Skriptum zur Vorlesung

Mathematik 1 = lim
n→∞
n
¸
ν=1
1
ν(ν + 1)
Dr. Friedrich Hanser
1
www.umit.at
Carl Friedrich Gauß (1777—1855)
Erstellt mit L
A
T
E
X2
ε
1
Email: friedrich.hanser@umit.at
Bemerkungen zum Gebrauch dieses Skriptums
Dieses Skriptum stellt den Lehrstoff aus Mathematik 1 in einer komprimierten, mathematischen Form dar. Aus
diesem Grund ist es zum Selbststudium absolut ungeeignet. Es kann nur in Verbindung mit einer Vorlesung,
in der die mathematischen Sachverhalte erkl¨art, diskutiert und mit Beispielen erl¨autert werden, seinen Zweck
erf¨ ullen.
Das vorliegende Skriptum zielt darauf ab, Sie an die zugegebenermaßen gew¨ohnungsbed¨ urftige Sprache der
Mathematik heranzuf¨ uhren. Idealerweise soll das Skriptum im Anschluss an die Vorlesung zum mathematischen
Nachlesen und zur Vertiefung verwendet werden.
Das Skriptum folgt in Notation und Aufbau der Serie

Analysis I-III, Eine integrierte Darstellung“
von Kurt Endl und Wolfgang Luh.
Hall i. Tirol, im WS 2007/2008 Friedrich Hanser
Inhaltsverzeichnis
1 Grundlagen 1
1.1 Aussagenlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Mengen, Mengenoperationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Abbildungen, Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 K¨orper und Metrische R¨aume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Vollst¨andige Induktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Folgen und Reihen in geordneten K¨orpern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7 Cauchy-Folgen in geordneten K¨orpern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.8 Relationen, Klasseneinteilungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.9 Die Konstruktion der reellen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.10 Der Hauptsatz ¨ uber monotone Folgen und die Zahl e . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Differentialrechnung 23
2.1 Das Tangentenproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Definition und Eigenschaften der Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Ableitungsregeln, Kettenregel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Der Satz von Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 Der 1. Mittelwertsatz der Differentialrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6 Die Regeln von de l’Hospital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3 Integralrechnung 29
3.1 Die Idee des Riemannschen Integrals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Untere und obere Darboux-Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Das Riemannsche Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.4 Riemannsche Summen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5 Der Hauptsatz der Differential- und Integralrechnung . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.6 Die Mittelwerts¨atze der Integralrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.7 Der Taylorsche Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4 Der K¨orper der komplexen Zahlen C 41
4.1 Der K¨orper der komplexen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Die Einbettung von R in C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.3 C als 2-dimensionaler Vektorraum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.4 Konjugiert komplexe Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.5 Polarkoordinatendarstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.6 Potenzen und Wurzeln komplexer Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
ii INHALTSVERZEICHNIS
5 Unendliche Reihen 49
5.1 Beispiele unendlicher Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.2 Rechenregeln f¨ ur unendlicher Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.3 Das Cauchysche Kriterium f¨ ur Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.4 Absolute Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.5 Vergleichskriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.6 Reihen mit nichtnegativen Gliedern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.7 Das Wurzel- und das Quotientenkriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
A Spezielle Folgen und Reihen 57
A.1 Die Fibonacci Folge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1
Grundlagen
Dieses Kapitel soll in die Sprache und Denkweise der Mathematik einf¨ uhren. Zu diesem Zweck werden wir uns
mit grundlegenden Dingen wie Logik, Mengen, Relationen, Funktionen, Abbildungen, sowie Folgen und Reihen
etwas eingehender besch¨aftigen.
1.1 Aussagenlogik
In diesem Abschnitt werden wir definieren was man unter einer Aussage im logischen Sinne versteht, und wie
Aussagen miteinander verkn¨ upft werden k¨onnen.
Definition 1.1.1 [Aussage]: Eine Aussage ist ein Satz einer menschlichen oder k¨ unstlichen Sprache, dem
einer der beiden Wahrheitswerte wahr (w) oder falsch (f) zugeordnet werden kann.
Beispiel:

Der Nil m¨ undet in das Mittelmeer“,

20 ist durch 5 teilbar“ und

Die Florida Keys geh¨oren nicht zu
den Tropen“ sind Aussagen, die alle den Wahrheitswert w haben.

Wann bist du geboren?“ ist nat¨ urlich
keine Aussage.
Nachdem man mit einer Aussage alleine noch nicht viel anfangen kann, definieren wir Operationen, mit deren
Hilfe neue Aussagen produziert werden k¨onnen.
Definition 1.1.2 [Negation]: Die Negation einer Aussage p, f¨ ur die man das Symbol p oder ¯ p verwendet,
hat den Wahrheitswert falsch, wenn p selbst wahr ist, und umgekehrt.
Verkn¨ upft man Aussagen mit “und”, “oder” und “entweder oder,” gelangt man zwangsl¨aufig zu folgender
Definition:
Definition 1.1.3 [Konjunktion, Disjunktion, Exklusiv Oder]:
(1) Die Verkn¨ upfung der Aussagen p und q durch das logische “und” nennt man Konjunktion und man
schreibt p ∧ q. Sie ist nur dann wahr, wenn p und q beide wahr sind.
(2) Die Verkn¨ upfung der Aussagen p und q durch das logische “oder” nennt man Disjunktion und man
schreibt p ∨ q. Sie ist wahr, wenn entweder p oder q wahr ist, oder wenn beide wahr sind. Sonst ist
sie falsch.
(3) Die Verkn¨ upfung “entweder . . . oder” ist nur wahr, wenn genau eines der beiden Argumente wahr
ist. Man nennt diesen logischen Operator “exklusives Oder” oder “xor.”
Obige Definitionen faßt man ¨ ublicherweise kurz und b¨ undig in einer Wahrheitstafel, wie in Tabelle 1.1 darge-
stellt, zusammen. Man k¨onnte sich jetzt fragen wie viel verschiedene Verkn¨ upfungen von zwei logischen Variablen
¨ uberhaupt existieren. Bisher haben wir die drei Verkn¨ upfungen Konjunktion, Disjunktion und Exklusiv Oder
mit den Wahrheitsverl¨aufen (f, f, f, w), (f, w, w, w) und (f, w, w, f) kennengelernt. Insgesamt gibt es laut Kom-
binatorik 2
4
= 16 (geordnete Stichprobe mit Zur¨ ucklegen) verschiedene M¨oglichkeiten f¨ ur die Verkn¨ upfung von
2 Kapitel 1. Grundlagen
Tabelle 1.1: Wahrheitstafel einiger logischer Verkn¨ upfungen wie Konjunktion, Disjunktion, Exklusiv Oder, Impli-
kation und
¨
Aquivalenz. Die Variablen p und q sind die unabh¨angigen Aussagenvariablen.
Konj. Disj. Excl. O. Impl.
¨
Aqui. NAND NOR
p q ¯ p ¯ q p ∧ q p ∨ q p xor q p ⇒ q p ⇔ q p [ q p ↓ q ¯ q ⇒ ¯ p q ⇒ p
f f w w f f f w w w w w w
f w w f f w w w f w f w f
w f f w f w w f f w f f w
w w f f w w f w w f f w w
zwei logischen Variablen. Eine solche Verkn¨ upfung definiert einen (bin¨aren) Operator zwischen zwei logischen
Variablen.
Ein sehr wichtiges Konstruktionsprinzip der Mathematik besteht darin, ausgehend von wahren Aussagen neue
wahre Aussagen abzuleiten. Diese Schlussfolgerungen werden als

Wenn . . . , dann . . .“– S¨atze formuliert. In der
mathematischen Logik entspricht dies dem Wahrheitsverlauf (w, w, f, w).
Definition 1.1.4 [Implikation]: Verkn¨ upft man zwei Aussagen p und q durch

Wenn p, dann q,“ dann
nennt man den Ausdruck logische Folgerung oder Implikation. Man bezeichnet p als die Voraussetzung
und q als die Behauptung der Implikation und schreibt p ⇒ q. Die Wahrheitswerte der Implikation sind
durch die Wahrheitstafel in Tabelle 1.1 festgelegt. Alternative Ausdrucksweisen f¨ ur p ⇒ q sind

Aus p
folgt q,“

p impliziert q,“

p ist eine hinreichende Bedingung f¨ ur q,“ oder

q ist eine notwendige
Bedingung f¨ ur p.“
Die Wahrheitstafel in Tabelle 1.1 sagt aus, dass die Implikation nur falsch ist, wenn aus einer wahren Voraus-
setzung eine falsche Behauptung folgt.
Beispiel:
(1) Die Aussage

Wenn morgen Schnee f¨allt, werden wir Ski fahren“ ist nur dann falsch, wenn morgen Schnee
f¨allt und wir trotzdem nicht Ski fahren.
(2) Die Implikation

1 < 2 ⇒ −1 < −2 “ ist falsch, da zwar die Voraussetzung, nicht jedoch die Behauptung
wahr ist.
(3)

16 ist durch 2 teilbar ⇒ 16 ist eine gerade Zahl“ ist eine wahre Implikation.
(4) Die Funktion f(x) hat an der Stelle x = x
0
ein lokales Maximum ⇒
d
dx
f(x)[
x=x
0
= 0 ist eine wahre
Implikation. Die Umkehrung gilt nicht. Ist
d
dx
f(x)[
x=x
0
= 0 so folgt noch lange nicht, dass die Funktion
an dieser Stelle ein Maximum besitzt. Man kann aber folgendes sagen: das Verschwinden der ersten
Ableitung ist eine notwendige Bedingung f¨ ur die Existenz eines Extremums.
Eine weitere wichtige Verkn¨ upfung ist die der logischen
¨
Aquivalenz und durch folgende Definition gegeben:
Definition 1.1.5 [
¨
Aquivalenz]: Verkn¨ upft man zwei Aussagen p und q durch

p genau dann, wenn q,“
dann nennt man den Ausdruck logische
¨
Aquivalenz und schreibt p ⇔ q. Die Wahrheitswerte der
¨
Aqui-
valenz sind durch die Wahrheitstafel in Tabelle 1.1 festgelegt. Alternative Ausdrucksweisen f¨ ur p ⇔ q
sind

p dann und nur dann, wenn q“ oder

p ist notwendig und hinreichend f¨ ur q.“
Die n¨achsten beiden Operatoren haben in der Mathematik keine Bedeutung, spielen jedoch beim Schaltungs-
entwurf eine ¨außerst wichtige Rolle. Deshalb, und aus Gr¨ unden einer gewissen Vollst¨andigkeit, seien sie hier
angef¨ uhrt.
Definition 1.1.6 [NAND, NOR]:
(1) Den logischen Operator mit dem Wahrheitsverlauf (w, w, w, f) nennt man Sheffer-Operator oder
NAND und man schreibt p [ q.
(2) Den logischen Operator mit dem Wahrheitsverlauf (w, f, f, f) nennt man Peirce-Operator oder
NOR und man schreibt p ↓ q
Logische Ausdr¨ ucke, die f¨ ur alle Kombinationen der logischen Variablen immer den selben Wahrheitswert liefern,
erhalten einen Namen.
1.2. Mengen, Mengenoperationen 3
Definition 1.1.7 [Tautologie, Widerspruch]: Man nennt einen logischen Ausdruck eine Tautologie (einen
Widerspruch), wenn sich f¨ ur alle Kombinationen der logischen Variablen immer der Wahrheitswert wahr
(falsch) ergibt.
Beispiel:
(1) Die
¨
Aquivalenz p ⇒ q ⇔ ¯ q ⇒ ¯ p ist laut Wahrheitstafel 1.1 eine Tautologie. Auf ihr beruht das Beweisver-
fahren der Kontraposition. Man spricht auch von einem indirektem Beweis.
(2) Der Ausdruck p ∨ ¯ p ist eine Tautologie.
(3) Der Ausdruck p ∧ ¯ p ist ein Widerspruch.
Nat¨ urlich gibt es beim Rechnen mit logischen Ausdr¨ ucken jede Menge Regeln die eine typische mathematische
Struktur widerspiegeln.
Satz 1.1.1: F¨ ur beliebige logische Ausdr¨ ucke p, q und r gelten folgende Rechenregeln:
(1)
Kommutativgesetz: p ∧ q = q ∧ p p ∨ q = q ∨ p
Assoziativgesetz: (p ∧ q) ∧ r = p ∧ (q ∧ r) (p ∨ q) ∨ r = p ∨ (q ∨ r)
Distributivgesetz: p ∧ (q ∨ r) = (p ∧ q) ∨ (p ∧ r) p ∨ (q ∧ r) = (p ∨ q) ∧ (p ∨ r)
(2) p = p p ∨ p = w p ∧ p = f
(3) f ∧ p = f w ∧ p = p f ∨ p = p w ∨ p = w
(4) De Morgan’sche Regeln: p ∧ q = p ∨ q p ∨ q = p ∧ q
Damit verlassen wir das Gebiet der Logik, um in die wahre Mathematik einzutauchen.
1.2 Mengen, Mengenoperationen
In diesem Abschnitt sollen die Grundbegriffe der Mengentheorie bereitgestellt werden. Dabei ben¨ utzen wir den
Mengenbegriff, wie er von Georg Cantor gepr¨agt wurde.
Definition 1.2.1 [Menge]: Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohlunter-
schiedenen Objekten unserer Anschauung oder unseres Denkens, welche die Elemente von M genannt
werden, zu einem Ganzen.
Die Mengenlehre basierend auf dieser Definition wird als naive Mengenlehre bezeichent. Sie f¨ uhrt zu Wider-
spr¨ uchen, insbesondere dann, wenn Mengen eingef¨ uhrt werden, die sich selbst als Element enthalten. Am be-
kanntesten ist die Russelsche Antinomie. Der Barbier von Sevillia, der alle M¨anner rasiert, die sich selbst nicht
rasieren, ist eine bekannte Formulierung dieses Sachverhaltes. Dennoch werden wir an diesem Mengenbegriff
festhalten.
Im weiteren f¨ uhren wir folgende Bezeichnungen und Sprechweisen ein:
Definition 1.2.2:
(1) x ∈ M bzw. x / ∈ M bedeutet: x ist bzw. ist nicht Element von M.
(2) M = ¦x
1
, x
2
, x
3
, . . .¦ bedeutet: M ist die Menge, die aus den Elementen x
1
, x
2
, x
3
usw. besteht
(aufz¨ ahlende Charakterisierung der Menge M).
(3) M = ¦x : x hat die Eigenschaft E¦ bedeutet: M ist die Menge aller Elemente x, die die Eigen-
schaft E besitzen (beschreibende Charakterisierung der Menge M).
Die Gleichheit von Mengen wird erwartungsgem¨aß wie folgt definiert:
Definition 1.2.3 [Gleichheit von Mengen]: Zwei Mengen M
1
und M
2
heißen gleich, wenn sie dieselben
Elemente enthalten. Man schreibt dann M
1
= M
2
.
Die Definition der Teilmengenbeziehung gestaltet sich folgendermaßen:
4 Kapitel 1. Grundlagen
Definition 1.2.4 [Inklusion]: Es seien M
1
und M
2
Mengen.
(1) M
1
heißt enthalten in M
2
oder Teilmenge von M
2
, wenn jedes Element von M
1
auch Element von
M
2
ist. Wir schreiben dann M
1
⊂ M
2
.
(2) M
1
heißt echte Teilmenge von M
2
, wenn M
1
⊂ M
2
, aber M
1
= M
2
.
(3) Ist M
1
keine Teilmenge von M
2
, so schreibt man M
1
⊂ M
2
.
Bemerkung: Zur besseren Unterscheidung von Teilmenge und echter Teilmenge bedient man sich auch der
Symbole ⊆ und ⊂ .
Beziehungen zwischen Mengen untereinander k¨onnen graphisch mit Hilfe sog. Venn-Diagramme veranschaulicht
werden wie Abb. 1.1 zeigt. Hierbei werden Mengen als Teilmengen der Zeichenebene dargestellt.
M
2
M
1
M
1
⊂ M
2
M
2
M
1
M
1
⊂ M
2
Abbildung 1.1: Teilmengenbeziehungen veranschaulicht mit sog. Venn-Diagrammen.
Als elementare Eigenschaften der Inklusion f¨ uhren wir an:
Satz 1.2.1:
(1) F¨ ur jede Menge M gilt M ⊂ M (

Reflexivit¨at“).
(2) Es seine M
1
, M
2
, M
3
drei Mengen mit M
1
⊂ M
2
und M
2
⊂ M
3
.
Dann gilt M
1
⊂ M
3
(

