n,m~l

an ,nl.

COS

(1rC -na + -m
b
2

(n1r x ) sin (m1r

- y)

sin -

'

(7.110)

wobei die Koeffizienten an,m in FOlmel (7.110) folgendermaen gegeben sind:

an,rn =

(n-7l')

(m1r)

4 (a
ab Ja Ja f (x , y) sin ~x sin - b- y dydx .

Abschlieend bleibt noch zu erwhnen, dass auch die in' Kapitel 8 vorgestellte Fourierund Laplace-Transformation zum Lsen bestimmter partieller Differentialgleichungen hilfreich
sind. Ein Beispiel dazu wird in Kapitel 8 vorgefhrt.

336

7 Differenzen- und Differentialgleichungen

7.9 bungsaufgaben
7.1 Man finde alle Lsungen der Differenzengleichungen
(a) 2x n +1 - 3x n

(b) x n +1 -

Xn

+1=

+7=

0) ,
(n ~ 0) .
(n

7.2 Man bestimme die allgemeine Lsung der Differenzengleichung

Xn+ l

= 2 X n +1 = 0

fur"

n>_O

und die partikulre Lsung, die der Anfangsbedingung Xo = 6 gengt.

7.3 Man finde die allgemeine Lsung der Differenzengleichung

Xn

Xn+l

= 1 +xn '

= 0 , 1, 2, . ..

- l , .

mit Xo # - 1, - ~,
Hinweis: Man bentze die Transfonnation X n = l/Yn .
7.4 Beim Sortieren von n Zahlen durcn "Direktes Einfgen" gilt fr die Anzahl V n der Vergleiche im
ungnstigsten Fall
VI

und fr die Zahl

Wn

= 0 und

Vn

= Vn - l + n -

1,

2) 3, . . .

der Wertzuweisungen
Wl

= 0

und

Wn

Wn - l

+ n + 1, n =

Warum? Man bestimme explizite Formeln fur V n und

O-Notation) ab.

Wn

2, 3, . .. .

und schtze deren Grenordnungen (in der

7.5 Man beweise den in Satz 7.9 angegebenen Zusammenhang zwischen den dort angeflihrten Folgen
und deren erzeugenden Funktionen.
7.6 Man verwende die Methode der erzeugenden Funktionen zur Bestimmung der allgemeinen Lsung
der Differenzengleichung erster Ordnung Xn H - X n + 5 = fr n = 0 , 1) 2, . .. .

7.7 Man bestimme die Lsung der Differenzengleichung x nH = )2 + X n (fr n ~ 0) zum Anfangs.
wert Xo = 0 auf graphischem Weg, berechne die Gleichgewichtspunkte und berprfe sie auf Stabilitt.
7.8 Gesucht sind die allgemeinen Lsungen der linearen homogenen Differenzengleichungen

(a) X n +2 - 5X n H - 6x n
0,
(b) Xn +2 - 6Xn H + 12x n = 0,
(c) x n +2 - 5Xn + l + 6.25x n = O.
7.9 Man bestimme die Lsung nachstehender Differenzengleichung zu den vorgegebenen Anfangsbedingungen:
4Xn +2 + 12x n +l - 7x n = 36, Xo = 6, Xl = 3.
7.10 Gesucht ist die allgemeine Lsung der Differenzengleichung
X n +2 -

6Xn + l

+ 9x n

= 8 + 3n ,

n = 0, 1,2 , ...

7.11 Man finde die Lsung der Differenzengleichung zweiter Ordnung X n + 2 = 5x n +1 - 4x n zu den
Anfangsbedingungen Xo = 2 und Xl = 5 mit Hilfe der Methode der erzeugenden Funktionen.

7 .9 tJbungsaufgaben

337

7.12 Man bestimme die Anzahl aller O- l-Folgen der Lnge n , in denen es keine benachbarten Nullen
gibt.
Anleitung: Man stelle zunchst eine geeignete Rekursionsgleichung auf und bestimme dann deren Lsung.
Die Aufgaben 7.13 bis 7.15 beziehen sich aufConway 's "Spiel des Lebens" zur Simulation von Aufstieg,
Vernderung und Untergang einer Gruppe lebender Organismen als diskretes dynamisches System.

7.13 Man untersuche das Verhalten der in Abb. 7.20 dargestellten Ausgangskonfigurationen.

--

Abbildung 7.20 Spiel des Lebens: Blinker, Block, Gleiter

7.14 Man finde - unter Verwendung eines geeigneten Simulationsprogramrns aus dem Internet - mindestens drei Beispiele fur stabile Konstellationen.
7.15 Welche Ausgangsmuster sterben vollstndig aus, welche werden stabil oder oszillieren? Gibt es
Ausgangsmuster, fur welche die Bevlkerung grenzenlos anwchst?

7',16 Man besttige, dass die Funktionen

N (t) =

K
C

1 + e- r

t ' C E IR,

N = 0

sowie

Lsungen der logistischen Differentialgleichung N' (t) = T N (1 - ~) sind. Man berechne und skizziere
jene Lsungsfunktion, welche die Anfangsbedingung N(O) =
erfllt.

lli

7.17 Man stelle zu der Kurvenschar

vi1 + x 2 + Ji+Y2 =

mit dem "Scharparameter" c eine Differentialgleichung auf, welche alle Funktionen der Schar als Lsungskurven besitzt.

7.18 Durch Einsetzen besttige man, dass die allgemeine Lsung der Differentialgleichung
2

2d y
x dx 2 -

durch

y(x) = C1 x

+ Cx 22

6y = 121n x

- 21n x +

C 1,C2 ER

gegeben ist. Wie lautet die partikulre Lsung zu den Anfangsbedingungen y(1) = 2/3, y'(1) = - 1?

7.19 Man zeige, dass jede Funktionen z (x, y) = ~ x

+ C(y -

~x), wo C(u) eine beliebig gewhlte

differenzierbare Funktion in einer Variablen ist, Lsung der partiellen Differentialgleichung

8z
8z
a- + b- = 1
x
y
ist. Wie lautet die Lsung zur Anfangsbedingung z(O , y) = y2

+ I?

7 Differenzen- und Differentialgleichungen

338

7.20 Man ermittle das Richtungsfeld der Differentialgleichung y'

Punkt der (x, y) -Ebene genau eine Lsung der Gleichung gibt.

~ und berlege, ob es durch jeden

7.21 Man lse die homogene lineare Differentialgleichung y' - y t anx = O.

7.22 Man lse die inhomogene lineare Differentialgleichung xy'

+y =

x 2 + 3x

7.23 Man bestimme die partikulre Lsung der Differentialgleichung y'

Anfangsbedingung y(O) = 1.

+ 2.

+ y cos x =

sin x cos x zur

7.24 Das Wachstum einer Population der Gre N(t) zur Zeit t werde durch die Differentialgleichung

dN

dt = r(K -

N)

mit

N(O) = No

beschrieben. Dabei sind rund K positive Parameter. Man lse die Differentialgleichung (a) durch
Bestimmung der homogenen Lsung und Variation der Konstanten bzw. (b) durch Auffinden einer
partikulren Lsung fr die inhomogene Gleichung mittels eines konstanten unbestimmten Ansatzes
Np(t) = A. Ferner skizziere man den Graphen der Lsungsfunktion fr r = 0.08 und K = 1000.

7.25 Vom neu esten Modell eines MobilteIefonproduzenten werden im Weihnacbtsgeschft 3000 Stck
abgesetzt, nach 12 Monaten sind davon nur mehr 2820 Stck in Betrieb. Unter der Annahme, dass die
monatliche Ausscheiderate proportional zur Nutzungsdauer ist, bestimme man die Anzahl y{t) der in
Betrieb stehenden Mobiltelefone (von den ursprnglich 3000 Stck) in Abhngigkeit von ihrer Verwendungsdauer t . Ferner finde man die lngste Nutzungsdauer.
Anleitung: Fr die gesuchte Anzahl y(t) der Mobiltelefone gilt y'(t) = - at fr ein a > O. Man lse
diese Differentialgleichung zu den gegebenen Werten fr y(O) und y(12).
7.26 Man lse die folgenden nearen homogenen Differentialgleichungen:
(a) y" + lOy' - 24y = 0,
(b) ytt - lOy' + 25y = 0,
(c) y"

+ 8 y' + 25y = O.

7.27 Man bestimme die partikulre Lsung der Differentialgleichung y"

fangsbedingungen y(O) = 1 und y'(O) = O.

+ 2y' + 2y

= 0 zu den An-

7.28 Gesucht ist die allgemeine Lsung der Differentialgleichung y" - 3y' - 4y = 2x .
7.29 Wie lautet die allgemeine Lsung der Differentialgleichung dritter Ordnung y'" - 7y'
7.30 Man ermittle alle Lsungen der separabien Differentialgleichung y' =

+ 6y =

1?

y2;4 ,

7.31 Man berechne alle mglichen Gleichgewichtszustnde der nichtlinearen Differentialgleichung

y' = y

(4-.L y+l

0.5y -

1)

und berprfe sie auf Stabilitt.

7.32 Man untersuche auch das globale Lsungsverhalten fr die Lsungen der Differentialgleichung
aus der vorhergehenden Aufgabe in der (y, y')-Phasenebene.
7.33 Man zeige mit Hilfe des Summensatzes fr den Cosinus, dass gilt

Acoswt + Bsinwt = Ccos(wt - c.p),

wobei C = JA 2

+ B2 und tan cp =

~.

7.9 bungsaufgaben

339

7.34 Man lse die folgende partielle Differentialgleichung fr u(x, y) durch Zurckfhren auf eine
gewhnliche DGL:

ux y

+ U x + x + y = 1,

u(x, 0)

= 0,

u(O , y)

= 0.

7.35 Man lse die folgende partielle Differentialgleichung fr u(x, y) durch Zurckfhren auf eine
gewhnliche DGL:
u xy

+ yu x = 0,

= x2 ,

u(x,x )

ux(x , x ) = uy(x, x ).

7.36 Man bestimme die allgemeine Lsung fr u(x, y) der inhomogenen eindimensionalen Wellengleichung
1

9u:z;x - 4Uyy = sm x .
7.37 Man bestimme die allgemeine Lsung fr u(x , y) der folgenden linearen partiellen Differentialgleichung 1. Ordnung mit konstanten Koeffizienten:
12ux

+ 4uy = x .

7.38 Man betrachte die lineare partielle Differentialgleichung l. Ordnung mit konstanten Koeffizienten
in 3 Variablen:
aux + bu y + cUz = f (x, y , z).
Man weise nach, dass durch die Substitutionen

F. = x,

'r} = bx - ay,

( = cx - az

die Reduktion auf folgende Differentialgleichung fr U (~ , 'r} , () = u(x, y , z) gelingt:

- f(c

aU~ -

<." ,

b~+'r} , ~+( ) .
a
a

Damit bestimme man die allgemeine Lsung der partiellen Differentialgleichung

2u x

+ 3u y + 4u z = eX +Y+z .

7.39 Durch die Substitution u(x, y) = v(x, y) e>,x+ I1-Y und geeignete Wahl von.A. J.L eliminiere man die
ersten Ableitungen (u x und u y ) aus der partiellen Differentialgleichung
Uxx

+ Uyy + aux + u y + "t u =

O.

Bemerkung: Die entstehende partielle Differentialgleichung braucht nicht gelst, sondern soll nur angegeben werden.
7.40 Man betrachte das folgende System von gewhnlichen linearen Differentialgleichungen erster
Ordnung fr X l (t) , X2 (t) mit vorgegebenen Anfangswerten:

+ 1,

Xl =

Xl -

5X2

1: 2 =

5 Xl

+ X2,

Xl (O) = 0,
X2 (O) = o.

Man lse nun dieses System auf folgende Weise (Eliminationsmethode). Zuerst elimiere man X2 aus dem
Gleichungssystem: Ableiten von

und Einsetzen in die zweite Gleichung liefert fr Xl eine lineare Differentialgleichung 2. Ordnung mit
konstanten Koeffizienten. Man bestimme die allgemeine Lsung dieser Differentialgleichung fr x ~ und
danach durch Rcksubstitution auch die allgemeine Lsung fr X 2. Anpassen an die Anfangsbedingungen liefert schlielich die gesuchte Lsung.

7 Differenzen- und Differentialgleichungen

340

7.41 Man lse mittels der in Kapitel 8 besprochenen Laplace-Transformation die folgende partielle
Differentialgleichung unter den vorgegebenen Nebenbedingungen:
XUx

+ Ut = xt ,

u(O , t ) = 0 fr t 2:: 0,

u(x,O) = 0 fr x 2::

o.

Anleitung: Die Laplace-Transformation bezglich t liefert fr U(x , s) = J:..,{u( x, t )} eine gewhnliche

Differentialgleichung:
x
xUx +sU= 2"'
s
Lsen dieser Differentialgleichung und Bercksichtigen der Anfangswerte liefert nach der Rcktransformation die gesuchte Lsung.
7.42 Man bestimme die allgemeine Lsung der linearen partiellen Differentialgleichung 1. Ordnung

xu x

yu y = xy .

7.43 Man bestimme die allgemeine Lsung der Rumpf-Differentialgleichung

Ux

+ (y + 2z )uy + ZU = O.
Z

7.44 Man betrachte folgendes System von partiellen Differentialgleichungen fr

YZx -

= 0,

xZ y

Z =

z(x, y):

Zx y = O.

Man bestimme nun alle Funktionen z (x , y), welche dieses System lsen.
Anleitung: Man bestimme fr eine der beiden partiellen Differentialgleichungen die allgemeine Lsung
und setze in die andere Gleichung ein.
7.45 Man bestimme die allgemeine Lsung der folgenden linearen partiellen Differentialgleichung fr

u(x , y):
(x 2 + l)u x

2xyuy

+ 2xu + 1 =

O.

7.46 Eine Funktion u(x , y) heit homogen vom Grad n, wenn

u(.h , ).y)

= ).nu(x, y)

fr alle>. > 0 und x, y gilt. Durch Differenzieren dieser Beziehung nach), zeige man: falls u eine stetig
differenzierbare Funktion ist, gengt sie der linearen partiellen Differentialgleichung erster Ordnung
x Ux

+ YU y =

nu.

Wie lautet die allgemeine Lsung dieser partiellen Differentialgleichung?

7.47 Man bestimme die allgemeine Lsung der folgenden quasilinearen Differentialgleichung fr
u(x, t) (konservative Burgers-Gleichung):

Ut + uu x =

o.

7.48 Man bestimme die allgemeine Lsung der folgenden quasilinearen Differentialgleichung fr
u(x, y):

(x

+ u)u x + (y + u)u'u + u =

O.

Anleitung: Die durch den Ansatz f(x , y , u) = const erhaltene Rumpf. Differentialgleichung

(x + u)fx + (y + u)fy - ufu = 0

fhrt zum System von Phasen-Differentialgleichungen

dx
x+u
du = - - uwelche beide ber die SubstituLion v = ~ bzw. v

dy
y+u
du = - - u~ implizit gelst werden knnen.

7.9 bungsaufgaben

341

7.49 Man klassifiziere die folgenden partiellen Differentialgleichungen nach "hyperbolisch, parabolisch
oder elliptisch" und ermittle jeweils eine Normalform:

(a)
(e)

+ 2u x y + U yy + U x + u y = 0,
3uxx - 8u x y + 4u yy - u = O.

(b)

U xx

U xx

+ 2u x y + 5uyy + U x + u = 0,

7.50 Man bestimme das Gebiet, in dem die partielle Differentialgleichung 2. Ordnung
1

U xx

+ YU yy + "2 Uy =

hyperbolisch ist, und bestimme dort weiters die allgemeine Lsung der Differentialgleichung, indem
man die entsprechende Normalform betrachtet.

7.51 Man whle den Produktansatz u(x, y) = X( x)Y(y) und bestimme damit Lsungen der folgenden
Differentialgleichung:

x 2 U XY

+ 3y2u = 0.

7.52 Man betrachte die Temperaturverteilung u(x, t) eines Stabes der Lnge .e, welche an der Stelle
o ::; x ::; f zur Zeit t ~ durch die homogene Wrme leitungs gleichung (mit einer vom Material
abhngigen Konstanten a > 0) beschrieben werden kann:

Ut -

U xx

Man lse nun mit Hilfe des Produktansatzes u(x, t) = X(x)T(t) das folgende Rand-AnfangswertProblem (fr eine vorgegebene Funktion f{x)):

u(x ,O) = f(x ), fur 0 ::; x ::; f,

u(O, t) = u(f, t) = 0,

fur t

O.

KapitelS
Fourier-Analyse
Die Fourier-Analyse, auch Harmonische Analyse genannt, beschftigt sich mit der Zerlegung
von Funktionen in ihre periodischen Komponenten. Dies geschieht fr kontinuierliche periodische Funktionen mit Hilfe von Reihenentwicklungen harmonisch verwandter Sinus- und Cosinusfunktionen, so genannten Fourier-Reihen, und fr nichtperiodische Funktionen mit Hilfe
einer Integraltransformation, der so genannten Fourier-Transformation. Fr diskrete periodische Funktionen bedient man sich hierfr der Diskreten Fourier-Transformation. Diese mathematischen Verfahren sind fr eine Vielzahl von Bereichen der Naturwissenschaft und Technik
von Bedeutung, beispielsweise in der digitalen Bildverarbeitung, der Signalverarbeimng, der
Akustik und der Optik. Weiters ist der als Fast Fourier Transforrn bekannte FFT-Algorithmus
zum Ausfhren der Diskreten Fourier-Transformation Grundlage fr schnelle Algorithmen, wi,e
z.B . der schnellen Multiplikation von Polynomen. Daneben dienen insbesondere die FourierTransformation und die dazu verwandte Laplace-Transformation, welche deshalb auch in diesem Kapitel vorgestellt wird, als Hilfsmittel zum Lsen von Differential- und Integralgleichungen.

8.1

Fourier-Reihen

Wir betrachten nun kontinuierliche periodische Funktionen f(t) und wollen der Frage nachgehen, wie wir solche Funktionen durch berlagerung von Sinus- und Cosinusfunktionen verschiedener Frequenzen und Amplituden darstellen knnen.

Definition 8.1 Eine reeHwertige Funktion f ;; lR: ~ :IR oder komplexwertige Funktio~
R -+ <C heit periodisch mit PeriodeT > 0, taus
.

f(t

+ T) == !(t), fU! alle

t E R~ .

Wir sprechen dann auch..von einer T -jJer1odisclien Funktion..

Beispiel 8.2 Die Funktionen sin t und cos t sind reellwerti~e 21r-periodische Funktionen, und
t
.
.
.(t+ 4 " -)
it 2 .
it
e '2 ist eine komplexwertige Funktion mit Periode 41r, da e 2
= e 2" e 'In = e 2" . Die Recht-

8.1 Fourier-Reihen

343

eckscbwingung mit Periode T

> 0 und Amplitude A > 0 ist definiert durch

f(t)

{Al
- A,

----,

falls l ~J gerade,
falls l ~ Jungerade .

,.--,

r--

I
I

I
I

I
I

-T

T
I

-A '-----'

I
I
I
1.-..1

Abbildung 8.1 Rechteckschwingung mit Periode T und Amplitude A

Bemerkung: Eine T -periodische Funktion f(t) lt sich durch die Substitution F( x ) = f( ~ ) ,

mit w = 2.; immer auf eine 21r-periodische Funktion F( x) zurckfhren, denn F (x + 21r) =
f ( x: 27r ) = f ( ~ + T ) = f ( ~ ) = F (x).
Vereinbarung: Whrend des gesamten Abschnittes definieren wir in Zusammenhang mit T periodischen Funktionen f (t) immer w = 2.;.
Folgende Beziehung fr integrierbare T -periodische Funktionen, welche man durch Aufteilen des Integrationsintervalls an der Stelle t = Tlj; J + T und Ausntzen der Periodizitt von
Jet) erhlt, wird sich spter als ntzlich erweisen:

f( t )dt =

T a

+ f( t )dt,

fr a E lR..

Wir betrachten nun eine spezielle Klasse von periodischen Funktionen, nmlich die so genannten trigonometrischen Polynome.

Definition 8.3 Ein trigonometri$cbes [Link] der Periode T in Sinus-Cosinus-Form ist

eine Funktion f ,: R ~ C der 'Gestalt '
,
'

, f(i)

<' N

;0 + b (an CQs(nwt) +bnsin(nwt)) . .

n= ,l

'

Ein trigonometrisches Poly~omder Periode T in Exponentialform ist eine Funktion

der Gestalt

ce

f : :IR ~

Die Konstanten ' (in ; bn ,E C und Ck' E ci heien die Koeffizienten des trigonometrischen
Polynoms und N E N nennt man den Grad des trigonometrischen P<dynoms.

8 Fourier-Analyse

344

Mit Hilfe der aus Kapitel 4 bekannten Euler'schen Formel ei<p = cos cp + i sin cp kann ein trigonometrisches Polynom, welches in einer der beiden Formen gegeben ist, sofort in die andere
umgewandelt werden. Man erhlt dann fr die Koeffizienten an, bn , Ck die Beziehungen:
ao

= 2eo ,

Co

= 2'

ao

an = Cn

+ C- n ,

bn

ak - ibk

Ck =

= (cn

C- k =

ak

c_n)i,

+ ibk
2

fr 1 S; nS; N ,

([Link])

fr 1 S; k ::; N.

(8.1b)

Beispiel 8.4 Wir wollen die Funktion f (t ) = cos3 (t) als trigonometrisches Polynom darstellen.
Nach der Formel von Moivre (siehe Kapitel 4) erhalten wir:

cos(3t ) + i sin(3t)

ei3t

(cos t

= ( cos

+ i sin t)3

t ) - 3 cos t sin2 (t) ) + i (3 cos2 (t) sin t - sin 3 ( t) )

und somit

= cos 3 (t) - 3 cos tsin 2 (t) = 4 cos 3 (t) - 3 cos t,

wobei die Gleichung sin2 (t) + cos 2 (t ) = 1 verwendet wurde. Damit erhalten wir schlielich
cos(3t)

die gewnschte Darstellung als trigonometrisches Polynom in Sinus-Cosinus-Form, aus der die
Exponentialform durch Umrechnen aus den Gleichungen (8.1) gewonnen werden kann:
cos 3 (t ) = -3 cos t
4

+ -1 cos(3t)
4

1 3~'t
-e
8

3 't + _e
3 't
+ _e+ -1 e- 3~'t
1

- - - . - - -- - -- . . - --..

COS~ (t.) '" 3/ <1 co t

3/4 co. t

. _- -. . --.. . . . . -. . -_.

1/4cos (3t)

88

'

+ 1/ 4 cos(3t)

Abbildung 8.2 Darstellung von cos3 (t) als trigonometrisches Polynom

Wir interessieren uns nun dafr, die Koeffizienten an> bn bzw. eh: von einem trigonometrischen Polynom f(t) wiederzugewinnen. Dazu ist die algebraische Struktur der trigonometrischen Polynome ntzlich: die Menge aller trigonometrischen Polynome bildet nmlich einen
Vektorraum ber C, wobei die Funktionen

{eikwt

k E Z}

bzw.

{l} U {cos(nwt) : n E N+} U {sin(nwt ) : nE N+ }

8.1 Fourier-Reihen

345

eine Basis bilden. Wir verwenden dabei hier und im Folgenden die Notation N+ = N\ {O}. Dass
die Funktionen wirklich linear unabhngig sind, zeigt man am einfachsten mit den nachfolgend
angegebenen Orthogonalittsrelationen der Basisfunktionen. Dazu betrachten wir fr trigonometrische Polynome f(t), g(t) die folgende Abbildung, wobei - : C ~ C, die in Kapitel 1
definierte Konjugation bezeichnet:

(f(t), g(t))

1
T

f(t)g(t)dt.

Diese Abbildung bildet ein Skalarprodukt im Vektorraum der trigonometrischen Polynome,

wobei die Eigenschaft (f(t) , f(t)) = 0 -{:=::> f(t) = 0 wiederum erst durch die folgenden
Orthogonalittsrelationen der Basisfunktionen einfach nachzuweisen ist.

Satz 8.5 (Orthogonalittsrelationen der trigonometrischen Funktionen) Die Basisfunktionen {eikwt : k E Z} bzw. {I} U {cos(nwt) : n E N+} U {sin(nwt) : n E N+} bilden ein
Orthogonalsystem im Raum der trigonometrischen Polynome:

l
1.

Fr k ) .e E Z gilt:

T
e

Fr n, m E N gilt:

ikwt-----:-;;-td
et<.W
t=

T
e

ikwt e - ilwtdt =

f,

{~

falls k =F R,
falls k = t

falls n -I- m ,
falls n : m '1 0,
T ) falls n - m - o.

cos(nwt) cos(mwt)dt =
T

Fr n , m E N gilt:

T,

{O,

r sin(nwt) sil1(mwt)dt
J

Fr n , m E N+ gilt :

{o,

2'

falls n =F m )
falls n = m .

cos(nwt) sin(mwt)dt

= 0.

Weiters gilt, dass die Darstellung eines trigonometrischen Polynoms in der Exponentialjorm
J(t) = L:~=-N ct.: eikwt bzw. in der Sinus-Cosinus-Form J(t) = ~ + 2::=1(ancos(nwt) +
bn sin(nwt)) eindeutig ist.

Beweis. Fr die Basisfunktionen der Exponentialform lassen sich die Orthogonalittsrelationen

einfach nachrechnen. Falls k = C, dann gilt:

o eikwte,- 'ikwtdt =

und fr k

i= R:
.
.
elkwt e - iiwt dt

=l
0

i q27r

.
el(k- i )wtdt =

IT

Idt

ei(k- i )wt

i(k - f)w

T,

i(k - f )w

( ei(k - i)WT _

1)

da ei qwT = e
= 1, fr alle q E Z. Um die Orthogonalittsrelationen fr die Basisfunktionen
der Sinus-Cosinus-Form nachzuweisen, verwendet man entweder Summenstze fr die Winkelfunktionen oder einfacher die bereits gezeigte Beziehung ftir die Exponentialform. Wir fhren

8 Fourier-Analyse

346

dies exemplarisch fr zwei Flle aus. Seien m, n E N+ und m

vorher Gezeigten und Anwenden der Euler'schen Formel:

0=

e inwt e - imwtdt =

T
(

+i

+ sin(nwt) sin(mwt))dt

cos(nwt) cos(mwt)

1(

=I n . Es gilt dann aufgrund des

sin(1IhJt) cos(mwt) - cos(mwt) sin(mwt)dt.

Ein Vergleich der Realteile liefert somit

0=

(cos(nwt) cos(mwt) + sin(nwt) sin(mwt))dt.

(8.2)

Analog zeigt man

0=

1f1(

ei~'ei_tdt) =

T
(

cos(nwt) cos(mwt) - sin(nwt) sin(mwt)dt.

(8.3)

Aus den Gleichungen (8.2) und (8.3) erhlt man durch Addieren bzw. Subtrahieren die folgenden Beziehungen fr n =I m:

cos(nwt) cos(mwt)dt

sin(nwt) sin(mwt)dt

O.

Um die Eindeutigkeit der Darstellung eines trigonometrischen Polynoms in der Exponentialform zu zeigen, nehmen wir an, es gbe ein trigonometrisches Polynom f(t) mit zwei Darstellungen:
NI

f(t)

N2

c~l) eikwt =

k ~ - Nl

c k2) eikwt .

k= - N2

Dabei knnen wir ohne Beschrnkung der Allgemeinheit annehmen, dass N l > N 2 gilt. Wir
betrachten nun die Funktion g( t) = f (t) - f (t) = 0, welche daher auch die folgende Darstellung
als trigonometrisches Polynom besitzt:
N

g(t)

ckeilcwt ,

k= - N

er)- ci

ei

mit N = N 1 und Ck =
) fr alle k , wobei wir
) = 0 fr Indizes N 2 <
definieren. Mit den vorher gezeigten Orthogonalittsrelationen erhalten wir nun:

Ikl :s;

NI

8.1 Fourier-Reihen

347

Da andererseits (g(t) , g(t))

= JOT Odt = 0 ist, erhalten wir

N

0=

ICkI 2 .

k=- N
Nun ist aber lek I ::2: 0 fr alle k, was ICkl = 0 und schlielich Ck = 0 fr alle k impliziert. Deshalb
. gilt fr die beiden Darstellungen von f(t) in der Exponentialform, dass 0 = Ck = C~l) - C~2)
fr alle k gelten muss, woraus folgt, dass die beiden Darstellungen gleich sind: C~l) = C~2) fr
- N ~ k ~ N. Die Eindeutigkeit der Darstellung eines trigonometrischen Polynoms in der
Sinus-Cosinus-Forrn folgt nun ebenfalls aufgrund der Beziehungen (8.1).
0
Da die Basisfunktionen ein Orthogonalsystem bilden, knnen wir sofort angeben, wie man
die Koeffizienten eines trigonometrischen Polynoms f (t) erhlt.

Satz 8.6 Die Koeffizienten an, bn bzw. Ck eines trigonometrischen Polynoms f (t) vom Grad
N erhlt man mit Hilfe der Formeln von Euler-Fourier, das heit fr - N :::; k :::; N bzw.
o :::; n < N gilt:

2 T
an = T Jo f(t) cos(nwt)dt,
Ck

r
= T Jo
1

bn

2 (T
T J f(t) sin(nwt)dt,
o

(8.4a)

j(t) e- ikwtdt.

(8Ab)

Beweis. Dies folgt unmittelbar aus Satz 8.5 , denn

f(t) e- ikwtdt = ~

T Jo

r L

cfiewte- ikwtdt = ~

T Jo R.=- N

Ce (

T e=- N

eiewte- ikwtdt =

Ck,

Jo

da alle Summanden k =1= wegen der Orthogonalittsrelation 0 ergeben. Analog zergt man die
Beziehungen fr die Sinus-Cosinus-Form.
0

Beispiel 8.7 Wir betrachten die Funktion f(t) = sin2(t)~ fti[ die man mit Hilfe der Formeln
von Moivre leicht die Darstellung als trigonometrisches Polynom vom Grad 2 via sin2 (t) =
~ - ~ cos(2t) erhlt. Wir wissen also, dass f(t) eine Darstellung als trigonometrisches Polynom
vom Grad 2 besitzt, d.h. f(t) = ~ + l:~=l an co (nt) + 2:~=1 bn sin(nt), und wollen die
Koeffizienten nun mit Hilfe der Formeln von Euler-Fourier gewinnen.
Da f(t) = sin 2 (t) eine gerade Funktion ist, also f(t) = f( - t) fr alle t E IR gilt, muss
gelten, dass alle Koeffizienten bn = 0 sind, fr n ::2: O. Dies wird als bungsaufgabe gezeigt. Es
bleibt also nur mehr die Berechnung der Koeffizienten an, fr 0 ::; n :5 2. Da

sin2 (t)dt =

-t

sin t cos t

+ ~ + C,

wie man mittels partieller Integration leicht zeigt, erhalten wir

21T

ao =

-1
7r

27r

sin 2(t) dt = -1 ( - -1 sin t cas t + -t ) 1 = 1.

7r
2
2 t=o

8 Fourier-Analyse

348

Wegen

bekommen wir weiters

al

11

= -

1f

2
11'

sin2 (t) cos tdt = -

sin3 (t) 1 11' = O.

t=O

31f

Um das Integral

1
2

sin 2 (t) cos(2t)dt

11'

zu berechnen, verwendet man am einfachsten die komplexen Darstellungen der trigonometrischen Funktionen: sin t = eit-;~- it und cos t = eit+2e-it . Dies stellt natrlich einen kleinen
"Trick" dar, da nun eigentlich schon von der Darstellung als trigonometrisches Polynom in der
Exponentialform ausgegangen wird. Wir erhalten dann
1

a2 = -

1f

1
2

11'

sin 2 (t) cos(2t)dt = -

= -11

1f

2
11' (

1f0

- -1 + -1 e2t't
44

= -1 ( - -t - -i e2it.

1r

1
2

11"

+ -1 e- 2't -

-i e8

2it

1 .

( -: ett
21.
-1 e4't
t

-1 e-

+ _1e- 2tt. )dt

2

4')dt

+ -i e4it - -i e- 4it )
32
32

Dies liefert schlielich die gesuchte Darstellung: sin 2 (t)

-:e- tt ) ( _ e 2tt
21.
2

tt

2
1 11'

t= O

=~ -

~ cos(2t) .

Trigonometrische Polynome stellen immer differenzjerbare Funktionen dar da sie als Linearkombinationen von Sinus-Cosinus-Funktionen bzw. Exponentialfunktionen gebildet werden.
Um auch nichtdifferenzierbare periodische Funktionen zu erhalten, betrachten wir im Folgenden Reihen statt Polynome.

Definition 8.8 Eine trigonometrische Reihe ist fr alle t ElR definiert durch

bzw.
N

00

a.o2 + ~
~ (ancos(mvt) +
bnsin(nwt)) = 0.0 + N~oo
Um L (ancos(nwt) + bnsin(nwt ,
,
2
n= l
n= l
wobei
N

SN(t)

E
k=- N

Ck

eikwt

bzw.

SN(t) =
,

~+

2.: (an cos(nwt) + b sin(nwt))

n

n=l

die N -te Partialsumme der trigonometrischen Reihe bezeichnet.

8.1 Fourier-Reihen

349

Falls der Grenzwert der N-ten Partialsumrnen SN(t) fr alle t E .IR existiert, wird durch
eine trigonometrische Reihe eine T -periodische Funktion erklrt. Allerdings gibt es trigonometrische Reihen, die fr kein t E IR konvergieren!
Wir stellen deshalb einige generelle Betrachtungen ber die Konvergenz von Funktionenfolgen an.