Tansitivit¨at“).
(3) Es seien M
1
und M
2
zwei Mengen.
Genau dann ist M
1
= M
2
, wenn gilt M
1
⊂ M
2
und M
2
⊂ M
1
.
Bemerkung: Obiger Satz gestattet die Gleichheit zweier Mengen zu beweisen, indem man zeigt, dass jede in
der anderen enthalten ist.
Die grundlegenden Mengenoperationen sind folgendermaßen definiert:
Definition 1.2.5 [Vereinigung, Durchschnitt]: Es seien M
1
und M
2
beliebige Mengen.
(1) Die Vereinigung von M
1
und M
2
ist M
1
∪ M
2
= ¦x : x ∈ M
1
oder x ∈ M
2
¦.
(2) Der Durchschnitt von M
1
und M
2
ist M
1
∩ M
2
= ¦x : x ∈ M
1
und x ∈ M
2
¦ .
Definition 1.2.6 [Differenz, Komplement]: Es seien M
1
und M
2
beliebige Mengen.
(1) Die Differenz von M
1
und M
2
, geschrieben in der Form M
1
`M
2
, ist die Menge derjenigen Elemente,
die zu M
1
, aber nicht zu M
2
geh¨oren:
M
1
` M
2
= ¦x : x ∈ M
1
und x / ∈ M
2
¦ .
(2) Ist M
2
⊂ M
1
, so wird die Menge M
1
` M
2
auch als Komplement von M
2
bez¨ uglich M
1
bezeichnet.
Man schreibt dann C
M
1
(M
2
) oder kurz M
2
.
Abbildung 1.2 zeigt eine grafische Darstellung obiger Definition. Es bleibt noch zu kl¨aren was passiert, wenn
eine Menge kein einziges Element enth¨alt. Dazu f¨ uhrt man folgenden Begriff ein:
Definition 1.2.7 [Leere Menge]: Die leere Menge ∅ oder ¦¦ ist die Menge, die kein Element enth¨alt.
Beim Rechnen mit Mengen gelten die (fast schon)

¨ ublichen“ Regeln (vergleiche insbesondere mit den Logikge-
setzen):
1.2. Mengen, Mengenoperationen 5
M
2
M
1
M
1
` M
2
M
1
M
2
C
M
1
(M
2
)
Abbildung 1.2: Differenzmenge von M
1
und M
2
(links) bzw. Komplement von M
2
bez¨ uglich M
1
(rechts).
Satz 1.2.2: F¨ ur beliebige Mengen M
1
, M
2
und M
3
gelten folgende Rechenregeln:
(1)
M
1
∪ M
2
= M
2
∪ M
1
M
1
∩ M
2
= M
2
∩ M
1
(M
1
∪ M
2
) ∪ M
3
= M
1
∪ (M
2
∪ M
3
) (M
1
∩ M
2
) ∩ M
3
= M
1
∩ (M
2
∩ M
3
)
M
1
∩ (M
2
∪ M
3
) = (M
1
∩ M
2
) ∪ (M
1
∩ M
3
) M
1
∪ (M
2
∩ M
3
) = (M
1
∪ M
2
) ∩ (M
1
∪ M
3
)
(2) Absorptionsgesetze: M
1
∩ (M
1
∪ M
2
) = M
1
M
1
∪ (M
1
∩ M
2
) = M
1
(3) M
1
⊂ M
2
⇔ M
1
∪ M
2
= M
2
⇔ M
1
∩ M
2
= M
1
(4) De Morgan’sche Regeln: f¨ ur M
1
, M
2
⊂ M
C
M
(M
1
∪ M
2
) = C
M
(M
1
) ∩ C
M
(M
2
) C
M
(M
1
∩ M
2
) = C
M
(M
1
) ∪ C
M
(M
2
)
Eine grafische Darstellung der de Morgan’schen Regeln zeigt Abb. 1.3.
M
M
1
M
2
C
M
(M
1
∪ M
2
)
C
M
(M
1
∩ M
2
)
M
M
1
C
M
(M
1
)
M
M
2
C
M
(M
2
)
Abbildung 1.3: Visualisierung der Regeln von de Morgan.
In der Praxis ist es nat¨ urlich erforderlich Mengenoperationen mit mehr als zwei Mengen durchzuf¨ uhren. Dazu
betrachtet man ein beliebiges System F von Mengen, man spricht auch von einer Familie von Mengen, und
meint damit eine Menge deren Elemente wieder Mengen sind. Vereinigung und Durchschnitt kann wie folgt auf
ein Mengensystem erweitert werden:
Definition 1.2.8 [Mengensystem: Vereinigung, Durchschnitt]: Es sei F ein System von Mengen.
(1) Die Vereinigung der Mengen, die zu F geh¨oren, ist:
¸
M∈F
M = ¦x : x ∈ M f¨ ur mindestens ein M in F¦.
(2) Der Durchschnitt der Mengen, die zu F geh¨oren, ist:
¸
M∈F
M = ¦x : x ∈ M f¨ ur alle M in F¦.
Bemerkung: In der Praxis wird ein System F von Mengen oft dadurch gewonnen, dass man jedem Element α
einer sog. Indexmenge A eine Menge M
α
zuordnet. Man schreibt dann F = ¦M
α
: α ∈ A¦ = ¦M
α
¦
α∈A
.
Beispiel: Es sei A = (0, ∞) ⊂ R eine Indexmenge und M
α
= (−α, α) f¨ ur α ∈ A bilde eine System von Mengen.
Dann gilt:
¸
α∈A
M
α
= R und
¸
α∈A
M
α
= ¦0¦
Beispiel: Die Mengenfamilie M
r
= ¦z ∈ C : [z[ = r, r ∈ [0, ∞)¦ bildet ein disjunktes System von Mengen. Es
gilt M
r
∩ M
r
= ∅ f¨ ur r = r

und
¸
r∈[0,∞)
M
r
= C.
6 Kapitel 1. Grundlagen
Eine Familie von Mengen bildet auch die sog. Potenzmenge deren Existenz nicht verschwiegen werden soll:
Definition 1.2.9 [Potenzmenge]: Als Potenzmenge bezeichnet man die Menge aller Teilmengen einer
Grundmenge X. Man schreibt hierf¨ ur {(X), Π(X), 2
X
, oder Pot(X).
{(X) = ¦U : U ⊂ X¦
Im weiteren ist das kartesische Produkt zweier und mehrerer Mengen von Bedeutung:
Definition 1.2.10 [Kartesisches Produkt von Mengen]:
(1) Die Menge aller geordneten Paare (a, b) (auch Tupel) zweier Mengen A und B wird kartesiches
Produkt von A und B genannt und als AB geschrieben und

A kreuz B gelesen:
AB = ¦(a, b) : a ∈ A und b ∈ B¦.
(2) Das kartesische Produkt der Mengen A
1
, A
2
, . . . , A
n
ist die Menge aller n-Tupel mit
A
1
A
2
. . . A
n
= ¦(a
1
, a
2
, . . . , a
n
) : a
1
∈ A
1
, a
2
∈ A
2
, . . . , a
n
∈ A
n
¦.
Beispiel: RR = R
2
, R
3
, R
n
, C
n
, [2, 3] [−3, 6]
Damit haben wir die wichtigsten Begriffe der Mengenlehre kennen gelernt.
1.3 Abbildungen, Funktionen
Neben dem Begriff der Menge ist f¨ ur die moderne Mathematik der Begriff der Abbildung oder Funktion von
zentraler Bedeutung.
Definition 1.3.1 [Abbildung, Funktion]: Es seien A und B Mengen.
(1) Eine Vorschrift f, welche jedem x einer Teilmenge D(f) ⊂ A eindeutig ein Element y = f(x) ∈ B
zuordnet, heißt eine Abbildung oder Funktion aus A in B. Man schreibt f : A −→ B und x −→ f(x).
Die Menge D(f) wird als Definitionsmenge von f bezeichnet.
(2) Eine Abbildung (Funktion) f : A −→ B heißt Abbildung von A in B, wenn D(f) = A gilt.
(3) Die Menge B(f) = ¦y : y = f(x) f¨ ur ein x ∈ D(f)¦ heißt Bildmenge oder Wertebereich der
Funktion f.
(4) Ist M ⊂ D(f), so heißt f(M) = ¦y : y = f(x) f¨ ur ein x ∈ M¦ das Bild von M unter f.
(5) Zwei Funktionen f : A −→ B und g : A −→ B heißen gleich, wenn D(f) = D(g) ist und f(x) = g(x)
f¨ ur alle x ∈ D(f) gilt.
Bemerkung: f : A −→ B impliziert also nicht, dass f auf ganz A definiert sein muß! Es bedeutet nur, dass f
f¨ ur gewisse Elemente x aus A definiert ist und die Bilder f(x) Elemente von B sind, wie Abb. 1.4 zeigt.
A
D(f)
B(f)
B x b
..
b
y = f(x)
--
f
Abbildung 1.4: Grafische Visualisierung einer Abbildung oder Funktion f aus der Menge A in die Menge B.
Beispiel:
(1) f : R −→R, x −→ f(x) = 2, D(f) = R, B(f) = ¦2¦
(2) a : N −→Q, n −→ a(n) =

1 +
1
n

n
, D(a) = N, B(a) = ¦1,
9
4
,
64
27
,
625
256
,
7776
3125
, . . .¦
(3) f : R −→R, x −→ f(x) = x
2
, D(f) = R, B(f) = [0, ∞)
1.3. Abbildungen, Funktionen 7
(4) f : R −→R, x −→ f(x) =

−1 : x < 0
0 : x = 0
1 : x > 1
, D(f) = R, B(f) = ¦−1, 0, 1¦
(5) f : R −→R, x −→ f(x) =
1
1 +x
2
, D(f) = R, B(f) = (0, 1]
(6) f : R −→R, x −→ f(x) =
1
x
, D(f) = R` ¦0¦ = C
R
(¦0¦), B(f) = (−∞, 0) ∪ (0, ∞) = R` ¦0¦
(7) f : [−
π
2
,
π
2
] −→ [−1, 1], x −→ f(x) = sin(x), D(f) = [−
π
2
,
π
2
], B(f) = [−1, 1]
Die Verkn¨ upfung, Verkettung, oder Hintereinanderausf¨ uhrung von Abbildungen ist folgendermaßen definiert:
Definition 1.3.2 [Verkn¨ upfung von Abbildungen]: Gegeben seien die Mengen A, B und C sowie die
Abbildungen f : A −→ B und g : B −→ C mit B(f) ⊂ D(g).
Die Abbildung g ◦ f : A −→ C, welche durch
D(g ◦ f) = D(f), (g ◦ f)(x) = g(f(x)) definiert ist, heißt Verkn¨ upfung von f und g.
A
D(f)
B
D(g)
B(f)
C
B(g)
f

g
x
b
b
y = f(x)
--

b
z = g(y) = g(f(x))

..
g ◦ f
Abbildung 1.5: Die Hintereinanderausf¨ uhrung der Abbildungen f : A −→ B, x −→ y = f(x) und g : B −→ C,
y −→ z = g(y) ergibt die

zusammengesetzte“ Abbildung (g ◦ f) : A −→ C, x −→ z = g(f(x)).
Beispiel: Gegeben seien zwei Funktionen f und g mit
f : R −→R, x −→ f(x) = sin(x), D(f) = R, B(f) = [−1, 1],
g : R −→R, x −→ g(x) =
1
x
, D(g) = R` ¦0¦, B(g) = R` ¦0¦.
Dann erh¨alt man folgende zusammengesetzte Funktionen:
g ◦ f : R −→R, x −→ (g ◦ f) (x) = g (f(x)) =
1
sin(x)
, mit
D(g ◦ f) = R` ¦0, ±π, ±2π, . . .¦, B(g ◦ f) = (−∞, −1] ∪ [1, ∞) = C
R
((−1, 1)).
f ◦ g : R −→R, x −→ (f ◦ g) (x) = f (g(x)) = sin

1
x

, mit
D(f ◦ g) = R` ¦0¦, B(f ◦ g) = [−1, 1]
Bemerkung: Obiges Beispiel zeigt, dass die Verkn¨ upfung von Funktionen im allgemeinen nicht kommutativ
ist, d.h. f ◦ g = g ◦ f. Es gilt allerdings das Assoziativgesetz (f ◦ g) ◦ h = f ◦ (g ◦ h).
F¨ ur die Frage der Existenz einer Umkehrabbildung zu einer gegebenen Abbildung f¨ uhrt man folgende Begriffe
ein:
8 Kapitel 1. Grundlagen
Definition 1.3.3 [Injektiv, surjektiv, bijektiv]: Es sei eine Abbildung f : A −→ B gegeben.
(1) Die Abbildung oder Funktion f, heißt eineindeutig oder injektiv, wenn verschiedene Elemente
von D(f) auf verschiedene Elemente von B(f) abgebildet werden, d.h. wenn gilt
x
1
= x
2
⇒ f(x
1
) = f(x
2
) f¨ ur alle x
1
, x
2
∈ D(f).
¨
Aquivalent dazu ist die Bedingung (Kontraposition)
f(x
1
) = f(x
2
) ⇒ x
1
= x
2
f¨ ur alle x
1
, x
2
∈ D(f).

Aus der Gleichheit der Bildpunkte folgt die Gleichheit der Urbildpunkte.“
(2) Die Abbildung f : A −→ B heißt surjektiv, wenn D(f) = A und B(f) = B gilt.
(3) Die Abbildung f heißt bijektiv oder eins-zu-eins Abbildung, wenn f sowohl surjektiv als auch
injektiv ist.
F¨ ur eine injektive Abbildung f : A −→ B gibt es zu einem Element y ∈ B(f) genau ein Element x ∈ D(f).
Ordnet man nun jedem y ∈ B(f) das eindeutig bestimmte x ∈ D(f) zu, f¨ ur welches ja y = f(x) gilt, so definiert
man dadurch eine Abbildung aus B in A. Diese Abbildung heißt Umkehrabbildung von f und wird mit f
−1
bezeichnet. Nachfolgende Definition und Abb. 1.6 veranschaulichen diesen Zusammenhang.
Definition 1.3.4 [Umkehrabbildung]: Die Abbildungen f : A −→ B sei injektiv. Die Umkehrabbildung
f
−1
: B −→ A mit D(f
−1
) = B(f) und B(f
−1
) = D(f) ist gegeben durch: f
−1
(y) = x mit y = f(x).
A
D(f) = B(f
−1
)
B(f) = D(f
−1
)
B

f
.
f
−1

x
1
b
b
y
1
= f(x
1
)
x
2
b
..
b
y
2
= f(x
2
)
Abbildung 1.6: F¨ ur eine injektive Abbildung existiert eine Umkehrabbildung.
Bemerkung: Offensichtlich gilt folgendes:
f
−1
(f(x)) = x f¨ ur alle x ∈ D(f);
f

f
−1
(y)

= y f¨ ur alle y ∈ B(f);

f
−1

−1
(x) = f(x) f¨ ur alle x ∈ D(f).
Beispiel: Gegeben sei eine bijektive Funktion f
(1) f :


π
2
,
π
2

−→ [−1, 1], x −→ f(x) = sin(x). Die Umkehrfunktion f
−1
ist gegeben durch:
f
−1
: [−1, 1] −→


π
2
,
π
2

, x −→ f
−1
(x) = arcsin(x). Es muss folgendes gelten:
f
−1
(f(x)) = arcsin(sin(x)) = x f¨ ur alle x ∈


π
2
,
π
2

, und
f

f
−1
(x)

= sin(arcsin(x)) = x f¨ ur alle x ∈ [−1, 1]
(2) f : R −→ (0, ∞), x −→ f(x) = e
x
. Die Umkehrfunktion f
−1
ist gegeben durch:
1.4. K¨orper und Metrische R¨aume 9
f
−1
: (0, ∞) −→R, x −→ f
−1
(x) = ln(x). Es muss wiederum folgendes gelten:
f
−1
(f(x)) = ln(e
x
) = x f¨ ur alle x ∈ R, und
f

f
−1
(x)

= e
ln(x)
= x f¨ ur alle x ∈ (0, ∞)
1.4 K¨orper und Metrische R¨aume
Das gesamte Geb¨aude der Analysis beruht auf dem Rechnen innerhalb der K¨orper der rationalen, reellen und
komplexen Zahlen, also auf Q, R und C. Die vielen Regeln, die f¨ ur das Rechnen in einem K¨orper gelten, lassen
sich alle aus einem minimalen System von Grundregeln, den K¨orperaxiomen, ableiten.
Definition 1.4.1 [K¨orper]: Eine Menge K mit mindestens 2 Elementen heißt ein K¨orper, wenn f¨ ur die
Elemente von K eine

Addition“ und

Multiplikation,“
+ : K K → K
(x, y) → x +y,
∗ : K K → K
(x, y) → x ∗ y,
so erkl¨art sind, so dass die Summe und das Produkt wieder Elemente von K sind (die Verkn¨ upfungen
also nicht aus der Menge herausf¨ uhren) und folgende Rechenaxiome f¨ ur alle x, y, z ∈ K gelten:
Addition
x +y = y +x Kommutativgesetz
(x +y) +z = x + (y +z) Assoziativgesetz
Es gibt 0 ∈ K mit
x + 0 = x
Existenz eines neutralen Elementes
(Nullelement)
Zu jedem x ∈ K gibt es
ein (−x) ∈ K mit x + (−x) = 0
Existenz inverser Elemente
Multiplikation
x ∗ y = y ∗ x Kommutativgesetz
(x ∗ y) ∗ z = x ∗ (y ∗ z) Assoziativgesetz
Es gibt e ∈ K, e = 0 mit
x ∗ e = x
Existenz eines neutralen Elementes
(Einselement)
Zu jedem x ∈ K, x = 0 gibt es
ein x
−1
∈ K mit x ∗ x
−1
= e
Existenz inverser (reziproker) Elemente
Vertr¨aglichkeit von Addition und Multiplikation
x ∗ (y +z) = x ∗ y +x ∗ z Distributivgesetz
Bemerkung: In einem K¨orper kann man beliebig Addieren, Subtrahieren, Multiplizieren und Dividieren. Die
Division durch 0 ist ¨ ubrigens axiomatisch ausgeschlossen, weil es zur 0 kein inverses Element bez¨ uglich
der Multiplikation gibt.
Beispiel:
(1) Die Menge der nat¨ urlichen Zahlen N und die Menge der ganzen Zahlen Z bilden keinen K¨orper.
(2) Die Menge der Br¨ uche B = ¦x : x =
p
q
, p, q ∈ Z, q = 0, p und q teilerfremd¦ bildet mit der
Addition
p
1
q
1
+
p
2
q
2
=
p
1
q
2
+p
2
q
1
q
1
q
2
und Multiplikation
p
1
q
1

p
2
q
2
=
p
1
p
2
q
1
q
2
den K¨orper Q der rationalen Zahlen.
(3) Die reellen und komplexen Zahlen, R und C bilden einen K¨orper.
Bemerkung: In einem beliebigen K¨orper gelten also genau dieselben Rechenregeln, die wir vom Umgang mit
den rationalen Zahlen her gewohnt sind. Die K¨orper der rationalen und reellen Zahlen, Q und R, besitzen
¨ uber die algebraische K¨orperstruktur hinaus noch eine Ordnungsstruktur. Das bedeuted, dass f¨ ur jeweils
2 Elemente x und y genau eine der Beziehungen x = y, oder x < y, oder y > x erf¨ ullt ist. Der K¨orper der
komplexen Zahlen C ist kein geordneter K¨orper.
F¨ ur die (geordneten) K¨orper Q und R ist der Absolutbetrag eines Elementes wie folgt definiert:
10 Kapitel 1. Grundlagen
Definition 1.4.2 [Betrag]: Es sei x ∈ Q oder x ∈ R. Unter dem absoluten Betrag versteht man
[x[ =

x : x ≥ 0
−x : x < 0
.
Bemerkung: Der Absolutbetrag hat nichts mit dem Betrag einer komplexen Zahl zu tun.
Satz 1.4.1: Seien x, y ∈ R. F¨ ur den Betrag gelten folgende Gesetze:
(1) [x[ = [ −x[ ≥ 0
(2) x ≤ [x[, −x ≤ [x[, und [x[ = 0 genau dann, wenn x = 0
(3) [x y[ = [x[ [y[

Produkt und Betrag vertauschbar“
(4) [x +y[ ≤ [x[ +[y[

Dreiecksungleichung“
(5) [[x[ −[y[[ ≤ [x +y[ ≤ [x[ +[y[
Mit Hilfe des Betrages kann man den Abstand d(x, y) zwischen Zahlen x und y bestimmen indem man [x −y[
berechnet. Allgemein muss ein

gutes“ Abstandsmaß folgende Eigenschaften besitzen:
Definition 1.4.3 [Metrischer Raum]: Eine Menge M heißt metrischer Raum, wenn je zwei Elementen
x, y ∈ M eine reelle Zahl d(x, y) zugeordnet ist, so dass folgende Axiome gelten:
d(x, y) ≥ 0 f¨ ur alle x, y ∈ M
d(x, y) = 0 genau dann, wenn x = y
Nichtnegativit¨at
d(x, y) = d(y, x) f¨ ur alle x, y ∈ M Symmetrie
d(x, y) ≤ d(x, z) +d(z, y) f¨ ur alle x, y, z ∈ M Dreiecksungleichung
d(x, y) heißt Abstand der Elemente x und y. Den Abstand bezeichnet man auch als Metrik.
Bemerkung: Ein metrischer Raum besteht demnach aus einer Menge M und einem auf M definierten Ab-
stand d. Man bezeichnet einen metrischen Raum deswegen oft mit (M, d) oder, wenn Verwechslungen
ausgeschlossen sind, auch einfach nur mit M.
Beispiel: Mit der Abstandsdefinition d(x, y) = [x −y[ ist R ein metrischer Raum, denn es gilt:
[x −y[ ≥ 0 f¨ ur alle x, y ∈ R und [x −y[ = 0 ⇐⇒ x = y,
[x −y[ = [(x −z) + (z −y)[ ≤ [x −z[ +[z −y[ f¨ ur alle x, y, z ∈ R.
Beispiel: folgende Mengen bilden metrische R¨aume:
(1) (R
n
, d) mit d(x, y) =

n
¸
i=1
(x
i
−y
i
)
2
f¨ ur x, y ∈ R
n
.
(2) (R
n
, d) mit d(x, y) =
n
¸
i=1
[x
i
−y
i
[ f¨ ur x, y ∈ R
n
.
(3) (R, d) mit d(x, y) =
[x −y[
1 +[x −y[
f¨ ur x, y ∈ R.
(3) (C, d) mit d(z
1
, z
2
) = [z
1
−z
2
[ =

(x
1
−y
1
)
2
+ (x
2
−y
2
)
2
f¨ ur z
1
, z
2
∈ C.
In einem metrischen Raum kann man unter anderem Folgen auf Konvergenz untersuchen, weil man ja mit Hilfe
der Metrik beurteilen kann ob sich Elemente immer

n¨aher“ kommen.
1.5 Vollst¨andige Induktion
Zum Beweis von Aussagen /(n), die von nat¨ urlichen Zahlen n ∈ N abh¨angen, dient das Prinzip der
vollst¨andigen Induktion:
1.6. Folgen und Reihen in geordneten K¨orpern 11
Satz 1.5.1 [Vollst¨andige Induktion]: Es sei /(n) eine Aussage, welche von den nat¨ urlichen Zahlen n ∈ N
abh¨angig ist.
(1) Induktionsanfang: Es sei /(n
0
) richtig f¨ ur die nat¨ urliche Zahl n
0
∈ N.
(2) Induktionsschluss: Aus der Richtigkeit von /(n) f¨ ur eine nat¨ urliche Zahl n ≥ n
0
folgt stets die
Richtigkeit von /(n + 1). Man muss also die Implikation /(n) ⇒ /(n + 1) zeigen.
Dann folgt hieraus, dass die Aussage /(n) f¨ ur alle nat¨ urlichen Zahlen n ≥ n
0
richtig ist.
Beispiel: F¨ ur jede nat¨ urliche Zahl n ∈ N gilt: /(n) : 1 + 2 +. . . + (n −1) +n =
n
¸
k=1
k =
n(n + 1)
2
Induktionsanfang: /(1) : 1 =
1
¸
k=1
k =
1(1 + 1)
2
= 1 Behauptung richtig f¨ ur n = 1
Induktionsschluss: /(n) ⇒ /(n + 1) f¨ ur n ≥ 1
n+1
¸
k=1
k =
n
¸
k=1
k + (n + 1)
A(n)sei
richtig
=
n(n + 1)
2
+ (n + 1) =
(n + 1)(n + 2)
2
Aus der Richtigkeit von /(n) folgt also stets die Richtigkeit von /(n + 1).
Beispiel: F¨ ur jede nat¨ urliche Zahl n ≥ 4 gilt: /(n) : 2
n
≥ n
2
Induktionsanfang: /(4) : 2
4
= 16 ≥ 16 = 4
2
Behauptung richtig f¨ ur n = 4
Induktionsschluss: /(n) ⇒ /(n + 1) :
2
n+1
= 2 2
n
A(n)sei
richtig
≥ 2n
2
= n
2
+n
2
(n≥4)
≥ n
2
+ 4n = n
2
+ 2n + 2n
(2n≥1)
≥ n
2
+ 2n + 1 = (n + 1)
2
Aus der Richtigkeit von /(n) folgt also stets die Richtigkeit von /(n + 1).
Beispiel: Es sei x ∈ R, mit x > −1 und x = 0. Dann gilt f¨ ur jede nat¨ urliche Zahl n ≥ 2:
/(n) : (1 +x)
n
> 1 +n x (Bernoullische Ungleichung)
Induktionsanfang: /(2) : (1 +x)
2
= 1 + 2x +x
2
(x
2
>0)
> 1 + 2x Richtig f¨ ur n = 2
Induktionsschluss: /(n) ⇒ /(n + 1) :
(1 +x)
n+1
= (1 +x)
n
(1 +x)
A(n)sei
richtig
> (1 +nx)(1 +x) = 1 + (n + 1)x +nx
2
(nx
2
>0)
> 1 + (n + 1)x
Aus der Richtigkeit von /(n) folgt also stets die Richtigkeit von /(n + 1).
Das Arbeiten mit dem Prinzip der vollst¨andigen Induktion wird in der Vorlesung und in den
¨
Ubungen sehr
ausf¨ uhrlich anhand zahlreicher Beispiele erl¨autert.
1.6 Folgen und Reihen in geordneten K¨orpern
Wir werden uns jetzt mit den eher

ungeliebten“ Folgen und Reihen besch¨aftigen. Folgen und Reihen sind in der
Mathematik deshalb so wichtig, weil sie die Begriffe der Konvergenz und Divergenz einf¨ uhren und festlegen. Die
Untersuchung einer Folge l¨auft letztendlich auf die Frage hinaus, was passiert wenn man gegen

Unendlich“ geht.
Das gesamte Geb¨aude der Analysis beruht ja auf Unendlichkeiten. Man denke etwa an den Differenzenquotienten
in der Differentialrechnung und die Riemann-Summe in der Integralrechnung.
Wir werden Folgen und Reihen in den geordneten K¨orpern Q und R betrachten. Genau genommen haben wir die
reellen Zahlen R

mathematisch“ noch nicht eingef¨ uhrt, werden dies aber sp¨ater kurz nachholen. Im folgenden
wollen wir die zugrunde liegenden K¨orper einfach mit K bezeichnen.
Wir werden jetzt definieren was wir unter einer Folge verstehen:
Definition 1.6.1 [Folge]: Ordnet man jeder nat¨ urlichen Zahl n ∈ N ein Element a
n
∈ K zu, so entsteht
eine Folge von Zahlen a
1
, a
2
, a
3
, a
4
, . . . f¨ ur die man
<a
n
>

n=1
oder einfach nur kurz <a
n
> schreibt.
Eine Folge ist also eine Abbildung a : N −→ K(Q, R).
12 Kapitel 1. Grundlagen
Bemerkung: Zuweilen betrachtet man auch Folgen <a
n
>

n=m
, bei denen die

Numerierung“ von einer Zahl
m ∈ Z an l¨auft.
Bemerkung: Der Unterschied zwischen einer Folge <a
n
> und der Menge ¦a
n
¦ liegt darin, dass in einer Folge
die Elemente angeordnet sind, im Gegensatz zur Menge, wo man die Elemente ja beliebig anordnen und
umordnen darf.
Beispiel: Die Folge von Zahlen <
1
2
,
2
3
,
3
4
,
4
5
, . . .> ist eine Folge <a
n
> in Q mit dem expliziten Bildungsgesetz
a
n
=
n
n + 1
. Man k¨onnte diese Folge auch pr¨agnant in der Form <
n
n + 1
> darstellen.
Beispiel: Die Folge <c, c, c, c, . . .> mit c ∈ Q ist eine Konstant-Folge <a
n
> mit a
n
= c.
Beispiel: Durch eine rekursive Bildungsvorschrift ist die Folge <a
n
> mit a
1
= 1 und a
n+1
=
1
2
a
n
+
1
a
n
gegeben.
Hier kann ein Glied erst berechnet werden, wenn alle vorhergehenden schon bekannt sind.
Definition 1.6.2: Eine Folge <a
n
> heißt:
(1) nach oben beschr¨ankt, wenn eine obere Schranke M ∈ K existiert mit:
a
n
≤ M f¨ ur alle n ∈ N;
(2) nach unten beschr¨ankt, wenn eine untere Schranke M ∈ K existiert mit:
a
n
≥ M f¨ ur alle n ∈ N;
(3) beschr¨ankt, wenn sie nach oben und unten beschr¨ankt ist.
Bemerkung: Offensichtlich ist eine Folge <a
n
> genau dann beschr¨ankt, wenn eine Schranke M ∈ K existiert
mit: [a
n
[ ≤ M f¨ ur alle n ∈ N.
Beispiel: Die Folge <a
n
> mit a
n
= (−1)
n+1
1/n ist nach unten durch −1/2 und nach oben durch 1 beschr¨ankt.
Sie ist deshalb auch beschr¨ankt mit [a
n
[ ≤ 1.
Beispiel: Die Folge <a
n
> mit a
n
= ln(n) ist nach unten beschr¨ankt durch 0. Sie ist nach oben unbeschr¨ankt
da ln(n) → ∞ f¨ ur n → ∞.
Wir k¨onnen sofort behaupten:
Satz 1.6.1: Es seien <a
n
> und <b
n
> beschr¨ankte Folgen. Dann sind die Summenfolge <a
n
+b
n
> und die
Produktfolge <a
n
b
n
> ebenfalls beschr¨ankt.
Beweis: Da die Folgen <a
n
> und <b
n
> beschr¨ankt sind gibt es Konstanten M
a
und M
b
, so dass f¨ ur alle n ∈ N
gilt: [a
n
[ ≤ M
a
und [b
n
[ ≤ M
b
. Aus den Absch¨atzungen
[a
n
+b
n
[ ≤ [a
n
[ +[b
n
[ ≤ M
a
+M
b
(Dreiecksungleichung) und
[a
n
b
n
[ = [a
n
[ [b
n
[ ≤ M
a
M
b
folgt die Behauptung.
Wir werden jetzt die Konvergenz einer Folge definieren:
Definition 1.6.3 [Konvergenz]: Eine Folge <a
n
> heißt konvergent zum Grenzwert a ∈ K, wenn f¨ ur jedes
(noch so kleine) ε ∈ K mit ε > 0, eine nat¨ urliche Zahl N
ε
∈ N existiert, so dass f¨ ur alle n > N
ε
gilt:
[a
n
−a[ < ε. Wir schreiben dann: lim
n→∞
a
n
= a oder a
n
→ a.
Eine nichtkonvergente Folge heißt divergent.
Wenn wir uns diese Definition auf der Zahlengeraden veranschaulichen, so bedeutet sie, dass bei Vorgabe eines
noch so kleinen Intervalls (a − ε, a + ε) = U
ε
(a), von einem gen¨ ugend großen Index ab (der nat¨ urlich von ε
abh¨angen wird), alle Elemente der Folge in diesem Intervall liegen, wie in Abb. 1.7 dargestellt. In jeder noch so
kleinen ε-Umgebung von a liegen immer unendlich viele Folgenglieder.
Beispiel: F¨ ur die Folge <a
n
> mit a
n
=
n
n + 1
gilt lim
n→∞
a
n
= lim
n→∞
n
n + 1
= 1.
Es sei also ε > 0 vorgegeben und [a
n
− 1[ < ε. Es muss uns jetzt gelingen einen Index N
ε
zu finden, so
dass [
n
n + 1
− 1[ < ε f¨ ur alle n > N
ε
erf¨ ullt ist. Es gilt [
n
n + 1
− 1[ = 1 −
n
n + 1
=
1
n + 1
< ε. Aus dieser
Ungleichung folgt n >
1
ε
−1. W¨ahlen wir nun f¨ ur N
ε
=