Definition 8.9 Eine Funktionenfolge fo{x), h(x), h(x), ... konvergiert gleichmig auf
einem Intervall I ~ IR gegen die Fun:ktion f (x) : I - t llt wenn fr jede beliebig kleine
Fehlerschranke > 0 ein fr alle x E I gemeinsamer Index N = Ne existiert, so dass gilt:

n 2: N ~ If(x) - fn(x)1 ~

--~-""--

fr alle x E I.

Anschaulich bedeutet dies, da fr n ~ N die Graphen aller Funktionen fn{x ) in einem

c -Schlauch um f (x ) liegen.

Abbildung 8.3 Gleichmige Konvergenz einer Funktionenfolge

F r uns von besonderer Bedeutung ist die gleichmige Konvergenz von Funktionenreihen
s(x) = L:~o f k(X) auf einern Intervall I . Eine sehr ntzliche hinreichende Bedingung hierftir
ist in folgendem Satz angegeben.

Satz 8.10 (Weierstra'scher M-Test fr die gleichmige Konvergenz) Gilt fr jede Funktion fk( X) der auf dem lnvervall I ~ IR definierten Funktionenfolge (fk(x)hEN eine Abschtzung Ifk(X)1::; lv'h ,/r alle x E I, mit M k E .IR und
00

I:M

< 00,

k=O

dann ist die Funktionenreihe s (x ) = I: ~o fk( X) auf I [Link] konvergent.

8 Fourier-Analyse

350

Beweis. Wegen der Monotonie und Beschrnktheit der Folge der Partialsummen Cn =
E~=o M k der Zahlenreihe existiert der Grenzwert c = lim n --+ oo Cn, woraus folgt, dass fr alle E: > 0 ein N = No; existiert, so dass fr n ~ N gilt:
n

!s(x )- LA(x )!
k=O

00

=! L

00

fk(X) ! ~

k=n+ l

00

I!k( x )1 ~

Mk

= Ic- en l :S; c, fr alle x E I.

k=n+l

k=n+l

Eine wichtige Eigenschaft gleichmig konvergenter Funktionenreihen ist im folgenden

Satz angefhrt, dessen Beweis als bungsaufgabe gestellt wird.
Satz 8.11 Wenn jedes Glied einer Funktionenreihe E~o A (x ) stetig ist in einem abgeschlossenen Intervall I = [a , b] und die Reihe auf I gleichmig konvergiert gegen eine Funktion
f( x ), dann gilt:
(i)

j( x ) ist stetig im lntervall I.

(ii) Die Reihe darf gliedweise integriert werden, das heit:

Weiters rufen wir uns die Definition folgender wichtiger Begriffe in Erinnerung.
Wiederholung: Eine Funktion f(t) heit stckweise stetig auf einem abgeschlo senen Intervall I = [a, b], wenn j(t) in I stetig ist bis auf eine endliche Anzahl von Punkten t 1 , t2, . . . 1 t m
und in den Ausnahmestellen t }). . . , t m alle in [a, b] mglichen einseitigen Grenzwerte von f(t )
existieren.
Eine Funktion j(t) heit stckweise stetig differenzierbar auf einem abgeschlossenen Intevall I = [a, b] , wenn sie in I stetig differenzierbar ist, d.h. differenzierbar ist und die Ableitung
noch stetig ist, bis auf eine endliche Anzahl von Punkten t 1 1 t 2 , . .. 1 t m und in den Ausnahmestellen tl, . . . ,tm alle in [al b] mglichen einseitigen Grenzwerte von f (t) und f' (t) existieren.
Wir betrachten nun den wichtigen Fall, da eine trigonometrische Reihe gleichmig gegen
eine T -periodische Funktion f( t) konvergielt. In diesem Fall sind die Koeffizienten der trigonometrischen Reihe eindeutig durch die Formeln von Euler-FoUlier bestimmt, wie nachfolgend
gezeigt wird. Wir formulieren diesen Satz nur fr die Exponentialform, aber er gilt analog fr
die Sinus-Cosinus-Form.
Satz 8.12 Falls die trigonometrische Reihe 2:%:-00 cke ikwt gleichmig fr alle t E IR gegen
die T -periodische Funktion f(t) konvergiert, so ist f(t) stetig fr alle t E IR, und die Koeffizienten der trigonometrischen Reihe sind durch die Formeln von Euler-Fourier bestimmt:

I1

Ck = -

j(t)e- ikwtdt.

8.1 Fourier-Reihen

351

Beweis. Die Stetigkeit von f(t) ist wegen Satz 8.11 eine unmittelbare Konsequenz der gleichmigen Konvergenz von Funktionenreihen. Weiters folgt mit der Vertauschbarkeit von Integration und Summation bei gleichmiger Konvergenz zusammen mit den Orthogonalittsrelationen (Satz 8.5):

o
Beispiel 8.13 Wir betrachten die 27r-periodische trigonometrische Reihe f(t) = L:~=1 sinl~x)
auf dem Intervall I = [0 , 27r]. Da fr jedes n E N gilt: I sin(nx)I ~ 1, fr alle x E I, bekommen wir die Abschtzung Isin7~2x) I ~ ~ . Da 2::'=1:2 = ~2, liefert eine Anwendung des
WeierstraB'schen M-Tests, Satz 8.10, dass die trigonometrische Reihe f(t) gleichmig auf I
konvergiert. Aufgrund von Satz 8.12 folgt weiters. da J(t) auch stetig auf I ist.
/:::,.
Satz 8.12 legt es nahe, fr eine T -periodische Funktion J(t) jene trigonometrische Reihe
zu betrachten, in der die Koeffizienten durch die Formeln von Euler-Fourier gegeben sind. Dies
fhrt uns zum Begriff der Fourier-Reihe einer periodischen Funktion.

Definition 8.14 Sei f : IR ~ . C eine T -periodischeFunktion, die auf [0, Tl stckweise stetig
ist. Dann ist die Fourier-Reihe Sf(t) von f(t) definiert als trigonometrische Reihe
00

Sf(t) =

Ck

eikwt

~o +

k= - oo

00

(ancos(nwt)

+ bnsin(nwt)),

n= l

wobei die Fourier-Koeffizienten

definiert sind:

an. bn bzw.

Ck

fr n E N bzw. k E Z folgendennaen

2 fT

bn = T

Jo

f(t) sin(nwt)dt.

Die Umrechnung zwischen den Koeffizienten an, bn der Sinus-Cosinus-Form und Ck der
Exponentialfonn erfolgt wiederum ber die Formeln (8.1). Es ist wichtig anzumerken, dass a
priori weder gesichert ist, dass die Fourier-Reihe SJ(t) fr Punkte t E IR konvergiert, noch dass
Gleichheit S f (t) = f (t) fr Ste1len t E IR henschen muss! Als Notation verwendet man deshalb
oft Sf(t)
f(t) um auszudrcken, da Sf(t) die zu f(t) gehrende Fourier-Reihe i t.
f'J

Beispiel 8.15 Wir betrachten folgende 27r-periodische Sgezahnfunktion f(x), welche fr

-7r ~ X < 7r definiert ist durch f(x) = x und auerhalb dieses Intervalls 2rr-periodisch
fortgesetzt wird. Wir bestimmen nun die Fourier-Reihe Sf(t) von J(t) durch Berechnen der
Fourier-Koeffizienten in der Exponentialform mit den Formeln von Euler-Fourier. Wir erhalten

1
Co = 27r

j7T
-7T xdx =

1 x2 17r
2rr 2 -7r = 0,

und fr k =f. 0 bekommt man durch partielle Integration eine Stammfunktion des Integranden,

352

8 Fourier-Analyse

welche man an den Grenzen auswertet:

_
Ck -

1
-2

rr

xe

- ikx d

1 (1
_
x - -2
n

- 71'

= 2:k 2

((1 + ikn)e-

ik7r

+ 't.k X ) e- ikx 171'

k2

- rr

(1 - i kn) ei k 7l') = 2:k 2

((1 + i kn)( _1 )k -

(1 -

ik~)( _ 1)k)

( - l)ki

k
Somit erhalten wir die Fourier-Reihe S f (t) von f (t) in der Exponentialform:

( _ 1)k .
-k-ietk:X .

L
k EZ, k;60

Um die Koeffizienten der Fourier-Reihe in der Sinus-Cosinus-Form zu bekonunen, bentzen

wir die Beziehungen (8.1). Wir erhalten:

(_ 1)n .

+ C- n = - n-

ao

= 2eo =

0,

= (c n

c- n)i = (( _ l)n i _ (- l) - n
n
-n

an

= Cn

'I,

i)i

(_ 1) -n .
n. 1
?, = (- 1) ?, ( -n
n
= 2(_ l )n+l
n

1
) = 0,
n
-

Dies liefert somit auch die Fourier-Reihe Sj(t) von f(t) in der Sinus-Cosinus-Form:

Sj(t) = 2

Lco
n= l

(_l)n+l

sin(nx) .

An Hand der Abb. 8.4 lsst sich auch ein so genanntes "berschwingen" der Partialsummen

I( t )
- - - - - - - - .. - - - - -- - - - S3( t )
- --- - - ---- - - - - - - . Sa (t)

. . .. . . . . . . . . . . -- . . . S ,2( t)

Abbildung 8.4 Die Partial summen SN{t) = 2 2:~= 1 (- l f +l sin(nt) mit N

fr die Sgezahnfunktion J(t)

= 3, 6 , 12 der Fourier-Reihe Sfet)

8.1 Fourier-Reihen

353

SN(t) der Fourier-Reihe in der Nhe der Unstetigkeits stellen 7r + 2k7r, fr k E Z, beobachten,
welches mathematisch przisiert werden kann und als so genanntes "Gibbs-Phnomen" an
6.
Unstetigkeits stellen bezeichnet wird.
In der Praxis bentzt man hufig Rechenregeln, um aus bekannten ReihendarsteIlungen
neue zu gewinnen. Einige wichtige Rechenregeln sind nachfolgend fr die Exponentialform
angefhrt.

Satz 8.16 Fr die Fourierreihen

00

Sf(t)

00

ckeikwt

r-.J

Sg(t)

f(t),

dkeikwt

g(t)

r-.J

k= - oo

/;;= - 00

von auf [0, T] stckweise stetigen T-periodischen Funktionen f(t), g(t) gelten die nachfolgend
angefhrten Rechenregeln:
00

Linearitt:

af(t)

+ g(t)

r-.J

(ack

+ dk)eikwt,

(8.5a)

k= - oo

Konjugation:

([Link])
k = - oo
00

Zeitumkehr:

f( - t)

r-.J

c_keikwt,

([Link])

k= - oo
00

Streckung:

f(ct)

r-.J

Ckeik(cw)t ,

C> 0,

(8.5d)

k= - oo

jrdie ~ -periodische Funktion F(t)

= j(ct),

00

Verschiebung im Zeitbereich:

f(t

+ a)

('V

(eikwaCk)e ikwt ,

a E ~,

(8.5e)

k= - oo
00

Verschiebung im Frequenzbereich:

e !1lJJtj(t)

t"V

Ck _neikwt,

nE Z.

(8.5i)

k= - oo

Beweis. Diese Rechenregeln knnen allesamt einfach durch Verwenden elementarer Integrationsregeln nachgewiesen werden. Exemplarisch betrachten wir die T -per'odische Funktion
f(t + a) mit a E lR. und wollen die Fourier-Koeffizienten ";k berechnen, so dass f(t + a) ""
2:~-oo /k eikwt. Dazu verwenden wir die Substitution T = t + a und erhalten fr alle k E Z:

o
Bemerkung: Die Beziehung (8 .5d) besagt, dass die ~ -periodische Funktion F(t) = f(ct), mit
c> 0, dieselben Fourier-Koeffizienten wie j(t) besitzt.

8 Fourier-Analyse

354

Beispiel 8.17 In Beispiel 8.15 wurde eine 27r-periodische Sgezahnfunktion f( t ) betrachtet.

Alternativ dazu definieren wir hier eine 27r-periodische Sgezahnfunktion g(t), welche nun auf
dem Intervall [0,27r) definiert ist durch g(t) = H7r - t) und auerhalb dieses Intervalls 27rperiodisch fortgesetzt ist. Zwischen den Funktionen f(t) und g(t) besteht offensichtlich die
Beziehung g(t) = - ~f(t - 7r) . Um die Fourier-Koeffizienten dk der Fourier-Reihe Sg(t) =
EkEZ dk e'ikt von g(t) zu berechnen, bentzen wir die in Beispiel 8.15 berechneten Fourier-

(-ti,

Koeffizienten Ck =
fr k #- 0, und Co = der Fourier-Reihe Sf(t)
f(t) und bedienen uns der Beziehungen (8.5a) und (8.5e) , Dies liefert:

da ei7rk = (e i7r )k

= (-l)k und somit do =

ist und fr k

#-

= :EkEZ Ckeikt von

gilt:

1 (-1) 2ki
i
dk = - = -- .
2
k
2k
Mit Hilfe von (8.1) erhlt man auch die Fourier-Koeffizienten in der Sinus-Cosinus-Form: an =
0, fr n 2 0, und bn = ~, fr n 2 1. Die Fourier-Reihe Sg(t) in der Sinus-Cosinus-Forrn ist
also folgendermaen gegeben:

Weiters sind die folgenden zwei Stze betreffend die Differentiation bzw. Integration einer
Fourier-Reihe ntzlich.
Satz 8.18 (Differentiation einer Fourier-Reihe) Sei f(t) eine auf IR stetige und auf [0, TJ
stckweise stetig d~fferenzierbare T -periodische Funktion mit der Fourier-Reihe Sf(t) =
2:: -00 Ckeikwt. Fr die Fourier-Reihe Sf'(t) der Ableitung f'(t) gilt dann:
00

Sf'(t) =

(ikwck) eikwt .

k== - oo

Beweis. Wir berechnen die Koeffizienten d k der Fourierreihe Sf,(t) = 2:: -00 dk eikwt, wobei
o == to < t 1 < .. . < t m - 1 < t m = T die Unstetigkeitsstellen von f'(t) auf [0, Tl sind. Wir
erhalten:

doT

= f T j'(t)dt =

J0

I: i

tf

.e==o te

+ f'(t)dt =

I:
e=o

f(t)

I~~+I =
e

I:

(j(tH 1 )

f( tl ))

f=O

= f(T) - f (O) = 0,
da f(t) eine stetige T -periodische Funktion darstellt. Fr k -1= 0 erhlt man durch partielle

8.1 Fourier-Reihen

Integration der Euler-Fourier-Integrale fr die Koeffizienten

355

Ck:

Zusammenfassend knnen wir schreiben:

o
Bemerkung: Man erhlt also unter den Voraussetzungen von Satz 8.18 die Fourier-Reihe Sf'(t)
der Ableitung J'(t) durch gliedweises Differenzieren der Fourier-Reihe Sf(t) von f(t).
Satz 8.19 (Integration einer Fourier-Reihe) Sei f(t) eine auf [0, Tl stckweise stetige T periodische Funktion mit Fourier-Reihe Sf(t) = 2:~- oo Ck e ikwt . Das Integral F (t) =

J~ f(T)dT ist nur dann wieder eine T-periodische Funktion, wenn

ist. In diesem Fall giltfr die Fourier-Reihe SF(t) von F(t):

J: f(t)dt

= 0; also Co

=0

Beweis. Da f(t) eine stckweise stetige Funktion ist, ist das Integral F(t) = J~ f( T)dT stetig.

Wenn F(t) periodisch mit Periode T sein soll, muss klarerweise F(T) - F(O) = JoT f(t)dt = 0
gelten, was Co = 0 impliziert. Wir berechnen nun die Koeffizienten dk der Fourierreihe Sp(t) =
2:%:-00 dk eikwt, wobei 0 = to < tl < .. . < tm- I< t m = T die Unstetigkeits stellen von f(t)
auf [0, Tl sind. Fr k =I- 0 erhalten wir mittels partieller Integration:

8 Fourier-Analyse

356

da F(T) = F(O) = O. Es bleibt da zu bestimmen, was ebenfalls mittels partieller Integration

geschieht:

daT

~ jt

H1

F(t)dt

te

l=O

T F(T) - 0 . F(O) -

F(t)dt

=~

[F(t)tl~~+l _1.

l =O

t(

j(t)tdt =

-l

t
t+ l

F'(t )tdt]

j(t)tdt.

Zusammenfassend erhalten wir also

da

= -

r
T Jo j(t)tdt,
T

fr k . . ). O.

d k = -:--k
Ck
zw '

Bemerkung: Man erhlt also unter den Voraussetzungen von Satz 8.19 bis auf den konstanten
Term die Fourier-Reihe Sp(t) der Starnmfunktion F(t) =
f(T)dT durch gliedweise Integration der Fourier-Reihe Sf(t) von f(t) .

J;

Beispiel 8.20 Wir betrachten die 211"-periodische Rechteckschwingung f (t ) mit Amplitude 1,

welche auf [0 , 211"] definiert ist durch

f(t)

{I,

o ~ t < 11",

- 1,

(8.6)

11" :::; t < 211"

und auerhalb dieses Intervalls 211"-periodisch fortgesetzt wird. Wie in den bungsaufgaben
gezeigt wird, ist die Fourier-Reihe Sf(t) der Rechteckschwingung gegeben durch

4
1
S f (t) = - ""' 2

11"~ n - l

sin (( 2n - 1) t) .

n ~l

.r;

Wir wollen im Folgenden die Fourier-Reihe Sp(t) der Funktion F(t) =

f (T) dT durch Anwenden von Satz 8.19 bestimmen, wobei wir erst prfen mssen, ob die Vorau etwngen von
Satz 8.19 erfllt sind. Dies ist aber unmittelbar einsichtig, da der konstante Term in der FourierReihe von f( t ) die Bedingung aa = 2co = erfUllt und f(t ) gem Definition stckweise stetig
auf [0 , 211"] ist. Daher erhalten wir die Fourier-Reihe SF (t) der 21T-periodischen Funktion F (t)
bi auf den konstanten Term durch gliedweise Integration der Fourier-Reihe Sf(t ) und somit:

Sp(t) = - -

271"

211" a

f(t)tdt

Jsin ((2n
- l)t)
L
2
1
dt
11"
n 4

+-

00

n= l

211"
{'71"
)
= - 211" (Ja tdt + 71" (- l )tdt
1

= _

2- ( t2 171" _
2rr

l )t)

cos (( 2n -

+;~(- l) (2n - ~)2

00

t21271" ) _ ! ~ cos (( 2n - l)t)

2 71"
11" ~
(2n - 1)2

~
2

7f n= l

cos ((2n - l )t)

(2n - 1)2

6.

8 .1 Fourier-Reihen

I
/

357

"\

'\

'\

'\

'\

",,

'\

3
\

'\

2
\

\1\

\ I

....

'\

'\

-5

- 10

,'\

/
\

,'\

/\.

10

'\

'\

'\

Abbildung 8.5 Die Rechteckschwingung j(t) und die 27r-periodische Stamrnfunktion F(t)

ber die Gre der Fourier-Koeffizienten einer Funktion gibt die folgende Ungleichung
Auskunft.

Satz 8.21 (Bessel-Ungleichung) Fr T-periodische auf [0, Tl stckweise stetige Funktionen

f(t) giltfrdie Fourier-Koeffizienten an, bn bzw. ckjolgende Ungleichung:

la~12 + f: (la

2
2
n l + Ibn l ) = 2

~l

f: ICkI2:s; ~ l

If(t) 12 dt.

(8.7)

~ - oo

Beweis. Unter Verwendung von Satz 8.5 erhlt man fr die Partialsummen SN(t) der FourierReihe Sf(t):

~ Io

j (t)SN(t)dt =

~ Io

ktN j(t)Ckeikw' dt = ktN

~ 1'' j(t)e- ikW'dt = ktN CkCk

ICkl

2
,

k= - N

~ 10

SN(t)SN(t)dt =
N

I: .2.:
Ck

k= - N

l=- N

~ 10

k~N c,eikw'

';N
N

Cte-"""dt

eikwte-iiwt dt =

2: CkCk = 2: I kl
C

k= - N

k=- N

und somit fr alle N E N:

womit die Bessel-Ungleichung fr die Fourier-Koeffizienten der Exponentialform gezeigt wurde. Fr die Sinus-Cosinus-Form erhlt man die Ungleichung sofort durch Umrechnen aus den
Gleichungen (8.1).
0

8 Fourier-Analyse

358

Als unmittelbare Folgerung von Satz 8.21 erhalten wir, da die Four'er-Koeffizienten einer
auf [0, Tl stckweise stetigen Funktion f(t) quadratisch summierbar sind, al 0:

und dass die Fourier-Koeffizienten fr n

---+ 00

bzw. k -+

00

gegen 0 konvergieren (Riemann-

Lemma):
lim

n ....... oo

an

= nlim
bn = lim Ck = lim C- k = O.
....... oo
k_oo
k -+oo

Fr r -fach differenzierbare Funktionen erhlt man folgenden ntzlichen Satz ber die Grenordnung der Fourier-Koeffizienten.
Satz 8.22 Sei f(t) eine T-periodische Funktion mit Fourier-Reihe Sj(t) = 2:- Ckeiwkt . Sind
f(t), f'(t), . . . , j<r- l)(t) stetige Funktionen auf~ und ist weiters f (T)(t), fr r 2 0, stckweise
stetig differenzierbar auf [0, Tl, so gibt es eine Schranke M < 00, so dass gilt:

ICkl

~ Ik~+l'

fr k E Z \ {O} .

Beweis. Wir behandeln zunchst den Fall r = 0 und betrachten eine auf [0, Tl tckwei e stetig
differenzierbare Funktion f(t) mit Unstetigkeitsstel1en = to < t 1 < ... < tm- I< t m = T.
Wir erhalten dann analog zum Beweis von Satz 8.18 (mit dem Unter chied, dass wir jetzt f(t)
nur als stckweise stetig auf [0, T] vorausgesetzt haben) fr die Fourier-Koeffizienten Ck, k =I- 0:

~ [ f(t) e-~kwt Itt+l + ~

t=o

- 'tkw

tH
!

f'(t) e- ikwtdt]

'lkw t .

t+
t

= ~ [f(t,H ) e:~::'
t=o

- f(ttJ e~::' l + iL J.o

f' (t) - ikwtdt .

Nimmt man von dieser Gleichung die Betrge und wendet die Dreieck ungleichung an, 0 liefert dies:
T
1
1 rn - l
1
ICkl ::; Ikl [wT
(lf(te+1)1 + If(tt)l) + wT
If'(t) ldt]

i=O
0
~~----------------~v~----------------~
= :M

womit der Fall r = 0 gezeigt ist. Fr r 2 1 liefert Satz 8. 18 fUr die Koeffizienten dk der
Fourier-Reihe 8 j (r ) (t ) = 2.:%:-00 dkeiwkt von f (1'} (t):

Da f (r}(t) nach Voraussetzung eine stckweise stetig differenzierbare Funktion auf [0

liefert der bereits gezeigte Fall, dass ein MI < 00 existiert, so dass gilt:

Idk I ~

MI
W'

fr k E Z \ {O} ,

Tl

ist

8.1 Fourier-Reihen

359

Somit erhalten wir mit M =

fJ:

womit auch der Fall r 2: 1 gezeigt ist.

Es lt sich sogar zeigen, dass in (8.7) Gleichheit herrschen muss. Dies sei hier ohne Beweis
angefhrt..

Satz 8.23 (ParsevaI'sche Gleichung) Fr eine T -periodische auf [0, Tl stckweise stetige
Funktion f (t) gilt:

Al eine Folgerung der Parseval'schen Gleichung geben wir noch folgenden Satz an, der
den Unterschied zwischen einer T-periodischen Funktion f(t) und der zugehrigen FourierReibe S,(t) imo genannten quadratischen Mittel misst. Dabei messen wir den Abstand
IIg(t) - h(t) 112 zweier T -periodischer Funktionen g(t); h(t) wie folgt:

Ilg(t) -

h(t) 11,

G{

I/(t) - g(t)I'dt) ,

Satz 8.24 (Konvergenz im quadratischen Mittel) Die Fourier-Reihe einer auf [0, T] stckweise stetigen Funktion f(t) konvergiert auf [0, T] im quadratischen Mittel gegen f(t), d. h.
fr die Partialsummen SN(t) von Sf (t) gilt:
lim

N -+oo

Ilf(t) - SN(t)lb

o.

Bis dato haben wir uns noch nicht mit Fragen der punktweisen Konvergenz einer FourierReihe S,(t) . Eindeutigkeit von Fourier-Reihen und der Gleichheit einer Fourier-Reihe Sj(t)
mit: der Funktion f(t), der 0 genannten Darstellung einer Funktion als Reihe, befasst. Diese
Fragen wollen wir ohne Bewei in den nachfolgenden Stzen behandeln.

Satz 8.25 (Eindeutigkeitssatz) Haben zwei in [0, Tl stckweise stetige T -periodische Funktio nen g(t), h(t) dieselben Fourier-Koeffizienten und erfllen beide Funktionen die Beziehung

f(t)

= "2 (J(L) + f(t+)),

so sind sie identisch, das heit g(t)

fr t E lR,

= h(t), fr alle t E R

Satz 8.26 (Darstellungssatz bei gleichmiger Konvergenz) Ist die Funktion f : IR. --t C
stetig, T-periodisch und konvergiert die Fourier-Reihe Sf(t) gleichmig auf [0, Tl, so gilt
f (t) = Sf(t), fr alle t E IR.

360

8 Fourier-Analyse

Satz 8.27 (Darstellungssatz fr stckweise stetig differenzierbare Funktionen) Ist die T periodische Funktion f : lR. ---t C auf [0, Tl stckweise stetig differenzierbar, so gilt fr die
Fourier-Reihe Sf(t):
.

1. Die Fourier-Reihe Sf(t) konvergiert punktweisefr alle t E R

2. Sf(t) = ~ (J(t+) + f(L) ),jr alle t E llt Das heit, die Fourier-Reihe Sf{t) konvergiert
an allen Stetigkeitsstellen gegen den Funktionswert f(t) und an allen UnstetigkeitsstelZen gegen das arithmetische Mittel des linksseitigen und rechtsseitigen Grenzwertes der
Funktion.
3. Ist !(t) stetig au/einem Intervall [a , b] ~ (0, T), so konvergiert Sf(t) au/la, b] gleichmig gegen f(t).

8.2

Diskrete Fourier-Transformation

Wir betrachten nun anstelle von stetigen oder stckweise stetigen Funktionen so genannte diskrete periodische Funktionen f(t). Das heit, wir nehmen an, da die komplexwertige Funktion f(t) periodisch mit Periode T ist, aber nur an quidistanten diskreten Stellen t j =
mit
j E Z und N E N+ erklrt ist. Wegen der Periodizitt gengt es natrlich, alle N Werte eines
Periodenintervalls anzugeben, oder anders ausgedrckt, die Funktion wird eindeutig durch den
nachfolgend angegebenen Vektor y = (Yo , . . . ,YN- lf E <e N beschrieben (zT bezeichnet den
zu z transponierten Vektor, analog fr Matrizen), wobei wir tlt =
schreiben:

iJ,

11

Yo = f(O) , Yl

= !(t),

Y2 = f(2t) ,

. . . , YN - l

f((N - l).6.t) .

. ..

0.5

-3

-2

-1

-0.5

-1

Abbildung 8.6 Die Sinusfunktion /(t) = sin(t), weIche an 40 quidistanten Stellen eines Periodenintervalls abgetastet wurde

Wir kommen nun zum zentralen Begriff der Fourier-Koeffizienten eines Vektor y und somit
einer diskreten periodischen Funktion.

8 .2 Diskrete Founer- Transformation

361

Definition 8.28 Die Fourier-Koeffizienttn oder Spektralkoeftizienten

1, ... , N - 1, eines Vektors y = (Yo , . . . ,YN __ l)T seien wie folgt definiert:
N- l

Ck

N~ l

j ~O

fr k -

0,

= .!.
~ . y .e-kj2;/ =.!.
""'y :wkj
N L....J J .
Nb:J

Ck,

(8.8)

j=O

wobei w = e 2~; die erste von 1 verschiedene N -te EinheitswutZel bezeic~et.

Die Einheitswurzein w k sind fr N = 6 in Abb. 8.7 in der Gau 'schen Zahlenebene veranschaulicht.

Abbildung 8.7 Die Einheitswurzeln w k , 0 ~ k

:5 5, fr N

= 6

Beispiel 8.29 Betrachten wir eine diskrete periodische Funktion, welche durch den Vektor y =
(Yo, . . . , YN _l)T beschrieben wird, wobei Yo = 1 ist und Yl = Y2 = . . . = YN- l = 0 sind. Die
Fourier- oder Spektralkoeffi zienten Ck von y erhlt man gem Definition also wie folgt:
0

N- l

Ck

" Yj e - kj 2N".i = -1 '0" 1e - kj 2.N7T i = -1 ,

-1 '~
N j =O .
N j =O
N

fr O<k :::; N - l.

Bemerkung: Die durch (8.8) definierten Spektralkoeffizienten

knnen als Riemann'sche

Zwischensummen fr die in (8.4h) definierten Euler-Fourier-Integrale einer T -periodischen
kontinuierlichen Funktion J (t) mit Werten J(t j ) = Yj an den Punkten tj; f r 0 ~ j ~ N - 1
und tj = ijj = j 6.t, aufgefasst werden:
N- l

l: YjW
N .

ck = -1

j =O

1 N" -

N- l

I: J(t j)e-k"J~ =
N

J = -1

- k"

j =O

.
L f(tj )e -~kwtj
6.t .
j =O

Ck

L J(tJ")eN !J.t
N- l

-1-

j =O

k 2 7rj L:H
Nt:.t

b.t

8 Fourier-Analyse

362

Die Gleichungen flir die Fourier-Koeffizienten kann man kompakt in vektorieller Form notieren. Dazu definieren wir den Vektor c = (Co , .. . , CN_ l) T und die N x N -Matrix F N eine so
genannte Fourier-Matrix:

1
1
1

FN =

W
2

WN- 1

WN- 1

w 2 (N - l)

W(N - l)2

W 2(N - l)

Dann erhalten wir als Gleichung fr den Vektor der Fourier-Koeffizienten die Beziehung
(8.9)
Diese vektorielle Form wird sich als ntzlich erweisen, um bei vorgegebenen FourierKoeffizienten eh fr k = 0, . . . , N - 1, die zugehrigen Funktionswerte Yj, frj = 0, . . . I N - 1,
zu berechnen.

Satz 8.30 Die Fourier-Matrix F N ist invertierbar, und die inverse Matrix F - 1 ist gegeben durch

Beweis. Wir wollen zeigen, da ~ FN FN

-kFN FN = IN gilt, wobei IN die N x N Einheitsmatrix bezeichnet. Wir berechnen die Koordinate in der (k+ l )-ten Zeile und (e+l)-ten
Spalte der Matrix ~FN FN , fr 0 $ k, R. $ N - 1:

N- l

J' = 0

wkjwji =

N- l

j=0

{
w(k - e)j

1 l _ w (k - l)
l - w k - I!

1I

w k - e =1= 1,
w k - e = 1,

wobei wir die aus Kapitel 4 bekannte Formel fr die endliche geometrische Reihe bentzt haben.
Fr die Potenzen von w gilt offenbar:

wq

= e~
N
=1

{:::::=}

NI q.

Wegen 0 $ k , g ~ N - 1 folgt daraus, dass w k - e = 1 {=:::} k = e. Wir bentzen weiters,

dass wN(k - e) = 1 ist, und erhalten schlielich fr die Koordinate in der (k + l )-ten Zeile und
(f! + l) -ten Spalte von ~ FN FN :
- l
1 N~
kj~
~ w wJ =
]V j=O

0,
1,

Aus Satz 8.30 und Gleichung (8.1) folgt also unmittelbar, wie man den Vektor y der Funktionswerte aus dem Vektor der Fourier-Koeffizienten c gewinnt:

8.2 Diskrete Fourier-Transfonnation

363

Dies fUhrt zu folgender Definition.

Definition 8.31 Die Diskrete Fourier-Trimsfonnation DFT 1st eine Abbildung DFf :
C N --+ eN, die dem Vektor y ...:.. (110, .. >'YN~l)T den Vektor der durch (8.8) definierten
Spektialkoeffizienten c = (ca, ... , CN _ l~T zuordnet. D~ ist invertierbar. und die Umkehrfunktion heit inverse Diskrete Fouriet-Tnfusformation IDFT. also:
N-l

DFf:

Ck

kj
= -!:..
L
YjW- ,
N . 0

k = 0,1, ... , N - 1,

J=

N'-l

IDFT:

Yi .

LCkwik , ..

2...

rmt w=eN".

j = 0; 1, .. . ,N -1,

k=O

Beispiel 8.32 Wir betrachten eine diskrete Sgezahnfunktion, welche durch den Vektor y =
(Yo, . . . , YN- lf, mit Yj =
fr 0 ~ j ~ N - 1, beschrieben ist. Wir wollen nun die Diskrete
Fourier-Transformation auf den Vektor y anwenden und c = DFT(y) berechnen. Wir erhalten

iJ,

gem Definition fr 0 ~ k :; N - 1:

Fr k = 0 ist (w- k)j = 1; und wir erhalten weiter

Um die Summe fr k
Reihe bentzen:

-# 0 zu vereinfachen, werden wir die Formel fr die endliche geometrische

N- l

x
J

j :;;:O

I -x
= - -i - x'

fr x

=f.

1,

woraus man durch Ableiten nach x und Multiplikation mit x das Gewnschte erhlt:
N
L
- - :1 . .
]XJ

.-

)=0

(1 = x

I - x

)'

x( - NX N - 1 (i - x) + (1 - xN ))
---"--------'--~--~
(1-x)2
.

x(l - x N ) - N(l - x)x N

(1 _ x)2

fr x

=11.