1
ε
−1
¸
(Aufrundungsfunktion, ceiling function),
so haben wir diesen Index gefunden. Die Folge konvergiert also gegen 1.
1.6. Folgen und Reihen in geordneten K¨orpern 13

a a −ε a +ε
a
n
Abbildung 1.7: Die Fogle <a
n
> konvergiert zum Grenzwert a, wenn ab einem bestimmten Index N
ε
alle Folgen-
glieder in der ε-Umgebung des Punktes a liegen.
Wir geben nun einige fundamentale Gesetzm¨aßigkeiten ¨ uber das Rechnen mit konvergenten Folgen.
Satz 1.6.2: Die Folge <a
n
> sei konvergent. Dann ist <a
n
> beschr¨ankt.
Beweis: Es sei lim
n→∞
a
n
= a. Dann existiert ein N ∈ N mit [a
n
−a[ < e f¨ ur alle n > N. Daraus folgt:
[a
n
[ = [a
n
−a +a[ ≤ [a
n
−a[ +[a[ < e +[a[ f¨ ur alle n > N. Ferner gilt f¨ ur 1 ≤ n ≤ N :
[a
n
[ ≤ max¦[a
1
[, [a
2
[, . . . , [a
N
[¦. Es gilt also f¨ ur alle nat¨ urlichen Zahlen n:
[a
n
[ ≤ max¦[a
1
[, [a
2
[, . . . , [a
N
[, [a[ +e¦ = M. Wir haben damit eine Schranke gefunden.
Bemerkung: Konvergenz einer Folge ist eine hinreichende Bedingung f¨ ur die Beschr¨anktheit einer Folge.
Oder: Beschr¨anktheit ist eine notwendige Voraussetzung f¨ ur Konvergenz.
Satz 1.6.3: Die Folgen <a
n
> und <b
n
> seien konvergent zu den Grenzwerten a und b. Dann gilt:
(1) Die Folge <a
n
+b
n
> konvergiert zum Grenzwert a +b,
(2) Die Folge <a
n
b
n
> konvergiert zum Grenzwert a b,
(3) F¨ ur b = 0 konvergiert die Folge <c
n
> mit c
n
=

a
n
/b
n
falls b
n
= 0
0 falls b
n
= 0
zum Grenzwert a/b.
Beweis: (1) Zu ε ∈ K, ε > 0 existiert ein N
a
ε
∈ N so, dass einerseits [a
n
− a[ < ε/2 f¨ ur alle n > N
a
ε
und andererseits ein N
b
ε
∈ N so, dass [b
n
− b[ < ε/2 f¨ ur alle n > N
b
ε
. Hieraus ergibt sich f¨ ur alle
n > max¦N
a
ε
, N
b
ε
¦: [(a
n
+b
n
) −(a +b)[ ≤ [a
n
−a[ +[b
n
−b[ < ε/2 +ε/2 = ε.
(2) Da die Folge <b
n
> beschr¨ankt ist, gibt es eine Konstante M ∈ K, M > 0, so dass [b
n
[ ≤ M f¨ ur alle
n. Ferner gibt es zu einem ε ∈ K, ε > 0, ein N
a
ε
∈ N, so dass [a
n
−a[ < ε/(2M) f¨ ur alle n > N
a
ε
und ein
N
b
ε
∈ N so, dass [a[ [b
n
−b[ < ε/2 f¨ ur alle n > N
b
ε
. Hieraus ergibt sich dann f¨ ur alle n > max¦N
a
ε
, N
b
ε
¦:
[a
n
b
n
−a b[ = [(a
n
−a) b
n
+ (b
n
−b) a[ ≤ [b
n
[ [a
n
−a[ +[a[ [b
n
−b[ ≤
≤ M [a
n
−a[ +[a[ [b
n
−b[ < M (ε/2M) +ε/2 = ε.
(3) Wegen (2) gen¨ ugt es, die Behauptung f¨ ur die Folge <a
n
> mit a
n
= 1 zu beweisen. (a) Es existiert ein
N ∈ N, so dass [b[ −[b
n
[ ≤ [b
n
−b[ < [b[/2 f¨ ur alle n > N gilt. Hieraus folgt f¨ ur alle n > N: [b
n
[ > [b[/2 > 0
und daher gilt c
n
= 1/b
n
. Wir haben also sichergestellt, dass b
n
= 0 f¨ ur alle n > N. (b) Zu einem ε ∈ K,
ε > 0 existiert ein N
ε
∈ N, so dass [b
n
− b[ < ε[b[
2
/2 f¨ ur alle n > N
ε
. Hieraus ergibt sich nun f¨ ur alle
n > max¦N, N
ε
¦: [c
n
−1/b[ = [1/b
n
−1/b[ = [b
n
−b[/[b
n
b[ < 2[b
n
−b[/[b[
2
< ε.
Es gilt also lim
n→∞
c
n
= 1/b.
Ein wichtiges Kriterium zum Nachweis der Konvergenz einer Folge ist das Einschließungskriterium:
Satz 1.6.4 [Einschließungskriterium]: Es seien <a
n
>, <b
n
> und <c
n
> Folgen mit a
n
≤ b
n
≤ c
n
. Ferner
seien <a
n
> und <c
n
> konvergent und es gelte:
lim
n→∞
a
n
= lim
n→∞
c
n
= a ∈ K.
Dann konvergiert auch <b
n
>, und es gilt lim
n→∞
b
n
= a.
Beweis: Wegen a
n
→ a und c
n
→ a gibt es zu jedem ε > 0 ein N
a
ε
und N
c
ε
, so dass −ε < a
n
− a < ε f¨ ur alle
n > N
a
ε
und −ε < c
n
− a < ε f¨ ur alle n > N
c
ε
gilt. Aus der Voraussetzung a
n
≤ b
n
≤ c
n
folgt dann f¨ ur
alle n > max¦N
a
ε
, N
c
ε
¦: −ε < a
n
−a ≤ b
n
−a ≤ c
n
−a < ε, also [b
n
−a[ < ε.
14 Kapitel 1. Grundlagen
Wir behandeln nun noch zwei wichtige Begriffe der Folgentheorie, n¨amlich den Begriff der Monotonie und der
Teilfolge.
Definition 1.6.4 [Monotonie]: Eine Folge <a
n
> heißt:
(1) monoton wachsend bzw. monoton fallend, wenn f¨ ur alle n gilt:
a
n
≤ a
n+1
bzw. a
n
≥ a
n+1
;
(2) streng monoton wachsend bzw. streng monoton fallend, wenn f¨ ur alle n gilt:
a
n
< a
n+1
bzw. a
n
> a
n+1
.
Beispiel: Die Folge <a
n
> mit a
n
= e
−n
ist streng monoton fallend und beschr¨ankt.
Definition 1.6.5 [Teilfolge]: Es sei <n
k
>

k=1
eine streng monoton wachsende Folge nat¨ urlicher Zahlen.
Dann heißt <a
n
k
>

k=1
Teilfolge der Folge <a
n
>

n=1
.
Beispiel: Die Folgen <a
8
, a
16
, a
32
, a
64
, . . .> und <a
10
, a
100
, a
1000
, . . .> sind Teilfolgen der Folge <a
n
>.
Eine besonders wichtige Klasse von Folgen bilden die sog. unendlichen Reihen.
Definition 1.6.6 [Unendliche Reihe]: Gegeben sei eine Folge <a
ν
>

ν=1
.
Die Folge <s
n
>

n=1
mit s
n
=
n
¸
ν=1
a
ν
nennen wir eine unendliche Reihe und bezeichnen sie mit

¸
ν=1
a
ν
.
Die Summe s
n
wird n-te Teilsumme oder Partialsumme der Reihe genannt.
Wir machen uns klar, dass eine unendliche Reihe keine

unendliche Summe“ bedeutet, sondern nur eine
Abk¨ urzung f¨ ur die Folge ihrer Teilsummen ist. Die Untersuchung einer Reihe l¨auft daher auf die Untersuchung
ihrer Teilsummenfolge hinaus. Es gibt also keinen neuen Konvergenzbegriff f¨ ur Reihen, sondern die Konvergenz
einer Reihe wird durch die Konvergenz ihrer Partialsummen definiert:
Definition 1.6.7 [Reihe]: Die Reihe

¸
ν=1
a
ν
heißt konvergent zur Summe s, wenn gilt: lim
n→∞
s
n
= s.
Wir schreiben dann:

¸
ν=1
a
ν
= s. Eine nichtkonvergente Reihe heißt divergent.
Bemerkung: Wie bei Folgen betrachten wir ¨ofters auch Reihen

¸
ν=m
a
ν
, wo der Summationsindex von einer
Zahl m ∈ Z an l¨auft.
Wir werden jetzt einige wichtige Folgen und Reihen auf Konvergenz oder Divergenz untersuchen und diese,
wegen ihrer Wichtigkeit, als S¨atze formulieren.
Satz 1.6.5: Die Folge <
1
n
>, konvergiert zum Grenzwert 0, d.h. es gilt: lim
n→∞
1
n
= 0.
Beweis: Es sei ein beliebig kleines ε > 0 vorgegeben. Es muss uns wieder gelingen einen Index N
ε
zu finden,
so dass [
1
n
− 0[ < ε f¨ ur alle n > N
ε
erf¨ ullt ist. Es gilt [
1
n
− 0[ =
1
n
< ε. Aus dieser Ungleichung folgt
n >
1
ε
. W¨ahlen wir nun f¨ ur N
ε
=

1
ε
¸
(Aufrundungsfunktion, ceiling function), so haber wir diesen Index
gefunden. Die Folge konvergiert also gegen 0.
Mit dieser konvergenten Folgen bilden wir jetzt eine Reihe und erhalten die sog. harmonische Reihe, die wir
sofort auf Konvergenz oder Divergenz untersuchen.
Satz 1.6.6: Die harmonische Reihe

¸
ν=1
1
ν
ist divergent.
Beweis: Wir werden zeigen, dass die Folge der Teilsummen s
n
=
n
¸
ν=1
1
ν
nicht beschr¨ankt ist. Wir werden dazu
jeweils 2, 4, 8, 16, 32, 64, . . . Summanden betrachten. Zu einer nat¨ urlichen Zahl k bilden wir die Abschnitts-
summe σ
1
=
1
2
, σ
2
=
1
3
+
1
4
, σ
3
=
1
5
+
1
6
+
1
7
+
1
8
, σ
4
=
1
9
+
1
10
+. . . +
1
16
, oder allgemein σ
k
=
2
k
¸
ν=2
k−1
+1
1
ν
.
1.7. Cauchy-Folgen in geordneten K¨orpern 15
Wir k¨onnen diese Abschnittssummen absch¨atzen: σ
k
≥ (2
k
−2
k−1
)
. .. .
#Summanden

1
2
k
=
1
2
.
Aus s
2
n =
2
n
¸
ν=1
1
ν
= 1 +
n
¸
k=1
σ
k
≥ 1 +
n
¸
k=1
1
2
= 1 +
n
2
ergibt sich, dass <s
n
> nicht beschr¨ankt und
somit divergent ist. Genau genommen haben wir eine unbeschr¨ankte Teilfolge <s
2
n> der Teilsummenfolge
<s
n
> gefunden.
Von eminenter Wichtigkeit sind die geometrische Folge und Reihe.
Satz 1.6.7: Es sei q ∈ K. Dann gilt f¨ ur die geometrische Folge <q
n
>:
(1) F¨ ur [q[ < 1 gilt: lim
n→∞
q
n
= 0.
(2) F¨ ur [q[ = 1 gilt: lim
n→∞
q
n
= 1.
(3) F¨ ur alle anderen Werte von q divergiert <q
n
>.
Beweis: (1) F¨ ur q = 0 ist <q
n
> trivialerweise konvergent zum Grenzwert 0; f¨ ur q = 0 und [q[ < 1 setzen wir
[q[ =
1
1 +δ
, wobei δ > 0. Nach der Bernoulli-Ungleichung gilt f¨ ur n ≥ 2 die Absch¨atzung (1 +δ)
n
> nδ
und daher: [q[
n
=
1
(1 +δ)
n
<
1

. Ist nun ε ∈ K, ε > 0 gegeben, so ist
1
δn
< ε f¨ ur alle n >
1
δε
. W¨ahlen
wir N
ε
=

1
δε
¸
, so k¨onnen wir sagen, dass [q
n
− 0[ = [q
n
[ <
1

< ε f¨ ur alle n > N
ε
. Somit konvergiert
<q
n
> f¨ ur [q[ < 1 zum Grenzwert 0.
(2) F¨ ur q = 1 konvergiert <q
n
> trivialerweise zum Grenzwert 1.
(3) F¨ ur q = −1 gilt <q
n
>=<−1, 1, −1, 1, −1, . . .>, so dass die Folge nicht konvergiert.
(4) F¨ ur [q[ > 1 ist die Folge <q
n
> nicht konvergent. W¨are sie konvergent, so w¨are sie auch beschr¨ankt
mit [q
n
[ ≤ M. Setzen wir [q[ = 1 + δ > 1, so folgt wieder aus der Bernoulli-Ungleichung f¨ ur n ≥ 2:
[q
n
[ = (1 +δ)
n
> nδ. F¨ ur gen¨ ugend großes n ist jedoch nδ > M, was im Widerspruch zur Voraussetzung
ist. Also kann <q
n
> nicht konvergent sein.
Bildet man mit der geometrischen Folge eine Reihe, so erh¨alt man die geometrische Reihe.
Satz 1.6.8: Es sei q ∈ K. Dann gilt f¨ ur die geometrische Reihe

¸
ν=0
q
ν
:
(1) F¨ ur [q[ < 1 gilt:

¸
ν=0
q
ν
=
1
1 −q
.
(2) F¨ ur alle anderen Werte von q divergiert

¸
ν=0
q
ν
.
Beweis: Mit
n
¸
ν=0
q
ν
=
1 −q
n+1
1 −q
folgt die Behauptung.
1.7 Cauchy-Folgen in geordneten K¨orpern
Der Konvergenzbegriff den wir kennen gelernt haben hat den Nachteil, dass man den Grenzwert schon kennen
muss. Sehr h¨aufig gelingt es aber nicht, den Grenzwert zu bestimmen. Es w¨are deshalb von Vorteil, wenn man
einen Konvergenzbegriff h¨atte, der nur mit den Folgegliedern arbeitet und der offensichtlichen

Verdichtungs-
eigenschaft“ einer konvergenten Folge ber¨ ucksichtigt. Dies f¨ uhrt uns zum Begriff der Cauchy-Folge, oder kurz
C-Folge. Dieser ist von zentraler Bedeutung in der modernen Mathematik. Nicht nur bei der Konstruktion
der reellen Zahlen, sondern auch in der Funktionalanalysis, Maßtheorie, Wahrscheinlichkeitstheorie, u.a. spielt
dieser Begriff eine wichtige Rolle.
Definition 1.7.1 [Cauchy-Folge]: Die Folge <a
n
> in K heißt Cauchy-Folge, oder auch C-Folge, wenn
f¨ ur jedes ε ∈ K und ε > 0 ein N
ε
∈ N existiert, so dass:
[a
n
−a
m
[ < ε f¨ ur alle n, m > N
ε
.
16 Kapitel 1. Grundlagen
Wir wollen uns diesen Begriff etwas n¨aher anschauen. Dazu sei ein beliebiges ε > 0 gegeben und der zugeh¨orige
Index N
ε
bestimmt. W¨ahlen wir jetzt ein festes m > N
ε
, so liegen alle a
n
mit n > N
ε
in der ε-Umgebung
um a
m
, wie Abb. 1.8 zeigt. Dies bedeutet, dass schließlich alle Folgenglieder ganz dicht zusammenliegen, sich

a
m
a
m
−ε a
m

a
n
Abbildung 1.8: Bei einer Cauchy-Fogle <a
n
> liegen f¨ ur ein festes m > N
ε
alle Folgenglieder f¨ ur n > N
ε
in der
ε-Umgebung um a
m
.
also verdichten an einer bestimmeten Stelle. Man spricht deshalb auch von der Verdichtungseigenschaft einer
Cauchy-Folge.
Es gelten wieder einige, leicht einzusehende, Regeln f¨ ur das Rechnen mit Cauchy-Folgen.
Satz 1.7.1: Ist <a
n
> eine Cauchy-Folge in K, dann ist <a
n
> beschr¨ankt.
Beweis: Es gibt ein N
e
∈ N mit [a
n
− a
m
[ < e f¨ ur alle n > N
e
. Insbesondere gilt f¨ ur m = N
e
+ 1 und alle
n > N
e
die Absch¨atzung a
n
−a
N
e
+1
< e. Hieraus folgt:
[a
n
[ = [a
n
−a
N
e
+1
+a
N
e
+1
[ ≤ [a
n
−a
N
e
+1
[ +[a
N
e
+1
[ < e +[a
N
e
+1
[ f¨ ur alle n > N
e
. Es ergibt sich also:
[a
n
[ ≤ max¦[a
1
[, [a
2
[, . . . , [a
N
e
[, [a
N
e
[ +e¦ = M, womit wir eine Schranke gefunden h¨atten.
Wieder gilt, dass Summen, Produkte und Quotienten von C-Folgen wiederum C-Folgen ergeben.
Satz 1.7.2: Es seien <a
n
> und <b
n
> Cauchy-Folgen in K. Dann gilt:
(1) Die Summenfolge <a
n
+b
n
> ist eine Cauchy-Folge,
(2) die Produktfolge <a
n
b
n
> ist eine Cauchy-Folge,
(3) und falls ein δ ∈ K mit δ > 0 und ein N ∈ N existieren mit [b
n
[ ≥ δ f¨ ur alle n > N, so ist die
Quotientenfolge <c
n
> mit c
n
=

a
n
/b
n
falls b
n
= 0
0 falls b
n
= 0
ist ebenfalls eine Cauchy-Folge.
Den Zusammenhang zwischen

gew¨ohnlichen“ Folgen und C-Folgen kl¨art folgender Satz:
Satz 1.7.3: Ist <a
n
> konvergent zum Grenzwert a ∈ K, so ist <a
n
> eine Cauchy-Folge.
Beweis: Es sei lim
n→∞
a
n
= a ∈ K. Zu jedem ε ∈ K und ε > 0 gibt es ein N
ε
∈ N mit [a
n
− a[ < ε/2 f¨ ur alle
n > N
ε
. Ist nun n > N
ε
und m > N
ε
, so ergibt sich [a
n
−a
m
[ = [(a
n
−a)−(a
m
−a)[ ≤ [a
n
−a[+[a
m
−a[ < ε.
Somit ist <a
n
> eine C-Folge.
Es ist nun von gr¨oßter Wichtigkeit, dass dieser Satz i.a. nicht umkehrbar ist. Es kann und es kommt vor, dass
eine C-Folge in K keinen Grenzwert hat. Das bedeutet, dass die Folge gegen eine

L¨ ucke“ konvergiert mit der
Konsequenz, dass die Menge in der die C-Folge

lebt“ nicht vollst¨andig ist. Ein sehr ber¨ uhmtes Beispiel hierf¨ ur
ist die Folge <a
n
> in Q mit a
1
= 1 und a
n+1
=
1
2

a
n
+
1
a
n

. Es kann gezeigt werden, dass diese Folge eine
C-Folge ist, die gegen die irrationale Zahl

2 konvergiert. Die Folge <a
n
> konvergiert also gegen eine

L¨ ucke“
oder

Loch“ in Q. Dieses Beispiel zeigt, dass die Menge der rationalen Zahlen zu

schwach“ ist, zumal die
triviale Gleichung x
2
= 2 in Q keine L¨osung hat. Die Behebung dieser Schw¨ache f¨ uhrt uns zu den reellen Zahlen
R, die wir ja schon kennen, deren

Wesen“ uns aber noch unbekannt ist. Um zu kl¨aren, was eine reelle Zahl
eigentlich ist, m¨ ussen wir uns mit Relationen besch¨aftigen.
1.8 Relationen und Klasseneinteilungen von Mengen
Umgangssprachlich versteht man unter einer Relation eine Beziehung zwischen jeglicher Art von Objekten. wie
z. B. Staaten, Hauptst¨adte, Menschen, Farben, reellen Zahlen, Cauchy-Folgen, komplexen Zahlen, stetigen
1.8. Relationen, Klasseneinteilungen 17
Funktionen, Matrizen, und viele mehr. Betrachten wir die Menge der Staaten und die Menge der Hauptst¨adte
so beschreibt

Wien ist Hauptstadt von
¨
Osterreich“ eine Relation zwischen diesen (verschiedenen) Mengen.
Die Beziehung

ist verwandt mit“ definiert eine Relation in der Menge aller Menschen. Mathematisch werden
Relationen folgendermaßen definiert:
Definition 1.8.1 [Relation]: Eine Relation R zwischen den Mengen A und B ist eine Teilmenge des
kartesischen Produktes A B, also R ⊂ A B. F¨ ur (a, b) ∈ R sagt man

a steht in Relation oder
Beziehung R zu b“. Oft schreibt man aRb oder a ∼ b f¨ ur (a, b) ∈ R. F¨ ur den Fall A = B = M spricht
man von einer Relation in oder Relation auf M.
Beispiel: In der Menge aller Menschen bildet

gleich alt wie“ eine Relation.
Im weiteren untersuchen wir bestimmte Eigenschaften einer Relation. Dazu ben¨otigen wir folgende Definition:
Definition 1.8.2 [Reflexiv, symmetrisch, transitiv]: Eine Relation in der Menge M heißt:
(1) reflexiv, wenn f¨ ur alle x ∈ M gilt: x ∼ x,
(2) symmetrisch, wenn f¨ ur alle x, y ∈ M mit x ∼ y folgt: y ∼ x,
(3) transitiv, wenn f¨ ur alle x, y, z ∈ M mit x ∼ y und y ∼ z folgt: x ∼ z.
Eine Relation, die reflexiv, symmetrisch und transitiv ist, wird
¨
Aquivalenzrelation genannt.
Beispiel: In der Menge der ganzen Zahlen M = Z sei eine Relation R gegeben durch:
R = ¦(n, m) : n ∈ Z, m ∈ Z, n −m gerade¦ ⊂ ZZ.
Die Relation lautet hier:

Die ganze Zahl n steht in Relation (oder Beziehung) zur ganzen Zahl m, wenn
ihre Differenz n − m gerade oder durch 2 teilbar ist.“ Wir ¨ uberpr¨ ufen jetzt, ob diese Relation reflexiv,
symmetrsich oder transitiv ist.
• reflexiv: ja, weil f¨ ur alle n ∈ M gilt: n −n = 0 und durch 2 teilbar. Dies bedeutet aber n ∼ n.
• symmetrisch: ja, weil f¨ ur n ∼ m, d.h. n−m gerade oder durch 2 teilbar, gefolgert werden kann, dass
m−n durch 2 teilbar ist. Dies bedeutet aber m ∼ n.
• transitiv: ja, weil f¨ ur n ∼ m und m ∼ p, d.h. n − m gerade und m − p gerade, gefolgert werden
kann, dass n−p = (n−m) +(m−p) als Summe zweier gerader Zahlen eine gerade Zahl ergibt. Dies
bedeutet wiederum n ∼ p.
Diese Relation bildet also eine
¨
Aquivalenzrelation. Welches sind nun die Zahlen, die zueinander in Rela-
tion stehen? Einerseits sind das alle ungeraden Zahlen Z
u
= ¦. . . , −3, −1, 1, 3, 5, 7, . . .¦ und andererseits
alle geraden Zahlen Z
g
= ¦. . . , −4, −2, 0, 2, 4, 6, . . .¦. Wir haben also zwei

Klassen“ von ganzen Zahlen
bekommen f¨ ur welche Z
u
∩ Z
g
= ∅ und Z
u
∪ Z
g
= Z gilt. Diese beiden Klassen sind sog.
¨
Aquivalenz-
klassen. Alle ungeraden und alle geraden Zahlen sind ¨aquivalent zueinander. Man bezeichnet diese beiden
¨
Aquivalenzklassen ¨ ublicherweise folgendermaßen: [0] = ¦n ∈ Z : n ∼ 0¦ und [1] = ¦n ∈ Z : n ∼ 1¦, d.h.
die
¨
Aquivalenzklasse zur geraden Zahl 0 und zur ungraden Zahl 1. Man h¨atte aber auch [10] schreiben
k¨onnen anstatt [0], da ja 0 und 10 ¨aquivalent sind.
Die Vermutung, dass es einen Zusammenhang zwischen
¨
Aquivalenzrelationen und Klasseneinteilungen gibt,
best¨atigt sich vollends. Wir m¨ ussen zuvor noch festlegen, was wir unter einer Klasseneinteilung einer Menge M
und einer
¨
Aquivalenzklasse verstehen:
Definition 1.8.3 [Klasseneinteilung einer Menge]: Es sei M eine beliebige Menge. Eine Klasseneintei-
lung von M ist ein Mengensystem F = ¦M
α
¦
α∈A
mit:
(1) M
α
∩ M
β
= ∅ f¨ ur α = β (disjunktes Mengensystem),
(2) M =
¸
α∈A
M
α
.
Definition 1.8.4 [
¨
Aquivalenzklasse]: In einer Menge M sei eine
¨
Aquivalenzrelation ∼ gegeben. F¨ ur ein
a ∈ M heißt:
[a] = M
a
= ¦x : x ∈ M, x ∼ a¦ die von a erzeugte
¨
Aquivalenzklasse.
Entscheidend f¨ ur den Zusammenhang von
¨
Aquivalenzrelationen und Klasseneinteilungen ist:
18 Kapitel 1. Grundlagen
Satz 1.8.1: Es sei M eine Menge.
(1) Jede Klasseneinteilung von M erzeugt eine
¨
Aquivalenzrelation in M.
(2) Bei gegebener
¨
Aquivalenzrelation bildet das System der verschiedenen
¨
Aquivalenzklassen eine Klas-
seneinteilung von M.
Beispiel: In der Menge der komplexen Zahlen C sei eine Relation R gegeben durch:
R = ¦(z
1
, z
2
) : z
1
∈ C, z
2
∈ C, [z
1
[ = [z
2
[¦ ⊂ C
2
.
Die Relation lautet hier:

Die komplexe Zahl z
1
steht in Relation zur komplexen Zahl z
2
, wenn ihre Betr¨age
gleich sind.“ Wir ¨ uberpr¨ ufen, ob diese Relation eine
¨
Aquivalenzrelation bildet.
• reflexiv: ja, weil f¨ ur alle z ∈ C gilt: [z[ = [z[. Dies bedeutet aber z ∼ z.
• symmetrisch: ja, weil f¨ ur z
1
∼ z
2
, d.h. [z
1
[ = [z
2
[, gefolgert werden kann, dass [z
2
[ = [z
1
[ ist und
somit z
2
∼ z
1
.
• transitiv: ja, weil f¨ ur z
1
∼ z
2
und z
2
∼ z
3
, d.h. [z
1
[ = [z
2
[ und [z
2
[ = [z
3
[, gefolgert werden kann, dass
[z
1
[ = [z
3
[ gilt. Dies bedeutet wiederum z
1
∼ z
3
.
Diese Relation bildet also eine
¨
Aquivalenzrelation. Welches sind nun die komplexen Zahlen, die

¨aquiva-
lent“ sind? Offensichtlich alle komplexen Zahlen die auf einem Kreis mit Radius r liegen, weil diese alle
den Betrag r haben. Jeder Radius r ∈ [0, ∞) induziert also eine
¨
Aquivalenzklasse M
r
= ¦z ∈ C : [z[ = r¦.
Wiederum gilt:
M
r
∩ M
r
= ∅ f¨ ur r = r

und C =
¸
r∈[0,∞)
M
r
.
1.9 Die Konstruktion der reellen Zahlen
Wir haben gesehen, dass der K¨orper Q der rationalen Zahlen in mancher Hinsicht unbefriedigend ist. Unter
anderem haben wir gesehen, dass es Cauchy-Folgen gibt, die in Q keinen Grenzwert haben. In der modernen
Mathematik spielen K¨orper, in denen jede C-Folge konvergiert, aber eine wichtige Rolle. Dies f¨ uhrt uns zum
Begriff der Vollst¨andigkeit:
Definition 1.9.1: Ein geordneter K¨orper K heißt vollst¨andig, wenn jede Cauchy-Folge in K konvergiert,
d. h. in K einen Grenzwert besitzt.
Es stellt sich nun die Frage, ob man Q nicht erweitern kann, d. h. ob es nicht einen gr¨oßeren geordneten
Zahlenk¨orper R gibt, der Q enth¨alt, und dar¨ uber hinaus gen¨ ugend Elemente besitzt, so dass R vollst¨andig ist
und jede Gleichung der Form x
n
= a mit a ∈ Q und a ≥ 0 eine L¨osung in R besitzt.
Zur Erweiterung von Q, d. h. zur Konstruktion der reellen Zahlen werden wir C-Folgen heranziehen, da diese
sich ja zu einer bestimmten

Stelle“ hin verdichten. Diese

Stelle“, repr¨asentiert durch die entsprechende C-
Folge, identifizieren wir dann mit einer reellen Zahl. Es gibt aber unendlich viele verschiedene C-Folgen mit der
Eigenschaft, dass sie sich an ein und derselben Stelle verdichten. Welche C-Folge soll man dann nehmen? Es
w¨ urde also Sinn machen, alle C-Folgen, die sich an der selben Stelle verdichten, als ¨aquivalent zu identifizieren.
Deshalb f¨ uhren wir eine
¨
Aquivalenzrelation in der Menge aller C-Folgen in Q ein.
Satz 1.9.1: Sei M die Menge aller C-Folgen in Q und zwei C-Folgen <x
n
>∈ M und <y
n
>∈ M seien
zueinander in Relation, geschrieben <x
n
>∼<y
n
>, wenn gilt: lim
n→∞
(x
n
−y
n
) = 0. Diese Relation
bildet eine
¨
Aquivalenzrelation in M.
Beweis: Die Relation lautet: zwei C-Folgen sind zueinander in Relation, wenn ihre Differenzfolge gegen 0 kon-
vergiert. Wir ¨ uberpr¨ ufen folgende Eigenschaften:
• reflexiv: ja, weil f¨ ur alle <x
n
>∈ M gilt: lim
n→∞
(x
n
−x
n
) = 0. Dies bedeutet aber <x
n
>∼<x
n
>.
• symmetrisch: ja, weil f¨ ur <x
n
>∼<y
n
>, d.h. lim
n→∞
(x
n
−y
n
) = 0, gefolgert werden kann, dass
lim
n→∞
(y
n
−x
n
) = 0 ist, und somit <y
n
>∼<x
n
> gilt.
• transitiv: ja, weil f¨ ur <x
n
>∼<y
n
> und <y
n
>∼<z
n
>, d.h. lim
n→∞
(x
n
−y
n
) = 0 und lim
n→∞
(y
n
−z
n
) =
0, gefolgert werden kann, dass lim
n→∞
(x
n
−z
n
) = lim
n→∞
[(x
n
−y
n
) + (y
n
−z
n
)] = lim
n→∞
(x
n
−y
n
) +
lim
n→∞
(y
n
−z
n
) = 0 gilt. Dies bedeutet wiederum <x
n
>∼<z
n
>.
1.9. Die Konstruktion der reellen Zahlen 19
Mit obiger
¨
Aquivalenzrelation haben wir eine Klasseneinteilung in der Menge aller C-Folgen erhalten. Alle C-
Folgen in einer Klasse f¨ uhren, kurz gesagt, zur selben