Beachtet man noch, dass w N = 1 ist, liefert dies schlielich

fr k =1=

o.

Die Diskrete Fourier-Transformation der Sgezahnfunktion y lautet also c = (co, .. . )CN_l) T

mit den oben angegebenen Fourier-Koeffizienten.
!:::,.

364

8 Fourier-Analyse

In der Praxis sind wie bei den Fourier-Reihen einige Rechenregeln fr die Be timmung der
Spektralkoeffizienten ntzlich. Dabei betrachten wir fr einen Vektor x = (xo ' " X _ l)T E
C N auch die N -periodische Fortsetzung, d.h. die Folge ( Xk)kEZ mjt Xk+ = Xk fr alle k E Z.
Weiters definieren wir fr Vektoren y , z bzw. die N -periodischen Fort etzungen (Yk)k. (Zk)k
die so genannte [Link] Faltung (= das Faltungsprodukt) als
(8.10)

Der Beweis der folgenden Rechenregeln wird als bung aufgabe ge teIlt.

Satz 8.33 Seien y , z E C N mit Spektralkoeffizienten c , d E

e N . Dann gilt:
DFT

ay + bz

Linearitt:

----+
DFT

Verschiebung im Zeitbereich:

(Yk+nh

Verschiebung im Frequenzbereich:

(WknYk)k

DFT
----+

Periodische Faltung:

y *z

----t

-----;.

ac + bd

(8.1la)

( w kn Ck ) k

(8.11b)

(Ck - n)k ,

([Link])

DFT

(Cl. .

(8.11d)

dk)k '

Beispiel 8.34 Wir betrachten zwei diskrete periodi ehe Funktionen, welche durch die Vektoren
y , z E e N mit y = (1, 0, 1, 0, . . . , I , of und z = (0 1, 0 1 .. . , 0 1f be chrieben ind,
wobei klarerweise N = 2M gerade sein muss. Wir wollen nun die Vektoren c = DFf(y)
und d = DFf(z) der Spektralkoeffizienten, sow ie die Di krete Fourier-Transformierte b =
(b o, . . . , bN_1)T der konstanten Funktion x = y + z = (1 1, . . , l )T bestimmen. Wir erhalten
fr 0 ::; k ::; N - 1:

Da w q = 1 { = } NI q heit das fr q = - 2k und 0 ::; k ::;

- 1, da
die Werte k = 0 und k = ~ . Fr diese Flle erhalten wir weiter:

fr k

0 oder k

w - 2k = 1 genau fr

= -

2'

Anderenfalls bekommen wir durch Anwenden der Form 1fr die endliche geometrische Reihe:
1 1 - (w - Zk )1f

Ck

= -

1 - w- 2k

Also erhalten wir c = (Co, . . , CN -

lf

fr k

fr k = 0 oder k = ~,
sonst

2'
0,

={

- w- 2k )

= 0,

mit

Ck

W - kN

1-

= N( l

- --

0 und k

i-

-2 .

8.2 Diskrete Fourier-Transformation

365

Zur Bestimmung der Spektralkoeffizienten dk verwenden wir nun die Rechenregel (8.11 b), denn
Zj = Yi+l, fr alle j E Z, woraus wir dk = WkCk fr alle k folgern . Dies liefert also sofort:
1

dk

fr k = 0,
" k = 2N '
f ur
sonst.

2'N

w""2""

2 '

0,

Mittels Rechenregel (8 .11a) erhalten wir fr die Spektralkoeffizienten bk von x die Beziehung
b.k = Ck + dk, was wegen bl:2!.. = Cl:!..2 + dl:!..2 = -21 (1 + w ~ ) = -21 (1 - 1) = 0 folgendes ergibt
b = (1 , 0, 0, ... O)T.
6.
Weiters gilt folgende wichtige Beziehung zwischen einer diskreten periodischen Funktion
und ihren Spektralkoeffizienten.

Satz 8.35 (parseval-Gleichung) Zwischen den Funktionswerten Yj' j

Spektralkoejfizienten Ck, k = 0, .. . , N - 1, gilt folgende Gleichung:
N- l

0, . . . , N - 1, und den

N- l

ICkl

~ L IYiI

k =O

2
.

j =O

Beweis. Wir verwenden Satz 8.30 und bentzen, da FN eine symmetrische Matrix ist, also
FJ; = FN Damit erhalten wir:
N- l

IYjl2= y T Y = (FNc) T FNc = cT FN FNc = N cT C = N

j =O

N- l

L I kI
C

k= O

Bemerkung: Rechenregel ([Link]) ist die Grundlage einiger schneller Algorithmen, beispielsweise fr die schnelle Multiplikation von Polynomen. Anstatt zwei Polynome y( x) =
N- 1

.t!.=.!

und z(x) = Lj~o ZjXJ vom Grad ::; N; l in x mit Koeffizienten in C direkt durch
Bildung des Cauchy-Produktes miteinander zu multiplizieren, was einen Aufwand von O(N 2 )
komplexen Multiplikationen bentigen wrde, werden hierbei mittels DFf die Spektralkoeffizienten (Ck)k und (dkh der Koeffizienten (Yj)j und (Zj )j berechnet, anschlieend wird mit
nur N komplexen Multiplikationen der Vektor (Ckdk)O :9c<N bestimmt und danach auf diese
Folge die IDFT angewendet. Diese Vorgangsweise fhrt aber nur deshalb zu wirklich effizienten Algorithmen, weil die OFT und die IDFT fr bestimmte Werte N E N rasch, d. h. mit
nur Q( log ) komplexen Multiplikationen, durchgefhlt werden knnen. Dies ist unter dem
Namen Fast Fourier Transform oder FFT-Algorithmus bekannt.

L j':o

Y j XJ

Der FFf-Algorithmu , welcher 1965 von Cooley and Tukey gefunden wurde, wird nun an
Hand der inver en Diskreten Fourier-Transformation IDFT: Yj = E~=Ol Ckwkj, 0 ::; j ::; N - I,
fr einen Vektor c = (co, . . . , CN_ l )T erlutert. Es stellt sich heraus, dass die Kosten, also
die Anzahl der Rechenoperationen, um alle N Funktionswerte Yo, . . . ) YN - l zu berechnen, fr
spezielle Werte viel gelinger sind, als das N -fache der Kosten um einen bestimmten Funktionswert Yj zu berechnen. Wir diskutieren im Folgenden nur den fr die Praxis wichtig ten Fall,
dass nmlich
eine Zweierpotenz ist, also N = 2T , fr r 2 1, gilt. Wir betrachten dazu die
Summe
2" - 1

Yj

k=O

Cke'W- kj.

8 Fourier-Analyse

366

Aufspalten in Bestandteile, wo k gerade bzw. ungerade ist, liefert:

2r - 1_ 1

Yj =

2,'- 1_1

C2=e2~-:'\ =j + e 22~ij

= =0

~~-----v~----~

C2=+le 2;~\ m j

(8.12)

= =0

~~----~v~-----J

=v (j )

=u(j )

Man kann nun jede der beiden auftretenden Summen in (8.12) als Elemente einer IDFf mit
einer krzeren Folge auffassen, nmlich u(j) als Element der IDFf der geraden Koeffizienten
co, C2,' . . , C2T - 2 und v(j)als Element der IDFf der ungeraden Koeffizienten Cl, C3, . .. ,C2r - l.
Das einzige Problem, das sich noch stellt, ist, dass wir Yj fr die 21' Werte 0 ~ j < 2T 1 berechnen wollen, die IDFf der krzeren Folgen zunchst aber nur fr 2r - 1 Werte von j
definiert ist, nmlich fr 0 < j ~ 21'- 1 - 1. Dieses Problem ist aber leicht zu lsen, weil die
auftretenden Summen periodisch mit Periode 21'- 1 sind. Wir fhren dies exemplarisch fr u (j )
aus:
2r -

1_

C2me2;~\ mje271'im = '1t(j).

m= O

Deshalb knnen wir die bentigten Werte auerhalb des Bereiches 0 ::::; j ::::; 2r mittels u(j mod 2r - 1 ) und v(j mod 2r - 1 ) berechnen.

1 einfach

Obige berlegungen liefern nun fr den Fall N = 21' einen rekursiven Algorithmus, um die
IDFf (und klarerweise auch die DFT) eines Vektors c = (co , . .. , CN - l f mit einem Aufwand
von nur ()(N log N ) komplexen Multiplikationen zu berechnen. Dieser FFf-Algorithmus ist in
Abb. 8.8 als Pseudocode angegeben.
function FFT (N:integer; c:complexarray):complexarray;
ifN=l then FFf[O):=eo
else
2". i

w :==e N

evenarray:=[eo, C2 , . .. , CN - 2];
oddarray:=[c1, C3 , , CN-l ];
[UG, Ul , . . , U~ _ I] :=FFT( ~ , evenarray);

[VQ , VI , . . . ' V ~ _ l l : =FFf( 1'-, oddarray);

for j:=O to N-l do
j
7:=W ;

FFf[j]:=u j
od;

ll10d

1f

+ TV j mod 1f ;

fi;
Abbildung 8.8 Der FFI'- Algorithmus fur del1 Fall

= 2"

Beispiel 8.36 Als eine Anwendung der Diskreten Fourier-Transformation betrachten wir das
Problem der so genannten trigonometrischen Interpolation. Gesucht ist dabei ein trigonometrisches Polynom f (t ) = E~=-n Ck eikt mit minimalem Grad n, welche an den
quidistanten Sttzstellen t j = ~ , mit 0 ~ j ::; N - 1, im Intervall [O, 2n] die vorgegebenen

8.3 Fourier-TraIlsforrnation

367

Werte Yj E C besitzt, also Yj = f(tj), fr 0 ~ j ::; N - 1. Wir betrachten nur den Fan,
da N ungerade ist. Dann stellt sich heraus, da fr N = 2n + 1 die 2n + 1 Koeffizienten
eilct
Ck des trigonometrischen Polynoms f(t) = L:~= -n Ck
eindeutig durch die Funktionswerte
Yj, mit 0 < j ::; 2n , bestimmt sind, das heit, es gibt genau ein trigonometrisches Interpolationspolynom f (t) vorn Grad hchstens n . Um dies zu zeigen und um die Koeffizienten Ck zu
berechnen, verwenden wir die Diskrete Fourier-Transformation. Auswerten an den Sttzstellen
liefert nmlich fr 0 ~ j ~ 2n die Gleichungen
n

Yj

271.

Ck

Wjk

= w-

jn

Ck - n

Wj

1c= 0

k= - n
2lf i

mit w = e 2n+l Also gilt:

W

jn

271.
_ ~
jlc
Yj - ~Ck -nW ,

k=O

und wir knnen dies als inverse Diskrete Fourier-Transformation auffassen:

Aus diesem Grund sind die Koeffizienten Ck eindeutig bestimmt und knnen mittels Diskreter
Fourier-Transformation berechnet werden:
1

Ck - n

2n

= NI::

.
.
kJ
YjWJnW -

1
N

71.

LYjW-

Ck - n )],

fr 0 ~ k

:s; 2n,

j=o

j =o

bzw.

8.3

Fourier-Transformation

Wir betrachten nun anstelle von periodischen Funktionen f : IR. .....,. C, wie dies im Abschnitt 8.1
ber Fourier-Reihen gemacht wurde, aperiodische Funktionen. Dies rhrt uns zum Begriff der
Fourier-Transformation und der Fourier-Transformierten einer Zeitfunktion j(t). Wir stellen der Definition der Fourier-Transformierten einen gegenber dem Riemann-Integral etwas
abgeschwchten IntegTalbegriff voran, der dort Verwendung findet.

Definition 8.37 Wenn fr eine Furiktion f

(CHW)

1:

: lR .....,. C der Grenzwert

f(t)dt =

1~~{: f(t)dt

existiert, dann heit dieser der Cauchy-Hau,twert von f(t).

Wenn fr eine Funktion f(t) das Riemann-Integral J~oo f(t)dt existiert, dann existiert klarerweise auch der Cauchy-Hauptwert von f(t), und es gilt (CHW) J~ f(t)dt = f~ f(t)dt .
Es gibt allerding Funktionen, fr die das Integral I~oo f(t)dt nicht existiert, der CauchyHauptwert aber schon, wie an Hand des folgenden Beispiels gezeigt wird.
.

368

8 Fourier-Analyse

Beispiel 8.38 Wir betrachten die Funktion J(t) - 1~t2 ' welche die Stammfunktion F(t)
~ 1n(1 + t 2 ) besitzt. Es gilt nun

lim
b-+oo

a~~

(b J (t )dt =
Jo

I:

J (t) dt

lim F(b) =
b~

= -

a~~oo F (a) = -

weshalb das Riemann-Integral J~ j(t )dt nicht definiert ist. Da aber J (t) eine gerade Funktion
ist, folgt ftir jedes a ~ 0, dass J~a j (t)dt = 0 ist und omit

00

(CHltV )

j(t)dt

= lim
a ~ oo

- 00

jaj (t )dt

= .lim 0

- a

= O.

(1,->

Nun kommen wir zum zentralen Begriff dieses Abschnitts.

Definition 8.39 Eine Funktion f : lR

bar), wenn der Cauchy-Hauptwert

F(w)

-t

Cheit Fourier-transfonnierbar (F-transformier-

= :r{f(t)} = (CHW)

+00

- 00

e- iwt f(t)dt

fr alle w E IR existiert. Dann heit F(w) Fourier-Transfonnierte (F-Transformierte) bzw.

Spektralfunktion von J(t). Die Zeitfunktion J(t) liegt im Original- oder Zeitbereich. die
Spektral funktion F(w) liegt im Bild- oder Frequenzbereich.
Die inverse Fourier-TransfonnatioD von F : R

2~(CHW)

:r- 1{F(w)} =

C lautet:

I:

--7

eiwtF(w)dw

wenn das Integral als Cauchy-Hauptwert fr alle t E R existiert.

Bemerkung: Hufig definiert man die Fourier-Tran formation bzw. die inver e FourierTransformation nicht als Cauchy-Hauptwert, sondern als Riemann-Integral. Der Nachteil i t
dann, dass man sehr starke Voraussetzungen an dje Funktion J (t) stellen mu s, damit ein Umkehrs atz hnlich Satz 8.47, existiert. Verwendet man den Begriff de Cauchy-Hauptwerts, reichen hingegen die in Satz 8.47 angegebenen relativ schwachen Vorau setzungen an J(t) aus.
Beispiel 8.40 Wir wollen die Fourier-Transformierte F (w) der Funktion J(t)
genannten symmetrisch abfallenden Impulses, berechnen. Wir erhalten

F(w) = (CHW)

00

= e(l - iw )t 10

1 -tw

1
1 - iw

00

i-oo

e( - l-iw) t 1

- 00

= {OO e- Itle - iwtdt =

e- Itle - iwt dt

- 00

+ -l - tw
.
1

= 1 + w2 .
1 + iw

1-

1
e Q ia.w
- - - l' m
I - iw (1, -+ - 1 - ia

e(l - iw)tdt

+ l

io

-Itl eines so

e(- l - iw)tdt

e- ue- ia
lim - - Q- 1 - iw

1
- 1- i

369

8.3 Fourier-Transformation

~i. \
I

f.5
:

\,

,,

/ 1

"

/
,

\,

'

"

\'

'-,

----_._---------_./'
--------------

-._----------------

-2

-4

-6

'-'-',-------- ---

_ __

f(t)

----------------------. F(w)

Abbildung 8.9 Der symmetrisch abfallende Impuls J(t) und seine Spektralfunktion F (w)

Wir wollen nun eine hinreichende Bedingung fr die Fourier-Transformierbarkeit einer

Funktion f(t) angeben. Dazu verwenden wir den im Folgenden definierten Begriff der absoluten Integrierbarkeit.

Definition 8.41 Eine Funktion f :.lR

~.'

C heit absolut integrierbar, wenn sie auf jedem

endlichen Intervall stckweise stetig ist Wld fllr das uneigentliehe Riemann-Integral gilt:

1:

If(t)ldt <

00.

----------------~--

Unter dieser Voraussetzung ist die Existenz der Fourier-Transformierten einer Funktion f (t)
gesichert, denn es gilt folgender Satz, der ohne Beweis angegeben wird.
Satz 8.42 (Konvergenzsatz) Ist f : IR. ---+ C absolut integrierbar, so existiert F(w) = :f{f(t)}
fr alle wER F(w) ist beschrnkt und stetig auflR.. und es gilt die Parseval-PlancherelGleichung (auch Energiegleichung genannt):

2~

1:

IF(w)!2dw =

1:

(8.13)

If(t)!2dt .

Bemerkung: Unter der Voraussetzung der absoluten Imegrierbarkeit einer Funktion f(t) existiert F(w ) als Riemann-Integral und nicht nur als Cauchy-Hauptwel1, das heit F(w) =
J~oo e- iwt f (t)dt . Weiters sei erwhnt, dass die Fourier-Transformierte F(w) einer absolut integrierbaren Funktion f(t) im allgemeinen nicht wieder absolut integrierbar ist.
Fr die Praxis sind wiederum eine Reihe von Rechenregeln fr die Fourier-Transformation
sehr ntzlich. Nachfolgend sind einige dieser Rechenregeln ohne Beweis angefhrt (teilweise
wird dieser als bungsaufgabe gestellt).

Satz 8.43 Seien f(t) und g(t) absolut integrierbare Funktionen mit Fourier-Transformierten
F(w) = :f{J(t)} und G(w) = 1'{g(t)}. Es gelten dann die folgenden Rechenregeln .
Linearitt:

1'{af(t)

+ g(t)}

aF(w)

+ G(w) ,

a, E C.

(8.14a)

8 Fourier-Analyse

370

Konjugation:

S:{J(t)}

F( - w) .

(8. 14b)

Streckung:
(8.14c)

Verschiebung im Zeitbereich:
~{J(t

- a)} = e- iWap(w) ,

a E llt

(8.14d)

n), n E IR.

(8.14e)

Verschiebung im Frequenzbereich:
~{ eint J(t)} =

P(w -

Symmetrien:

J( - t)

f(t)

{::=>

P( -w) = F(w),

f ( - t) = - J(t)

{::=>

F( - w)

-F(w).
(8.14f)

Differentiation im Zeitbereich: Falls J(t) stetig und stcbveise stetig differenzierbar ist
undfalls weiters fl(t) F-transformierbar ist, dann gilt:

S:{j'(t)} = iwP(w) .

(8.14g)

Falls J(t) stckweise stetig differenzierbar ist, J(t) die Unstetigkeitsstellen t 1 t2. . . . , t m
besitzt und falls weiters j' (t) F-transformierbar ist, dann gilt:
m

~{f'(t)} = iwP(w) -

[J(t; ) - J(t;; )] e- iwtk .

(8.l4h)

k= l

Differentiation im Frequenzbereich: Falls tJ(t) F-transformierbar ist, dann gilt:

~{tJ(t)}

Faltung: Wir definieren die Faltung (f

= iP' (w) .

(8. 14i)

* g)(t) zweier Funktionen J(t) und g(t) wiejolgt:

(f * g)(t) =

1:

J (t - T)g(T)dT.

(8.14j)

Es gilt dann die Faltungsformel:

~{(f

* g)(t)} =

F(w)G(w) .

(8.14k)

BeispieIS.44 Der fr t > 0 einseitig abfallende Impuls J(t) ist fr a > 0 definiert als:

{e-

at

J(t) =

0,

fr t

0,

fr t < Q.

8.3 Fourier-Transformation

371

Die Spektralfunktion der absolut integrierbaren Funktion J(t) ist gegeben durch:
CXl

F(w)

1
.0

e - ate - iwt dt

100
=
0

e( - a- iw )tdt

e(- a- iw )t

- a - iw

CXl

= lim
b - t CXl

e( - a-iw)b

- a - iw

a + iw

a +iw
Wir wollen nun die Fourier-Transformierte von l' (t) durch Anwenden von Rechenregel (8.14h)
berechnen. Die Funktion J(t) besitzt an der Stelle t 1 =
eine Sprungstelle mit Sprunghhe
1(0+) - j (O- ) = 1 und hat fr t =J. 0 die Ableitung:

f'(t)

{_a
e0,

at

fr t

fr t

> 0,
< O.

Die Voraussetzungen fr die Anwendung von (8.l4h) sind erfllt, und wir erhalten:

J"{!, (t )}

iwF(w) - (1(0+) - f(O - )) eO =

?,w. - 1 =
a+ ?,w

a. .
a+ zw

6.

t2

Beispiel 8.45 Wir betrachten die Funktion J(t) = e- und knnen einerseits ihre Spektralfunktion F (w) unter Zuhilfenahme der Rechenregel (8.14i) berechnen, also

:t"{ tj(t)}

iP' (w).

Man kann ~{t J(t) } aber auch direkt bestimmen, denn man erhlt mittels partieller Integration:

.1

00

- -'lW
2

= --1 [ l'1m e - b
2

[Link]

- iwb

e- t e- iwt d t

- 00

l'ml e - a2 - iwa ] - -iw

a-t - oo
2

CXl

2
e _ t e - iwtdt = 0 - -iw F( w )

- CXl

'lW

- 2 F (w) .

Das heit, F(w) erfl1t die folgende homogene lineare Differentialgleichung erster Ordnung:

F'(w) = - ~ F (w).
Lsen dieser Differentialgleichung liefert sodann

wobei

F(O)

I: I:
j(t)dt =

t2

e- dt.

Um die Konstante F (O) > 0 zu bestimmen, werden wir die Parseval-Plancherel-Gleichung (8.13) verwenden, woraus fOlgt:

372

8 Fourier-Analyse

wobei die Variablensubstitution u =

durchgefhrt wurde. Somit erhalten wir

F(O)2 = 1

F(O)

'Ir

.Ji.

Dies bestimmt die gesuchte Spektralfunktion F(w) vollstndig, und wir erhalten

Wir wollen im Folgenden noch das fr Integraltransformationen grundlegende Problem der

Invertierbarkeit betrachten. Essentiell fr die Fourier-Transformation ist der folgende Satz.

Satz 8.46 (Fourier-Integraltheorem) Ist J : ~ - t C absolut integrierbar und in jedem endLichen Intervall stckweise stetig differenzierbar und bezeichne F(w) = J~ e- iwt f(t)dt die
Fourier-Transformierte von f (t), so gilt fr alle t E ~:

Falls die Voraussetzungen von Satz 8.46 erfllt sind und J(t) sogar stetig auf lR ist, dann besagt
Satz 8.46 insbesondere:

00

J(t) = 2'11r (CHW)

- 00

eiwtF(w)dw.

Aus dem Fourier-Integraltheorem folgt sofort der folgende Satz.

Satz 8.47 (Umkehr- und Eindeutigkeitssatz) Besitzt die Funktion

genschaften:

J :~

-t

C folgende Ei-

(i) sie ist absolut integrierbar,

(U) sie ist in jedem endlichen Intervall stckweise differenzierbar.

(fii) es gilt fr alle t E lR die Mittelwerteigenschaft:

dann ist mit J(t) auch F(w)

= 1"{J(t)} F-transformierbar. und es gilt fr alle t E IR:

Die Fourier-Transformation findet hufig Verwendung als Hilfsmittel zur Lsung von Funktionalgleichungen, insbesondere von Differentialgleichungen und Integralgleichungen. Dies
soU an Hand von zwei Beispielen illustriert werden.

8.3 Fourier-Transformation

373

Beispiel 8.48 Wir betrachten die folgende Integralgleichung rur die Funktion x(t):

Mit dem in (8.14j) definierten Faltungsprodukt lt sich diese Gleichung auch folgendermaen
anschreiben:

(x * x )(t)

e- t2 .

Unter Zuhilfenahme von Rechenregel (8 .14k) erhalten wir folgende Gleichung fr die Spektralfunktion X (w) = :f{x(t)}:

wobei wir das Ergebnis von Beispiel 8.45 verwendet haben. Also erhalten wir die Spektralfunktion
1
w2
X(w) = 7I" 4 e- 8 .

Um die inverse Fourier-Transformation durchzufhren, wenden wir zunchst Rechenregel

(8.14c) an und erhalten fr c > 0:
(8.15)
bzw. durch Einsetzen von c =

V2 die fr uns relevante Gleichung:

. r.;r
<T{ e- 2t2 } = Vy'2
e
11

", 2
-

8 .

Somit erhalten wir schlielich als Lsung der untersuchten Integralgleichung:

Beispiel 8.49 Wir betrachten die folgende lineare partielle Differentialgleichung zweiter Ordnung fr eine Funktion u(x, t), welche fr x E ~ und t > 0 gelten soll (I), > 0 sei eine
Konstante):

Ut{ x, t)

K,

uxx {x, t ).

Weiters soll u(x, t) fr t = 0 folgende Anfangsbedingung mit einer vorgegebenen Funktion

f( x ) erfllen:

U(x , 0)

f( x ),

x E ~.

Zum Lsen dieser Differentialgleichung wenden wir die F-Transformation bezglich der Variablen x an, das heit, t wird wie ein konstanter Parameter behandelt. Wir notieren dies als
U(w, t ) = S:-x{u(x, t)} . Unter Verwendung der Rechenregel (8.14g) erhalten wir dann aus obiger Differentialgleichung folgende lineare Differentialgleichung erster Ordnung in Bezug auf t
fr U(w , t):

8 Fourier-Analyse

374

Die allgemeine Lsung dieser Differentialgleichung ist gegeben durch

U(w, t)

C(w) e- Kj..h,

mit einer Funktion C(w) . Einsetzen von t = 0 liefert somit

U(w ,O) = C(w) = j"x{f (x )} .

Also erhalten wir
Unter Verwendung der Beziehung (8.15) erhalten wir weiter

und somit unter Bentzung der Faltungsformel (8.14k):

Anwenden der inversen Fourier-Transformation liefert somit folgende L ung des Anfangswertproblems:

u(x, t)

fe x ) *

,,2

2VTiK,t

e- 4/t t =

00

f(u)

- 00

1
2VTiK,t

e-

(", _ u)2
4 ..t

du .

Bemerkung: Beispiel 8.49 behandelt die Wrmeleitungsgleichung fr einen dnnen unendlich

langen Stab.
Abschlieend geben wir noch ein Beispiel fr eine Anwendung der Fourier-Transformation
in der Nachrichtentechnik.
Beispiel 8.50 Wir betrachten ein so genanntes ideales Tiefpassfilter in der Nachrichtentechnik. Allgemein lsst sich die Wirkung eines (nicht-aktiven) Filters so beschreiben: betrachtet
man ein periodisches Eingangssjgnal mit fester Frequenz und Amplitude, so verndert das Filter hchstens die Amplitude (und eventuell die Phase), wobei aber die Frequenz de Signals
unverndert gelassen wird. Im speziellen werden beim idealen Tiefpassfilter alle Frequenzen
Iwl < n des Eingangssignals unverndert gelassen, aber alle Frequenzen Iwl > n gespem.
Betrachten wir nun ein Eingangssignal f(t) und das nach dem Filter generierte Ausgangssignal
g(t). Im Spektralbereich lsst sich die Filterwirkung einfach durch

G(w) = H(w)F(w)
beschreiben, wobei F(w) = 1'{f(t)}, G(w) = j"{g(t)} und die 0 genannte bertragungsfunktion H (w) beim idealen Tiefpassfilter folgendermaen gegeben ist:

H(w) =

{I,
0,

Iwl ::; n,
Iwl >no

- - - -- - -- - -

8.4 Laplace-Transformation

375

Im Zeitbereich liefert clies mit Hilfe der Faltungsformel (8.14k) den Zusammenhang
g(t)

h(t)

* J(t) ,

Wir berechnen nun noch h( t):

00

h(t ) = -(CHW )
2 7r

h(t) = ~- l{H(w)}.

mit

eiwtH(w)dw = -2

1n .

7r

- 00

-n

iwt

e'UVtdw = -2 e'

7r 'l t

In
-n

itn -

2 e.
7rtz

- itn

= sin(fU) = nsi(nt) ,
7rt

7r

wobei die sogannte Spaltfunktion si(x) (auch als sinc(x) bezeichnet), definiert ist durch:
si(x) =

sin x
x '

x tf 0,
x = O.

1,

Also erhalten wir folgenden Zusammenhang zwischen dem Eingangssignal J(t) und dem Ausgangssignal g( t ) nach dem idealen Tiefpassfilter:

g(t)

nsi(nt) * J(t).
7r

8.4

Laplace .. Transformation

Wir behandeln nun die Laplace-1ransformation, eine zur Fourier-Transformation verwandte

Integraltransformation, welche beispielsweise fr das Lsen von Differentialgleichungen von
besonderer Bedeutung ist.

Definition 8.51 Eine Funktion

f : [0,00)

~ Cheit

Laplace-transformierbar (L-trans-

formierbar), wenn das uneigentliehe Integral

00

F(s) = .e{f(t)} =

e- st j(t)dt

fr ein s E lR konvergiert. F( s) heit dann die Laplace-Transformierte (oder kurz

L-Transformierte) von f(t) . F(s) nennt man auch die Bildfunktion von J(t) und f(t) die
Urbildfunktion von F(s). Dies wird auch mit f(t) = ,e- l{F(s)} notiert.

-------

Beispiel 8.52 Wir betrachten die Funktion f(t) = e wt , wobei w E C, und berechnen ihre
Laplace-Transformierte P(s) = .c{f(t)}. Wir erhalten gem Definition:

F(s) =

00

e- stewtdt =

00

e(w- s)tdt =

e (w- s)t 00

w- s

e (w - s)t -

= Um - -__
t- oo

W - S

Fr alle S E IR mit der Eigenschaft ~(w) < s gilt nun aber 1imt-400 e (w - s )t = 0, so dass wir
weiter erhalten:
1
F(s) = - - I fr s > ~(w).

s- w

8 Fourier-Analyse

376

Falls wir w = Cl: E IR setzen, erhalten wir die Laplace-Transformierte.G{ O't } und als Spezialfall
Cl: = 0 die Laplace-Transformierte .G{l}. Falls wir w = iw mit w E IR setzen, erhalten wir
weiters

00

.G{eiwt } = .G{cos(wt)

+ i sin(wt)} =

e- st cos(wt)

1
8 -

00

00

e- st (cos(wt ) + isin (wt )) dt

'LW

+i

s + iw
82

+ w2

e- st sin(wt)dt = L{ co (wt)}

- 2 -s -2 + ~w 2
8 +w
s2 + w '

fr

+ i.c{sin(wt}

> O.

Ein Vergleich der Real- und Iroaginrteile liefert somit auch die Laplace-Tran formierten
.G{cos(wt)} und ,c,{sin(wt)}. Die Laplace-Transformierten dieser wichtigen Grundfunktionen
~
sind in Tabelle 8.1 zusammengefasst.

f{t)

F(s) = .G{f(t)}

:;1 ,

eOlt

_ 1_

cos(wt)
sin(wt)

s >o
s > a EIR

s- O' )
s
s 2+ w 2 )

8> 0

w
s 2+ w 2

8> 0

Tabelle 8.1 Die Laplace-Transformierten einiger wichtiger Grundfunktionen

Wir wollen ohne Beweis den folgenden Satz angeben, welcher die Exi tenz der LaplaceTransfonnierten rur eine wichtige Klasse von Funktionen gewhrlei tet.

Satz 8.53 (Existenz- und Eindeutigkeitssatz der Laplace-Transformation) IST die Funktion
f : [0) (0) ~ Rauf jedem beschrnkten Intervall stckweise stetig und besit'lt f (t) hchstens
exponentielles Wachstum, das heit, es gibt Konstanten !I1/., (T E IR, so dass 1! (t) 1< M eat , fti.1"
alle t > 0, dann gilt:
(i) F(s)

= .G{f(t)} existiert fr alle S >

(T,

(U) daslmegral Joooe- stf(t)dtkonvergie.r tjrs

(iii)

So

> (Jgleichmig,

f(t) ist bis auf die Funktionswerte an den Unstetigkeitsstellen durch F(s) eindeutig bestimmt,

(iv) lirn s-+oo F(s) = O.

Bemerkung: Es gibt Laplace-transformierbare Funktionen, welche die Vorau etzungen von

Satz 8.53 nicht erfllen.
Bemerkung: Als Konvergenz-Abszisse (Jc der Laplace-Transfonnierten F(s) einer Funktion

f{t) bezeichnet man das Infirnurn (also die grte untere Schranke) der Menge aller Werte
s E lR, fr die die Laplace-Transformierte von f (t ) existiert, also:
(Tc

= inf {S

E IR : es existiert das Integral

10

st

e- f (t) dt }.

8.4 Laplace-Transformation

377

hnlich wie bei der eng verwandten Fourier-Transformierten sind in der Praxis eine Reihe
von Rechenregeln fr die Laplace-Transformation sehr ntzlich. Der Beweis der nachfolgend
angefhrten Rechenregeln wird als bungsaufgabe gestellt.

Satz 8.54 Seien f (t) : [0,00) - t lR. und g(t) : [0,00) - t lR. [Link] Funktionen mit Laplace-TransJormierten F(s ) = .G{f(t)} und G(s) = .G{g(t )} . Es gelten dann die
folgenden Rechenregeln.
Linearitt:

.G{a f(t) + g(t)}

a F(s) + G(s) ,

a , E lR.

(8.16a)

Streckung:

.G{f(ct )}

1
c

s
c

-F( -) , c =I O.

(8.16b)

Differentiation und Integration im Zeitbereich: Falls f (t) und l' (t ) bzw. f (t) und f (n )(t)
L-trans/ormierbar sind und f(t) bzw. f(t) , 1'(t) , . . . , j(n- l)(t) stetig auJ (0,00) sind,
dann gilt:

.G{f'(t )} = sF(s) - / (0+),

.G{/enl(t)} = snF(s) - sn- 1f(O+) - sn- 21'(0+) - . , . - /(n- 1) (0+).