Stelle“. Bezeichnen wir die
¨
Aquivalenzklasse zu einer
vorgegebenen C-Folge <x
n
> mit C
<x
n
>
so k¨onnen wir jetzt mit dieser
¨
Aquivalenzklasse ein neues Objekt
identifizieren, n¨amlich eine reelle Zahl X = C
<x
n
>
.
Definition 1.9.2 [relle Zahl]: Eine reelle Zahl X ist eine
¨
Aquivlenzklasse C
<x
n
>
von Cauchy-Folgen ra-
tionaler Zahlen. Die Menge aller reellen Zahlen wird, wie ja schon bekannt, mit R bezeichnet.
Genau genommen d¨ urften wir noch nicht von Zahlen sprechen. Bisher haben wir ja nur eine komplizierte Menge
definiert, n¨amlich die Menge aller
¨
Aquivalenzklassen von C-Folgen in Q. F¨ ur diese neuen Objekte ist aber weder
eine Addition noch eine Multiplikation erkl¨art, ganz zu schweigen von einer Verifikation der K¨orperaxiome.
Satz 1.9.2: Es seien X, Y ∈ R. Mit den Operationen
Addition X +Y = C
<x
n
>
+C
<y
n
>
= C
<x
n
+y
n
>
,
Multiplikation X Y = C
<x
n
>
C
<y
n
>
= C
<x
n
·y
n
>
,
wobei <x
n
> und <y
n
> beliebige Repr¨asentanten aus X und Y sind, bildet R einen K¨orper.
Beweis: Der Beweis ist relativ einfach und basiert auf der Tatsache, dass Addition und Multiplikation zweier
C-Folgen wieder eine C-Folge ergeben.
Jetzt endlich wissen wir, was man mathematisch unter einer reellen Zahl versteht und warum man sie eingef¨ uhrt
hat. Zu kl¨aren bleibt noch, wo die rationalen Zahlen geblieben sind, oder wie sie in der Menge der reellen Zahlen
zu identifizieren sind. Dies geschieht durch eine in sehr nat¨ urlicher Weise gegebenen injektiven Abbildung
F : Q −→ R und x −→ F(x) = C
<x>
mit D(F) = Q, B(F) = ¦X : X ∈ R mit X = C
<x>
, x ∈ Q¦, wobei
unter <x> die konstante C-Folge <x, x, x, x, . . .> gemeint ist. Zur Abbildung F existiert eine Umkehrfunktion
F
−1
mit D(F
−1
) = B(F), B(F
−1
) = Q. In Abb. 1.9 sind die Gegebenheiten grafisch illustriert.
Q
R
·
F
`
F
−1
· · ·
0 1 x
C
<0>
C
<1>
C
<x>
Abbildung 1.9: Einbettung der rationalen Zahlen Q in der Menge der reellen Zahlen R. Die rationale Zahl x ∈ Q
wird dabei mit der rational-reellen Zahl X = C
<x>
identifiziert.
Die Abbildungen F und F
−1
haben nun die fundamentale Eigenschaft, mit den K¨orper- und Ordnungsstrukturen
in Q bzw. R vertr¨aglich zu sein. F¨ ur x, y ∈ Q bedeutet dies, dass folgendes gilt: F(x+y) = F(x)+F(y), F(xy) =
F(x) F(y), und aus x < y folgt F(x) < F(y). F¨ ur X, Y ∈ D(F
−1
) gilt: F
−1
(X + Y ) = F
−1
(X) + F
−1
(Y ),
F
−1
(X Y ) = F
−1
(X) F
−1
(Y ), und aus X < Y folgt F
−1
(X) < F
−1
(Y ).
Es ist also vollkommen gleichg¨ ultig, ob wir in Q nach den Gesetzen in Q rechnen, oder mit den Bilder in B(F)
nach den Gesetzen in R rechnen. Aus diesem Grund k¨onnen wir tats¨achlich von einer Einbettung von Q in R
sprechen.
Jetzt kommen wir zu dem ber¨ uhmten Satz von Dedekind:
Satz 1.9.3 [Dedekind]: R ist vollst¨andig.
In der Menge der reellen Zahlen R gilt desweiteren:
Satz 1.9.4 [Cauchysches Konvergenzkriterium]: Eine reelle Zahlenfolge ist dann und nur dann konver-
gent, wenn sie eine C-Folge ist.
20 Kapitel 1. Grundlagen
Leider lassen auch die reellen Zahlen noch W¨ unsche offen. Versucht man etwa die Gleichung x
2
+1 = 0 zu l¨osen,
muss man zur Kenntnis nehmen, dass diese einfache Gleichung in R keine L¨osung hat. Der Ausweg aus dieser
Miesere f¨ uhrt uns zu den komplexen Zahlen C in Kapitel 4.
1.10 Der Hauptsatz ¨ uber monotone Folgen und die Zahl e
Nachdem wir nun wissen, dass R vollst¨andig ist und somit jede Cauchy-Folge in R auch konvergiert, w¨are es
w¨ unschenswert, ein weniger allgemeines, daf¨ ur aber handlicheres Konvergenzkriterium als das Cauchysche zu
haben. F¨ ur monotone Folgen gibt es ein solches hinreichendes Kriterium.
Satz 1.10.1 [Hauptsatz ¨ uber monotone Folgen]:
(1) Eine monoton wachsende und nach oben beschr¨ankte Folge ist konvergent.
(2) Eine monoton fallende und nach unten beschr¨ankte Folge ist konvergent.
Beweis:(Widerspruchsbeweis) (1) Es sei <x
n
> eine Folge mit x
n+1
≥ x
n
und x
n
≤ M f¨ ur alle n ∈ N. Wir
m¨ ussen zeigen, dass <x
n
> eine C-Folge ist. Angenommen, <x
n
> ist keine C-Folge, dann gibt es ein ε

> 0
und beliebig große Indizes m, n, so dass [x
n
− x
m
[ ≥ ε

ist (sonst g¨abe es ja zu jedem ε > 0 ein N
ε
, so
dass [x
n
− x
m
[ < ε gilt f¨ ur alle n, m > N
ε
). Wir nehmen ein Indexpaar m
1
, n
1
mit 1 < m
1
< n
1
und
[x
n
1
−x
m
1
[ ≥ ε

, dann ein weiteres Indexpaar m
2
, n
2
mit m
1
< n
1
< m
2
< n
2
und [x
n
2
−x
m
2
[ ≥ ε

usw.
Auf diese Weise entstehen Folgen <m
i
> und <n
i
> mit 1 < m
1
< n
1
< m
2
< n
2
< < m
i
< n
i
und
[x
n
i
−x
m
i
[ ≥ ε

(f¨ ur i = 1, 2, . . .).
Es folgt x
n
k
≥ x
m
k
+ ε

≥ x
n
k−1
+ ε

≥ x
m
k−1
+ 2ε

≥ x
n
1
+ (k − 1)ε

≥ x
m
1
+ kε

≥ x
1
+ kε

. F¨ ur
gen¨ ugend große k ist x
n
k
≥ x
1
+ kε

> M im Widerspruch zur Voraussetzung. Die Folge kann also nur
eine C-Folge sein. Der Beweis von (2) geht analog.
Bemerkung: Man beachte, dass bei diesem Kriterium, wie auch beim Cauchy-Kriterium, der Grenzwert der
Folge nicht eingeht.
Im weiteren untersuchen wir zwei Folgen die beide gegen die Eulersche Zahl e konvergieren. Dabei kommt der
Hauptsatz ¨ uber monotone Folgen zum Einsatz.
Satz 1.10.2 Die unendliche Reihe

¸
ν=0
1
ν!
konvergiert.
Beweis: Nach der Definition der Konvergenz einer Reihe m¨ ussen wir die Konvergenz der Folge <y
n
> ihrer
Teilsummen y
n
=
n
¸
ν=0
1
ν!
zeigen.
(1) Die Folge <y
n
> ist streng monoton steigend, da y
n+1
−y
n
=
1
(n −1)!
> 0 gilt.
(2) Mit ν! = 1 2 3 ν ≥ 2
ν−1
f¨ ur ν ≥ 2 gilt:
y
n
= 2 +
n
¸
ν=2
1
ν!
≤ 2 +
n
¸
ν=2
1
2
ν−1
= 1 +
n−1
¸
ν=0

1
2

ν
= 1 + 2

1 −

1
2

n

< 3.
Damit ist die Folge <y
n
> nach oben beschr¨ankt und somit konvergent.
Als n¨achstes beweisen wir:
Satz 1.10.3 Die Folge <x
n
> mit x
n
=

1 +
1
n

n
ist konvergent.
Beweis: Mit Hilfe des binomischen Lehrsatzes erhalten wir f¨ ur x
n
folgenden Ausdruck:
x
n
=

1 +
1
n

n
=
n
¸
ν=0

n
ν

1
n
ν
= 1 +
n
¸
ν=1
n(n −1) (n −ν + 1)
ν!n
ν
= 1 +
n
¸
ν=1
1
ν!
¸
ν−1
¸
µ=0

1 −
µ
n

¸
.
Wir bemerken ferner, dass gilt: 0 ≤ 1 −
µ
n
≤ 1 −
µ
n + 1
≤ 1 f¨ ur µ = 0, 1, . . . , n.
(1) Monotonie: x
n+1
−x
n
=
n+1
¸
ν=1
1
ν!
¸
ν−1
¸
µ=0

1 −
µ
n + 1

¸

n
¸
ν=1
1
ν!
¸
ν−1
¸
µ=0

1 −
µ
n

¸
=
1.10. Der Hauptsatz ¨ uber monotone Folgen und die Zahl e 21
=
1
(n + 1)!
¸
n
¸
µ=0

1 −
µ
n + 1

¸
+
n
¸
ν=1
1
ν!
¸
ν−1
¸
µ=0

1 −
µ
n + 1


ν−1
¸
µ=0

1 −
µ
n

¸
> 0.
Damit ist die Folge <x
n
> streng monoton steigend.
(2) Beschr¨anktheit: Mit obigen Darstellung erhalten wir f¨ ur n ≥ 2:
2 = x
1
< x
n

n
¸
ν=0
1
ν!
= y
n
< 3
Damit ist die Folge <x
n
> beschr¨ankt und mit (1) konvergent.
Mit dem Einschließungskriterium k¨onnen wir zeigen, dass die Folgen <x
n
> und <y
n
> gegen den selben
(unbekannten) Grenzwert konvergieren.
Satz 1.10.4 F¨ ur die Folgen <x
n
> und <y
n
> gilt: lim
n→∞
x
n
= lim
n→∞
y
n
.
Beweis: Es sei k eine feste nat¨ urliche Zahl, und es sei n ≥ k. Dann gilt:
x
n
= 1 +
k
¸
ν=1
1
ν!
¸
ν−1
¸
µ=0

1 −
µ
n

¸
+
n
¸
ν=k+1
1
ν!
¸
ν−1
¸
µ=0

1 −
µ
n

¸
≥ 1 +
k
¸
ν=1
1
ν!
¸
ν−1
¸
µ=0

1 −
µ
n

¸
.
Lassen wir in dieser Ungleichung n gegen Unendlich gehen, so erhalten wir:
lim
n→∞
x
n

k
¸
ν=1
1
ν!
= y
k
.
Oben haben wir gesehen, dass x
k
≤ y
k
gilt. Insgesamt erhalten wir f¨ ur alle nat¨ urlichen Zahlen k:
x
k
≤ y
k
≤ lim
n→∞
x
n
.
Aus dem Einschließungskriterium folgt lim
k→∞
x
k
= lim
k→∞
y
k
.
Der gemeinsame Grenzwert der Folgen <x
n
> und <y
n
> ist eine der wichtigsten Zahlen in den Naturwissen-
schaften.
Definition 1.10.1 [ Eulersche Zahl]: Wir bezeichnen den Grenzwert
lim
n→∞

1 +
1
n

n
=

¸
ν=0
1
ν!
= e als Eulersche Zahl.
Wir zeigen noch, dass die Eulersche Zahl irrational ist.
Satz 1.10.5 Die Eulersche Zahl e ist irrational.
Beweis:(Widerspruchsbeweis) Wir betrachten f¨ ur eine feste nat¨ urliche Zahl n ∈ N den Ausdruck:
y
n+m
−y
n
=
n+m
¸
ν=n+1
1
ν!

1
(n + 1)!
m−1
¸
ν=0
1
(n + 2)
ν
=
1
(n + 1)!
1 −
1
(n + 2)
m
1 −
1
n + 2
<
n + 2
(n + 1)!(n + 1)
.
Lassen wir in dieser Ungleichung m gegen Unendlich gehen, so erhalten wir die wichtige Absch¨atzung:
0 < lim
m→∞
y
n+m
−y
n
= e −y
n

n + 2
(n + 1)!(n + 1)
=
n + 2
n!(n + 1)
2
<
1
n!n
.
F¨ ur die Zahl θ
n
= (e −y
n
)n!n ergibt sich wegen dieser Beziehung 0 < θ
n
< 1 sowie
e =
θ
n
n!n
+y
n
=
θ
n
n!n
+
n
¸
ν=0
1
ν!
,
f¨ ur jede nat¨ urliche Zahl n. Nehmen wir nun an, dass e rational ist, so gibt es p, q ∈ N mit e = p/q. Wegen
obiger Beziehung gilt dann f¨ ur n = q:
p
q
=
θ
q
q!q
+
q
¸
ν=0
1
ν!
.
Eine Multiplikation dieser Gleichung mit dem Faktor q! ergibt links eine ganze Zahl (q − 1)!p, rechts die
Summe einer ganzen Zahl q!
¸
q
ν=0
(1/ν!) und einer zwischen 0 und 1 gelegenen Zahl θ
q
/q. Dies ist aber
ein Widerspruch. Die Zahl e kann also nicht rational sein.
2
Differentialrechnung
Die Differentialrechnung spielt in den Naturwissenschaften eine zentrale Rolle, da sehr viele Naturgesetze
(Newtonsche Bewegungsgleichung, Schr¨ odinger-Gleichung, Boltzmann-Gleichung, uva.) durch Differenti-
algleichungen beschrieben werden. Deshalb werden wir uns in diesem Kapitel mit der Methodik und Anwendung
der Differentialrechnung besch¨aftigen.
2.1 Das Tangentenproblem
Die Differentialrechnung geht wie viele Gebiete der Analysis auf ein geometrisches Problem zur¨ uck, n¨amlich
auf das Problem, an eine Kurve in der Ebene Tangenten zu konstruieren. Um uns diesen Sachverhalt klar zu
machen betrachten wir eine auf [a, b] definierte Funktion f deren Graph in Abb. 2.1 zu sehen ist. Im Punkt
−8 −6 −4 −2 0 2 4 6 8 10
−0.5
0
0.5
1
1.5
2
2.5
3
x
y
a b x
0
x
n
x
f(x
0
)
f(x
n
)
f(x)
f(x)
P
0
P
S
P
T
∆y
∆x
k
P
=
∆y
∆x
=
f(x) −f(x
0
)
x −x
0
Abbildung 2.1: Graph der Funktion f. Im Punkt P
0
= (x
0
, f(x
0
)) soll eine Tangente an die Kurve konstruiert
werden.
P
0
= (x
0
, f(x
0
)) wollen wir eine Tangente konstruieren. Dabei m¨ ussen wir akzeptieren, dass eine Tangente T
an die Kurve im Punkt P
0
nicht a priori existiert, sondern dass wir sie irgendwie definieren m¨ ussen. Wir folgen
dabei der klassischen Idee, nach der die Tangente als Grenzlage von Sekanten definiert wird. Dazu betrachten
wir einen Nachbarpunkt P = (x, f(x)) und die Sekante S
P
durch die Punkte P
0
und P. Diese Sekante wird
dann eindeutig bestimmt durch das Steigungsmaß k
p
. Existiert nun
lim
x→x
0
=
f(x) −f(x
0
)
x −x
0
= f

(x
0
)
24 Kapitel 2. Differentialrechnung
und ist f

(x
0
) ∈ R, so definieren wir die Gerade durch den Punkt P
0
= (x
0
, f(x
0
)) mit diesem Steigungsmaß
f

(x
0
) (die Ableitung der Funktion f an der Stelle x
0
) als Tangente im Punkt P
0
.
2.2 Definition und Eigenschaften der Ableitung
Mit obigen Vorarbeiten k¨ onnen wir uns jetzt der analytischen Definition der Ableitung zuwenden.
Definition 2.2.1 [Ableitung]: Es sei f : R −→R und D(f) = I ein beliebiges Intervall.
(1) Die Funktion f heißt differenzierbar an der Stelle x
0
∈ I, wenn der Grenzwert
lim
x→x
0
f(x) −f(x
0
)
x −x
0
= lim
∆x→0
f(x
0
+ ∆x) −f(x
0
)
∆x
=
df
dx
(x
0
)
f¨ ur jede erdenkliche Ann¨aherung an den Punkt x
0
existiert. Ist x
0
linker (rechter) Endpunkt von
I, so heißt f an x
0
auch rechtsseitig (linksseitig) differenzierbar.
(2) Die Funktion f

: R −→R mit
D(f

) =

x
0
:
df
dx
(x
0
) existiert
¸
und f

(x
0
) =
df
dx
(x
0
)
heißt Ableitung von f.
(3) Ist f

stetig auf X ⊂ D(f

), so heißt die Funktion f stetig differenzierbar auf X.
(4) Die h¨oheren Ableitungen einer Funktion werden rekursiv definiert:
f
(n)
(x) =
d
dx

f
(n−1)
(x)

=

f
(n−1)
(x)

.
Die Funktion f wird auch als 0-te Ableitung bezeichnet: f = f
(0)
.
Im folgenden wollen wir grundlegende Eigenschaften der Differentiation (oder des Differentialoperators) unter-
suchen. Eine der wichtigsten Eigenschaften des Differenzialoperators ist die Linearit¨at.
Satz 2.2.1 [Linearit¨at]: Die Operation des Differenzierens ist linear, d.h. es gilt f¨ ur a, b ∈ R
d
dx
[af(x) +bg(x)] = a
d
dx
[f(x)] +b
d
dx
[g(x)] oder [af(x) +bg(x)]

= a [f(x)]

+b [g(x)]

.
Als n¨achstes wollen wir kl¨aren wie Stetigkeit und Differenzierbarkeit zueinander in Beziehung stehen.
Satz 2.2.2: Die Funktion f sei definiert auf I und differenzierbar an der Stelle x
0
∈ I.
Dann ist die Funktion f stetig an x
0
. Differenzierbarkeit ist also eine hinreichende Bedingung f¨ ur Ste-
tigkeit.
Beweis: F¨ ur jede Folge <x
n
> mit x
n
→ x
0
, x
n
∈ I, x
n
= x
0
gilt nach Voraussetzung:
f(x
n
) −f(x
0
)
x
n
−x
0
→ f

(x
0
). Es folgt: f(x
n
) −f(x
0
) = (x
n
−x
0
)
f(x
n
) −f(x
0
)
x
n
−x
0
→ 0 f

(x
0
) = 0.
Beispiel: Die stetige Funktion f mit f(x) = [x[, D(f) = R ist an der Stelle x
0
= 0 nicht differenzierbar, weil
lim
x→0
+
f(x) −f(x
0
)
x −x
0
= lim
x→0
+
[x[ −[0[
x −0
= lim
x→0
+
x
x
= 1, (rechtsseitige Ann¨aherung an 0) und
lim
x→0

f(x) −f(x
0
)
x −x
0
= lim
x→0

[x[ −[0[
x −0
= lim
x→0

−x
x
= −1 (linksseitige Ann¨aherung an 0)
verschiedene Grenzwerte liefern.
Wenn man rein

technisch“ differenzieren muss, berechnet man nicht obigen Grenzwert, sondern man bedient
sich einer Sammlung von Regeln, den sog. Ableitungsregeln, die im folgenden vorgestellt werden.
2.3 Ableitungsregeln, Kettenregel
In diesem Abschnitt lernen wir Ableitungsregeln kennen, mit denen man in eleganter Weise die m¨ uhsame
Grenzwertberechnung umgeht. Durch geschicktes Anwenden der Ableitungsregeln kann man das Differenzieren
2.3. Ableitungsregeln, Kettenregel 25
komplizierter Funktionen in mehrere, weniger komplizierte, Teilaufgaben zerlegen. Durch diese Vorgangsweise
gelingt es, jede noch so komplizierte Funktion zu differenzieren. Im Gegensatz zur Integralrechnung kann man
also

fast alles“ differenzieren.
Satz 2.3.1 [Ableitungsregeln]: Die Funktionen f und g seien definiert auf dem Intervall I und differen-
zierbar an der Stelle x
0
∈ I. Dann gelten folgende Regeln:
(1) Summenregel: f +g ist differenzierbar an x
0
und
(f +g)

(x
0
) = f

(x
0
) +g

(x
0
) oder
d
dx
[(f +g)(x)] =
d
dx
[f(x)] +
d
dx
[g(x)]
(2) Produktregel: f g ist differenzierbar an x
0
und
(f g)

(x
0
) = f

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

(x
0
)
(3) Quotientenregel: Ist g(x
0
) = 0, so ist auch f/g differenzierbar an x
0
und

f
g

(x
0
) =
f

(x
0
)g(x
0
) −f(x
0
)g

(x
0
)
g
2
(x
0
)
Beweis: (Produktregel) Sei <x
n
> eine Folge aus I mit x
n
→ x
0
, x
n
∈ I, x
n
= x
0
. Dann gilt f(x
n
) → f(x
0
)
(wegen der Stetigkeit von f), und wir erhalten:
(f g)(x
n
) −(f g)(x
0
)
x
n
−x
0
=
f(x
n
)g(x
n
) −f(x
0
)g(x
0
)
x
n
−x
0
=
f(x
n
)g(x
n
) −f(x
n
)g(x
0
) +f(x
n
)g(x
0
) −f(x
0
)g(x
0
)
x
n
−x
0
=
f(x
n
) −f(x
0
)
x
n
−x
0
g(x
0
) +
g(x
n
) −g(x
0
)
x
n
−x
0
f(x
n
) → f

(x
0
) g(x
0
) +g

(x
0
) f(x
0
).
Zur Differentiation zusammengesetzter Funktionen verwendet man die sehr m¨achtige Kettenregel:
Satz 2.3.2 [Kettenregel]: Es sei h = g ◦ f definiert auf dem Intervall I. Ist f differenzierbar an der Stelle
x
0
∈ I und g differenzierbar an y
0
= f(x
0
), so ist h = g ◦ f differenzierbar an x
0
und es gilt:
h

(x
0
) = (g ◦ f)

(x
0
) = g

(f(x
0
)) f

(x
0
) oder
d
dx
[g(f(x))] =
d
df
[g(f(x))]
d
dx
[f(x)]
Beweis: Sei <x
n
> eine Folge aus I mit x
n
→ x
0
, x
n
= x
0
. Dann gilt:
h(x
n
) −h(x
0
)
x
n
−x
0
=
g(f(x
n
)) −g(f(x
0
))
x
n
−x
0
=
g(f(x
n
)) −g(f(x
0
))
f(x
n
) −f(x
0
)

f(x
n
) −f(x
0
)
x
n
−x
0
→ g

(f(x
0
)) f

(x
0
)
Bemerkung: Die Kettenregel besagt also folgendes: man differenziert die ¨außerste Funktion (z.B. e
()
hoch
gibt e
()
) und multipliziert mit der Ableitung der n¨achsten inneren Schicht. Dies wird dann rekursiv so
lange fortgef¨ uhrt, bis man die innerste Schicht erreicht hat. Lange Rede, kurzer Sinn:

¨außere mal innere
Ableitung.“
Beispiel: Wir differenzieren die zusammmengesetzte Funktion
d
dx

ln(arctan(ax
2
))

nach x.
Die ¨außerste Funktion ist ln() und diese gibt differenziert 1/(). Also erhalten wir:
d
dx

ln(arctan(ax
2
))

=
1
arctan(ax
2
)

d
dx
arctan(ax
2
). In der n¨achst inneren Schicht

sehen“ wir die
Funktion arctan() und diese gibt differenziert 1/(1 + ()
2
). Also:
d
dx

ln(arctan(ax
2
))

=
1
arctan(ax
2
)

1
1 + (ax
2
)
2

d
dx

ax
2

=
1
arctan(ax
2
)

2ax
1 + (ax
2
)
2

Sehr n¨ utzlich ist auch folgende Regel f¨ ur die Differentiation von Umkehrfunktionen.
Satz 2.3.3 [Umkehrfunktion]: Die Funktion f sei auf I stetig und streng monoton und im Punkt x
0
∈ I
differenzierbar. Gilt f(x
0
) = 0, so ist die Umkehrfunktion f
−1
differenzierbar an y
0
= f(x
0
), und es gilt:
(f
−1
)

(y
0
) =
1
f

(x
0
)
.
Beweis: Sei <y
n
> eine Folge aus D(f
−1
) mit y
n
→ y
0
und y
n
= y
0
. Ferner sei x
n
= f
−1
(y
n
). Offensichtlich
gilt x
n
= x
0
und x
n
→ x
0
(Monotonie und Stetigkeit) und wir erhalten:
26 Kapitel 2. Differentialrechnung
f
−1
(y
n
) −f
−1
(y
0
)
y
n
−y
0
=
x
n
−x
0
f(x
n
) −f(x
0
)
=
1
f(x
n
) −f(x
0
)
x
n
−x
0

1
f

(x
0
)
.
Beispiel: Wir betrachten die Funktion f(x) = y = sin x. F¨ ur die Umkehrfunktion erhalten wir
f
−1
(y) = arcsin y = x. Es gilt nun:
d
dy
f
−1
(y) =
d
dy
[arcsin y] =
1
cos x
=
1
d
dx
f(x)
. Aus sin
2
x + cos
2
x = y
2
+ cos
2
x = 1 bekommen wir
cos x =

1 −y
2
und erhalten die Formel
d
dy
[arcsin y] =
1

1 −y
2
.
2.4 Der Satz von Rolle
In diesem Paragraphen wollen wir den f¨ ur den weiteren Ausbau der Differentialrechnung wichtigen Satz von
Rolle behandeln. Wir betrachten zun¨achst lokale Extrema und beweisen das folgende notwendige Kriterium:
Satz 2.4.1: Es sei die Funktion f definiert auf [a, b] und differenzierbar an x
0
∈ (a, b). Hat die Funktion f an
der Stelle x
0
ein lokales Maximum oder Minimum, so gilt notwendig f

(x
0
) = 0.
Beweis: Hat f an x
0
ein lokales Maximum, so gilt f¨ ur alle gen¨ ugend großen n: f(x
0
±
1
n
) ≤ f(x
0
)
Hieraus folgt: f

(x
0
) = lim
n→∞
f(x
0
+ 1/n) −f(x
0
)
1/n
≤ 0 und f

(x
0
) = lim
n→∞
f(x
0
−1/n) −f(x
0
)
(−1/n)
≥ 0
Insgesamt erhalten wir deshalb f

(x
0
) = 0.
Aus diesem Satz kann jetzt leicht der Satz von Rolle gefolgert werden:
Satz 2.4.2 [Rolle]: Die Funktion f sei stetig auf [a, b] und differenzierbar auf (a, b), und es gelte f(a) = f(b).
Dann gibt es wenigstens eine ξ ∈ (a, b) mit f

(ξ) = 0.
Beweis: Ist f(x) = f(a) f¨ ur alle x ∈ [a, b], so gilt f¨ ur jedes ξ ∈ (a, b) : f

(ξ) = 0, und wir sind fertig. Andernfalls
gibt es eine Stelle ξ ∈ (a, b) an der f ihr absolutes Minimum oder Maximum annimmt. Nach obigem Satz
gilt f¨ ur dieses ξ aber f

(ξ) = 0.
Bemerkung: Der Satz von Rolle besagt anschaulich, dass der Funktionsgraph von f an einer Stelle ξ eine
horizontale Tangente besitzt wie in Abb. 2.2 dargestellt.
−6 −4 −2 0 2 4 6 8 10 12
−1.5
−1
−0.5
0
0.5
1
1.5
2
x
y
a ξ b
f(a)
f(x)
Abbildung 2.2: Visualisierung des Satzes von Rolle. Dieser garantiert die Existenz mindestens eines Punktes
ξ ∈ (a, b) mit einer horizontalen Tangente.
2.5 Der 1. Mittelwertsatz der Differentialrechnung
Mit Hilfe des Satzes von Rolle folgt nun einer der wichtigsten S¨atze der Differentialrechnung.
2.5. Der 1. Mittelwertsatz der Differentialrechnung 27
Satz 2.5.1 [1. Mittelwertsatz]: Die Funktion f sei stetig auf [a, b] und differenzierbar auf (a, b). Dann gibt
es mindestens eine Stelle ξ ∈ (a, b) mit:
f(b) −f(a)
b −a
= f

(ξ).
Beweis: Wir wenden den Satz von Rolle auf die Funktion
F(x) = f(x) −
f(b) −f(a)
b −a
(x −a) x ∈ [a, b]
an und stellen fest, dass F(a) = F(b) = f(a) gilt. Ausserdem ist F stetig auf [a, b] und differenzierbar auf
(a, b), so dass die Voraussetzungen des Satzes von Rolle erf¨ ullt sind. Deshalb gibt es ein ξ ∈ (a, b) mit
F

(ξ) = 0. Wegen
F

(x) = f

(x) −
f(b) −f(a)
b −a
ergibt sich f

(ξ) =
f(b) −f(a)
b −a
.
Bemerkung: Dieser Satz besagt geometrisch, dass mindestens ein ξ ∈ (a, b) existiert mit der Eigenschaft,
dass die Tangente T im Kurvenpunkt (ξ, f(ξ)) und die Sekante S durch die Punkte (a, f(a)) und (b, f(b))
parallel verlaufen, wie in Abb. 2.3 dargesrtellt.
¨
Uber die genaue Lage von ξ ∈ (a, b) kann i.a. keine Auskunft
gegeben werden, was einer reinen Existenzaussage gleichkommt.
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
x
y
a ξ b
f(a)
f(ξ)
f(b)
T
a
S
Abbildung 2.3: Visualisierung des 1. Mittelwertsatzes der Differentialrechnung.
¨
Uber die Lage von ξ ∈ (a, b) kann
i.a. keine Auskunft gegeben werden.
Der Mittelwertsatz erweist sich oft als geeignet zur Absch¨atzung von Funktionen.
Beispiel: F¨ ur alle x mit 0 < x < 1 gilt: 1 +x < e
x
<
1
1 −x
.
Zum Nachweis wenden wir den Mittelwertsatz auf die Funktion e
t
im Intervall [0, x] an und erhalten f¨ ur
ein geeignetes ξ mit 0 < ξ < x:
e
x
−e
0
x
= e
ξ
. F¨ ur e
ξ
gilt die Absch¨atzung 1 < e
ξ
< e
x
, und hieraus ergibt sich:
e
x
−1
x
> 1 ⇔ e
x
> 1 +x und
e
x
−1
x
< e
x
⇔ e
x
<
1
1 −x

Beispiel: F¨ ur alle x > 0 gilt:
x
1 +x
< ln(1 +x) < x.
Zum Nachweis wenden wir den Mittelwertsatz auf die Funktion ln(1+t) im Intervall [0, x] an und erhalten
f¨ ur ein geeignetes ξ mit 0 < ξ < x:
ln(1 +x) −ln(1)
x
=
1
1 +ξ
. F¨ ur
1
1 +ξ
gilt die Absch¨atzung
1
1 +x
<
1
1 +ξ
< 1, und hieraus ergibt
sich:
ln(1 +x)
x
>
1
1 +x
⇔ ln(1 +x) >
x
1 +x
und
ln(1 +x)
x
< 1 ⇔ ln(1 +x) < x
28 Kapitel 2. Differentialrechnung
2.6 Die Regeln von de l’Hospital
Die Berechnung von Grenzwerten von Funktionen kann mitunter ¨außerst kompliziert werden, vor allem wenn
man den Grenzwert eines Quotienten
h(x) =
f(x)
g(x)
f¨ ur den Fall bestimmen muss, dass f(x) und g(x) beide 0 oder beide ∞ sind. Zur Ermittlung von Grenzwerten
solchen Typs stehen uns aber jetzt die Mittel der Differentialrechnung zur Verf¨ ugung. Nach de l’Hospital
gelten einfache Regeln:
Satz 2.6.1 [de l’Hospital]: Es sei −∞ ≤ a < b ≤ +∞ und −∞ ≤ l ≤ ∞, und ferner seien die Funktionen
f und g differenzierbar auf (a, b). Es gelte g

(x) = 0 auf (a, b) und
lim
x→b
f

(x)
g

(x)
= l. Dann folgt aus lim
x→b
f(x) = lim
x→b
g(x) = 0 die Aussage: lim
x→b
f(x)
g(x)
= l.
Beispiel: Es gilt f¨ ur alle a ∈ R, a = 0: lim
x→0
sin(ax)
x
= lim
x→0
a cos(ax)
1
= a.
Beispiel: Es gilt f¨ ur jedes α ∈ (0, ∞): lim
x→∞
ln x
x
α
= lim
x→∞
1
xαx
α−1
= lim
x→∞
1
αx
α
= 0.
Beispiel: Es gilt: lim
x→0
+
xln x = lim
x→0
+
ln x
1
x
= lim
x→0
+
1
x