(8 .16c)
(8.16d)

Fr eine L-transJormierbare Funktion f(t) gilt:

.G{ Jor f(u)du} =

~1F(s) .

(8.16e)

Differentiation und Integration im Bildbereich: Fr eine L-transJormierbare Funktion

j(t ) gilt:

.G{tj(t )}

= -

ds F( s),

(8.16f)

.c {t n j (t)} = (- 1)n -ddsn F (s ).

(8.16g)

Falls f~t) L-transJormierbar ist, dann gilt:

.c{ f~t)} = l

CX< F(u)du .

(8.l6h)

Verschiebung im Bildbere ich:

.c{ e- at f(t)}

= F( s + a), a E nt

(8.16i)

Verschiebung im Zeitbereich: Um die L-TransJormation der Verschiebung um a ~ 0 im

Zeitbe reich einer auf [0, 00) definierten Funktion f (t) zu beschreiben, verwenden wir die

8 Fourier-Analyse

378

so genannte Heaviside-Funktion u(t) (auch Heaviside 'sche Sprung/unktion genannt),

welche fr t E Rfolgendermaen definiert ist:

{Ol1,

u(t) =

fr t < 0,
~

fr t

O.

Es gilt dann:

an e'c{u(t - an = e-

,c{f(t - a)u(t -

as

as

a~0

F( s ),
1

(8.16j)

a ~ O.

_ ,

(8.16k)

Faltung: Wir definieren die Faltung (f*g)(t) zweier Funktionen f (t) und g(t) abweichend
zur entsprechenden Definition in Abschnitt 8.3 nun wie folgt:

(f * g)(t)

(8.161)

j(t - r )g(r) dr .

Es gilt dann die Produktformel:

.G{(f * g)(tn = F (s) G(s) .

Die Versclllebung einer Funktion f(t) um a ~

-2

-{l.5

(8. 16m)

wird in Abb. 8.10 illustriert.

~6

-1

Abbildung 8.10 Die Funktion f (t ) = cos( t - a)u(t - a) mit a =

i-

Das Anwenden der Rechenregeln (8.16) wird im Folgenden an Hand von Beispielen erlutert.
Beispiel 8.55 Unter Zuhilfenahme der Rechenregel (8.16a) berechnen wir die L-Transformierte
von cosh(wt) = ~ (ewt + e- wt ) , mit w E IR. Wir erhalten fr s > w :

,C{ cosh(wt)}

11

2.c..{ ewt } + 2.c..{ e- wt }

"2 s _

+ "2 s + w

S2 _

w2 '

.6.

Beispiel 8.56 Wir betrachten die Funktion j(t) = tn, fr n E N. Es gilt dann fr die n-te
Ableitung von f(t): :;: j(t) = j (n) (t) = nL Da j (k)(O+) = 0, fr 0 S k S n - 1, erhalten wir
wegen Rechenregel (8.16d):

n'

-.:. = n!.G{l} =

,c{j(n) (t)}

sn,c{j(t )}

sn'c{t n } ,

woraus wir folgende Fonnel fr die L-Transformierte bekommen:

n

,c,{t

nl

} ;::

sn~l '

8.4 Laplace-Transformation

379

Beispiel 8.57 Wir woUen die L-Transfonnierte von f( t) = Sin~wt) unter Bentzung der Rechenregel (8.16h) bestimmen. Wir erhalten dann:

00

Sin(wt
)}
.L {
.

=~-

11 1 1
00

2 du = W
W

areta.n (~)

00

( ) 2 du =

1+

.Y.
w

dv

+V

= arctan v ~

00

...

= aretan (~).

Beispiel 8.58 Wir betrachten nun fr t 2 0 die Rechteckschwingung mit Periode T und Amplitude A, siehe Abb. 8.1. Unter Bentzung der Heaviside-Funktion u(t) knnen wir dann die
Rechteckschwingung f(t) folgendermaen darstellen:

kT

00

f (t)

- A + 2AI)-llu(t - 2) '

t 2

o.

k= O

Man beachte, dass in obiger Darstellung fr jedes feste t nur eine endliche Anzahl von Summanden i= 0 sind. Fr die Laplace-Transformierte von f(t) erhalten wir zunchst:

'c{f (t )}

= 2A

in{ = [~
6 e-st( o

1)ku (t

kT)] dt - -;.
A
-""2

k= O

In den bungen wird nun gezeigt, da die Funktionenreihe L~o e-st ( - l)ku(t - k; ) gleichmig auf [0, 00) konvergiert, falls s > 0 ist Wegen Satz 8.11 darf nun Integration mit Summation
vertauscht werden, und wir erhalten weiter:

kT
A
kT
A
L (_ l) k inrx:; e- stu(t - "2
)dt - -; = 2A 2) _ l)k,(,{ u(t - 2"") } - -;
1 A = -2A 6~ ( - e- 2" - -A = -A (2
= 2A L..".( - 1) e1)
00

00

!.;{f(t) } = 2A

k= O

""'

k= O

= A(l
s

sT

s kT
2" - S

- e-: ) =

1 + e- T

k= O

sT ) k

k :;;;;O

sT

1 + e- T

~ t a nh (sT) .
S

6.

Die Ntzlichkeit der L-Transformation fr das Lsen von Differentialgleichungen wird in

den folgenden Beispielen demonstriert.

BeispIel 8.59 Eine wichtige Anwendung der L-Transformation liegt im Lsen von linearen Anfangswertproblemen mit konstanten Koeffizienten. Dabei wird die lineare Differentialgleichung

mit konstanten Koeffi zienten, welche die Funktion x(t) erfllt, mit Hilfe der L -Transformation
in eine Gleichung fr die L-Transformierte X (s) = /:.; { x(t)} bergefhrt, wobei die Anfangswerte bereits in diesem Schritt eingearbeitet werden. Anschlieend wird die Gleichung nach
X( s ) aufgelst. Als letzten Schritt bleibt noch die Rcktransformation x(t) = L, - l {X( s )}
durchzufhren, wobei sich in der Praxis die Rechenregeln, aber auch umfangreiches Tabellenwerk fr die L-Transformation, als ntzlich erweisen. Wir illustrieren das Verfahren an Hand
des folgenden linearen Anfangswertproblems fr x(t):

i (t)

+ 9x(t)

= cos(wt) ,

mit w

>0

8 Fourier-Analyse

380

und Anfangswerten x(O) = Co und x(O) = Cl- Wir behandeln nun die ge amte Gleichung mit
der L-Transfonnation und erhalten unter Zuhilfenahme von (8.l6c) und unter Verwendung der
Notation X(s) ;:: L{x(t)} :
2

X(s) -

SCo -

Cl

+ 9X(8)

+w

2-

Daraus erhalten wir als Lsung von X (s) unmittelbar die folgende Formel:

(8.17)
Fr die Rcktransforrnation x(t) = .(,- l {X(S)} werden wir nun die Flle w = 3 und w =fi 3
unterscheiden.
Falls w =f. 3, fhren wir beim dritten Summanden in Gleichung (8 .17) eine Partialbruchzerlegung durch, das heit, wir whlen den Ansatz

A8 + B

C8+D

- 2 +w
- -2 + -S2 -+ 9-

(8 2 +W 2)(S2 +9) -

Man erhlt die Darstellung

(8 2 + w 2)(S2 + 9) - 9 - w 2

+ w2

82

S )
+9

'

woraus wir folgendes bekommen:

Falls w = 3, wenden wir Rechenregel (8. 16h) auf den dritten Summanden in Gleichung (8.17)
an. Wir whlen die Bezeichnung F(s) = .c{f(t)} = (s2~9)2 und erhalten:

L { -f (t) }

J OO F(u)du=
s

00

1 2
I
r du = - -2u
+9+9 s

( 2u
u

2(S2 + 9) '

Da

.c - 1 {

2(S2 + 9)

1 - 1{
6[,

erhalten wir weiters

f(t)

.c - 1{(82 :

82

1 .

+ 9 ="6 sm(3t)

9)2} = ~t sin(3t) .

Unter Verwendung der Rcktransfonnierten der ersten heiden Summanden in Gleichung (8.17)
erhalten wir schlielich die gesuchte Lsung x(t) de Anfangswertproblem fr alle Werte w >
0:
fr w = 3,
1
{~tsin(3t),
C1
x(t) = Co cos(3t) + 3 sin(3t) + 9_1w 2 ( cos{wt) _ COS(3t)) ,
fr w =f. 3.

8.4 Laplace-Transformation

381

Beispiel 8.60 In speziellen Fllen lassen sich auch Differentialgleichungen mit nichtkonstanten
Koeffizienten mit Hilfe der Laplace-Transformation behandeln. Fr die nachfolgend angegebene Differentialgleichung

2ti (t) - x (t ) = 0
liefert die L-Transformation eine lineare Differentialgleichung erster Ordnung im Bildbereich:

d
(S2X(S) - sx(O) - x(O)) - (sX( s) - x(O))
ds
ds
- 2(2sX(s) + 8 2 X(s ) - x(O )) - sX( s ) + x (O ) = -28 2 X(s) - 5sX( s) + 3x(O)

2~L{x(t)} -

L{i(t)}

-2

= O.

Das fr diesen Typ von Differentialgleichungen in Kapitel 7 behandelte Lsungsverfahren liefert nun folgende allgemeine Lsung fr X (s ):
Cl
_ x(O)
X( S ) - - - + 5 '

fr

Cl

(8.18)

E IR.

S2

Um die Rcktransformation durchzufhren, betrachten wir zunchst die L-Transformierte der

Funktion f (t ) = tex, mit Cl' > O. Fr Cl E N haben wir die L-Transformierte bereits in Beispiel 8.56 bestimmt. Allgemein erhlt man fr s > 0 gem Definition zunchst:

Durch die Variablensubstitution u

= st liefert dies weiter:

Das hier auftretende Integral wurde bereits im Kapitel 5 vorgestellt, es ist die so genannte [Link] erhalten also fr Cl > 0:

Dies bentzen wir nun , um die Rcktransformation durchzufhren. Wir erhalten aus Gleichung (8.18) somit die allgemeine Lsung der Differentialgleichung im Zeitbereich, mit C E IR:

x(t)

= L -l{X(S)} =

x(O)

eIt'i

+ r (~ )

= x (O)

+ ct 'i .

Beispiel 8.61 Wir betrachten elektrische Schaltungen mit den Schaltelementen Ohm'scher
Widerstand R, Kondensator mit Kapazitt C und Spule mit Induktivitt L. Den zeitlichen
Spannungs- bzw. Stromverlauf bezeichnen wir mit u(t) bzw. i (t ), deren L-Transformierte
mit U(s) bzw. 1(s) , wobei wir vom ruhenden Zustand ausgehen, das heit fr t ~ 0 gilt
u(t) = i(t) = O. Ab dem Zeitpunkt t = 0 wird beim Eingang eine Quellspannung ue(t) ,
fr t > 0, angelegt. Der Zusammenhang zwischen dem Spannungsabfall bei den einzelnen

8 Fourier-Analyse

382

Schaltelementen und der Stromstrke sowohl im Zeitbereich als auch im Bildbereich wird im
Folgenden tabellarisch dargestellt.
Schaltelement
R~

-u-

im Zeitbereich

im Bildbereich

UR (t)

UR(s)

Ri(t)

RI( )

uc(t ) = ~ J~i(v)dv Uc(s) = dJ(s)

L ___

UL (t)

= L d~:)

UL(s) = LsI (s)

Wir betrachten nun konkret den in Abb. 8.11 dargestellten RCL-Stromkreis. Eine Anwendung

Abbildung 8.11 Der RCL-Stromkreis

der Kirchhoff'schen Maschenregelliefert im Zeitbereich:

bzw. im Bildbereich:

. I
Fr die Stromstrke im Bildbereich gilt deshalb die Gleichung:

R1(s)

+ ~s 1(s) + Ls1(s) =

(R + ~s + Ls )1(s) = Ue(s) )

woraus wir im Bildbereich den folgenden Zusammenhang zwischen der Quellspannung und der
Stromstrke erhalten:

1(s)

= R U~(s)

. = H (s )Ue(s ),
- + -+
es L s

mit

- --- - - --- ---

H( s) _
Cs
- LCs2 + Res + 1

- -

8.5 bungsaufgaben

8.5

383

bungsaufgaben

8.1 Unter Zuhilfenahme der Potenzreihenentwicklung

eZ
coshz

+ e- z

z2n

= L (2n)!'

z E C,

n~Q

bestimme man den Wert der folgenden trigonometrischen Reihe:

f=

n= Q

cos(2nt)
(2n)! .
==':":'=+i-;;::':=:::.L

auf.

8.2 Man zeige die in Satz 8.11 zusammengefassten wichtigen Eigenschaften gleichmig konvergenter
Funktionenreihen.

8.3 Man bestimme die Fourier-Reihe folgender 211"-periodischer Funktion f(t) swohl fr die SinusCo sinus-Form als auch ftir die Exponentialform:

f(t) = t,

0:::;: t < 211",

211"-periodisch fortgesetzt.

8.4 Man bestimme die Fourier-Reihe folgender 211"-periodischer Funktion f(t):

f(t) = t 2 ,

0 $ t < 211",

27f-periodisch fortgesetzt.

8.5 Man bestimme die Fourier-Reihe folgender 27f-periodischer Funktion f(t):

f(t) = cos t

+ Icos tl .

8.6 Man zeige die in Satz 8.16 angefhrten Rechenregeln (8.5d) und (8.51) fr die Streckung bzw.
Verschiebung im Frequenzbereich einer T -periodischen Funktion f(t) .

8.7 Man zeige, dass eine gerade T -periodische Funktion, d.h. eine T -periodische Funktion f mit
f( - t) = f(t) fr alle t, in ihrer reellen Fourier-Entwicklung (= Sinus-Cosinus-Form) keine SinusAusdrcke enthalten kann, also bn = fr alle n ~ 1 gilt.

8.8 Man zeige, dass eine ungerade T -periodische Funktion, d .h. eine T -periodischeFunktion f mit
f( - t) = - f(t) ftif alle t, in ihrer reellen Fourier-Entwicklung (= Sinus-Co sinus-Form) keine CosinusAusdrcke enthalten kann, also an = 0 fr alle n ~ 0 gilt.
8.9 Sei f(t) die in (8 .6) definielte 27r-periodische Rechteckschwingung mit Amplitude L Man zeige,
dass die Fourier-Reihe Sf(t) von f(t) in der Sinus-Cosinus-Form wie folgt gegeben ist:
Sf(t)

itrL..J
'" 2n 1n~ l

sin ((2n - l)t).

8.10 Unter Verwendung der in Aufgabe 8.9 bestimmten Fourier-Reihe der in (8.6) definierten Rechteckschwingung f(t ) bestimme man die Fourier-Reihe der im Intervall [0,211"] folgendermaen definierten
27f-periodischen Funktion g(t):

g(t)

{t,

211" - t ,

0 $t:::;:1I",
7r

<t

Anleitllng: Man vergleiche J~ j(r)dT mit g(t).

2tr,

211"-periodisch fortgesetzt.

384

8 Fourier-Analyse

8.11 Man entwickle die Funktion

g(t) = et ,

0~t <T

in eine reine Cosinusreihe, d.h. , man bestimme die (gewhnliche) Fourier-Reihe der 2T -periodischen
Funktion h(t), welche die gerade 2T-periodische Fortsetzung von g(t) darstellt:

o~ t < T ,
h(t) = {g(t ),
g( -t) , - T < t < 0,

h(t + 2T)

= h(t ) .

8.12 Man entwickle die Funktion

f (t)

0~

= sin t

t < 1l'

in eine Fourier-Cosinusreihe, indem man f(t ) gerade mit Periode T =

Fourier-Reihe berechnet.

1l'

fortsetzt und die (gewhnliche)

8.13 Man zeige mit Hilfe des Weierstra'schen M -Tests (Satz8.l0), dass unter der Voraussetzung s
die folgende Reihe gleichmig auf [0, (0) konvergiert:

>0

8.14 Man berechne die Spektralkoeffizienten des N -periodischen diskreten Rechteckimpulses (xkh:
mit Xo = X N - l
1 und Xj = 0, fr j
1, 2, .. . , N - 2.

8.15 Man betrachte die diskrete N -periodische Funktion, welche durch den Vektor
y = (1 , 0, 0,1, 0, 0, . . . , 1, 0, O)T beschrieben wird, wobei N durch 3 teilbar sein mus , al 0 N = 3M
mit M E N gilt. Man berechne nun die Spektralkoeffizienten ck, mit 0 ~ k ~
- 1, von y .
8.16 Man berechne die Spektralkoeffizienten

Ck,

:s; k :s; N -

1, fr die diskrete Rechteckfunktiou

Y = (YQ , . . . 1 YN _ l)T, wobei N = 2M als gerade vorausgestzt wird, mit

1'

Yj

= { 0,

0 < J' <N _ 1

- 2
'
N<J
<N
l.
2 -

8.17 Sei die Funktion z = (zQ, . . . ,ZN_ l)T gegeben durch

Zj =

{l,
0,

j == 0 oder j = N - 1,

1~j

N - 2.

Man bestimme die Diskrete Fourier-Transformierte c = DFf(z) von z und b titnrne weiler, nun
unter der Voraussetzung, dass N = 2M gerade ist, das periodische FaJtungsprodukt y * z mit der in
Aufgabe 8.16 definierten Funktion y.
8.18 Man zeige die in Satz 8.33 angefhrte Rechenregel (8 .lld) fr das in (8.1 0) definierte Faltungsprodukt y * z zweier diskreter periodischer Funktionen y und z .
8.19 Man zeige die in Satz 8.33 angefhrten Verschiebungsformeln (8.11b) und ([Link]) einer diskreten
periodischen Funktion y .

8.5 bungsaufgaben

385

8.20 Ge ucht ist das (eindeutig be timmte) trigonometrische Polynom

n

f(t) =

Ck

eikt

k=-n

von minimalem Grad n, welches im Intervall [O, 2rr] an den drei Sttzstellen tj
die vorgegebenen Funktionswerte f (tj) = Yj annimmt:

v'3

2'

Yl =

Yo = 0 ,

Y2 = -

= ~, fr j = 0, 1,2,

v'3

2'

Wie lautet das trigonometrische Polynom in der Sinus-Cosinus-Form?

8.21 Zur Fourier-Transformation: Man berechne die Spektralfunktion von

1, 0 < t < 1,
f(t) = {
0, sonst.
8.22 Man berechne di Spektralfunktion von

f(t) =

{t

0< t< 1,

0,

sonst.

8.23 Man zeige: Falls f(t) eine gerade Funktion ist, also f( - t) = f(t) fr alle t E IR gilt, dann kann
die Fourier-Transformierte F(w) von f(t) wie folgt berechnet werden:

F(w) =

21

00

f(t) cos(wt)dt .

8.24 Man zeige: falls f( t) eine ungerade Funktion ist, also f( - t) = - f(t) fr alle t
kann die Fourier-Transformierte F(w) von f(t) wie folgt berechnet werden:

IR gilt, dann

00

F (w) = - 2i

f(t ) sin(wt)dt.

8.25 Unter Beriicksichtigung von Aufgabe 8.23 berechne man die Fourier-Transformierte fr die nachfolgend skizzierte Zeitfunktion y = f(t) :

-2

8.26 Man zeige die in Satz 8.43 angefhrte Rechenregel (8.141) fr die F-Transformierte gerader bzw.
ungerader Funktionen f (t) .
8.27 Man zeige die in Satz 8.43 angefuhrten Rechenregeln (8.14c), (8 .14d) und (8 .14e) fr die FTransformation (Streckung, Verschiebung im Zeitbereich und Verschiebung im Frequenzbereich).

8.28 Unter Verwendung des Fourier-Integraltheorems (Satz 8.46) und Beispiel 8.50 zeige man:

sin w --

- 00

Was liefert das Integral

Ja

sinwdw?
w
.

iwX d

w =

{ rr,
:!!

fr

lxi< 1,

2'

fr

lxi< 1)

0,

fr

lxi> 1.

8 Fourier-Analyse

386

8.29 Zur Berechnung von Fourier-Integralen:

(a) Unter Verwendung des Fourier-Integraltheorems zeige man:

(b) Mittels partieller Integration zeige man sodann:

00

-00

(1

+t

2 )2 e

- iwt d __ i7rW -Iwl

t 2 e
.

(c) Daraus folgere man unter Bentzung von Aufgabe 8.24:

{OO
t
. ()d
7r
Jo
(1 + t2)2 sm wt t = '4 we

fr
. w

- w

> .

8.30 Zur Berechnung von Laplace-Integralen:

Ca) Man zeige, da fr die F-Transformierte F (w) der Funktion J{t) = e- altl, mit
gilt:

F(w) =

a>

0, folgendes

2a
+ w2'

(b) Mit Hilfe des Fourier-Integraltheorems zeige man sodann :

XJ

Ja

cos(wt ) dw = ~e-at
0,2

+ w2

20,

fr t > O.
'

(c) Analog zeige man:

( OO w sin(wt) dw
a2 + w 2

Jo

~ e-at
2

fur t > O.
'

8.31 Man lse mit Hilfe der Fourier-Transformation folgende Integralgleichung vom Fr dholm-Typ fr

x(t):

CXl

e- lt- rlx (T)dr = ~ .

1+t

- 00

8.32 Man lse unten angegebene Integralgleichung fr J(t) : (0,00) - ~ und w > 0:

00

J(t ) sin(wt )dt =

{1 -W'
0,

0 < w:::; 1,
w > 1.

Anleitung: Man betrachte die ungerade Fortsetzung von J(t) auf R und teUe einen Zusammenhang zwischen dem angegebenen Integral und der Fourier-Transformierten einer ungeraden Funktion her, iehe
Aufgabe 8.24. Man beachte weiters den Zusammenhang F( - w) = - F(w) fr die Fourier-Transformierte F(w) = J'{J(t)} einer ungeraden Funktion J(t).
8.33 Man bestimme die Laplace-Transformierte von folgenden Funktionen wobei man fr Teil (b) z.B.
Konstante a: und bestimmt (Summenstze oder Moivre-Formel), so dass sin 3 (t ) = a: sin(3t) + in(t ).

(a)

fI (t) =

fotr sin(r)dT,

(b) h(t) = sin 3 (t) .

8.34 Man zeige die in Satz 8.54 angefhrten Beziehungen (8.16c) und (8.16e) filr di e L-Transfonnierte
der Ableitung und der Stammfunktion einer Funktion J(t).
8.35 Man zeige die in Satz 8.54 angefhrten Verschiebungsformeln (8.16i) und (8. 16j) fr die LTransformierte.

11

8.5 bungsaufgaben

387

8.36 Man lse das folgende Anfangswertproblem mit Hilfe der L-Transformation:

y"(x) - 3y'(x) + 2y(x)

837 Bezeichne (f

= 6e- x ,

y(O) = - 9, y'(O)

= 6.

* g)(t) das in (8.161) definierte Faltungsprodukt zweier Funktionen J(t) und g(t) .

Man gebe nun explizite Formeln fr die folgenden Faltungsprodukte und ihre Laplace-Transformierten
an:

(a)

1 * 2,

(b)

et

* e2t .

8.38 Man bestimme die Urbilder J(t) der angegebenen Laplace-Transformierten F(s) = ,C{J(t)}:

()
a

F()
s

82 + 1
In (s _ 1)2 '

(b)

F(s) = e

-25

- e
s

- 45

Anleitung: Fr Teil (a) betrachte man tsP(s).

8.39 Man lse folgendes Anfangswertproblem mittels L-Transformation:

y"(t)

+ 2y'(t) -

3y(t)

= 6sinh(2t),

8.40 Man zeige: Ist J(t) periodisch mit Periode T, d.h. J(t

L{J(t)} =

y(O)

= 0,

+ T)

= J(t) flir alle t, dann gilt:

y'(O) = 4.

1- T
e- st J(t)dt.
1 - e S t =O

8.41 Man lse mittels L-Transformation die folgende Differential-Integral-Gleichung:

0 = y(t)

1:0

Y(T) cosh(t - -r)dT,

y(O) = 1.

8.42 Man lse mit Hilfe der L-Transformation folgendes Anfangswertproblem einer linearen Differentialgleichung mit nichtkonstanten Koeffizienten:

y"(t)

+ ty'(t) - y(t)

= 0,

y(O) = 0, y'(O) = 1.

Anleitung: Durch die L-Transformation erhlt man im Bildbereich eine lineare Differentialgleichung
1. Ordnung fr Y( ) = 'c{y(t)} . Die in der allgemeinen Lsung auftretende Konstante bestimme man
dadurch, da Y( ) die Laplace-Transformierte der L-transformierbaren Funktion y(t) mit hchsten
exponentiellem Wachstum sein soll und daher lim 5 -+ 00 Y(s) = 0 gelten muss.

8.43 Ein Re-Stromkreis enthlt einen Widerstand R mit 8 Ohm, der mit einer Spule L der Induktivitt 0.5 Henry und einer Quellspannung ("Batterie") mit U e = ue(t) Volt in Reihe geschaltet ist. Man
berechne mit Hilfe der L-Tran formation den Strom i(t) zu einer beliebigen Zeit t > 0 unter der Anfangsbedingung i(O) = 0 [Link]

(a)

ue(t) = 64,

8.44 Ein RCL-Stromkreis besteht aus einer Spule L der Induktivitt 0.05 Henry, einem Widerstand R
von 20 Ohm, einem Kondensator C der Kapazitt 100 Mjkrofarad sowie einer Quellspannung ("Batterie") mit U e = ue(t ) = lOOco (200t) Volt, die in Reihe geschaltet sind. Man berechne mit Hilfe der
L-Transformation den Strom i(t) zu einem beliebigen Zeitpunkt t > 0 unter der Anfangsbedingung

i(O) = O.

Kapitel 9
Numerische Mathematik
Vielfach kommt es bei der Lsung mathematischer Probleme vor, dass zwar Existenz, ja sogar
Eindeutigkeit einer Lsung gesichert sind, aber keine explizite LsungsdarsteUung angegeben
werden kann. Man denke blo an die Auflsung nichtlinearer Gleichungen oder an die Integration von Funktionen, welche keine elementare Stammfunktion besitzen (vgl. Beispiel 6.45 (c).
Die numerische Mathematik beschftigt sich mit der Konstruktion und Analyse von Algorithmen, mit deren Hilfe solche Probleme zumindest approximativ gelst werden knnen. Dabei ist
mit Algorithmus ein Verfahren gemeint, das entweder nach endlich vielen Schr itten zur exakten
Lsung eines Problems fhrt (z.B . Gau'scher Eliminationsalgorithmu ) oder es ermglicht,
die Lsung mit (im Prinzip) beliebig vorgegebener Genauigkeit in endl ich vielen Schritten zu
erreichen (z.B. Gesamtschrittverfahren von Jacobi). Neben der Frage, ob und wie eine Lsung
eines Problems auf numerischem Weg erhalten werden kann, ist es auch wichtig zu wissen,
wie schnell ein bestimmtes Verfahren gegen die gesuchte Lsung konvergie11, mit welchem Rechenaufwand dies verbunden ist, und wie es um die Gte der Approximation steht. Daher sind
auch Angaben zur Konvergenzgeschwindigkeit, zum Rechenaufwand und zur Fehlerabschtzung wichtiger Bestandteil eines numerischen Verfahrens .
Wir befassen uns im folgenden Kapitel zunchst mit numerischen Methoden der Algebra,
nmlich mit VeIfahJen zur Lsung von Gleichungen und Gleichungssystemen, und daran anschlieend mit numerischen Methoden der Analysis zur Approximation und Interpolation, Integration und zur numerischen Lsung von gewhnlichen und partiellen Differentialgleichungen.

9.1

Auflsung von Gleichungen und Gleichungssystemen

Jedes Polynom f( x ) = anXn+an_lXn- l + . . +alx+ aO vom Grad n mit reellen oder komplexen
Koeffizienten besitzt nach dem Fundamentalsatz der Algebra genau n Nullstellen in C, falls
man jede Nullstelle mit ihrer Vielfachheit zhlt. Nur fr n ::; 4 gibt es aber allgemein gltige
Verfahren zur exakten Berechnung der Nullstellen. Fr Polynome vom Grad 3 oder 4 ind diese
Verfahren allerdings so aufwndig, dass sie in der Praxi kaum Verwendung finden. Neben
den algebraischen Gleichungen, die bei der Nullstellenbestimmung von Polynomen auftreten,
gibt es zahlreiche weitere Gleichungen wie z.B. die transzendente Gleichung eX - 100x = 0,
welche i. AUg. ebenfalls nicht exakt lsbar sind.
Wir werden nun ein Verfahren kennenJernen, das die schrittweise Bestimmung von Lsungen x einer vorgegebenen Gleichung f( x) = 0 ermgliCht. Dazu sei f : 1 ~ ~ eine auf

9.1 Auflsung von Gleichungen und Gleichungssystemen

389

einem abgeschlossenen Intervall I ~ R definierte stetige Funktion. Erklrt man eine Funktion
r.p : I -+ R durch <p( x) = x - J(x), so entspricht der Gleichung J(x) = 0 die dazu quivalente
Gleichung <p(x) = x. Jede Nullstelle x* von J, also jede Lsung der Gleichung f( x*) = 0
erfllt dann auch die Bedingung <p(x'") = x* , d.h., x* ist ein Fixpunkt von <p, und umgekehrt.
Nehmen wir einmal an, es sei eine Nherung Xo eines Fixpunktes von <.p bekannt. Bilden wir
X l = cp(xo), dann wird - da mit fauch <.p eine stetige Funktion ist - Xl ebenfalls eine Nherung
fr diesen Fixpunkt sein. Derart fortschreitend konstruieren wir mit Hilfe des Startwertes Xo
eine Folge xo, Xl, X2, . .. nach der Vorschrift
X n +l

= <p(x n )

fr

n = 0, 1,2, . .. .

Dann gilt: Ist die Folge (xn ) konvergent und gilt lim n ..... oo X n = x*, so folgt auf Grund der
Stetigkeit von <p

x* = lim

n ..... oo

Xn+l

= lim <p(x n ) = cp( 1im Xn) = <p(X*),

n .....oo

n ..... oo

d .h., x* ist ein Fixpunkt von <[Link] diesem Fall werden also die Folgenglieder X n den unbekannten Fixpunkt x" schrittweise approximieren, und wir haben ein Verfahren zur Lsung des Problems gefunden. Man nennt ein solches Verfahren der schrittweisen Annherung an die Lsung
ein Iterationsverfahren. Die Funktion 'P heit in diesem Zusammenhang Iterationsfunktion,
und die Folge (x n ) nennt man eine Iterationsfolge. Ist sie konvergent, so nennt man auch das
Iterationsverfahren konvergent.
Beispiel 9.1 Gegeben sei die quadratische Gleichung f( x)
Lsungen x" = 1 und x'" = 2.

= x 2 - 3x + 2 = 0 mit den exakten

(a) Wir formen die Gleichung um zu 'Po(x) = x - f( x) = - x 2 + 4x - 2 und berechnen die

Iterationsfolge (x n ) mit Xn+ l = <po(x n ) zum Startwert Xo = - 0.5. Dabei erhalten wir
Xo = - 0.5, Xl

= -4.25,

X2 = - 37.06, X3 = - 1523.88,

Offensichtlich ist das Iterationsverfahren nicht konvergent.

(b) Eine andere quivalenzumformung der Gleichung f(x) = 0 fhrt zu x = 'PI (X) =
Hx 2 + 2). Di ent prechende Iterationsfolge (x n ) mit X n +l = 'P l( X n ) zum seiben Startwert lautet in diesem Fall
Xo

- 0.5

Xl

= 0.75 ,

X2 = 0.85, X3

= 0.91 ,

X4 = 0.9426,

und nhert sich dem Wert x* = 1, einer Wurzel der' gegebenen Gleichung.
(c) Whlt man schlielich die zu f( x) = 0 quivalente Gleichung x = <P2(X) = 3 - ~ (fr
x =I=- 0) als Grundlage des Iterationsverfahrens und nochmals den Startwert Xo = - 0.5, so
lautet die zugehrige Iteration folge
Xo = - 0.5,

Xl

7 X2 = 2.71, X3 = 2.26, X4 = 2.12,

Diesmal konvergiert die Folge gegen den Wert x**

quadratischen Gleichung,

= 2, die zweite Wurzel der gegebenen

6.

ap

9 Numerische Mathematik

390

Wie das Beispiel deutlich macht, kann das Iterationsverfahren in Abhngigkeit von der Wahl
der Funktion r.p ganz unterschiedliche Ergebnisse liefern. Insbesondere kann das Verfahren auch
gar nicht konvergieren. Das Iterationsverfahren ist jedoch konvergent, wenn die beiden in folgendem Satz angefhrten Bedingungen erflillt sind.

Satz 9.2 (Fixpunktsatz) Sei <p : 1 ---+ R eine kontrahierende Abbildung von einem kompakten
Intervall I ~ IR in sich, d.h., cp erfllt die Bedingungen:
Ci) r.p (x ) E 1 fr alle x E I, und
(ii) r.p gengt der Lipschitzbedingung
Ir.p (x ) - cp (x / ) I ::; ),I x - x ii

jralle x , x' E I

mit einer Lipschitzkonstanten )', wobei 0 < >. < 1.

Dann besitzt cp genau einen Fixpunkt x '" E I , und diesen erhlt man als Limes der Iterationsfolge (x n ) mit x n +1 = cp(x n ) , n = 0, 1, 2, .. . ,fr jeden beliebigen Starnvert Xo E I.
Beweis. Durch Ci) ist sichergestellt, dass die Iterationsfolge stets wohl definiert ist. Die Existenz
eines Fixpunktes x'" E I von cp ergibt sich folgendermaen: Wir setzen 1 = [a, b] und betrachten
die Funktion f (x) = x - cp( x ) auf I . Wegen (ii) ist r.p und damit auch f stetig, und zugleich
folgt aus (i), dass f(a) = a - r.p (a) ::; 0 und f(b) = b - r.p(b) 2 O. Nach dem Nullstellensatz
fr stetige Funktionen besitzt feine Nullstelle x* E I, welche zugleich Fixpunkt von cp ist.
Die Lipschitzbedingung (ji) garantiert die Eindeutigkeit von x* in I und die Konvergenz der
Folge (x n ) gegen x* , denn

=?

IXn +1 - x* 1= Icp(xn ) - r.p(x*) I S; ),Ixn - x*1

IX n +1 - x* I ::; ),n+l lX c - x* I ---+ 0 fr n ---+ 00
~

limn -+ oo X n = x*

und zwar unabhngig vom Startwert xo.

Fr die praktische Anwendung des Fixpunktsatzes ist es erforderlich, zu einer vorgegebenen

Iterationsfunktion erstens ein geeignetes Definitionsintervall anzugeben und zweitens dort eine
passende Lipschitzbedingung zu finden . Zur berprfung der letztgenannten Voraus etzung
kann in vielen Fllen der folgende Satz herangezogen werden, der direkt aus dem Mittelwertsatz
der Differentialrechung (Satz 5.1 4) folgt.

Satz 9.3 Die Funktion r.p : 1 ---+ R erfllt eine Lipschitzbedingung mit der Konstanten )', wenn
cp stetig differenzierbar ist und auf I gilt Icp'(x)1 ::;; >. .

Beispiel 9.4 (Fortsetzung) Fr die oben angefhrte Iterationsfunktion 'Pl( X) =

fall s lxi ::;; 1. 2 angenommen wird ,

Hx2 + 2) gilt,

Folglich ist CPl als Abbildung des Intervalls I = [- 1.2, 1.2] in sich eine kontrahierende Ab~
bildung mit ), = 0.8. Die Funktion CPI besitzt genau einen Fixpunkt in I , gegen den jede Iterationsfolge (x n ) mit Xo E I konvergiert, was im Einklang mit den weiter oben erhaltenen
6.
heuristischen Ergebnissen steht.

9 .1 Auflsung von Gleichungen und Gleichungssystemen

391

Beispiel 9.5 (Babylonisches Wurzelziehen) Wir kommen zurck auf das Babylonische Wurzelziehen (vergleiche Beispiel 7.2 in Kapitel 7) nach der Iteration

Xn+l

= <p(Xn ) mit rp (X) =

1
a
2(x + :;),

= 0, 1,2, .. . und a > 0,

welche fr jeden beliebigen Startwert X o > 0 auf eine konvergente Folge mit lim n -+ oo X n = Va
fhrt. Dieses Verfahren, welches bereits vor 3000 Jahren von den Babyloniem verwendet wurde,
ist heute vielfach die Grundlage zur Wurzelberechnung im Computer.
Die Iterationsfunktion cp bildet jedes Intervall I = [~, b] mit b 2:: ~
in sich selbst ab,
w ie man durch Nachrechnen besttigen kann, und es gilt dort

v1

Irp'( x)1

="21 I1 -

all
S 2'

x2

Also ist <p auf I eine kontrahierende Abbildung mit A = ~. Diese besitzt daher genau einen
Fixpunkt x* E I , nmlich x* = Va (die einzige Lsung der Gleichung x = rp(x) in I). Da
fr Xo > 0 stets Xl = ~(xo + ; ) ~ Va und damit Xl E I (fr ein passend gewhltes b) gilt,
6
konvergiert jede Iterationsfolge (x n ) mit Xo > 0 gegen Va (siehe Abb. 9.1).
y

x* =(
Abbildung 9.1 Iteration beim Babylonischen Wurzelziehen

Wir kehren nun zur Gleichung f (x ) = 0, dem Ausgangspunkt unserer berlegungen, zurck und suchen konkrete Iterationsverfahren zur Lsung dieser Glei.c hung. Fhrt man die Iterationsfunktion rp(x) = x - fe x ) oder allgemeiner <p(x) = x - f(x)g(x) mit g(x ) =f 0 ein,
erhlt man die zu f (x) = 0 quivalente Fixpunktgleichung x = rp(x). Jeder Nullstelle von
f entspricht umkehrbar eindeutig ein Fixpunkt von rp. Dabei versucht man, durch geeignete
Wahl der Funktion 9 zu erreichen, dass rp die Voraussetzungen des Fixpunktsatzes erfllt. Wir
betrachten zwei SpeziaWille:

1. Newton'sches Nherungsverfahren
Ist die Funktion f auf einem abgeschlossenen Intervall I zweimal stetig differenzierbar, gilt
femer l' (x) i= 0 fr aUe x E I und whlt man in der oben angegebenen Iterationsfunktion

9 Numerische Mathematik

392

speziell g(x)

= f'~x) ' so erhlt man die Newton'sche Nherungsformel

X n +l

f( xn )
f'( x n )'

Xn -

n = 0,1 , 2, . . . .

(9.1)

Zu dieser Formel kommt man auch durch eine einfache geornetri ehe berlegung (vergleiche Abb. 9.2): Liegt Xo in der Nhe der gesuchten Nullstelle x*, so ersetzt man den Graphen von
Y = f( x) durch die Tangente y = f(xo) + f'(xo)(x - xo) im Punkt (xo, f( xo)) und bestimmt
deren Nullstelle Xl . Die Lsung dieses "Ersatzproblems" fhrt auf X l = Xo - J(xo) / !,(xo),
was vielfach eine bessere Nherung fr x* ist. Allerdings ist es durchaus mglich, dass dieses Verfahren nicht zum gewnschten Ziel fhrt. Ein Beispiel dafr ist ebenfalJ in Abb. 9.2
skizziert.
y

Abbildung 9.2 Konvergenz und Divergenz beim Newton'schen Nherungsverfahren

Zur Beantwortung der Frage nach der Konvergenz des Newton'schen Nherung verfahrens
nehmen wir an, x* sei eine Nullstelle von f mit x* E I. Dann gilt mit 9 (x) = f'~X)

=}

<p(x) <p'(x) =

x - f( x)g(x)
1 - f' (x)g(x) - f( x) g'( x)

= -

f (x)g'(x),

woraus folgt, dass <p'(x* ) = 0 ist. Wie man leicht zeigen kann, gengt daher die Funktion r..p
in einer geeignet gewhlten Umgebung von x* einer Lip chitzbedjngung und erfllt die Voraussetzungen des Fixpunktsatzes. Damit ist die Konvergenz des Verfahren ge ichert, falls der
Startwert Xo nahe genug bei x* liegt.
Das Newton'sche Nherungsverfahren kann prinzipiell sowohl bei einfachen al auch
bei mehrfachen NullsteLlen (d.h. Nullstellen von f( x) und f' (x) ) angewendet werden, die
Iterationsfolge konvergiert jedoch - wie man zeigen kann - gegen eine mehrfache Nullstelle
bedeutend langsamer. Dazu kommt, dass im Fall einer mehrfachen Null teile der Rechnungsfehler stark ins Gewicht fallen kann. Dies liegt daran, dass der Ausdruck f(x)/ f'(x) in der
Iterationsformel fr x - t x* gegen die unbestimmte Form % strebt. Wird der Zhler in Bezug
auf die bei der Berechnung verwendete Stellenzahl frher 0 al der Nenner, bleibt die Iteration
dort stehen, andernfalls kann sich die Iterationsfolge von x* sogar wied r entfernen. Zahlreiche Verbesserungen und Verallgemeinerungen de Newton ' chen Verfahrens zur Behandlung
mehrfacher Nullstellen, zur Beschleunigung der Konvergenz owie zur Ab chtzung de Verfahrensfehlers sind in der weiterfhrenden Literatur beschrieben ( iehe Z.B. [25]).

-----------

- -

- -

- - - --

9.1 Auflsung von Gleichungen und Gleichungssystemen

393

Beispiel 9.6
(a) Wir bestimmen die Nullstellen der Gleichung f( x ) = eX - 100x mit Hilfe des Newton' ehen Nherungsverfahrens. Wegen f(O) = 1 > 0, f(5) < 0 und f(lO) > 0 besitzt
die Funktion f je eine Nullstelle im Intervall [0, 5} und im Intervall [5 ,10] (siehe Abb. 9.3) .
Da f" (x ) = eX > 0 und somit f konvex ist, kann es keine weiteren Nullstellen geben.

Abbildung 9.3 Nullslellenberechnung ftir f( x) = eX

Mit

lOOx

f' (x ) = x -100 lautet die Iteration in unserem Beispiel

n

= 0, 1,2, . . .

Daraus erhalten wir, vom Startwert Xo = 0 ausgehend, bereits nach dem ersten Iterationsschritt die Nullstelle x* = 0.01 , falls auf zwei Nachkonunastellen genau gerechnet
wird. Der Startwert Xo = 10 fhrt nach sechs Iterationsschritten auf die zweite Nullstelle
x .... = 6.47 (siehe Tabelle).

16x n l f( x n )
0.00
1.00
1 0.01
0.01
0.00
2 0.01
0.00
0.00
3
4
5
6
7

Xn

Xn

10.00
9.04
8.14
7.35
6.79
6.52

6.47
6.47

I ~xnl

0.06
0.90
0.79
0.56
0.26
0.05
0.00

f(x n )
21026 .47
7538.50
2606.38
824.71
207.96
28.42
0.80
0.00

9 Numerische Mathematik

394

(b) Die Iteration X n +l =

HX n + x: ) von Beispiel 9.5 zur Berechnung von Va erhlt man

durch Anwendung des Newton'schen Verfahrens auf die quadratische Gleichung f( x ) =

x 2 - a = 0, denn die zu f gehrende Iterationsfunktion <p lautet

f(x)
x2 - a
<p(x) = x - - - = x f'(x)
2x

= - (x

a
x

+ - ).

2. Die regula falsi

Ist f eine stetige (aber nicht notwendig differenzierbare) Funktion auf einem abgeschlossenen
Intervall I, so kann man den Differentialquotienten f' (x) in Gleichung (9.1) durch einen Differenzenquotienten ersetzen. Man erhlt dann die Iterationsformel (regula falsi)
Xn -

Xn+ l = Xn -

Xn - l

f( x n ) - f(Xn -l

f(x n ),

n=1,2,3, .. . .

(9.2)

Die regula falsi stellt also ein Iterationsverfahren dar, das ohne Ableitung auskommt, jedoch
zwei Startwerte Xo und Xl erfordert. Man kann zeigen, dass das Verfahren stets gegen eine
Nullstelle x" von f konvergiert, falls Xo und Xl nahe genug bei x" gewhlt werden.
Die Vorschrift (9.2) kann auch mit Hilfe einer geometrischen berlegung hergeleitet werden. Interpoliert man nmlich die Funktion y = f{x) an den Stellen Xo und Xl durch ,eine Gerade und berechnet deren Nullstelle X2, so erhlt man X2 = Xl - (Xl - XO)f(Xl)!U(xd - f(xo))
(siehe Abb. 9.4).
y

Abbildung 9.4 Geometrische Interpretation der regula falsi

In der so genannten Primitivform der regula falsi whlt man zunchst zwei Startwerte Xo
und Xl derart, dass die Funktionswerte f(xo) und f(Xl) entgegengesetztes Vorzeichen besitzen.
Nach dem Zwischenwertsatz fr stetige Funktionen liegt dann zwischen Xo und Xl sicher eine
Nullstelle von f . Man berechnet nun zu Xo und Xl die Nherung X2 gem (9.2) mit n = l.
Sodann werden aus xo, Xl, X2 zwei Werte ausgewhlt, von denen einer gleich X 2 ist und der
andere Wert jenes Xi ist, fr welches f(Xi) und f(X2) entgegengesetztes Vorzeichen besitzen.
Mit dieser Auswahl als neue Startwerte wird das beschriebene Verfahren fortgesetzt. Auf diese
Weise ist die Konvergenz des Iterationsverfahrens stets gewhrleistet. Kann man jedoch absehen, dass das Verfahren konvergiert, so ist die Iteration in der so genannten Standardform (9.2)
gnstiger, da sie schneller konvergiert als in der Primitivform.

- --=- - -

9.2 Verfahren zur L ung linearer Gleichungssysteme

395

Beispiel 9.7 (Fortsetzung) Wir bestimmen die grere der bei den Wurzeln der Gleichung
fex) = eX - 100x = 0, also jene Null stelle , welche im Intervall I = [5 , 10] Hegt, mit Hilfe der regula falsi in Standardform. Wir whlen Xo = 5, Xl = 10 und erhalten bei Rechnung auf
zwei Nachkommastellen nach 14 Iterationen x"'* = 6.47 (siehe Tabelle).

Xn

0
1
2
3
4
5

5.00
10.00
5.08
5.16
10.21
5.23
...
6.47
6.47
6.47

14

15
16

[Link] l
5.00
4.92
0.08
5.04
4.98
...
0.07
0.01
0.00

f(x n )
- 351.59
21026.47
- 347.09
-341.68
26042.80
- 336.43

...
- 4.05
-0.14
0.00

Zum Vergleich verschiedener Iterationsverfahren muss einerseits der Rechenaufwand, andererseits die Konvergenzgeschwindigkeit der Iterationsfolge in Betracht gezogen werden. Der
Rechenaufwand kann z.B. nach der Anzahl der pro Iterationsschritt bentigten Rechenoperationen bemessen werden. Ein Ma fr die Konvergenzgeschwindigkeit ist die so genannte Konvergenzordnung einer Iteration (x n ) mit (x n ) -+ x*, dj. jene Zahl p 2: 1, fr welche

fr fa t alle n und ein M mit 0 < M < 00 gilt. Im Fall p = 1 spricht man von linearer
Konvergenz, ist p = 2, von quadratischer Konvergenz. Letzteres bedeutet, dass der Fehler im (n + 1)-ten Schritt annhernd proportional zum Quadrat des Fehlers im n-ten Schritt
ist. (Gelegentlich wird dieser Sachverhalt etwas unscharf dadurch umschrieben, dass von einer
Verdopplung der Anzahl der richtigen Dezimalstellen nach jedem Iterations chriu gesprochen
wird.) Vorn Newton 'schen Nherungsverfahren kann man zeigen, dass es fr einfache Nullstellen die Konvergenzordnung p = 2, flir mehrfache Nullstellen die Ordnung p = 1 hat. Fr die
regula falsi gilt p = H1 + y5) ~ 1.62 fr einfache Nullstellen und p = 1 fr mehrfache
Nullstellen sowie flir die Primitivfonn.

9.2

Verfahren zur Lsung linearer Gleichungssysteme

Vie]e Frage teIlungen aus den Anwendungen, aber auch Probleme innerhalb der Mathematik
fhren immer wieder auf lineare Gleichungssysteme. Man denke z.B. an das Studium von elektrischen Netzwerken, die Berechnung von Eigenvektoren oder die Lsung von Anfangswertproblemen bei linearen Differentialgleichungen. Die Theorie der linearen Gleichungssysteme ist
zwar vollstndig bekannt, bei der praktischen Berechnung der Lsungen knnen sich dennoch
Probleme ergeben. Die mit dem Gau'schen Eliminationsalgorithmus gewonnenen Lsungen

396

9 Numerische Mathematik

sind das Ergebnis zahlreicher Rundungsprozesse und knnen beim Einsetzen in das ursprngliche System zu groen Di krepanzen fhren. Umgekehrt ist es mglich, da s Nherung lsungen eines Systems dessen Gleichungen recht gut errllen, jedoch von den exakten Lsungen
deutlich abweichen. In Abb. 9.5 wird illustriert, wie weit die Lsungen, welche zwei lineay

1. Gleichung

Abbildung 9.5 Veranschaulichung eines chlecht konditionierten linearen Gleichung y tem mit zwei Variablen

ren Gleichungen mit vorgegebener Genauigkeit gengen, trotzdem auseinander liegen knnen.
(Alle Punkte im schraffierten Bereich lsen das System im Rahmen der vorgegebenen Genauigkeit.)
Bei den Verfahren zur numerischen Lsung linearer Gleichungssysteme unterscheidet man
direkte und iterative Verfahren. Die direkten Lsungsverfahren, welche in Kapitel 3 behandelt
wurden, sind theoretisch exakte Verfahren, d.h. , sie besitzen keinen Verfahren fehler. Zu ihnen
zhlen der Gau'sche Eliminationsalgorithmus und die Cramer' che RegeL (Letztere i tjedoch
fr das praktische Rechnen bej greren Sy ternen unbrauchbar, da mit zunehmender Variablenzahl der Rechenaufwand und damit die Rechenzeit enorm anwach en.) Bej den iterativen
Verfahren wird, im Gegensatz zu den direkten Verfahren, die Lsung de System chIittweise
angenhert. Ausgehend von einer Nherungslsung Xo als Startvektor bildet man eine Folge von
Vektoren xo , Xl , x2 , . " in ~n. Konvergiert die Folge (Xk) gegen einen Vektor x *, 0 pricht
man von einem konvergenten n -dimensionalen Iterationsverfahren zur B timmung von X

1. Gau'sches Eliminationsverfahren mit Pivotisierung

Beim Algorithmus von Gau sind zwei numerisch kritische Flle mglich: Problemati ch iud
zum einen betragsmig kleine Pivotelemente, d.s. die Elemente in der Diagonalen der Dreiecksmatrix, denn durch diese muss dividiert werden. E ist daher zweckmig, ich bei der
Auswahl dieser Elemente nicht mit irgendwelchen Matrixelementen # 0 zu b gng n, sondem
in jedem Schritt das jeweils grte Element in der rechten unteren R tmat:rix durch geeignete
Zeilen- und Spaltenvertauschungen zum Pivotelement zu machen. (Man v rgleich m der Funote auf Seite 122.) Der GauWsche Eliminationsalgorithmu arbeitet dann mit Pivotisierung.
Bei von Zeile zu Zeile unterschiedlichen Grenordnungen der Koeffizienten in der Systemmatrix i t es auerdem empfehlenswert, vorher durch Zeilerunultiplikationen mit geeigneten
Zahlen fr eine einheitliche Skalierung zu sorgen.
Zum zweiten kann es nach der Transformation auf Halbdiagonalform b im Au rechnen der
einzelnen Variablen zu Subtraktionen fast gleich groer ZahJen und damit zu Au) chung

9 .2 Verfahren zur L ung linearer Gleichungssysteme

397

von Dezimalstellen kommen. Diese Situation ist ein Hin weis auf eine schlechte Kondition
des Gleichungs y tem . Sie kann nur durch Rechnung mit erhhter Genauigkeit oder durch
Nachiteration (siehe weiter unten) verbessert werden.

Beispiel 9.8
(a) Betrachten wir da Gleichungssystem

- 0.13 x l
799.7x l

0.2SX2 806 .1x 2

15
- 640,

welche die exakte Lsung Xl = 100 und X2 = 100 besitzt. Die Anwendung des
Gau' ehen Eliminationsalgorithmus ohne Pivotisierung fhrt bei einer Rechnung mit
vier signifikanten Stellen (d.h . bei Rundung aller Zwischenergebnisse auf vier signifikan te Stellen) zu
Xl

Xl

X2

- 0.130

0. 28

X2

- 0.13
0.28 1
15 )
( 799.7 - 806.1 - 640 '

15 )
91650

916.9

und damit auf X l = 99.92 und X2 = 99 .96. Mit Pivotisierung erhlt man (durch Vertauchen der beiden Zeilen der erweiterten Systemmatrix)
Xl

X2

799 .7
( - 0.13
und schlielich

Xl

06.1
0.28

= 100,

X2

Xl

X2
1

- 640)
15

799.70 - S06.1

0.149

- 640 )
14.90

= 100, d.i . die exakte Lsung.

eb ) Auch das Gleichungssystem A x = b gem

2. 5xI

- 10.2xI

8.7x2
35.5x2 -

- 620
2530

des en Sy temdeterminante lAI = 0.01 ist, besitzt die Lsung Xl = 100 und X2 = 00.
Bedingt durch die schlechte Kondition kommt es bei Anwendung de Gau ' chen Elimination algorithmu zu greren Rundungsfehlern als im letzten Bei piel. Noch viel
problemati eher ist es aber, dass sich die Lsung ganz wesentlich ndert, fa lls die Koeffizienten des Gleichungssystem auch nur eine geringfgige nderung erfahren. Ersetzt
man etwa den Spaltenvektor

b= (

-620 )
2530

durch

b =

so lautet das neue Resultat bei exakter Rechnung

Xl = 100 und X 2 = 100).

Xl

( -2531
620) '
= 970 und

X2

= 350 (gegenber

6.

9 Numerische Mathematik

398

2. Gesamtschl'ittverfahren von Jacobi

Im Folgenden wenden wir uns den iterativen Verfahren zu, bei denen die Lsung des Systems,
ausgehend von einer (groben) Nherungslsung, schrittweise verbessert wird. Dazu gehen wir
von einern linearen n x n-Gleichungssystem der Form Ax = b aus und setzen voraus, dass
lAI -I- 0 gilt, d.h., dass die Lsung des Systems eindeutig bestimmt ist. Wir betrachten nun
eine additive Zerlegung der Systemmatrix A = (aij) in eine untere Dreiecksmatrix U (ohne
Diagonale), eine Diagonalmatrix D und eine obere Dreiecksmatrix 0 , also

A= U +D + O.
Dabei gelte ohne Beschrnkung der Allgemeinheit a ii =I=- 0 fr alle i , was durch geeignete
Zeilenvertauschungen stets erreicht werden kann. Das Gleichungssystem Ax = b wird dann zu
Dx = - (U + O)x + b, und die Lsung x ist Fixpunkt der Iteration
Xk+l = rp (Xk) = D - 1(-(U

+ O)Xk + b).

In Koordinaten angeschrieben lautet das Gesamtschrittverfahren von Jacobi somit

[i)

X k +1

= a1ii

(~
L.
-

= 1

Li]

a ijX k

+ bi )

= 1, . .. , n ,

k = 0, 1, 2, . .. ,

(9.3)

j#i

wobei allgemein x~l die i-te Komponente der k-ten Nherung X k bezeichnet.
Die Konvergenz des Iterationsverfahrens ist - wie man zeigen kann - gesichert, falls eine
der folgenden Bedingungen erfllt ist:
Quadratsummenkriterium
n

j= 1

a ..

1-22.
1< 1, i
a ..

= 1, ...

,n

Zeilensummenkriterium

tt

jf=i

LI
i= 1

aij

I < 1, j

= 1, ... , n

Spaltensummenkriterium

aii

i#j

Allen drei Konvergenzkriterien ist gemeinsam, dass groe Diagonalelemente die Konvergenz
der Iterationsfolge begnstigen. Ist keine der angegebenen Bedingungen erfllt, so kann man
versuchen, durch Zeilen- bzw. Spaltentausch oder durch Linearkombinationen der Zeilen de
Systems ein Gleichungssystem mit berwiegend groen Diagonalelementen zu konstruieren,
welches dann einem der Konvergenzkriterien gengt.
3. Einzelschrittverfahren von Gau-Seidel
Whrend bei einem Gesamtschrittverfahren in einem Iterationsschritt alle Koordinaten der
Nherung X k+ l aus jenen von X k bestimmt werden, verwendet man bei einem EinzeIschrittverfahren zur Berechnung der einzelnen Koordinaten X~~l die iterativ verbessetten Werte der

9.2 Verfahren zur Lsung linearer Gleichungssysteme

399

bereits zuvor berechneten Koordinaten X~~l von Xk+h wodurch eine raschere Konvergenz erreicht wird. Nach dem Einzelschrittverfahren von Gau-Seidel wird das lineare Gleichungssystem Ax = b mit Hilfe der oben eingefhrten Zerlegung A = U + D + 0 umgeformt zu
(U + D)x = - Ox + b. Daraus ergibt sich die Iteration

XHI =

ip(Xk)

= (U

+ D) - I( -

OXk

+ b) .

Die praktische Durchfhrung der Iteration erfolgt jedoch nicht durch Berechnung der Matrix
(U + D) -I, sondern direkt aus der Gleichung (U + D)Xk+l = -OXk + b, was zu Xk+ l =
D - 1 ( - UXk+1 - OXk + b) bzw. in Koordinaten ausgedruckt
[i ]

xk+l -

1
~
tt

(~
Ii]
~
- L....J aijx k +1 L....J

Ii]

aijX k

+ bi )

= 1, . . . ) n,

k = 0,1,2, . . .

(9.4)

j = i+l

j=l

fhrt. Die Konvergenz des Verfahrens ist sichergestellt, wenn das Zeilensummenkriterium oder
das Spaltensummenkriterium erfllt sind.

Beispiel 9.9 Wir lsen das lineare Gleichungssystem

2.5x + 0.5y - 1.0z 0. 1x + 0.5y + 0.3z =
- 0.2x - 0.3y + 1.0z =

0.5
2.0
2.2

mit Hilfe des Gau-Seidel'schen Verfahrens. Das Zeilensummenkriterium ist erfllt, denn 0.5 +
1.0 < 2.5 und 0.1 + 0.3 < 0.5 sowie 0.2 + 0.3 < 1.0. Nach Gleichung (9.4) bilden wir die
Iterationsfolge (Xk) = (Xk , Yk, Zk) gem
Xk+1
Yk+l
Zk+l

=
=

-0.2X k+1
0. 2X k+l

-0.2Yk +O.4z k +0.2

-O.6z k +4.0
+2.2
+O .3Yk+l

0,1,2, .. .. Diese Iterationsfolge konvergiert fr jeden beliebigen Startwert xo . Fr

Xo = (0, 0, 0) ist der Verlauf der Iteration in nachstehender Tabelle wiedergegeben. Bei
Rechnung auf zwei NachkommastelIen genau erhlt man nach 5 Iterationen das Ergebnis
x = 1.00, Y = 2.00 und Z = 3.00.

fr k

Xk

0 0.00
1 0.20
2 0.78
3 1.00
4 0.99
5 1.00
6 1.00

Yk

Zk

0.00
3.96
1.79
2.07
1.99
2.00
2.00

0.00
3.43
2.89
3.02
3.00
3.00
3.00

I Xk - Xk-l ll
5.24

2.31
0.38
0.08
0.01
0.00

Neben den bisher besprochenen Verfahren gibt es eine Reihe weiterer Verfahren fr spezielle Gleichungssysteme, femel' Algorithmen zur Berechnung von Eigenwerten und Eigenvektoren, zur Invertierung von Matrizen u.a.m. (siehe Z.B. [24] und dort angegebene Literaturhinweise).

400

9.3

9 Numerische Mathematik

Approximation und Interpolation

In den folgenden Abschnitten beschftigen wir uns mit numerischen Methoden der Analysis.
Zunchst wird die Darstellung von Funktionen durch Approximation und Interpolation mittels
Polynomfunktionen behandelt. Mit Hilfe dieser Nherungen knnen dann Formeln zur Integration stetiger Funktionen (so genannte Quadraturformeln) hergeleitet oder Verfahren angegeben
werden, die es ermglichen, Lsungen gewhnlicher Differentialgleichungen zu vorgegebenen
Anfangswerten aufzufinden. Methoden der Interpolation spielen auch in der Computergraphik
eine Rolle, wo z.B. Formen (Rechtecke, Kreise, usw.) oder Kurven durch vorgegebene Punkte
bestimmt werden mssen.
Gegeben sei eine stetige Funktion! : I -+ :IR., welche auf dem Intervall I ~ :IR. definiert ist.
Sind die Werte von! kompliziert oder aufwendig zu berechnen, so besteht hufig das Bedrfnis,
die Funktion! durch eine einfachere Funktion, eine so genannte Ersatzfunktion p : I -+ R,
nherungsweise darzustellen . Auch dann, wenn die Funktionswerte von! nur an einigen Stellen
bekannt sind (z.B. als Ergebnis von Messungen oder Erhebungen) und man daraus weitere
Werte berechnen mchte, ist eine Ersatzdarstellung fr die unbekannte Funktion f notwendig.
Als Ersatzfunktionen p werden vielfach Polynomfunktionen herangezogen, und zwar in erster
Linie wegen ihrer einfachen Bauart und ihrer leichten Berechenbarkeit. Darber hinaus sind
Polynomfunktionen einfach zu differenzieren und zu integrieren.
Bei der Darstellung von Funktionen ist prinzipiell zwischen zwei AufgabensteIlungen zu
unterscheiden, nmlich der Approximation und der Interpolation von Funktionen. Whrend
es bei der Approximation darum geht, ber eine Minimalbedingung eine mglichst gute bereinstimmung zwischen vorgegebener Funktion fund Ersatzfunktion p im gesamten Intervall
I zu erreichen, wird die Interpolationsaufgabe ber die Inzidenzbedingung !(Xi) = P(Xi ) ftir
vorgegebene Argumente Xi E I formuliert (siehe Abb. 9.6). Die Dar teilung einer Funktion f

Abbildung 9.6 Approximation (links) und Interpolation (rechts)

durch Approximation ist vor allem dann zweckmig, wenn viele Werte von f bekannt sind und
damit zu rechnen ist, dass die einzelnen Funktionswerte mit Fehlern (z.B. Messfehlern) behaftet
sind. Sind hingegen nur wenige Werte von f vorgegeben und kann man annehmen, dass diese
exakt sind, so wird man f durch eine Funktion beschreiben, welche genau mit die en Welten
bereinstimmt, d .h ., man wird f interpolieren.

- -

- -

---------~-=---~::--._~

9.3 Approximation und Interpolation

401

1. Approximation mittels einer Ausgleichsgeraden

Sind von einer Funktion f endlich viele Wertepaare (Xi, Yi) mit Yi = !(Xi) l i = 1, .. . , n, bekannt, kann ein PoIynom p nach der Methode der kleinsten Quadrate derart bestimmt werden,
dass die Quadratsumme
n

Q = I)f(Xi ) - P(Xi ))2

i= l

minimiert wird. Betrachten wir speziell den linearen Ansatz p( X )

Funktion

+ bx.

so gilt es, die

Q(a, b)

L(Yi - a - bXi )2
-,=1

in den bei den Variablen a und b, den Parametern der Ersatzfunktion p, zu minimieren. Wie wir
aus der Differentialrechnung fr Funktionen in mehreren Variablen (vgl. Kapitel 6) wissen, ist
dazu das Verschwinden der ersten partiellen Ableitungen notwendig, also

BQ
Ba
BQ

ob

2 I)Yi - a - bXi )( - 1)

0,

(9.5)

i= l

2 I)Yi - a - bXi )( - Xi ) = O.

(9.6)

i= l

Aus Gleichung (9.5) folgt unmittelbar E Yi = na +

bE Xi bzw.

y = a+bx,

(9.7)

wobei x = ~ E Xi und y = ~ LYi die arithmetischen Mittelwerte der x - bzw. y-Koordinaten

bezeichnen. (Dabei steht L abkrzend fr L~=l ' ) Somit liegt der Punkt (x, Y) auf der Ersatzgeraden Y = a + bx . Setzt man dieses Ergebnis in Gleichung (9.6) ein, so erhlt man nach kurzer
Rechnung
b = E XiYi - nx :y
(9.8)
2

L: x; - nx

Damit sind a und b bestimmt. Die zugehrige Gerade wird Ausgleichsgerade der Punkte
(Xl> Yl) , ' . . ,(xn Yn) genannt und ist im Sinne der Forderung nach Minimierung der Fehlerquadratsumme Q die bestmgliche Gerade durch diese Punkte. Die Ausgleichsgerade spielt vor
allem in der deskriptiven Statistik eine wichtige Rolle.
Beispiel 9.10 Wir bestimmen die Ausgleichsgerade gem (9.7) und (9.8) fr eine empirische
Funktion Y = f( x ), von der folgende sechs Wertepaare ermittelt wurden:
2.2 2.5 3.8 5.4 5.8 7.5
Y 7.25 7.7 10.2 12.3 13.3 15
X

Die Rechnung ergibt x = 4.53 , Y = 10.96 und damit b = 1.50, a = 4.15. Die Ausgleichsgerade lautet folglich Y = 4.1 5 + 1.50x und ist in Abb. 9.7 veranschaulicht. Sie minimiert die
Summe der eingezeichneten Quadrate der senkrechten Abstnde der Punkte zur Geraden.

402

9 Numerische Mathematik

y = 4.15 + 1.50x

15

.:s

10

'

.'
.'

5
5

10

Abbildung 9.7 Ausgleichsgerade nach der Methode der kleinsten Quadrate

Da die Abweichungen der Punkte von der Ausgleichsgeraden nicht sehr gro sind, ist es
gerechtfertigt, die Funktionswerte zu weiteren in obiger Tabelle nicht angegebenen Argumenten
mit Hilfe der Geradengleichung schtzungsweise zu berechnen. So gilt etwa 1(5) ~ y(5) =
11.66.
6.

2. Allgemeiner Ansatz zur Interpolation mittels Polynomfunktionen

Bei der Interpolation einer Funktion 1 geht es - im Gegensatz zur Approximation - nun darum, eine Ersatzfunk~on p zu finden, welche an bestimmten vorgegebenen Stellen mit 1 exakt
bereinstimmt. Sind von der Funktion 1 die Punkte (Xi , Yi ) mit f(Xi) = Yi fr i = 0, 1, . . . ) n
gegeben, so muss die gesuchte Funktion p die Bedingung P(Xi ) = Yi fr alle i erfllen. Ist
p eine Polynomfunktion, so nennt man pein Interpolationspolynom zu den InterpolationssteIlen (Xi, Yi), i = 0, 1, . . . , n. Dabei heien die Xi SttzsteIlen und die Yi Sttzwerte der
Interpolationsstellen (Xi , Yi). Es gilt der folgende
Satz 9.11 Zu n + I /nterpolationsstellen (Xi, Yi ), i = 0, 1, .. . ,n, mit paarweise verschiedenen
SttzsteIlen Xi gibt es genau ein Interpolationspolynom p. dessen Grad hchstens 11, betrgt.
Ein lineares Interpolationspolynom fr eine Funktion f ist somit durch zwei Punkte bestimmt und beschreibt den mittleren Anstieg von 1, ein quadratisches Polynom erfasst zustzlich die mittlere Krmmung, ein kubisches Interpolationspolynom auch die nderung der
Krmmungsrichtung von 1. Interpolationspolynome von immer hherem Grad mssen jedoch
nicht immer bessere Ersatzfunktionen liefern. Es gibt nmlich - wie man zeigen kann - stetige Funktionen, welche sich nicht als Limes von Interpolationspolynomen mit immer dichter
werdender SttzsteIlenmenge darstellen lassen.
Das eindeutig bestimmte Interpolationspolynom p zu dem System von InterpolationsteIlen
(xo, Yo), . . . , (X'Il.' Yn) kann auf mehrere Arten gewonnen werden. Der allgemeine Ansatz
(9.9)

9.3 Approximation und Interpolation

403

fhrt auf das lineare Gleichungssystem ao + al Xi + a2x~ + ...

fr die Koeffizienten aa, al , a2, ... ,an, in Matrixschreibweise

X~

+ anxi

= Yi, i

= 0, 1, . . . , n,

Yn

Die Detenninante dieses Systems ist die so genannte Vandermonde'sche Determinante, welche den Wert D i</Xj - Xi) besitzt. Aus dieser Darstellung ist zu ersehen, dass die Koeffizienten ai des Interpolationspolynoms eindeutig bestimmt sind, falls alle Sttz stellen paarweise
verschieden sind.

3. Interpolation nach Lagrange

Das nach Satz 9.1 1 bestimmte Interpolationspolynom kann auch explizit, ohne eine Rechnung
durchfhren zu mssen, angegeben werden. Dazu betrachtet man die Polynome
L (x) =
~

x - x'
J
. ~ . Xi - Xj

II
l r~

(x - xo) ' " (x - xi- d(x -

(x - x )
Xi+1 ) .. . (Xi - X n )

n
= ~--:---:-'---7--7---~--'-:---'-:Xi+1)' "

(Xi - Xo) . . ( Xi - Xi - I)( Xi -

(9.10)

flir i = 0, 1, . . . n und bildet damit das Lagrange'sches Interpolationspolynom

p(x) = yoLo(x) + y1L1(x) + ' "

+ YnLn(x).

(9.11)

Offensichtlich sind alle Li(x) Polynome vom Grad n und besitzen darber hinaus die Eigenschaft, dass Li(Xi) = 1 und Li(xj) = 0 fr i =1= j . Folglich ist auch p gem Gleichung (9.11)
ein Polynom, dessen Grad hchstens n betrgt, und p erfllt die Interpolationsbedingungen
P(Xi) = Yi fr alle i. Also ist p das gesuchte Interpolationspolynom.
Beispiel 9.12 Wir bestimmen jene quadratische Polynomfunktion, welche durch die drei Punkte (0 , I) , (1 , 0) und (2 , 3) fhrt. Der allgemeine Ansatz fr ein Interpolationspolynom zweiten
Grades nach (9.9) lautetp(x) = ao + alX + a2x 2 , und durch Einsetzen der drei Interpolationsstellen erhlt man das lineare Gleichungssystem

ao
ao

ao

al
2al

a2 4a2 -

0
3

mit der Lsung ao = 1, al = - 3 und a2 = 2. Somit ist das Interpolationspolynom gegeben

durch p(x) = 1 - 3x + 2x 2
Nach der Methode von Lagrange ermitteln wir zu den SttzsteIlen Xo = 0, Xl = 1 und
X2 = 2 zunchst nach Gleichung (9.10)

Lo(x)

(x - xd(x - X2 )
(xa - Xl )(XO - X2)
(x - xo)(x - X2)
-:--'---:--'-~---'~
(Xl - XO)(X I - X2)
(x - xo)(x - xd
(X2 - XO)( X2 - Xl)

_ (x - l)(x - 2)
- (0 - 1)(0 - 2)
x(x - 2)

=
2

2x -

+ 2x ,
1(1 - 2)
x(x - 1) 1 2 1
=
= -x - - x
2(2 - 1)
2
2'
=

= -X

'2 x + 1)

404

9 Numerische Mathematik

Fr das Lagrange'sche Interpolationspolynom (9.11) gilt dann

+ O L1 (x) + 3 L 2(x)
~X2 - ~ x + 1 + 3( ~X2 - ~x)

p(x)

1 Lo(x)
2

1- 3x

+ 2x

4. Interpolation nach Newton

Das Newton'sche Interpolationspolynom hat die Form

Dieser Ansatz liefert nach Einsetzen aller Interpolationsstellen ein Gleichungssystem rur die
Koeffizienten bi , welches bereits Dreiecksform besitzt und daher einfach zu lsen i t. Kommt
ein neuer Sttzpunkt (x n+l' Yn+l ) dazu, wird - im Gegensatz zum Lagrange'schen Polynom
- der Newton'sehe Ansatz nur um einen Summanden erweitert und der Koeffizient bn +1 neu
berechnet, alle anderen bi bleiben unverndert.
Zur praktischen Berechnung der Koeffizienten in (9.12) betrachten wir allgemein da Interpolationspolynom vom Grad ~ k, welches durch die Stellen (Xi, Yi) i = 0 ... k (fr beliebiges k ~ 0) eindeutig bestimmt ist, und schreiben dafr

PO",k(X) = bo + bl(x - xo)

+ bz(x - xo)(x - Xl) + ... + bk(x - xo) '" (x - Xk- l).

Insbesondere ist also PO ...n(x ) = p(x ). Der Koeffizient bk von x k in PO ... k(X ) ist dabei durch die
Interpolationsstellen (Xi, Yi ), i = 0, . . . , k eindeutig bestimmt und offensichtlich unabhngig
von deren Reihenfolge. Wir schreiben bk = f [xo " . . , Xk] und sprechen vom k-ten DitIeren.
zenquotienten (oder der k-ten dividierten Differenz) der Funktion f rur die Stellen xo, . . . ) Xk.
Die Berechnung von f[ xo, .. , ) Xk] kann nun rekursiv wie folgt durchgefhrt werden: Wir
setzen x = Xo in Gleichung (9.12) und erhalten fr den O-ten Differenzenquotienten

j(Xo ) = bo

=}

bo = f[xo] = f( xo).

Mit x = Xl folgt ferner

j(Xl)

= bo + b1(XI

- xo) :::} b1 = J[xo, Xl ] = f [XI] - f [xo]

X l - Xo

fr den ersten Differenzenquotienten, und fr den zweiten Differenzenquotienten berechnet man

f( x2)
::;}

b2 = f[xo , Xl, X2]

bo + bl (X2 - xo) + b2(X2 - XO)(X2 - Xl )

f[ X2] - f [xo]
f[ xo , xd
(xz - XO )(X2 - x] ) X2 - Xl
f[ xo, X2 ] - f[ xo, xtJ
X2 - Xl

n Xl, X2 ] - f [xo, Xl]

(wobei im letzten Schritt die Sttzstellen Xo und

- --

- -

- - --

----

Xl

vertauscht wurden). Allgemein kann der

9.3 Approximation und Interpolation

405

k-te Differenzenquotient rekursiv aus zwei Differenzenquotienten der Ordnung k - 1 wie folgt
berechnet werden.

Satz 9.13 Fr den k-ten DifJerenzenquotienten J[xo, . . . , Xk] der Funktion f an den Stellen
Xo .. .

Xk

gilt

_ J[Xl! ' . . ,Xk] - f[ xo, . .. ,Xk- l] J' k 1

()
r;::: .
Xk - Xo

f [xo .. . Xk] -

Beweis. Zum Bewei betrachten wir das Interpolationspolynom PO .. .k( X), Dann gilt einerseits

PO ...k(X)
-

PO ...k- I(X ) + J[xo, . . . ,Xk](X - xo) . . . (x - Xk- l)

Pl...k-l(X ) + J[xo, . . , Xk - I](X - Xl)'" (x - Xk- l ) +
+ f[ xo, . . . ,Xk](X - xo) . . . (x - Xk- l) ,

andererseits ist aber auch

P1...k (X) + f[ xo, . . . , Xk]( X - Xl)' .. (X - Xk)

Pl...k- I(X ) + f [XI, . ' . ,Xk]( X - Xl) ' . . (x - Xk- l)
+ f[ xo, . . . ,Xk]( X - Xl) ... (X - Xk ).

PO ...k(X)

Aus einem Vergleich der beiden Darstellungen folgt

j [Xo . . . Xk-l]

=>

+ J[xo, . .. ,Xk]( X -

xo)
J[xo, . . . Xk]( Xk - Xo) 1

J[XI, . . . ,Xh] + f[ xo, . .. ,Xk]( X - Xk)

J[XI, . . . , Xk ] - f[ xo, . . . ,Xk- l]

und damit die Behauptung.

Die Differenzenquotienten bk - !lxo, . . )Xk] knnen in der Praxis auf einfache Weise
an Hand des nach tehenden Differenzenschemas berechnet werden. Dabei werden zuer t die

Xo
Xl
X2
X3

f[ xo]
J[xd
f[ X2]
![X3]

f [xo, Xl]
J[XI 1 X2 ]
![X2 1 X3 ]

f[xo, X l , X2 ]
f [X I, X2, X3]

Xn f [x n] J[Xn - I, Xn] ![Xn - 2, Xn -

l)

Xn ]

J[xo, Xl , X2, X3 ]
f[ XO, . ' ., Xn ]

Sttzstellen Xi und die Sttzwerte Yi = !lXi ), d.h. alle O-ten Differenzenquotienten von f in
den ersten beiden Spalten eingetragen. Anschlieend werden die Differenzenquotienten hherer
Ordnung, beginnend mit f(xo, Xl ], jeweils aus den im Schema links und links oben stehenden
Gren nach Satz 9.13 berechnet. So gilt etwa f[xo, Xl ] = f[~~=~~xo) oder J[Xl , X2, X3 ] =
j[x 2 ,x a)- ![:q,x 2 ), USW. Die Werte in der Hauptdiagonalen, d.h. die J'eweils obersten Eintrge in
xa - XI
jeder Spalte sind dann die Koeffizienten bk des Newton'schen Interpolationspolynoms.

406

9 Numerische Mathematik

Beispiel 9.14 (Fortsetzung) Zur Bestimmung des Interpolationspolynoms durch die Punkte
(0,1), (1 , 0) und (2,3) nach Newton machen wir gem (9.12) den Ansatz p(x) = bo +
b1(x - xo) + b2 (x - xo)(x - Xl) und berechnen die Koeffizienten bk ftir k = 0,1 , 2 mit Hilfe
des folgenden Differenzenschemas.
0 1

1 0
2 3

=- 1
=3
2- 1

0- 1
1- 0
3- 0

3- (- 1) =

DemSchemaentnehmenwirbo = 1, b1 = - 1, b2

1 - 3x + 2x

2- 0

2. Alsogiltp(x)

= 1- x+ 2x(x - 1) =
6.

Beispiel 9.15 Der Gebrauchtwert einer EDV-Anlage betrage nach zwei Jahren noch 50%, nach
vier Jahren noch 20% des Anschaffungspreises. nach fnf Jahren sei die Anlage praktisch wertlos. Man ermittle ein geeignetes Interpolationspolynom pet) als Funktion der Nutzungsdauer t,
das mit diesen empirischen Daten ftir t = 2, 4 und 5 bereinstimmt und fr t = den Wert 100
(Neuwert 100%) annimmt Ferner bestimme man damit den relativen Wertverlust der Anlage
im ersten Jahr.
Wir bestimmen den relativen Restwert der Anlage in Abhngigkeit von der Nutzungsdauer t
durch ein Interpolationspolynom pet) zu den vier Interpolationsstellen (0,100), (2,50) (4,20)
und (5 , 0). Das Polynom pet) wird als Polynom dritten Grades in der Form pet) = bo + bIt +
b2t(t - 2) +b3t(t - 2)(t - 4) angesetzt. Zur Berechnung der Koeffizienten bo, b11 b2 , b3 erstellen
wir ein Differenzenschema wie folgt

0 100
2

50 - 25

20 - 15

0 - 20

-<i

--;.;5

Daraus ergeben sich die Koeffizienten bo = 100, b1

lautet das gesuchte Interpolationspolynom

pet)

= 1.00 -

25t + - t(t - 2) - - t(t - 2)(t - 4)

~ und b3 = - ~. Somit

= - 25, b2 =
= 100 -

UO

15

t+- t - -t .
2

Der Wert der Anlage nach einem Jahr schlielich ist durch den Funktionswert von p an der
Stelle t = 1 gegeben. Wir berechnen p(l) numerisch am gnstigsten gem
p{l)

100 + t (-25 + (t - 2)

G-~(t

4)))I'~l

= 70.

Also gilt p(l) = 70, und dementsprechend betrgt der Wertverlust im ersten Jahr 30%.

6.

Natrlich liefern alle Anstze zur Bestimmung des Interpolationspolynom , wie da Beispiel zeigt, dasselbe Resultat. In der Praxis wird zumeist mit dem Newton'schen Ansatz gerechnet. whrend das Lagrange'sche Interpolationspolynom vor allem fr theoretische berlegungen herangezogen wird.

9.3 Approximation und Interpolation

407

Wird eine stetige Funktion f : I --t lR in den Interpolationsstellen ( Xi, Yi) mit Xi E I und
Yi = !(Xi) , i = 0, 1, .. . , n, durch ein Polynom Pn von hchstens n-tem Grad interpoliert, so
gilt f (x) = Pn (x) + Rn. (x ) fr alle x EI. Dabei gibt Rn den Verfahrensfehler bei der Nherung
von f durch Pn an und wird Restglied der Interpolation genannt. Offensichtlich ist Rn ( Xi ) = 0
fr alle Sttzstellen Xi' Ist f auf I (n + l) -mal stetig differenzierbar, so gilt
j (n+l) (( )

Rn.(x) = (n + I)! (x - xo)(x - Xl) " . (X - Xn ) ,

Xo::::; ~ ::::; Xn ,

mit einer von X abhngigen Zwischen stelle ~. Das Produkt (x - xo)(x - Xl) ' " (X - Xn ) ist im
Fall quidistanter SttzsteIlen Xi in der Mitte des Intervalls [xo, x n ] am kleinsten, sodass [Link].
dort der Interpolationsfehler am geringsten ist. Auerhalb des Intervalls [xo X n ], d.h. im Fall
der Extrapolation tritt zumeist ein um vieles grerer Fehler auf (siehe Abb. 9.8).
l

1.5

Abbildung 9.8 Verfahrensfehler bei Interpolation von f (x ) = H~",2 durch ein Polynom p(x) achten Grades

5. Spline-Interpolation

Nach Satz 9.11 gibt es zu n + 1 Interpolationsstellen genau ein Interpolationspolynom von

hchstens n-tem Grad. Bei einer groen Anzahl von Interpolationsstellen ist LAllg. auch der
Polynomgrad gro, so dass einerseits unerwnschte Schwankungen des Interpolationspolynoms
auftreten knnen, andererseits groe Fehler zwischen den Sttzstellen mglich sind. Aus diesem Grund venneidet man zu Interpolationszwecken vielfach Polynome hheren Grades und
geht ber zu stckweiser Interpolation mit Hilfe von Polynomen niedrigeren Grades, wobei die
bergnge zwischen den einzelnen Kurven mglichst "glatt" verlaufen sollen. Diese Methode heit Spline~Interpolation, und die daraus entstehenden Ersatzfunktionen werden Splines
genannt.

408

9 Numerische Mathematik

Wir beschrnken uns hier auf so genannte natrliche kubische Splines, das sind zweimal
stetig differenzierbare Funktionen, welche sich stckweise aus Polynomfunktionen 3. Grades
zusammensetzen, die an den Anschlussstellen in Funktionswert, Steigung und Krmmung bereinstimmen. Zu einem gegebenen System von Interpolationsstellen ( Xi, Yi) , i = 0,1, ... ,n, bestimmt man die natrliche kubische Splinefunktion s(x) wie folgt: In jedem Intervall [Xi- I , Xi]
ist s(x) ein Polynom 3. Grades, d.h.
(9.13)
fr Xi- I ~ X ::; Xi , i = 1, . .. , n. Dabei werden die Koeffizienten ai bi , C; , di aus den n
In terpolations bedingungen

+1

(9.14)

(9.15)

sowie den beiden Randbedingungen

(9.16)

bestimmt. (Auerhalb von [xo 1 xn ] verluft s(x) linear.) Das sind insgesamt 4n Bedingungen,
aus denen die 4n Polynomkoeffizienten gefunden werden knnen .

Beispiel 9.16 (Fortsetzung) Auf Grund der groen Zahl von Bedingungen fr Splines ist deren
Berechnung aufwendiger als jene von Interpolationspolynomen. Zur Demonstration der prinzipiellen Vorgangs weise bestimmen wir noch einmal eine Funktion durch die Punkte (0, 1) , (1, 0)
und (2 , 3), und zwar nach der Methode der Spline-Interpolation.
Gesucht ist also eine Splinefunktion s(x) zu den drei [nterpolationsstellen (Xi ,Yi), ~ =
0, 1,2 mit der Sttzstellenmenge {O, 1, 2}, wobei

I (X) 0 ~ x ~ 1
s(x) = { P
P2(X) 1::;x~2
aus zwei kubischen Polynomen Pl(X) und P2(X) zusammengesetzt ist. Wir machen den Polynomansatz (9.13), welcher die 8 unbekannten Koeffizienten ai) bi , C;, di fr i = 1) 2 enthlt:
Pi (X)

p~(x)
p~(x)

+ bi(x - X i ) + C; (x - Xi)2 + di(x - bi + 2Ci(X - Xi) + 3d i (x - Xi)2

- 2C; + 6di (x - Xi )
-

ai

Aus den Interpolationsbedingungen (9.14) folgt zunchst

Xi)3

9.4 Numerische Integration

409

Die Anschlu bedingungen (9.15) lauten in unserem Fall

Pl(1)

P2(1)

=?

al =

p~ (1) = P; ( 1)

::} b1

p~(1) = p~(1)

=?

a2 -

= b2 -

2Cl

+ C2 - d2

b2
2C2

= 2C2 -

+ 3d2

6d 2

und die beiden Randbedingungen (9.16) sind gegeben durch

p~(O)

= 2 Cl

6d 1 = 0, p~(2)

= 2C2

= O.

Das sind 8 lineare Gleichungen fr die Parameter al , bl , . . . , d2 mit der Lsung al = 0, b1 =

1 , Cl = 3, d l = 1 a 2 = 3, b2 = 4, C2 = 0, d2 = -1. Damit ist der Spline s(x) vollstndig
bestimmt, und wir erhalten

s(x) =
-

{!

Pl(X) = (x - 1) + 3(x - 1)2 + (x - 1)3 = x 3 - 2x + 1 0 ~ x ~ 1 .

P2(X) = 3 + 4(x - 2) - (x - 2)3 = - x 3 + 6x 2 - 8x + 3 1 ~ x ~ 2

Ein Vergleich der Splinefunktion s(x) mit dem Interpolationspolynomp(x), welches durch die
drei vorgegebenen Interpolationsstellen bestimmt ist, ist in Abb. 9.9 ersichtlich.
6.

,,

,,

p(x)

"

"'" s(x)

O~----~~~--~~------------~

Abbildung 9.9 Interpolationspolynom p(x) und Spline s(x) durch die Punkte (0, 1) , (1,0) und (2 , 3)

9.4

Numerische Integration

"Differenzieren ist ein Handwerk, Integrieren jedoch eine Kunst." Tatschlich knnen smtliche elementaren Funktionen mit wenigen Differentiationsregeln abgeleitet werden, whrend die
Integration selbst einfacher Funktionen auf betrchtliche Schwierigkeiten fhren kann. Dieser
Umstand zeigt sich insbesondere bei der Behandlung von Differentialgleichungen, deren Lsungen ja durch Integration gewonnen werden, denn nur in wenigen Fllen ist hier das Auffinden

410

9 Numerische Mathematik

einer Lsung in geschlossener oder expliziter Form mglich. Geht es jedoch um die Berechnung
numerischer Werte wie etwa beim bestimmten Integral oder bei der Ermittlung einzelner Funktionswerte der partikulren Lsung einer Differentialgleichung, so kann das Ergebnis vielfach
mit Hilfe numerischer Methoden gewonnen werden.
In diesem Abschnitt beschftigen wir uns mit der nherungsweisen Berechnung bestimmf (x )dx , fr die eine exakte Auswertung nicht mglich ist. Das ist
ter Integrale der Form
Z.B. dann der Fan, wenn die Stammfunktion des Integranden f nicht explizit bestimmt werden
kann. Die exakte Berechnung des Integrals kann auch daran scheitern, dass der Integrand eine
empirisch gegeben Funktion darstellt, die nur an endlich vielen Stellen bekannt ist. In diesen
Fllen werden Verfahren bentigt, welche zumindest einen Nherungswert fr da gesuchte Integral liefern. Wir beschrnken uns dabei auf die Angabe solcher Nherungsformeln, die auf
der Integration von Polynomen beruhen, welche den Integranden interpolieren.
Sei f eine auf dem Intervall [a , b] definierte reellwertige stetige Funktion. Wir ersetzen f( x)
auf [a , b] durch eine Ersatzfunktion p(x ), wobei p entweder ein Interpolationspolynom ist oder
stckweise aus Polynomen zusammengesetzt wird, also ein Polynomspline ist. In jedem Fall
gilt f( x) = p(x) + r (x) mit einern geeigneten Rest r (x ). Durch Integration folgt

J:

f( x)dx

p(x) dx +

r(x )dx

= Q(a, b) + R(a, b).

Das Integral Q(a , b) wird als Quadraturformel bezeichnet, und R(a , b) heit das Restglied
der Quadraturformel. Als Integral einer Polynomfunktion ist Q(a , b) einfach zu berechnen
und liefert einen Nherungswert fr das bestimmte Integral. Das Restglied der Quadraturformel R( a, b) bestimmt den Verfahrensfehler des Quadraturverfahrens und hngt sowohl vorn
Polynomgrad der Ersatzfunktion wie von der Anzahl der Teilintervalle bei Splines ab. Ist die
Er atzfunktion p(x) ein Interpolationspolynom, muss das Fehlerpolynom r( x) und damit das
Restglied R(a, b) mit zunehmendem Grad von p(x) nicht notwendigerweise verschwinden (vgl.
Abb. 9.8). Aus diesem Grund whlt man in der Praxis zumeist Quadraturformeln, bei welchen
man sich auf lineare, quadratische oder kubische Interpolationspolynome beschrnkt. Eine Verbesserung der Genauigkeit ist jedoch dadurch mglich, dass man zu Polynomsplines bergeht,
das Quadraturverfahren auf jedes einzelne Teilintervall anwendet und die Ergebnisse aufsummiert. Mit zunehmdener Anzahl der TeilintervalJe kann dann der Verfahr nsfehl er beliebig klein
gemacht werden.
1. Sehnentrapezregel

Den Ausgangspunkt zur numerischen Integration bildet eine Unterteilung des Integrationsintervalls [a, b] durch quidistante Sttzstellen

in n Teilintervalle gleicher Lnge (n ~ 1). Die Lnge der Teilintervalle h = b~a wird als
Schrittweite des Verfahrens bezeichnet. Fr die n + 1 Sttzstellen gilt dann Xi = Xo + i h, die
entsprechenden Funktionswerte seien Yi = f (Xi ), i = 0, 1, - . . , n. Wir approximieren nun das
bestimmte Integral durch eine Zwischensumme, also

411

9.4 Numerische Integration

und whlen speziell f(~i ) = (Yi- l

+ Yi)/2 und LlXi

h (YO

+ Yl + Yl + Y2 + ... + Yn - l + Yn)
2

"2(YO
bzw. mit h

= b-n a

= h. Damit folgt

+ 2YI + 2Y2 + ... + 2Yn- l + Yn)

die Quadraturforrnel (Sehnentrapezformel)

Q ST( a, b)

b - a(Yo

= ~

+ 2Yl + 2Y2 + ... + 2Yn- l + Yn)

(9.17)

Die Bezeichnung Sehnentrapezformel wird durch die Veranschaulichung in Abb. 9.10 verstndlich. Wird nmlich die Funktion in jedem Teilintervalllinear interpoliert, d.h. durch eine Sehne

Abbildung 9.10 Integration mittels der Sehnentrapezregel

ersetzt, dann entspricht der Wert von Q ST (a, b) gerade der Summe der Flchen aller Sehnentrapeze, welche durch die x-Achse, die beiden Ordinaten in Xi- l und Xi sowie die Sekante durch
(Xi- lI Yi- d und (XiI Yi) begrenzt sind. Auf Grund dieser Interpretation ist auch klar, dass die
Sehnentrapezformel im Fall eines linearen Integranden f mit dem exakten Wert des Integrals
f(x)d x bereinstimmt.
Ist f zweimal stetig differenzierbar, kann der Integrationsfehler durch

f:

RST(a, b)

= _ b ~ a h2 f"(~)

mit einem geeigneten ~ E [a , b] angegeben werden und hat somit die Fehlerordnung O(h2 ) fr
h ~ O. Eine Halbierung der Schrittweite fhrt also zu einer Verringerung des Fehlers auf etwa
ein Viertel.

Beispiel 9.17 Bestimmen wir das Integral J~l

Vi - x 2dx, d.h. die Flche eine

halben Einheitskreises mit Hilfe der SehnentrapezregeL Dazu whlen wir eine Unterteilung des Integrationsintervall [- 1, 1] in n = 4 Teilintervalle der Lnge h = ~ mit den Sttzstellen

- - - - - -- - -- - - - - -

412

Xo

9 Numerische Mathematik

= - 1, Xl

-~,

werte Yi = !(Xi ) =
damit gem (9.17)

X2

= 0,

X3

~,

X4

1 und berechnen die zugehrigen Funktions-

)1 - xl. Fr diese erhalten wir Yo = Y4 = 0,

Yl

= Y3 =

/f,Yz = 1 und

als grobe Nherung gegenber dem exakten Wert von ~ = 1.57. Eine Halbierung der Schrittweite auf h = ~ fhrt auf den deutlich besseren Nherungswert 1.50, und fr h = 0.01 ergibt
sich im Rahmen der verwendeten Genauigkeit der Wert 1.57.
L.

2. Kepler'sche Fassregel
Im nchsten Schritt werden wir den Integranden 1(x ) nicht durch eine lineare, sondern durch
eine quadratische Funktion, d.h. eine Parabel approximieren. Dazu teilen wir das Integrationsintervall [a , b] in zwei Teilintervalle mit den Sttzstellen X o = a ) Xl = a~b , X2 = b und den
Durch
Sttzwerten Yo = I(xo) , Yl = !(Xl ) und Y2 = j(xz ). Die Schrittweite betrgt h =
die drei Punkte (Xi, Yi), i = 0, 1, 2 ist dann eine Interpolationsparabel p(x ) eindeutig bestimmt.
Wir setzen o.B.d.A. Xo = - h , X l = 0, Xz = h (das Integral ist ja gegenber einer Verschiebung in x-Richtung invariant) und erhalten fr das Interpolationspolynom nach Lagrange (vgl.

b;a.

(9.11

p(X)

YoLo(x ) + y1L1(x ) + Y2L2(X)

x (x - h)
(x + h)(x - 11,)
(x + h) x
Yo 2hZ + Yl
- hZ
+ Y2 2hZ .

Durch Integration erhalten wir weiters

Mit h =

b;ufolgt daraus die so genannte Kepler'sche Fassregel 1

lclr
o f( x )dx
b

b- a (

~ - 6-

f(a)

+ 4/( -a +
2- b ) + f(b) ) .

(9.18)

3. Simpson'sche Regel
Wiederholte Anwendung der Kepler'schen Fassregel zur Verbesserung der Genauigkeit fhrt
auf die Simpson'sche Regel. Ausgangspunkt ist die Zerlegung a = xo, Xl, X2, . . . , X 2n = b
I Diese Quadraturformel geht auf den deutschen Mathematiker und Astronomen Johannes Kepler zurck und
wurde zur Berechnung der Kapazitt von [Link] angewendet.

9.4 Numerische Integration

413

des Intervalls [a , b] in eine gerade Anzahl 2n von Teilintervallen mit der Schrittweite h = b:;na.,
wobei die Funktion f (x) auf jedem Teilintervall [X2i- 2, X2i] durch das quadratische Interpolationspolynom zu den Stellen (X2i- 2, Y2i - 2) , (X2i- l, Y2i- d, (X2i, Y2i) fr i = 1, ... , n ersetzt
wird. Dadurch ergibt sich als Ersatzfunktion eine quadratische Splinefunktion, deren Integration
unter Bercksichtigung von Gleichung (9.18) auf

f(x)d x

fhrt. Mit h =

~ ~(Yo + 4Yl + Y2

Y2

+ 4Y3 + Y4 + ... +

Y2n- 2 + 4Y2n- l

+ Y2n)

b;:: erhalten wir die Quadraturformel (Simpson'sche Regel)

b - a(Yo
QSI( a b) = ~

+ 4Yl + 2Y2 + 4Y3 + 2Y4 + ... + 2Y2n- 2 + 4Y2n- l + Y2n ) .

(9.19)

Fr n = 1 ergibt sich natrlich wieder die Kepler'sche Fassregel (9.18) als Sonderfall der
allgemeineren Simpson'schen Regel (9.19).
Wie man zeigen kann, betrgt das zugehrige Restglied (unter passenden Voraussetzungen)

mit einem geeigneten E [a , b] . Der Verfahrensfehler bei der Simpson'schen Regel ist also
von der Ordnung O( h4 ). berdies kann man aus der Restglieddarstellung unmittelbar ablesen ,
dass die Simpson'sche Regel den genauen Wert des Integrals
f(x)dx liefert, falls feine
Polynomfunktion von hchstens drittem Grad ist.

J:

Beispiel 9.18 (Fortsetzung) Wir berechnen noch einmal das Integral J~l Vl - x 2 dx aus Beispiel 9.17, dessen exakter Wert ~ = 1.57 betrgt. Zum Vergleich der beiden Integrationsverfahren whlen wir wieder eine Unterteilung in vier Teilintervalle mit der Schrittweite h = ~,
den Sttzstellen Xo = - 1, X l = -~ , X2 = 0, x3 = ~ , X4 = 1 und den Sttzwerten

jI,

Yo = Y4 = 0, Yl = Y3 =
Y2 = 1. Die Anwendung der Simpson'schen Regel (9.19)
mit n = 2 fhrt dann auf die Nherung

gegenber dem entsprechenden Wert 1.37 fr die Sehnentrapezformel. Eine Halbierung der
Schrittweite auf h = (entspricht n = 4) liefert den Wert 1.54 und fr h -'- 0.05 (entspricht
n = 20) erhlt man bereits t .57, also den exakten Wert auf zwei Nachkommastellen genau. I::,

Da die Berechnung von f"(x) bzw. f(4)(X) zur Ermittlung des Restglieds vielfach mit
groem Aufwand verbunden ist, schlagen wir einen anderen Weg zur Schtzung des Verfahrensfehlers eines Quadraturverfahrens ein. Wir betrachten allgemein ein Integrationsverfahren mit der Schrittweite h und der Quadraturformel QIt sowie dem Restglied Rh, d.h.
f( x )dx = Qh + Rh . Dabei wollen wir annehmen, dass die Fehlerordnung r des Restglieds
bekannt ist, d.h. fr da ' Restglied gelte Rh ~ O(hr ) fr h - t O. Ferner nehmen wir an, dass
Rh ::::: Khr mit einer geeigneten Konstanten J{ gilt. Wird die Schrittweite verkleinert, erhht

f:

9 Numerische Mathematik

414

sich natrlich die Genauigkeit. Vergleicht man die Fehler zu den Schrittweiten hund 2h, so gilt
R 2h ~ 2T Rh, und es folgt

Qh + Rh

Q2h + R 2h ~ Q2h + 2 Rh

=}

Rh ~ 2r

1
_

1 (Qh - Q2h)'

Insbesondere gilt fr die Sehnentrapezregel (mit r = 2) die Fehlerabschtzung R~T ~ ~ (Q~T Q~l') . Bei der Simpson'schen Regel (mit r = 4) betrgt der Fehler zur Schrittweite h annhernd
R S!
..l.(QS! _ Q S!)
r-J

"" 15

9.5

2h .

Simulation von Differentialgleichungen

Wir beschftigen uns in diesem Abschnitt mit numerischen Verfahren zur nherungsweisen Lsung von Differentialgleichungen, genauer gesagt zur Lsung von Anfangswertproblemen gewhnlicher Differentialgleichungen erster Ordnung. Differentialgleichungen hherer Ordnung
sind auf Systeme von Differentialgleichungen erster Ordnung rckfhrbar, welche analog behandelt werden knnen. Die Lsung von Differentialgleichungen kann, wie wir in Kapitel 7
gesehen haben, auf mehreren Ebenen erfolgen:
Die Lsungsgesamtheit einer Differentialgleichung wird durch Integration gewonnen
und umfasst smtliche Lsungen der Gleichung, sie entspricht geometrisch einer Kurvenschar. Die explizite Bestimmung der allgemeinen Lsung ist allerding nur fr wenige
spezielle Typen von Differentialgleichungen mglich.
Die partikulre Lsung zu einer vorgegebenen Anfangsbedingung entspricht einer einzelnen Lsungskurve der Differentialgleichung. Auch partikulre Lsungen knnen in
vielen Fllen nicht explizit angegeben werden.
Die numerische Lsung einer Differentialgleichung zu einer vorgegebenen Anfangsbedingung stellt eine diskrete Nherung fr die ent prechende partikulre Lsung dar,
welche ausgehend von einem Anfangswert schrittweise berechnet wird. Sie gibt die Lsungsfunktion in Fonn einer Werte tabelle bzw. als Menge von Punkten der Lsungskurve
wieder. Die Bestimmung numerischer Lsungen ist Inhalt des folgenden Ab chnitts.
Wir betrachten im Folgenden Anfangswertprobleme gewhnlicher Differentialgleichungen
erster Ordnung der Fonn y' = f( x, y) mit y(xo) = Yo, wobei durch (xo Yo) genau eine Lsungskurve Y = y(x) existieren mge. Diese Lsungskurve soll in einem vorgegebenen Integrationsintervall [a , b] mit a = Xo bestimmt werden. Dazu whlen wir eine Unterteilung

a = xo,

Xl, X2, .. . ,

xn

von [a, b] in n Teilintervalle mit den quidistanten Gitterpunkten Xi = xo+ih i = 0, 1, . . . n,

und der Schrittweite h = b~a . Ein numerisches Verfahren ennglicht die Berechnung von Nherungswerten Yi fr Y(Xi), d.h. die nherungsweise Bestimmung der L ung in der Form einer
Wertetabelle mit den Wertepaaren (Xi, Yi) fr alle i.
Aus dem Anfangswertproblem y' = f( x, y) mit y(xo) = Yo folgt durch Integration nach x
in den Grenzen von Xo bis Xo + h

J:ao+

y'(x)dx
=}

y(xo + h) - y( xo)

y(xo + h)

J:ao+

f( x, y(x))dx

= Yo + Ix:o+h f (x , y( x)) dx .

(9 .20)

9.5 Simulation von Differentialgleichungen

415

Diese Gleichung bildet den Ausgangspunkt fr die nachfolgenden Lsungsverfahren. Ersetzt

man das Integral in (9.20) durch eine Quadraturfonnel, so erhlt man an der Stelle Xl = Xo + h
einen Nherungswert Yl fr Y(Xl)' Sodann lst man dieselbe Differentialgleichung zur Anfangs bedingung Y(Xl) = Yl auf analoge Weise und bestimmt eine Nherung Y2 usw., bis sich
letztlich Yn als Nherung fr y(x n ) ergibt. Verfahren, die nach diesem Schema ablaufen, zhlen
zu den so genannten Einschrittverfahren, da zur Berechnung von Yi+l jeweils nur eine vohergehende Nherung, nmlich Yi, verwendet wird. Werden mehrere der vorher berechneten Werte
zur Bestimmung der neuen Nherung herangezogen, spricht man von Mehrschrittverfahren.

1. Euler'sches Polygonzugverfahren
Im einfachsten Fall berechnet man das Integral in Gleichung (9.20) nach der Rechtecksformel

X1

f( x, y(x))dx

~ hf(xo, Yo)

xo

und erhlt die Nherung Yl

= Yo + hf(xo, Yo)

bzw. allgemein (Euler'sches Polygonzugver-

fahren)
Xi+l

Yi+l

+h
Yi + hf(Xi, Yi)
Xi

(9.21)

fr i = 0 , 1, . . . ) n - 1.
Bei jedem Schritt tritt - wie man zeigen kann - ein lokaler Verfahrensfehler der Ordnung
Q(h 2 ) fr h -+ 0 auf. Die Summe der lokalen Verfahrensfehler der einzelnen Schritte ergibt
den globalen Verfahrensfehler, dessen Grenordnung O(h) betrgt.
Das Euler'sche Polygonzugverfahren kann auf einfache Weise geometrisch interpretiert
werden. Der bergang von Yi zu Yi+l entspricht dem Fortschreiten entlang der Tangente an die

Ytz-!

Yn

Yo
x

a =X o

XI

X2

Abbildung 9.11 Euler'sches Polygonzugverfahren

Lsungskurve der Differentialgleichung im Punkt (Xi I Yi) vom Punkt mit der Abszisse Xi zum
Punkt mit der Abszisse Xi+1 , wodurch ein Streckenzug (xo , Yo) , (XII Yl), . . . I (X n , Yn) entsteht
(siehe Abb. 9.1 1). Davon kommt auch der Name Polygonzugverfahren.

416

9 Numerische Mathematik

2. Verbessertes Euler'sches Polygonzugverfahren

Die Anwendung der Sehnentrapezregel (9.17) auf das Integral in (9.20) fhrt auf die Nherung

in welcher allerdings der unbekannte Wert Y( Xl ) vorkommt. Ersetzt man Y( Xl) durch die Nherung yf = yo +hf(xo , Yo) gem (9.21), so folgt Yl = Yo + ~(f(xo, Yo) + f( Xl' yo+hf(xo, Yo)))
bzw. allgemein

+h
h
Yi + 2(k1 + k2 )
Xi

(9.22)

mit k 1 = f(Xi, Yi)

k2

= f( Xi

+ h, Yi + hk1 )

fr i = 0,1 , . . . ) n - 1. (Dabei sind k 1 und k2 von i abhngig, whrend die Schrittweite h

konstant ist.) Das durch Gleichung (9.22) festgelegte Lsungsverfahren wird als verbessertes Euler'sches Polygonzugverfahren bezeichnet und hat einen globalen Verfahrensfehler der
Ordnung O(h 2 ) fr h - t O.
Auch das verbesserte Euler'sche Verfahren besitzt eine anschauliche geometrische Interpretation. Betrachten wir das i -te Teilintervall [Xi, Xi+d, so betrgt der Anstieg der Tangente an die
y

y,.
h

x I
Abbildung 9.12 Verbessertes Euler'sches Polygonzugverfahren

Lsungskurve an der Stelle Xi gerade k1 und an der Stelle Xi+l annhernd k2 . Ausgehend vom
Punkt (Xi, Yi) wird nun der Folgepunkt (Xi+l' Yi+l) der Nherungslsung auf einer Geraden
erreicht, deren Anstieg dem arithmetischen Mittel dieser beiden Tangentenanstiege, nmlich
(k 1 + k2 )/2 entspricht (siehe Abb. 9.12).
Eine weitere Verringerung des Fehlers kann man erreichen, wenn man die Nherungswerte
Yi in jedem Schritt iterativ verbessert. Zur Bestimmung von Yl etwa whlen wir als Startwert
y~o) = Yo + hf(xo, Yo) , d.i. die Euler'sche Nherung an der Stelle X b und berechnen dann
schrittweise y~k+1) = Yo + ~ (f( xo, Yo) + f( xI, y~k))) fr k = 0, 1,2, . ... Insbesondere ist
y~l) die Nherung nach dem verbesserten Euler'schen Verfahren. Dieser Ansatz fhrt auf ein

9.5 Simulation von Differentialgleichungen

417

Verfahren aus der Klasse der Prdiktor-Korrektor-Verfahren, das sind Lsungsverfahren, bei
denen zuerst ein Nherungswert via), der Prdiktor, bestimmt und dann mit Hilfe eines so
2
genannten Korrektors zu viI), vi ), ... iterativ verbessert wird (siehe z.B. [24]).

3. Klassisches Runge-Kutta-Verfahren
Eine weitere Verbesserung gegenber (9.22) erreicht man durch Anwendung der Kepler'schen
Fassregel (9.1 8) auf das in (9.20) auftretende Integral. Dieser Ansatz fhrt auf

+h
h
Yi + 6(k1 + 2k2 + 2k3 + k 4 )
Xi

mit k 1 = f( Xi , Vi)
h

k2 =

f( Xi

(9.23)

+ 2' Yi + "2 k1 )
h

2' Yi + "2 k2 )
k 4 = f( Xi + h , Yi + hk3 )

k 3 = f(Xi +

fr i = 0, 1, . .. , n - 1 zur Lsung des Anfangswertproblems V' = f(x , y) , V(xo) = Yo.

Das Verfahren zhlt zur Gruppe der Runge-Kutta-Verfahren und wird als klassisches RungeKutta~Verfahren bezeichnet. Sein globaler Verfahrensfehler besitzt die Grenordnung O(h 4 )
fr h -+ 0, d.h., eine Halbierung der Schrittweite hat eine Reduktion des Verfahrensfehlers
auf etwa 116 zur Folge. Dieser erhhten Genauigkeit steht jedoch ein grerer Rechenaufwand
gegenber, da in (9.23) pro Integrationsschritt vier Funktionsauswertungen von f erforderlich
sind.

Beispiel 9.19 Gesucht ist die Lsung der Differentialgleichung y' = f( x, y) = x(l - y) zur
Anfangsbedingung y(O) = 0.1 im Intervall [0, 3] . Wir whlen die Schrittweite h = 0.25, damit
sind insgesamt n = 12 Schritte notwendig. Das gegebene Anfangswertproblem soll nach dem
Buler'schen Polygonzugverfahren, dem verbesserten Euler'schen Verfahren und dem RungeKutta-Verfahren gelst werden.
Wir bestimmen zunchst die Gitterpunkte gem Xi+! ;;::: Xi + 0. 25 fr i = 0, 1, . , . , 11 mit
Xa = O. Nach dem Euler'schen Verfahren (9.21) ist dann

wobei Ya = 0.1 ist. Also ergibt sich im ersten Schritt Xl = Xo + 0.25 = 0. 25 und YI =
Ya + 0. 25x o(1 - Ya) = 0.1 , im zweiten Schritt X2 = 0.5 , Y2 = 0.1563, usw. Das Ergebnis der
Rechnung ist in unten stehender Tabelle zusammengefasst.
Nach dem verbesserten Euler'schen Verfahren (9.22) ermittelt man Yi+ 1 = Yi + ~(ki + k 2 )
mit

und erhlt damit eine (im Rahmen der verwendeten Genauigkeit deutlich verbesserte) Nherung, die ebenfalls in nachfolgend er Tabelle angefhrt ist.

418

9 Numerische Mathematik

Bei Anwendung des klassischen Runge-Kutta-Verfahrens gem (9.23) berechnet man im

ersten Schritt zunchst

k1 = f(xo, Yo ) = xo (1 - YO) = 0,
k2 = f(xo + h/ 2, Yo + (h/2)k 1 ) = 0.125 (1 - 0.10) = 0.1125,
k3 = f( xo + h/ 2, Yo + (h / 2)k2 ) = 0.125(1 - 0.114 1) = 0.1107,
k4 = f(xo + h, Yo + hk3 ) = 0.25 (1 - 0.1277) = 0.2181
und damit Yl = YO+~(kl + 2k2 + 2k3+k4 ) = 0.1277. Zur Berechnung der weiteren Nherungen
Y2, .. . , Y1 2 sind analoge Runge-Kutta-Schritte anzuschlieen, deren Ergebnjsse ebenfalls in der
Tabelle zusammengefasst sind.
Euler

Runge-Kuna

verb.

exakte

Lsung

Euler

Xi

Yi

Yi

k1

k2

k3

k4

0.00

0.1000
0 .1000
0.1563
0.2617
0.4001

O.l()(){)
0.1281
0.2065
O.3211
0.4537

0 .0000
0.2181
0.3971
0.5095

0.1125
0.3169
0.4654
0.5387

0.1l07
0.3123
0.4600
0.5355 ,

0.2181
0.3971
0.5094
0.5455

0.5501
0.6907

0.5860
0.7041

0 .5459
0.5151

0.8067

0.8000

0.4383

0 .8913

0.8719

0.3407

0.5373
0.4781
0.3858
0.2852

0.5385
0.4844
0.3965
0.2982

0.9219
0.9546
0.9746
0.9863

0.2437
0.1613
0.0991
0.0566

0.1942
0.1223
0.0715
0.0388

0.2074
0.1339
0.0805
0.0452

1
2

3
4

5
6
7
8
9
10
11

12

0.25
0.50
0.75
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00

0.9456
0.9762
0.9911
0.9972

Yi

Y(Xi)

0. /000

0.1000

0.1277
0.2058
0.3206
0.4541

0.1277
0.2058
0.3206 '
0.4541

0.5141
0.4364
0.3379
0.2403

0.5879
0 .7078
0.8053
0.8781

0.5879
0.7078
0.8053
0.8782

0.1575
0.0955
0.0536
0.0278

0.9283
0.9604
0 .9794
0.9899

0.9284
0.9605
0.9795
0.9900

Die Tabelle enthlt auch noch die Werte der exakten Lsung y(x) = 1 - [Link]- x2j2 (die
im vorliegenden Fall durch Trennung der Variablen analytisch bestimmt werden kann) und erlaubt einen direkten Vergleich der Gte der verwendeten Verfahren bei fester Schrittweite. In
Abb. 9.13 ist die exakte Lsung gemeinsam mit der Nherungslsung nach dem Euler' chenPolygonzugverfahren graphisch dargestellt. Die beiden Lsungen nach dem verbesselten Eulerverfahren bzw. nach dem Runge-Kutta-Verfahren fallen mit der exakten Lsung trotz der
relativ groen Schrittweite praktisch zusammen.
6.
Wir schlieen diesen Abschnitt mjt zwei grundstzlichen Bemerkungen zur Fehlerproblematik und zur Schrittweitenbestimmung. Bei jedem numerischen Verfahren sind sowohl der
Verfahrensfehler wie der Rechnungsfehler von Bedeutung. Dabei beschreibt der Verfah~ens
fehler c:v bekanntlich den Unterschied zwischen der exakten Lsung eines mathematischen
Problems und einer Nherungslsung, whrend der Rechnungs- oder Rundungsfehler e R den
Unterschied zwischen dem numerischen Ergebnis und dem Maschinenergebnis misst und erst
durch die Implementierung eines Lsungsalgorithmus auf einem Rechner ent teht. Sowohl der
globale Verfahrensfehler wie der Rechnungsfehler sind - bei gegebener Differentialgleichung,
gewhltem Lsungsverfabren und festem Integrationsintervall - Funktionen der Schrittweite h.
Groe Werte von h haben zwar kurze Rechenzeiten, i. Allg. aber auch groe Verfahrensfehler
zur Folge. Mit fallender Schrittweite nimmt der Verfahrensfehler wohl ab, dafr aber steigen
dann die Rechenzeit und die Rundungsfehler. Der qualitative Verlauf der Fehlerkomponenten

9.5 Simulation von Differentialgleichungen

419

1.

0.8

0.6

0.4

0.2

0.0

0.5

1.0

1.5

2.0

2.5

3.0

Abbildung 9.13 Exakte Lsung y(x) und Euler'scher Polygon zug YEul er (x) zur Schrittweite h == 0.25

und ER sowie des Gesamtfehlers E = E."y + eR ist in Abb. 9.14 dargestellt. Aus der Abbildung
ist zu ersehen, dass es eine optimale Schrittweite hapt gibt, die den Gesamtfehler minimiert.

cV

Fehler c

Gesamtfehler E =

hopt

GY

+ 10 R

Schrittweite h

Abbildung 9 .14 Verfahrensfehler und Rechnungsfehler

In der Praxis orientiert man sich vielfach an der so genannten Schrittkennzahl K = h>..,
wo h die Schrittweite und>" eine Lipschitzkonstante fr die Funktion f bezeichnet, und whlt
h derart, dass 0.05 S K ~ 0.2 gilt. Man spricht dann von einem Verfahren mit Scbrittweitensteuerung. Wird nmlich A lokal fr jeden Integrationsschritt neu berechnet oder geschtzt,
kann man bei vorgegebenem 1< einen fr den jeweiligen Schritt aktuellen Wert von h bestimmen und damit die benutzte Schrittweite den lokalen Gegebenheiten anpassen.

420

9 Numeri ehe Mathematik

9.6 Die Methode der Finiten Elemente

Partielle Differentialgleichungen lassen sich nur in den wenigsten Spezialfllen explizit lsen.
Aus diesem Grund wurden zur nherungsweisen Lsung die verschiedensten numerischen Verfahren entwickelt, die hier aus Platzgrnden nicht einmal annherungsweise vollstndig behandelt werden knnen. Wir beschrnken uns daher auf die Beschreibung eines der wichtigsten
Verfahren, der Methode der Finiten Elemente.
Der Name "Finite Elemente" kommt daher, dass das Berechnungsgebiet in eine groe Zahl
kleiner, aber endlich vieler Elemente unterteilt wird. Auf diesen ,,Elementen" werden Ansatzfunktionen definiert, mit deren Hilfe man anstelle der partiellen Differentialgleichung (nherungsweise) ein groes Gleichungssystem erhlt, das dann mit anderen Verfahren (siehe Abschnitt 9.1 und 9.2) gelst werden kann .
Wir beschrnken uns weiters auf eine ganz spezielle (aber wichtige) partielle Differentialgleichung, nmlich auf das Poisson-Problem

6u = f
u =0

::2

in

n,

auf 80. )

-!i?

wobei =
+
den Laplace-Operator in der Ebene bezeichnet. blicherweise sucht
man dabei eine Funktion u(x, y), die in einem Gebiet 0. zweimal stetig differenzierbar und auf
dessen Rand
stetig ist. Es erweist sich aber gnstig, eine etwas schwchere Formulierung
zu verwenden, insbesondere fr die numerische Behandlung. Im Speziellen werden wir nur
verlangen mssen, dass u stckweise stetig differenzierbar und stetig ist. Wir bezeichnen die
Menge aller Funktionen u auf u
mit diesen Eigenschaften und der Randbedinung u = 0
auf
mit V. Offensichtlich bildet V einen Vektorraum.
Die grundlegende Idee ist nun die folgende. Man multipliziert die Differentialgleichung mit
einer beliebigen Funktion v(x, y) aus V und integriert ber n:

an

an

n an

in

(6u) vdxdy

In j. v dx dy.

Setzt man nun G(u , v) = J~ (u) . vdxdy und L(v)

bilineare Abbildung auf dem Raum V, d.h. ,

= Inj. vdx dy , so ist G(u, v ) eine

G(A l Ul + A2U2, /-LIVI +/-L2 V2) = [Link] G( Ul, Vl)+).1I~J,2G(UI' V2)+ [Link] G( u2 , VI) +A2J.L 2G(U2, V2),

und L(v) ist eine lineare Abbildung auf V, also

L([Link] VI

+ J.L 2V2) == J.L1L(Vl) + jJ'2 L (V2) '

Ist nun u(x, y) die Lsung der partiellen Differentialgleichung u = j . so gilt

G(u , v)

L(v)

fr alle v E V.

(9.24)

Betrachten wir einmal G(u, v) fr ein Rechtecksgebiet n = (a , b) x (c, d) etwas nher.

Wegen u( a) y) = u( b, y) = 0 folgt aus der partiellen Integrationsregel

J a U xx ' V

dx = -

{b

J a V,x ' V x

dx .

9.6 Die Methode der Finiten Elemente

421

Entsprechend gilt

und folglich

G(u, v)

1(~u)

. v dx dy

-In

(UxV x

+ UyV y) dx dy .

(9.25)

Offensichtlich gilt eine entsprechende Formel auch fr Gebiete n, die sich als endliche Vereinigung von Rechtecken darstellen lassen,2 und (aus Stetigkeitsgrnden) auch fr Gebiete, die
sich durch Rechtecksgebiete beliebig genau approximieren lassen, also fr Gebiete, auf denen
ein Riemann-Integral definiert werden kann. Wir knnen daher fr unsere Zwecke die Gltigkeit der Formel (9.25) annehmen. Dies zeigt aber auch, dass man G(u, v) fr alle u, v E V
sinnvoll definieren kann, da das Integral fr/ U x V x + UyV y ) dx dy fr stckweise stetig differenzierbare Funktionen immer wohldefiniert ist. Eine Funktion u E V, die (9.24) erfllt, heit
schwache Lsung des Poisson-Problems ~u = f. Der Vorteil dieser Umformulierung ist, dass
das Poisson-Problem in diesem Sinn immer eine schwache Lsung hat (unter geeigneten Regularittsannahmen fr f, auf die wir nicht nher eingehen knnen).
Zur numerischen Behandlung zerlegen wir nun das Gebiet n, von dem wir jetzt annehmen,
dass es durch ein Polygon berandet ist, in "finite Elemente", z.B. in (abgeschlossene) Dreiecke
K 1 , K 2 , . . . K N , die eine Triangulierung 'J von n bilden (vergleiche mit Abb. 9.15). D.h., zwei
verschiedene Dreiecke K i i= K j haben, wenn sie nicht disjunkt sind, entweder eine ganze Kante
gemeinsam oder nur einen Eckpunkt, und alle Dreiecke ergeben zusammen den Abschlus n =
K 1 U K 2 U U K N .

Abbildung 9.l5 Triangulierung eines polygonal berandeten Gebiet

Wir betrachten nun den Raum V'J' aller Funktionen U E V , die auf jedem Dreieck K i der
Triangulierung 'J durch ein lineares Polynom a i X + biy + Ci dargestellt werden knnen . Die
Elemente aus Vr heien stckweise lineare Polynome. Der Raum V'J' ist im Gegensatz zu V
endlichdimensionaL. Beispielsweise hat die Triangulierung aus Abb. 9.15 drei innere Punkte
P b P2 > P3 und acht Eckpunkte P4 ) P5 ) . . , Pu auf dem Rand. Es sei nun Ul E VT jenes stckweise lineare Polynom mit Ul (Pi) = 1 und Ul (P2) = .. . = Ul (Pll ) = O. Entsprechend werden
2Die Integralbe tandteile an den Schnittlinien VOll verschiedenen Rechtecken , die bei der partiellen Integration
auftreten. fallen in gesamt wieder weg.

9 Numerische Mathematik

422

U2 und U3 E VT mit U2(P2) = 1 bzw. U3(P3) = 1 konstruiert. Dann kann jede Funktion U E V'J
eindeutig als Linearkombination

dargestellt werden. Man beachte, dass immer u(P1 ) = Al, u(P2 ) = A2 und u(P3 ) = ).3 gilt.
Die Anzahl der inneren Punkte der Triangulierung 'J entspricht also der Dimension des Raums
V']'. Hat die Triangulierung 'J genau N innere Punkte, so bilden die Funktionen Ul , U 2, .. . ,UN,
die genau an einem inneren Punkt den Wen 1 und an allen anderen Punkten den Wert 0 haben,
eine Basis.
Anstelle des ursprnglichen Problems (9.24) betrachtet man ein vereinfachte Problems. Gesucht ist eine Funktion UT E VT mit
fr alle v ']' E VT .

(9.26)

Wegen der Linearitt von G und L muss (9.26) nicht fr alle Funktionen V'J E VT sondern nur
fr eine Basis berprft werden:
G(UT,

Uj) = L(uj) ,

1 :::; j ::; N .

(9.27)

Weiters hat u']' eine Darstellung als Linearkombination in der Basis: UT = Al Ul + .. . A N u N . Beachtet man wiederum die Linearitt von G, so wird (9.27) zu einem linearen Gleichungssystem
in den Koeffizienten Ai:
N

L AiG(Ui, Uj)

= L(uj) ,

1 :::;

j :::; N .

(9.28)

i= l

Die Systemmatrix besteht aus den Integralen

G(Ui,Uj)

r (8oxU OUj
OUi OUj )
GX + Gy oy

= - in

dx dy

und die rechte Seite aus den Integralen

Da Ui nur auf jenen Dreiecken aus 'J, die den Eckpunkt ~ haben, von 0 verschieden ist,
gilt G(Ui, Uj ) = 0, sobald ~ und Pj rucht demselben Dreieck angehren. Die Sy temmatrix (G(Ui, Uj )) ist daher relativ dnn besetzt. Sie ist eine so genannte Bandmatrix, da nur ein
"Band" um die Diagonale von 0 verschieden ist. Dnn besetzte Gleichungssysteme lassen sich
auch fr groe Dimensionen numerisch gut behandeln (u.a. mit iterativen Verfahren wie dem
Jacobi- oder Gau-Seidel-Verfahren). Die auftretenden Integrale L (uj) werden ebenfalls mit
numerischen Verfahren berechnet, da die Funktion f blicherweise nicht analytisch, sondern
durch Werte an Sttzstellen (bzw. durch Messwerte) gegeben ist.
Wir haben hier nur die einfachste Variante der Methode der Finiten Elemente besprochen. Es
gibt zahlreiche Erweiterungen. So knnen z.B. anstelle von Dreiecken auch Rechtecke (oder andere "finite Elemente") verwendet werden, oder anstelle stckweise linearer POlynome bentzt
man allgemeinere Polynome, etc. Es ist auch mglich, nichtlineare Differentialgleichungen zu

9.6 Die Methode der Finiten Elemente

423

behandeln. In diesem Fall entsteht anstelle eines linearen Gleichungssystems ein nichtlineares
Gleichungssystem, das dann z.B. mit Hilfe des Newton-Verfahrens gelst werden kann. Unter
geeigneten Regularittsbedingungen fr f konvergiert U'j bei entsprechender Verfeinerung der
Triangulierung gegen die schwache Lsung U des ursprnglichen Poisson-Problems.

Beispiel 9.20 Anstelle des (oben beschriebenen) zweidimensionalen Problems betrachten wir
- aus Grnden der Einfachheit - das entsprechende eindimensionale Problem
U"

in n = (0, 1),

u = O auf

an =

{,l},

in diesem Sonderfall also eine gewhnliche Differentialgleichung. Die prinzipielle Vorgangsweise ist aber genau dieselbe beim Poisson-Problem im Zweidimensionalen.
Im Speziellen sei f (x) = - x (1 - x). Nach zweimaliger Integration erhlt man die explizite
Lsung (siehe auch Abb. 9.17)

x4
x3
X
u(x) = 12 - 6+ 12 '
Anstelle einer Triangulierung zerlegen wir das Intervall [0, 1] in vier Teilintervalle K 1 = [0, ~ ],
K 2 = [%'~ l, K 3 = [~ , ~], K 4 = [~ , 1]. Die Basisfunktionen Ul, U2, U3 sind nun stckweise
lineare Polynome, z.B . ist Ul (x) folgendermaen gegeben (vergleiche auch mit Abb. 9.16):
4x

"
U,(X) = { 2 - 4x f ur

x:::;
< x -<

fr:s;
1

~,
1

2'
fr~ <x:S;1.
4;

Abbildung 9.16 Basisfunktionen Ul(X). U2(X). U3( X)

Setzt man nun als Nherungslsung

U'j(x)

= ).lUl( X ) + ).2U2(X) + A3U3(X) ,

so erfllt (..\1, ..\2 ..\3f da lineare Gleichungssystem

-~o -~4 - ~)
(~~) 8

).3

-31;4 )
( =3:8:4 '
384

424

9 Numerische Mathematik

Dieses Gleichungssystem hat die Lsung Al = 19/1024 ~ 0.01855 A2 = 5/192 ~ 0.026042,

.\3 = 19/1024 ~ 0.01855. Die Approximationslsung u']'(x) ist nun ein stckweise lineares
Polynom mit den "Sttzstellen" (vergleiche mit Abb. 9.17)
19

- 5

19

u'J(O) = 0, u']'{1/4) = 1024 ' u'J(1/2) = 192 ' u'J(3/4) = 1024 u'T(I) = 0.

Abbildung 9.17 Exakte Lsung und Nherungslsung der Differentialgleichung u" = - x( l - x)

Fr die Praxis stehen zahlreiche Softwarepakte zur Verfgung, u.a. auch Freewareprogramme wie "Dof2", "Z88", "CalculiX" oder "FEMM".

9.7

bungsaufgaben

9.1 Man zeige, dass die Funktion cp(x ) = x - e- x + cos x eine kontrahierende Abbildung des Intervalls
[1.2 , 1.3J in sich ist, und berechne den (einzigen) Fixpunkt x" dieser Funktion im angegebenen Intervall.
9.2 Gesucht ist eine in der Nhe von (a) Xo
+ x 2 - 10.

3 bzw. (b) Xo

= - 3 gelegene NullsteLle der Funktion

f( x ) = e- x

9.3 Nach welcher Zeit t (in Stunden) erreichen die Betriebskosten

B(t) = 1O.45t + O,0016t 2 + 17200(1 -

e- D.OO02t)

eines Netzwerkrouters den Anschaffungspreis A = 100000? Ist die Lsung eindeutig bestimmt?
(Anleitung: Man bilde die Funktion f(t) = B(t ) - A, untersuche deren Monotonieverhalten und bestimme schlielich die gesuchte Nullstelle mit Hilfe des Newton-Verfahrens.)
9.4 Man bestimme die Lsungsfolge der beim Babylonischen Wurzelziehen auftretend n lteration
Xn+l

(wobei a > 0, Xo >

= cp(x

n)= ~ (xn + xan ) ,

n = 0,1 ,2

ist) auf graphischem Weg und zeige, dass stets

Xl

2:

X2

~ X3 ~ , , ~
0

Va

gilt, [Link] , die Iterationsfolge (x n ) ist ab n = 1 monoton faHend und nach unten durch
9.5 Man berechne den numerischen Wert von
signifikante Stellen genau.

v'7 mit Hilfe de

-fo be chrnkt.

Babylonischen Wurzelziehen auf 8

9.7 bungsaufgaben

425

0 konvergiert die Iterationsfolge (x n ) gem xn+l = 2xn - ax~ mit 2~ <

Xo <
gegen den Fixpunkt x* = ~. Diese Iteration stellt somit ein Verfahren zur Division unter
ausschlielicher Verwendung von Multiplikationen dar.

9.6 Man zeige: Fr a

#-

3
2a

9.7 Man l e das Gleichungssystem

126
-1285
- 229

- 0.35x
+1.5y +122.2z 105.7x -440.9y -173.7z 21.5x -101.8y +33.4z

mit Hilfe des Gau 'schen Eliminationsverfahrens Ca) ohne Pivotisierung, (b) mit Pivotisierung bei einer
Rechengenauigkeit von 4 signifikanten Stellen.
9.8 Man vergleiche die Lsungen der beiden linearen Gleichungssysteme Are

A=

(!9~3 ~~~~7 ) ,

b= ( ~;~O ),
1

b2 =

= bl,

~~~1

Are

= b2 mit

).

Was kann daraus ge chlossen werden?

9.9 Man. lse da lineare Gleichungssystem

- Xl

+5X2

- 2X3

Xl

+X2

- 4X3

4Xl

- X2

+2X3

- 9

unter Anwendung des Ge amtschrittveIfahrens von Jacobi, wobei man zunchst die einzelnen Gleichungen derart umordne, das das entstehende System das Zeilensurnmenkriterium erfllt.
9.10 Man bestimme die Lsung des Gleichungssystems aus Aufgabe 9.9 mit Hilfe des Einzelschrittverfahrens von Gau-Seidel.
9.11 Man zeige: Die Anzahl der Punktoperationen (Multiplikationen und Divisionen) ZUr Lsung eines
linearen Gleichung ystems mit n Gleichungen und n Unbekannten betrgt
(a) {n 2 - l )n! + n bei Anwendung der Cramer'schen Regel,
(Hinweis: Die Auswertung einer n x n-Determinante eIfordert (n - 1)n! Multiplikationen.)
(b) J(n 2

+ 3n -

1) beim Elimjnationsverfahren von Gau,

Ce) n 2 pro Schritt fr das Iteration verfahren von Jacobi oder Gau-Seidel.

'9.12 Die folgende Tabelle gibt die Entwicklung der Weltbevlkerung (in Milliarden) seit dem Jahr 1950
wieder:

1950 1960 1970 1980 1990 2000

2.5
3.6
4.4
Bevlkerung f (t)
5.3 6.1
3

Jalu t

Man finde eine Trendfunktion der Foml g(t) = c eat und extrapoliere die BevlkerungszaW fr da Jahr
2010.
(Hinwei: Man bestinune die Ausgleich gerade fr die Wertepaare (t,lnj{t)) nach der Methode der
kleinsten Quadrat .)

9.13 Der Gebrauchtwert eine Personenkraftwagens betrage nach zwei Jahren noch 50%, nach vier
Jahren noch 25% des An chaffungspreises. Man gebe ein Polynom pet) zweiten Grades als Funktion
der Nutzung dauer t an, da mit diesen empirischen Daten bereinstimmt und fr t = 0 den Wert 100
(Neuwert mit 100%) annimmt. Ferner vergleiche man die Erfaluungswerte von 70% Gebrauchtwert nach
eineln Jahr und 35% nach drei Jahr n mit den entsprechenden p-Werten.

- - - - --

9 Numerische Mathematik

426

9.14 Man bestimme das Interpolationspolynom dritten Grades zu den InterpolationsstelJen (0, 180),
(2,240), (4, 320) und (6, 360) durch Lagrange-Interpolation.
9.15 Man lse das Interpolationsproblem aus Aufgabe 9.14 unter Anwendung des Newton'scben
Interpolationsverfahrens. Wie lauten die Funktionswerte des Interpolationspolynoms an den SteHen
x = 1, 3, 5?

9.16 Man ermittle die natrliche kubische Splinefunktion, welche die Wertepaare aus Aufgabe 9.14
interpoliert, und vergleiche die Funktionswerte fr x = 1,3,5 mit denen des kubischen Interpolationspolynoms.
9.17 Mit Hilfe der Sehnentrapezformel berechne man 7l" aus der Gleichung

[1

7f

da;

= 4 J0 1 + x 2 .

Dabei verwende man eine Unterteilung des Integrationsintervalls in 2, 5 und 10 Teilinlervalle.

9.18 Aus der Gleichung in Aufgabe 9.17 berechne man 1f unte Anwendung (a) der Kepler'schen Fassregel bzw. (b) der Simpson'schen Regel bei Unterteilung des Integrationsintervalls in 10 Teilinter alle.

.
1

9.19 Man bestimme nherungsweise das Integral

sin x

--~
2

o 1 +x

dx .

9.20 Mittels der Kepler'schen Fassregel kann das Volumen von Rotationskrpern (z.B . von Fssern)
nherungsweise berechnet werden, falls deren Querschnitt an drei Stellen bekannt ist. Man zeige, dass
man dabei fr (a) den Zylinder, (b) Kegel und (c) Kegelstumpf sowie (d) das Rotationsparaboloid das
genaue Volumen erhlt.
9.21 In nachstehender Tabelle sind die Grem;betriebskosten k(t) einer Maschine bei einer Arbeitsleistung von t Betriehsstunden angegeben. Man bestimme daraus nherungs weise die Gesarntbetriebskosten K(T) = J[ k(t)dt rur T = 100.

k(t)

0
10
20
30
0.50 0.67 0.85 1.02

40
1.18

50
60
1.33 1.48

70
80
90
100
1.60 1.75 1.92 2.12

9.22 Fr das Anfangswertproblem

y'( x ) = 1 + x - y3, y(O) = 0

bestimme man die Lsung an der Stelle x = 1 nach dem Euler'schen Polygonzugverfahren, und zwar
fr die Schrittweiten (a) h = 0.25 sowie (b) h = 0.1.
9.23 Man verbessere die in Aufgabe 9.22 erhaltene Nherungslsung flir die Schrittweite h = 0.25
durch Anwendung (a) des verbesserten Eulerverfahrens bzw. (h) des Runge-Kutta-Verfahrens.
9.24 Man finde nherungsweise die Lsung der Differentialgleichung y'(x) = 2x y zum Anfangswert
y(O) = 2 an der Stelle x = 1 und vergleiche den erhaltenen Wert mit der exakten Lsung y(x) = 2 . ex2 .

Literaturverzeichnis
[1] Gerd Baron und Peter Kirschenhofer. Einfhrung in die Mathematikfr Informatiker. Bd.
1-3. Springer, Wien, 1992.
[2] Elwyn R. Berlekamp, lohn H. Conway, and Richard K. Guy. Winning ways Jor your
milthemalical plays. Vol. 2. Academic Press, London, 1982.
[3] RolfBrigola. Fourieranalysis, Distributionen und Anwendungen. Vieweg, Braunschweig,
1997.

[4] Manfred Brill. Mathematikfr Informatiker. Hanser, Mnchen, Wien, 2001.

[5] Sergey Brin and Lawrence Page. The anatomy of a large-scale hypertextual web search.
Computer Networks and ISDN Systems, 30: 107-117, 1998.

[6] Wolfgang Dahmen und Arnold Reusken. Numerikfr Ingenieure und Naturwissenschaftler. Springer, Berljn, 2006.
[7] Peter Deuflhard, Andreas Hohmann und Folkmar Bornemann. Numerische Mathematik.
Bd. 1 u. 2. de Gruyter, Berlin, 2002.
[8] Dietmar Dorninger und Gnther Karigl. Mathematikfr Wirtschaftsinformatiker. Bd. I u.
ll. Springer, Wien, New York, 1996, 1999.

[9] PhiUppe Flajolet and Robert Sedgewick. An /ntroduction to the Analysis of Algorithms.
Adilison-We ley Publishing Co., Reading, Mass., 1996.
[10] Martin Gardner. Wheels, life, and other mathematical amusements. Freeman, New York,
1983.
[11] Arthur Gi ll. Applied algebrafor the computer sciences. Prentice Hall, Englewood Cliffs,
New Jer ey 1976.
[12] Dirk Hacbenb rger. Mathematikfr Informatiker. Pearson, Mnchen, 2005.
[13] Han Havlicek. Lineare Algebrafr Technische Mathematiker. Berhner Studienreihe zur
Mathematik, Band 16. Heldermann, Lemgo, 2006.
[14] Gnter Hellwig. Partial differential equarions. An introduction. Mathematische Leitfaden.
Teubner Stuttgart, 1977.

r
428

Literaturverzeichnis

[15] Harro Reuser. Lehrbuch der Analysis. Teil 1 u. 2. Mathematische Leitfaden. Teubner,
Stuttgart, 2004, 2006.
[16] Harro Heuser. Gewhnliche Differentialgleichungen. Einfhrung in Lehre und Gebrauch.
Teubner, Stuttgart, 2006.
[17] Donald E. Knuth. The art of computer programming. Vol. 1-3. Addison-Wesley, Reading,
Mass., 1981.

[18] Thomas W. Krner. Fourer analysis. Cambridge University Press, Cambridge, 1988.
[19] Kurt Meyberg und Peter Vachenauer. Hhere Mathematik. Bd. 1 u. 2. Springer, Berlin,
2001 .

[20] Mike Piff. Discrete mathematics. An introduction for software engineers . Cambridge
Uruversity Press, Carnbridge, 1991 .

[21] Wie]and Richter. Partielle Differentialgleichungen. Spektrum Akademischer Verlag, Heidelberg, 2001 .
[22] Gerald Teschl und Susan-I1e Teschl. Mathematik fr Informatiker. Bd. 1 u. II. Springer,
Berlin, 2006.

[23] Michael Oberguggenberger und Alexander Ostermann. AnalysisJr Informatiker. Springer, Berlin, 2005.
[24] Gisela Engeln-Mllges und Fritz Reutter. Numerische Mathematik fr Ing enieure. BIWissenschaftsverlag, Mannheim, Wien, Zrich, 1987.
[25] Helmut Wemer und Roben Schaback. Praktische Mathematik I u. 11. Springer, Berlin,
Heidelberg, New York, 1979,1982.

[26] Wolfgang Walter. Analysis I u. II. Grundwissen Mathematik. Springer, Berlin, Heidelberg,
1985.

Sachverzeichnis
Abbildung 40
Average-Case-Analyse, 158
Abel'scber Grenzwert atz, 194
Babylonisches Wurzelziehen, 271 , 280,391
Ableitung, 184
Bahn,
60
n-te, 189
Basis, 101
partielle, 230
.
kanonische, 99, 103
parti He zweiter Ordnung, 231
Orthonormal-, 134
Richtung -,239
Baum,
63
totale 23
spannender, 67
Ableitungsregeln, 187
Bemoulli'sche
Ungleicbung, 145
Abstand zw ier Knoten, 63
Bernoulli'scher Prodllktansatz, 325
Addition, 4
Bessel-Ungleichung, 357
Adjazenzmatrix, 6 1
Betrag
algebrai che Gleichung, 388
einer komplexen Zahl, 11
aJgebrai ehe Struktur, 71, 80
einer reellen Zahl, 10
Algoritbmll , 15
Bijektion, 41
Analyse 158, 216
Bild einer lineare Abbildung, 116
allgemeine L ung, 272, 291
Bild eines Homomorphismus, 78
Allquantor, 28
Binrbaum, 64
Allrelation, 37
binre Operation, 71
Anfangsbedjngungen, 307
Binomialkoeffizient, 48
Anfangsknoten einer Kante, 58
Binomischer Lehrsatz, 53, 145 , 146, 157, 167
Anfangswertproblem, 293
bipartiter Graph, 89
Approximation, 139, 183, 193, 196, 233,240,
Blatt eines Baumes, 64
400
Bogenelement, 256
quivalenz, 25
Bogenlnge, 255
quivalenzJdasse 38
Bolzano-Weierstra
quivalenzrelation, 37
Satz von, 147, 148
Areuseo inu , 169
Boole'sehe Algebra, 87
Arcussinu , 169
Bruchteil, 10
Areu tange n , 169
Argument einer komplexen Zahl, 11
Cauchy-Bedingungen, 308
A s oziativge elz, 4, 32, 72
Cauchy-Hauptwert, 367
asymptoti sch tabil, 280, 304
Cauchy-Schwarz'sche Ungleichung, 133
Ausgleichsgerade, 401
Cauchyfolge, 147
Au age , 24
Cauehykriterium
Au sageform, 28
fr Folgen, 147
Aus agenlogik, 24
fr Reihen, 151
zweiwertige 24
Cauchyprodukt, 156

430

Charakteristiken, 317, 323

charakteristische Differentialgleichung, 323
charakteristische Gleichung, 283, 297
charakteristische Kurven, 317
charakteristische Wurzel, 283, 297
Cosinus, 168
Defekt einer lineare Abbildung, 116
DeMorgan 'sehe Regel, 27, 32, 87
Detenninante einer Matrix, 125
Dezimalentwicklung, 7
endliche, 8
periodische, 9
unendliche, 8
Diagonalmatrix, 106
Differentialgleichung
k-ter Ordnung, 291, 301
autonome, 303
erster Ordnung, 293
explizite und implizite, 291
gewhnliche, 291
homogene und inhomogene, 293
lineare und nichtlineare, 291
numerische Lsung, 414
partielle, 306
separable, 302
Simulation, 414
zweiter Ordnung, 296
Differentialgleiehungssystem
Anfangswertproblem, 312
autonomes, 313
charakteristi ches, 31 6
erstes Integral, 313
Existenz- und Eindeutigkeitssatz, 312
lineares erster Ordnung, 312
lokaler Fluss, 313
Differentialoperator, 241
Differentialquotient, 184
Differenz, 4
Differenzengleichung, 272
k-ter Ordnung, 272, 286
autonome, 279
erster Ordnung, 273
explizite und implizite, 272
homogene und inhomogene, 273, 282
lineare und nichtlineare, 272

Sachverzeichnis

zweiter Ordnung, 282

Differenzenquotient, 184
Differenzenquotienten, 404
Differenzenschema, 405
differenzierbar, 184
partiell, 230
total, 233
Diffusion, 290
Dijkstra-Algorithmus,69
Dimension eines Vektorraums, 103
Dirichlet-Bedingungen, 307
Disjunktion, 24
Diskrete Fourier-Transformation, 363
Rechenregeln, 364
Distanz zweier Knoten, 69
Distributivgesetz, 4, 32, 80, 86
divergent, 140
dividierte Differenz, 404
Division, 4, 6
Division mit Rest, 16
Drehung, 134
Dreiecksmatrix, 106
Dreiecksungleichung, 133
Eigenfrequenz, 299
Eigenvektor
einer linearen Abbildung, 129
einer Matrix, 129
Eigenwert
einer linearen Abbildung, 129
einer Matrix, 129
einfach zusammenhngende Menge, 263
Einheit, 82
Einheitengruppe, 82
Einheitsmatrix, 106
Einheitswurzel, 14, 361
Einschrittverfahren; 4 15
einseitig abfallender Impuls, 370
Einzelschrittverfahren, 398
Einzelschrittverfahren von Gauss-Seidel, 399
elektrischer Schwingkreis, 298
Element, 30
elementar integrierbar, 209
elementare Spaltenumformungen , 109
elementare ZeilenumformuLlgen, 109
Elementarmatrix, 11 2

Sacbverzeicbni

Elementtabelle, 33
Endknoten einer Kante, 58
Endknoten eine , Baume ,64
Entfernungsbaum 71
Ersatzfunktion, 400
erweiterte Sy temmatrix, 118
erzeugende Funktion, 277
Euklidischer Algorithmus, 16
Euler'sche ~- Funktion, 82
Euler'sehe -Funktion, 22
Euler'sehe Differentialgleichung, 331
Euler' ehe Formel, 169. 180
Euler'sehe Identitt, 169
Euler' ehe Linie, 64
ge ehlos ene, 64
offene, 64
Eukr'sche Zahl, 146, 164
Euter' ches Polygonzugverfahren, 415
Existenzquantor, 28
Exponentialfonn, 343
Exponentialfunktion, 163, 186,203,205,218
allgemeine, 164
Funktionalgleichung, 165
Reihendarstellung, 154, 165, 195
Extrapolation, 407
Extremum, 190, 243
mit Nebenbedingungen, 246
Faktorgruppe, 77
Fakultt einer natrlichen Zahl, 48
Fast Fourier Transform, 365
FFT-Algorithmus, 365
Fibonacci-Zahlen, 271,284
Finite Elemente, 420
Fixpunkt, 280, 389
Fixpunkt atz, 390
Folge, 139
beschrnkte, 142
monoton fallende, 142
monoton wachsende, 142
treng monotone, 142
Formel, 27,28
erfll bare, 27
gltige, 27
Stirling'sche, 160
Taylor' ehe, 195

431

ungltige, 27
Formeln
quivalente, 27
Fonneln von Euler-Fourier, 347
Fourier-Integraltheorem, 372
Fourier-Koeffizienten, 351, 361
Grenordnung, 358
Fourier-Matrix, 362
Fourier-Reihe, 351
Darstellungssatz, 359, 360
Differentiation, 354
Eindeutigkeitssatz, 359
Integration, 355
Rechenregeln, 353
Fourier-Transformation, 367
Konvergenzsatz, 369
Rechenregeln, 369
Urnkehr- und Eindeutigkeitssatz, 372
Fourier-transformierbar, 368
Fourier-Transformierte, 367, 368
freier Fall, 289
Frequenzbereich, 368
Funktion, 40
absolut integrierbare, 369
bijektive, 41
elementare, 170
gerade, 347
Graph einer, 40
identische, 42
implizite, 237
injektive, 41
integrierbare, 210
inverse, 42
periodische, 342
rationale, 160
skalarwertige, 227
stetige, 173
surjektive, 41
vektorwertige, 227
Funktionaldeterminante, 252
Funktionalmatrix, 233
Gammafunktion, 219
Ganzteil, 10
Gau'sehe Glockenkurve, 164
Gau'sche Zahlenebene, LI

432

Gau'sches Eliminationsverfahren, 121, 122

Gebiet, 261
Gegenstandsvariable, 28
geordnetes Paar, 35
Gelst, 67
minimales, 67
Gesamtschrittverfahren, 398
Gesamtschrittverfahren von Jacobi, 398
Gibbs-Phnomen, 353
Gitterpunkt, 414
Gleichgewichtslsung, 272
Gleichgewichtspunkt, 280, 304
global stabil, 306
grter gemeinsamer Teiler, 15
Grad eines Polynoms, 81
Gradient, 234, 240
Gradientenfeld, 261
Graph,58
einer Funktion, 40
einer Relation, 36
einfacher, 59
Euler'scher, 64
gerichteter, 58
Hamilton'scher, 66
schlichter, 59
schwach zusammenhngender, 62
stark zusammenhngender, 62
ungerichteter, 58
vollstndiger, 67
zusarrunenhngender, 62
Greedy-Algorithmus, 68
Grenzwert, 140, 149, 171
linksseitiger, 171
rechtsseitiger, 171
uneigentlicher, 140, 144, 171
Gruppe, 73
abelsche, 73
alternierende, 80
kommutative, 73
symmetrische, 74
zyklische, 77
Gruppenhomomorphismus , 78
Gruppenisomorphismus, 78
Gruppoid, 71
Hufungspunkt, 141

Sachverzeichnis

Halbdiagonalform einer Matrix, 101

Halbgruppe, 73
Halbordnung, 39
Harnilton'sche Linie, 66
geschlossene, 66
offene, 66
harmonischer Oszillator, 315
Hassediagramm, 39, 85
Hauptminorenkriterium, 135, 227
Hauptsatz
ber implizite Funktionen, 237
der Differential- u. Integralrechnung, 215
Heaviside-Funktion, 378
Hesse-Matrix, 242, 245
Hingrad eines Knotens, 59
Homomorphiesatz, 79
Homomorphismus, 78
ideales Tiefpasstilter, 374
imaginre Zahl, 10
Imaginrteil, 10
Implikation, 24
Index einer Untergruppe, 75
Indexmenge, 31
indirekter Beweis, 27
Induktionsaxiom , 1
Infimum, 84, 142
Injektion, 41
Inklusions-Exklusions-Prinzip, 54
innerer Punkt, 190
Inneres
des Einheitskreises, 156
eines Intervalls, 190
instabil, 280, 304
Integrabilittsbedingung, 261
Integral
bestimmtes, 210
Fresnel 'sches, 259
unbestimmtes, 205
uneigentliches , 2 17
Integralkriterium, 220
Integrand, 205
Integrationsgrenze, 2 10
Integrationsrege]n, 206
Integrationsvariable, 205 , 210
Integrittsring, 81

Saeh erzeiehnis

Interpolation, 400
Interpolation polynom, 402
Interpolation teUe, 402
Intervall, 8
lntervallschachtelung 8
inverse Di krete Fourier-Tran fonnation, 363
inver e Fourier-Tran formation, 368
inver e Element, 72
Inzidenzbedingung, 400
Isohyp e, 226
Isolclinen, 292
isomorphe Vektorrume 104
Isomorphlsmu .78
Iterationsfolge, 389
Iterationsfunktion , 389
Iteration verfahren 389 396
lacobi-Detenninante, 319
Jaco bi-Matrix, 233
Junktor, 25
K, rper. 80 , 82
k anoru ehe Basi ,99, 103
Kante, 58
gerichtete, S8
Mehrfach-,58
ungerichtete, 58
Kantenf olge, 60
gesebl0 ene, 60
leere, 60
Kantenzug, 60
Kehrwert, 6
Kepler' che F r gel, 4 12
Kern einer lineare Abbildung. 116
Kem eines Hornomorphismu , 78
Kettenregel 187, 236

klein tes gemein ames Vielfaches. 15

Klothoide 259
Knoten, 5
adjazente, 58
externer. 64
interner, 64
Knotengrad, 59
Kofaktor einer atr i 127
Kombi nation
mit Wied rholung, 50

433

ohne Wiederholung, 50
Kombinatorik, 47
Kommutativgesetz, 4, 32, 72
kompakt, 229
Komponente, 62
Kondition, 397
Kongruenzen, 19
konjugiert komplexe Zahl, 12
Konjunktion, 24
konkav, 200
strikt, 200
Konstante
Euler-Maseheroni' sehe, 216
Kontradiktion, 27
kontrahierende Abbildung, 390
konvergent
absolut, 151
bedingt, 151
uneigentlich, 140, 144
Konvergenz, 140
gleichmige, 349
im quadratischen Mittel, 359
Konvergenzkriterium von Leibniz, 151
Konvergenzordnung, 395
Konvergenzradius, 157, 173, 193
konvex, 200
strikt, 200
Koordinaten bez. einer Basis, 101
Koordinatenabbildung, 103
Koordinatenwechsel, 115
Krtimmung,200, 259
Kreis, 60
Kruskal-Algorithmus, 68
Kugelkoordinaten. 253
Kurve, 254
Koch' sehe, 255
Kurvenintegral
einer skalaren Funktion, 258
eines Vektorfelds, 260
Lagrange'sehe Multiplikatoren, 247
Lagrange'sches Interpolationspolynom, 403
Landau-Symbole, 159
Laplace'scher Entwicklungssatz, 128
Laplace-Gleichung, 322
Lap1ace-Operator, 322

Sachverzeichnis

434

Laplace-Transformation, 375
Existenz- und Eindeutigkeitssatz, 376
Konvergenz-Abszisse, 376
Rechenregeln, 377
Laplace-transformierbar, 375
Laplace-Transformierte, 375
Limes, 140
Limes inferior, 141
Limes superior, 141
line graph, 90
linear abhngig, 99
linear unabhngig, 99
Linearcode, 116
lineare Abbildung, 114, 187
lineare Hlle, 98
lineare Konvergenz, 395
linearer harmonischer Schwinger, 315
lineares Gleichungssystern, 93, 108, 118
homogenes, 118
inhomogenes, 118
numerische Lsung, 395
Linearkombination, 98
Koeffizient, 98
nichttriviale, 98
triviale, 98
Linienelement, 292
Linksnebenklasse, 75
Lipschitzbedingung, 293, 390
Lipschitzkonstante, 390
Logarithmus, 163, 188,203
zur Basis a, 165
logistisches Wachstum, 281, 289, 303
Majorante, 152
Majorantenkriterium, 152
Matrix, 104
diagonalisierbare, 131 , 135
indefinite, 135
inverse, 107
invertierbare, 107
negativ definite, 135,227, 245
orthogonale, 134
positiv definite, 135,227, 245
quadratische, 104
regulre, 107
singulre, 107

symmetrische, 104, 245

transponierte, 104
Matrizen
Produkt von, 105
Summe von, 105
Maximum, 143
absolutes, 190
lokales, 190
relatives. 190
McLaurinreihe, 195
Mehrschrittverlabren, 415
Menge,29
Differenz, 32
Durchschnitt, 31
kartesisches Produkt, 35
kompakte, 229
Komplement, 3 1
leere, 30
Potenzmenge, 34
symmetrische Differenz, 32
unendliche, 30
Vereinigung, 31
zusammenhngende, 261
Mengenlehre, 29
Methode der Charakteristiken, 315
Methode der erzeugenden Funktionen, 277
Methode der kleinsten Quadrate, 401
Methode des unbestimmten Ansatzes, 275,
285, 297
Minimalbedingung, 400
Minimum, 143
absolutes, 190
relatives, 190
Minorante, 152
Minorantenkriterium, 152
Mittelwertsatz, 189
der Differentialrechnung, 192
der Integralrechnung, 213
Modul, 19
Moivre 'sche Formel, 12, 180
Monoid, 73
kommutatives, 73
Multimenge, 31
Multiplikation, 4
Nachbar eines Knotens, 59

Sachverzeichni

Nachfolger 64
Nachfolger eine Knoten 59
namrliche Zahlen, 1
Nebeoklas e, 75
Nebenraum 97
Negation, 25
Netzwerk, 67
neutrales Element, 4, 72
Newton' ehe Nherung formel, 392
Newton' ehe Interpolation polynom, 404
Niveaulinie, 226, 240, 247
Normalform
ellipti che DGL, 325
hyperboli ehe DGL, 324
paraboli ehe DGL, 324
Normalteiler, 77
N ullfolge, 140
N ullstellen atz von Bolzano, 174
Nullteiler, 81
numeri ehe Integration, 409
numeri ehe Mathematik, 3 8
Obet umme, 21 1
ffentlicher Schl eI, 23
Operation tafel 74
Ordnung einer Gruppe, 75
Ordnung eine Element , 76
Ortbonormalba i 134
O rtsvektor, 97
paarer Graph. 89
P arallelogrammregel, 94
Parameter einer Kurve, 254
Parametri ierung, 254
nach der Bogenlnge, 257
Par evaJ-GI ichung
Di krete Fourier-Tran formation, 365
Fourier-Reihe, 359
p arseval-Planeherel-Gleichung, 369
Partialbruchzerlegung, 208
P artial urnm n, 149
p artielle Differ nlialglei hllOg, 306
linear er ter Ordnung, 312
linear, kon tante K effizienten, 308
L ung, 07
Ordnung 306

435

partielle Integration, 206

partielle Ordnung, 39
partikulre Lsung, 272, 291
Partition, 38
Pascal'sches Dreieck, 52
Peano,293
Peanoaxiome, 1
Periode, 342
periodische Faltung, 364
periodische Fortsetzung, 364
periodische Funktion, 342
diskrete, 360
Pennutation, 49, 74, 79
mit Wiederholung, 49
Pfeildiagramm einer Relation, 36
Phasen-Differentialgleichung, 314
Phasenebene, 305
Pivotelelement, 275
Pivotelement, 122,396
Pivotisierung, 122,396
Poisson'sche Integralfonnel, 333
Poisson-Gleichung, 322
Poisson-Problem, 420
Polarkoordinaten einer komplexen Zahl, 11
Polynom, 81 , 103
charakteristisches, 131
irreduzibles, 83
Polynomfunktion, 160
Polynomring,81
Potential, 261
Potentialgleichung, 322, 330
Dirichlet-Problem, 330
in Polarkoordinaten, 330
Potenz eines Elements, 76
Potenzieren. 161
Potenzmenge, 34
Potenzreihe, 81, 156
Eindeutigkeitssatz, 194
Prdikat, 28
mehrstelliges, 28
Prdikatenlogik, 27
Prfziffero, 21
Primfaktorenzerlegung, 18
Primzahl, 17
Produktansatz, 325

436

Produktregel, 187,236
Leibniz'sche,221
Prdiktor-Korrektor-Verfahren, 417
Pythagorische Lehrsatz, 134
quadratisch summierbar, 358
quadratische Fonn, 227, 245
quadratische Gleichung, 14
quadratische Konvergenz, 395
quadratisches Mittel, 359
Quadratsummenkriterium, 398
Quadraturformel, 410
qualitative Theorie, 272, 279, 303
quantitative Theorie, 272
Quantor,28
quasiHneare Differentialgleichung
Diskriminante, 322
erster Ordnung, 320
Klassifikation, 322
Normalform, 323
zweiter Ordnung, 321
Quicksort, 275
Quotient, 16
Quotientenkriterium, 154
Limesfonn, 154
Quotientenregel, 187
Radioaktiver Zerfall, 2 18
Rand, 308
Rand-Anfangswert -Problem, 307
Randwertproblem, 326
Eigenlsung, 326
Eigenwert, 326
Rang einer lineare Abbildung, 116
Rang einer Matrix, 109
Realteil, 10
Rechenregeln
fr den Logarithmus, 165
fr Grenzwerte, 143
fr Mengen, 32
Rechnungsfehler, 418
Rechteckschwingung, 343
Rechtsnebenklasse, 75
Regel von von de l'Hospital, 203
regula falsi, 394
Primitivfonn, 394

Sachverzeichnis

Standardfonn, 394
Reihe, 149
alternierende, 151
binomische, 156, 196
geometrische, 150
harmonische, 149
hyperharmonische, 153
rektifizierbar, 255
Relation, 35, 36
quivalenz-, 37
antisymrnetrische, 39
binre, 36
Gleichheits-, 37
identische, 37
kartesische Darstellung, 36
reflexive, 37, 39
symmetrische, 37
transitive, 37, 39
Resonanzfall, 285, 298
Restglied der Interpolation, 407
Restglied der Quadraturformel, 410
Restglied von Lagrange, 195
Restklasse, 19, 77
inverse, 20
Richtungsableitung, 239
Richtungsfeld, 292
Richtungsvektor, 97
Riemann 'sche Zwischensumme, 210,249,
255, 258
Riemann 'scher Umordnungssatz, 152
Riemann 'sches Integrabilittskriterium, 211
Riemann-Lemma, 358
Ring, 80
kommutativer, 80
Rotationskrper
Mantelfiche, 257
Volumen , 224
RSA-Verfahren, 22
Rumpf-Differentialgleichung, 315
Rundungsfehler, 418
Runge-Kutta-Verfahren, 417
Satz
von Fubini, 250
von Lagrange, 75
von Rolle, 192

437

Sachverzeichnis

stationrer Punkt, 244

stetig, 173
stetig differenzierbar, 189, 195,215,237,240,
248,252,256
Stirling'sche Formel, 160
Straenbau, 259
Stromresonanz,301
Strrunktion, 273, 293
stckweise stetig, 350
stckweise stetig differenzierbar, 350
Sttzstelle, 402
Sttzwert, 402
Substitutionsregel, 206, 215, 252
Subtraktion, 4-6
Superpositionsprinzip, 285, 327
Supremum, 84,142
Surjektion, 41
Symmetriegruppe, 74
symmetrisch abfallender hnpuls, 368
Sgezahnfunktion, 351
diskrete, 363

on Schwarz, 232, 241 , 245,262

von Taylor, 195,242
Schlinge, 58
Schranke, 142
Schraubenlinie, 254
Schrittkennzahl, 419
Schrittweite, 410
Schrittweiten teuerung, 419
schwingende Saite, 327
Schwingung
erzwungene, 300
gedmpfte, 300
harmonische, 299
Schwingungsgleichung
eindimensionale, 327
zweidimensionale, 333
Sehnentrapezformel, 411
Separationsan atz, 325
Siebformel, 54
Signum einer Permutation, 79
Signumfunktion, 181
Simpson'sche Regel, 413
singulre Lsung, 291
Sinus, 168, 186
Sinus-Cosinus-Form, 343
Skalarfeld, 227
Skalarkrper, 93
Skalarprodukt, 105, 132, 136,229
Spaltenrang, 109
SpaltensummenkIiterium, 398
Spaltenvektor, 93, 104
Spaltfunktion, 375
Spektralfunktion, 368
Spektralkoeffi zien ten, 361
Spektralsatz, 135
Spiegelung, 134
Spiel des Lebens, 287
Spline-Interpolation, 407
Splines, 407
natrliche kubische, 408
ruckweise stetig, 21 2,220,258
stabil, 280, 304
Stammfunktion, 205
eines V:ekwrfelds, 261
Startwert, 389

Tangens, 168
Tangentialebene, 230, 231
Tautologie, 27
Taylor'sche Formel, 195
Taylorpolynom, 195
Taylorreihe, 195
Teilbarkeit, 15
Teilfolge, 146
Teilgraph, 60
Teilmenge, 30
Teilraum, 96
Teleskopsumme, 150
Totalordnung, 39
transzendente Gleichung, 388
Trennung der Variablen, 294, 302, 326
Trennungsansatz, 325
Triangulierung,421
Tricomi-Gleichung, 322
trigonometrische Interpolation, 366
trigonometrische Reihe, 348
Partialsumme, 348
trigonometrisches Polynom, 343
Grad, 343
Koeffizienten, 343

__ _ _ _ 0

438

Orthogonali ttsrelationen, 345

Orthogonalsystem, 345
Skalarprodukt, 345
Vektorraum, 344
Trme von Hanoi, 270, 273
bertragungsfunktion, 374
c-Umgebung, ]40
Umkehrfunktion, 162, 176, 187, 206, 236
unbestimmte Form, 144
Universum, 29
Unstetigkeit, 176
hebbare, 177
Untergruppe, 74
Unterraum, 96
Untersumme, 211
Vanderrnonde'sche Determinante, 403
Variation
mit Wiederholung, 49
ohne Wiederholung, 49
Variation der Konstanten, 274, 294
Vektor, 93
Lnge eines, 132
normierter, 132
orthogonale Vektoren, 132
Winkel zwischen Vektoren, 133
Vektorfeld, 227, 260
Vektorraum, 95
Venndiagramm,32
Verband,84
djstributiver, 86
verbessertes Euler'sches Polygonzugverfahren, 416
Verfahrensfehler, 413, 418
globaler, 415
lokaler, 415
Verlegung von Eisenbahntrassen, 259
Verschlsselung, 22
Verschmelzungsgesetz, 32, 84
Versuchslsung, 285, 297
Vieta'scher Wurzel satz, 14
vollstndige Induktion, 2, 3, 145, 148,241
Vollstndigkeitssatz, 142
Vorgnger, 64
Vorgnger eines Knotens, 59

Sachverzeichnis

Wahrheitstafel, 26
Wahrheitswert, 24
Wald, 63
spannender, 67
Weg, 60
Weggrad eines Knotens, 59
Weierstra'scher M-Test, 349
Wellengleichung, 322
eindimensionale, 309
Lsungsansatz nach D' Alembert, 309
Lsungsformel von D' Alernbert, 311
zweidimensionale, 333
Wendepunkt, 201
Winkelfunktionen, 168, 206
Worst-Case-Analyse, 158
Wurzel, 13, 162
Wurzel eines Baumes, 63
Wurzelkriterium, 153
Limesforrn, 153
Wrmeleitung, 290
Wrmeleitungsgleichung, 322
Zahlen
ganze, 5
harmonische, 216
komplexe, 10
natrliche, 1
negative, 5
rationale, 5
reelle, 10
teilerfremde, 15
Zahlengerade, 6
Zeilenrang, 109
Zeilensummenkriterium, 398
Zeilenvektor, 104
Zeitbereich, 368
zel1ulre Automaten, 287
Zerlegung,38
eines Intervalls , 210
Ziffern, 8
Zinseszinsrechnung, 149
zusammenhngende Menge, 261
Zusammenhangskomponente, 62
Zwischenwertsatz, 175
Zyklus, 60

Berliner Studienreihe zur Mathematik

Bislang erschienene Titel:

Band
Band
Band
Band

1
2

3
4

Band 5
Band 6
Band 7
Band 8
Band
Band
Band
Band

9
10
11
12

Band 13
Band 14
Band 15
Band 16
Band 17
Band 18
Band 19
Band 20

H. Herrlic:h: Einfhrung in die Topologie. Metrische Rume

H. Herrlich: Topologie I: Topologische Rume
H. Herrlich: Topologie II: Uniforme Rume
K. Denecke, K. Todorov: Algebraische Grundlagen der
Arithmetik
E . Eichhorn, E .-J. Thiele (Hrsg.): Vorlesungen zum Gedenken an
Felix Hausdorff
G. H. Golub, J. M. Ortega: Wissenschaftliches Rechnen und
Differentialgleichungen
G. Stroth: Lineare Algebra
K. H. Hofmann: Analysis I: an Introduction to Mathematics via
Analysis in English and German
Tb . Ihringer: Diskrete Mathematik
Tb . Ibringer: Allgemeine Algebra
E . Landau: Grundlagen der Analysis
D . M. Burton, H. Dalkowski: Handbuch der elementaren
Zahlentheorie
K.-H. Fieseler, L. Kaup: Algebraische Geometrie - Grundlagen
G. Kbler: Analysis
Tb. Camps, S. Kbling, G. Rosenberger: Einfhrung in die mengentheoretische und die algebraische Topologie
H. Havlicek: Lineare Algebra fr Technische Mathematiker
M. Drmota, B. Gittenberger, G. Karigl, A. Panbolzer:
Mathematik fr Informatik
W. Rautenberg: Messen und Zhlen. Eine einfache Konstruktion
der reellen Zahlen
Tb . Camps, V. groe Rebel, G. Rosenberger: Einfhrung in die kombinatorische und die geometrische Gruppentheorie
J. Flacbsmeyer: Origami und Mathematik. Papier falten - Formen
gestalten

Heldermann Verlag