1
x
2

= − lim
x→0
+
x = 0.
Beispiel: Es gilt: lim
x→0
+
x
x
= lim
x→0
+
e
x ln x
= e

lim
x→0
+
x ln x

= e
0
= 1.
3
Integralrechnung
Neben der Differentialrechnung bildet die Integralrechnung den zweiten großen Pfeiler in den Naturwissenschaf-
ten. Viele Naturgesetze, wie etwa die Boltzmann-Gleichung, enthalten einen Integralterm und die meisten
dieser Naturgesetze werden durch geeignete Integrationsmethoden gel¨ost.
3.1 Die Idee des Riemannschen Integrals
So wie die Differentialrechnung geht auch die Integralrechnung auf ein geometrisches Problem zur¨ uck, n¨amlich
auf das Problem, den Fl¨acheninhalt von Punktmengen F der Ebene zu berechnen, die von Kurven begrenzt wer-
den wie Abb. 3.1 zeigt. Wie bei der Differentialrechnung m¨ ussen wir uns klarmachen, dass der Fl¨acheninhalt der
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
x
y
a b
F
f(x)
x
y
a b
F
f(x) = c
Abbildung 3.1: Fl¨acheninhalt der Punktmenge F unterhalb der Kurve f(x).
Punktmenge F nicht a priori definiert ist. Wir m¨ ussen vielmehr definieren, was wir unter einem Fl¨acheninhalt
einer Punktmenge verstehen. Dabei verwenden wir selbstverst¨andlich den gel¨aufigen und bew¨ahrten Fl¨achen-
inhalt von Rechtecken. Ist etwa f(x) = c > 0 auf [a, b], so wollen wir weiterhin als Fl¨acheninhalt von F das
Produkt (b −a) c nehmen.
Wir wollen kurz die ¨außerst einfache aber geniale Idee von Riemann darstellen. Dazu ben¨otigen wir einige
Definitionen:
30 Kapitel 3. Integralrechnung
Definition 3.1.1 [Partition]: Gegeben sei ein Intervall [a, b].
(1) Je n + 1 Zahlen P = ¦x
0
, x
1
, . . . , x
n
¦ mit
a = x
0
< x
1
< . . . < x
n
= b bilden eine Partition (Zerlegung) von [a, b].
(2) F¨ ur 1 ≤ k ≤ n heißt
I
k
= [x
k−1
, x
k
] k-tes Teilintervall der Partition, und
∆x
k
= x
k
−x
k−1
L¨ange von I
k
.
(3) Die Zahl |P| = max
1≤k≤n
¦∆x
k
¦ heißt Norm oder Feinheit der Partition P.
Offensichtlich gilt:
n
¸
k=1
∆x
k
= b −a.
Die Verfeinerung einer Partition wird wie folgt definiert:
Definition 3.1.2 [Verfeinerung einer Partition]:
Eine Partition P

= ¦x

0
, x

1
, . . . , x

n
¦ eines Intervalls [a, b] heißt Verfeinerung einer Partition
P = ¦x
0
, x
1
, . . . , x
n
¦ des Intervalls [a, b], wenn gilt: ¦x
0
, x
1
, . . . , x
n
¦ ⊂ ¦x

0
, x

1
. . . , x

n
¦.
Jetzt k¨onnen wir Ober- und Untersummen definieren:
Definition 3.1.3 [Ober- und Untersumme]: Die Funktion f sei beschr¨ankt auf [a, b], und es sei
P = ¦x
0
, x
1
, . . . , x
n
¦ eine Partition von [a, b]. Wir setzen:
(1) m
k
(f) = inf
I
k
f(x) M
k
(f) = sup
I
k
f(x) Minimum und Maximum von f(x) im Intervall I
k
.
(2) m(f) = inf
[a,b]
f(x) M(f) = sup
[a,b]
f(x) Minimum und Maximum von f(x) im Intervall [a, b].
(3) S
P
(f) =
¸
P
m
k
(f) ∆x
k
=
n
¸
k=1
m
k
(f) ∆x
k
Untersumme von f bzgl. P.
(4) S
P
(f) =
¸
P
M
k
(f) ∆x
k
=
n
¸
k=1
M
k
(f) ∆x
k
Obersumme von f bzgl. P.
Abbildung 3.2 veranschaulicht oben eingef¨ uhrte Begriffe. Die Partition P erzeugt eine untere und obere
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
x
y
f(x)
a=x
0
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
=b
I
1
I
2
I
3
I
4
I
5
I
6
I
7
I
8
I
9
Abbildung 3.2: Approximation des Fl¨acheninhaltes der Punktmenge F durch eine Ober- und Untersumme der
Funktion f bez¨ uglich der Partition P.
Treppenfunktion, deren zugeh¨orige Fl¨acheninhalte gerade S
P
(f) und S
P
(f) sind. Dabei gilt offensichtlich
S
P
(f) ≤ S
P
(f). Streben nun f¨ ur immer feiner werdende Unterteilungen S
P
(f) und S
P
(f) einem gemeinsamen
Wert zu, was einer Approximation der Funktion f von unten und oben durch Treppenfunktionen entspricht,
3.2. Untere und obere Darboux-Integrale 31
so definieren wir nach Riemann diesen gemeinsamen Wert als Fl¨acheninhalt der Punktmenge F. Die Funkti-
on f nennt man dann Riemann-integrierbar. Abbildung 3.3 zeigt die Ober- und Untersumme f¨ ur eine feinere
Unterteilung und ein Vergleich mit Abb. 3.2 zeigt, dass die Obersummen kleiner und die Untersummen gr¨oßer
werden.
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
x
y
f(x)
a=x
0
x
k
x
n
=b
Abbildung 3.3: F¨ ur feiner werdende Partitionen werden die Obersummen kleiner und die Untersummen gr¨oßer.
Streben sie einem gemeinsame Wert zu, so nennt man die Funktion f Riemann-integrierbar.
Die Ober- und Untersummen besitzen eine Reihe von Eigenschaften die f¨ ur den weiteren Ausbau wichtig sind.
Es gilt folgende Absch¨atzung:
Satz 3.1.1: Die Funktion f sei beschr¨ankt auf [a, b], und es sei P eine Partition von [a, b]. Dann gilt:
m(f) (b −a) ≤ S
P
(f) ≤ S
P
(f) ≤ M(f) (b −a).
Beweis: Da m(f) ≤ m
k
(f) ≤ M
k
(f) ≤ M(f) f¨ ur k = 1, 2, . . . , n ist, ergibt sich nach Multiplikation mit ∆x
k
und Aufsummieren:
m(f) (b −a) ≤
¸
P
m
k
(f) ∆x
k

¸
P
M
k
(f) ∆x
k
≤ M(f) (b −a).
Die wichtigste Eigenschaft von Ober- und Untersummen ist die Tatsache, dass bei Verfeinerung der Partition
die Obersummen nicht wachsen und die Untersummen nicht fallen.
Satz 3.1.2: Die Funktion f sei beschr¨ankt auf [a, b], es seien P und P

Partitionen von [a, b] und P

eine
Verfeinerung von P. Dann gilt:
S
P
(f) ≤ S
P
(f) und S
P
(f) ≥ S
P
(f).
Aus diesen beiden S¨atzen folgt nun:
Satz 3.1.3: Die Funktion f sei beschr¨ankt auf [a, b]. Es seien P
1
und P
2
beliebige Partitionen von [a, b], dann
gilt:
S
P
1
(f) ≤ S
P
2
(f).
Beweis: Die Partition P = P
1
∪ P
2
ist eine Verfeinerung sowohl von P
1
als auch P
2
. Deshalb gilt:
S
P
1
(f) ≤ S
P
(f) ≤ S
P
(f) ≤ S
P
2
(f).
3.2 Untere und obere Darboux-Integrale
Wir k¨onnen jetzt die oberen und unteren Darboux-Integrale definieren.
32 Kapitel 3. Integralrechnung
Definition 3.2.1 [Darboux-Integrale]: Die Funktion f sei beschr¨ankt auf [a, b]. Man bezeichnet:
(1)
b

a
f(x) dx = sup
P
S
P
(f) als unteres Darboux-Integral, und
(2)
b

a
f(x) dx = inf
P
S
P
(f) als oberes Darboux-Integral.
Wir k¨onnen leicht nachvollziehen, dass das untere Darboux-Integral immer kleiner oder gleich dem oberen
Darboux-Integral sein muss:
Satz 3.2.1: Die Funktion f sei beschr¨ankt auf [a, b]; dann gilt:
b

a
f(x) dx ≤
b

a
f(x) dx.
Beweis: F¨ ur beliebige Partitionen P
1
und P
2
gilt S
P
1
(f) ≤ S
P
2
(f). Halten wir P
2
fest, so folgt:
sup
P
1
S
P
1
(f) ≤ S
P
2
(f). Hieraus ergibt sich:
b

a
f(x) dx = sup
P
1
S
P
1
(f) ≤ inf
P
2
S
P
2
(f) =
b

a
f(x) dx.
Eine weitere wichtige Eigenschaft ist die Additivit¨at des unteren und oberen Darboux-Integrals bez¨ uglich des
Integrations-Intervalls.
Satz 3.2.2: Die Funktion f sei beschr¨ankt auf [a, b], und es sei a < c < b. Dann gilt:
(1)
b

a
f(x) dx =
c

a
f(x) dx +
b

c
f(x) dx
(2)
b

a
f(x) dx =
c

a
f(x) dx +
b

c
f(x) dx
3.3 Das Riemannsche Integral
Mit Hilfe des oberen und unteren Darboux-Integrals definieren wir jetzt das Riemannsche Integral.
Definition 3.3.1 [Riemannsches Integral]: Die Funktion f sei beschr¨ankt auf [a, b]. Gilt
b

a
f(x) dx =
b

a
f(x) dx,
so heißt f Riemann-integrierbar auf [a, b]. Der gemeinsame Wert heißt das bestimmte Riemann-Integral
von f auf [a, b] und wird mit
b

a
f(x) dx bezeichnet.
Ist f(x) ≥ 0 auf [a, b] und f Riemann-integrierbar, so k¨onnen wir jetzt mit Recht die Zahl

b
a
= f(x) dx als
den Fl¨acheninhalt der Punktmenge

unter der Kurve“ bezeichnen. Das Riemannsche Integral stellt also unsere
konstruktive Definition des Fl¨acheninhaltes dar. Die Frage, ob der Fl¨acheninhalt der Punktmenge

unter der
Kurve“ existiert, ist jetzt ¨aquivalent mit der Frage, ob die Funktion f Riemann-integrierbar ist.
Beispiel: Wir betrachten auf [a, b] die Funktion f mit f(x) = 1 f¨ ur alle x ∈ [a, b]. F¨ ur jede Partition P von
[a, b] gilt offenbar: S
P
(f) = b −a und S
P
(f) = b −a. Hieraus ergibt sich
b

a
1 dx =
b

a
1 dx = b −a. Also ist f auf [a, b] Riemann-integrierbar, und es gilt
b

a
1 dx = b −a.
Beispiel: Wir betrachten auf [a, b] die Funktion f mit
f(x) =

1 falls x ∈ [a, b] und x rational
0 falls x ∈ [a, b] und x irrational
.
3.4. Riemannsche Summen 33
F¨ ur jede Partition P von [a, b] gilt offenbar: S
P
(f) = b −a und S
P
(f) = 0. Hieraus ergibt sich
b

a
1 dx = 0 =
b

a
1 dx = b −a. Also ist f auf [a, b] nicht Riemann-integrierbar.
F¨ ur die Praxis ist es erforderlich, ein Kriterium zu haben, mit dessen Hilfe man die Integrierbarkeit einer
gegebenen Funktion entscheiden kann. Der folgende Satz liefert uns dazu eine notwendige und hinreichende
Bedingung.
Satz 3.3.1 [Riemannsche Integrabilit¨atskriterium]: Die beschr¨ankte Funktion f ist auf [a, b] genau dann
Riemann-integrierbar, wenn zu jedem ε > 0 eine Partition P existiert mit
S
P
(f) −S
P
(f) < ε.
Mit Hilfe dieses Satzes k¨onnen wir die Integrierbarkeit zweier wichtiger Klassen von Funktionen beweisen.
Satz 3.3.2: Die Funktion f sei monoton auf [a, b]. Dann ist f Riemann-integrierbar auf [a, b].
Satz 3.3.3: Die Funktion f sei stetig auf [a, b]. Dann ist f Riemann-integrierbar auf [a, b].
3.4 Riemannsche Summen
Wir wissen jetzt, dass jede stetige Funktion Riemann-integrierbar ist. Doch ist vorl¨aufig von dieser Erkenntnis
bis zur tats¨achlichen Berechnung von

b
a
f(x) dx ein weiter Weg. Wir m¨ ußten etwa explizit alle Obersummen
berechnen und von dieser Zahlenmenge das Infinum bilden. In einigen F¨allen kann die Berechnung durch die
sog. Riemannschen Summen erleichtert werden.
Definition 3.4.1 [Riemannsche Summe]: Die Funktion f sei beschr¨ankt auf dem Intervall [a, b], P =
¦x
0
, x
1
, . . . , x
n
¦ sei eine Partition von [a, b]. Ferner sei ξ = ¦ξ
1
, ξ
2
, . . . , ξ
n
¦ eine Menge von Punkten mit
der Eigenschaft ξ
k
∈ [x
k−1
, x
k
] = I
k
f¨ ur k = 1, 2, . . . , n. Dann heißt
S
P
(f, ξ) =
¸
P
f(ξ
k
)∆x
k
=
n
¸
k=1
f(ξ
k
)∆x
k
eine Riemannsche Summe zur Partition P.
Wir notieren, dass es zu einer Partition P unendlich viele Riemannsche Summe gibt, da es f¨ ur die Wahl der
Zwischenpunkte unendlich viele M¨oglichkeiten gibt, wie Abb. 3.4 zeigt. Auf den ersten Blick erscheint diese
Theorie noch komplizierter als die Theorie der Ober- und Untersummen, von denen es wenigstens zu einer
Partition nur je eine gibt. Die freie Auswahl der Zwischenpunkte ξ
k
bietet manchmal numerische Vorteile. Wir
bemerken ferner noch, dass i.a. eine Ober- und Untersumme keine Riemannsche Summe ist, da die Zahlen
M
k
(f) und m
k
(f) in I
k
nicht angenommen zu werden brauchen.
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
x
y
f(x)
a=x
0
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
=b
ξ
1
ξ
2
ξ
3
ξ
4
ξ
5
ξ
6
ξ
7
ξ
8
ξ
9
S
P
(f, ξ)
Abbildung 3.4: Approximation des Fl¨acheninhaltes der Punktmenge F durch eine Riemannsche Summe. Zu einer
gew¨ahlten Partition gibt es unendlich viele Riemannsche Summen.
34 Kapitel 3. Integralrechnung
Satz 3.4.1: Die Funktion f sei beschr¨ankt auf [a, b]. F¨ ur jede Partition P von [a, b] gilt bei beliebiger Wahl
der Zwischenpunkte ξ
k
∈ I
k
, k = 1, 2, . . . , n:
S
P
(f) ≤ S
P
(f, ξ) ≤ S
P
(f).
Beweis: F¨ ur jedes k gilt m
k
(f) ≤ f(ξ
k
) ≤ M
k
(f). Multipliziert man mit ∆x
k
und summiert ¨ uber k = 1, 2, . . . , n,
so folgt die Behauptung.
Wir definieren jetzt die Konvergenz Riemannscher Summen. Alternativ h¨atten wir auch diese Definition f¨ ur
die Riemann-Integrierbarkeit verwenden k¨onnen.
Definition 3.4.2 [Konvergenz Riemannscher Summen]: Die Funktion f sei beschr¨ankt auf dem Inter-
vall [a, b]. Existiert eine Zahl I ∈ R und zu jedem ε > 0 ein δ
ε
> 0 so, dass f¨ ur alle Partitionen P von
[a, b] mit |P| < δ
ε
bei beliebiger Wahl der ξ
k
∈ I
k
folgt:
[S
P
(f, ξ) −I[ < ε,
so heißen die Riemannschen Summen konvergent gegen I und wir schreiben:
I = lim
P→0
S
P
(f, ξ).
Wir beobachten, dass der Nachweis der Konvergenz von Riemann-Summen S
P
(f, ξ) außerordentlich schwierig
ist, da man ja, bei vorgegebenen ε > 0, alle Partitionen und bei fester Partition noch jede Wahl der Zwischen-
punkte in Betracht ziehen muss. Dieses Verfahren ist f¨ ur die Praxis also vollkommen unbrauchbar. Wissen wir
jedoch, dass die Funktion f auf [a, b] Riemann-integrierbar ist, so gen¨ ugt es, eine einfache Folge von Riemann-
Summen zu betrachten.
Satz 3.4.2: Es sei die Funktion f Riemann-integrierbar auf [a, b], <P
(n)
> eine Folge von Partitionen mit
lim
n→∞
|P
(n)
| = 0, und ξ
(n)
eine feste Wahl von Zwischenpunkten zur Partition P
(n)
. Dann gilt:
b

a
f(x) dx = lim
n→∞
S
P
(n) (f, ξ
(n)
).
Beispiel: Es soll

1
0
x
2
dx berechnet werden. Da f(x) = x
2
auf [0, 1] stetig ist, existiert das Integral, und wir
k¨onnen obigen Satz verwenden. Dazu betrachten wir die Folge <P
(n)
> von Partitionen des Intervalls [0, 1]
mit x
(n)
k
= k/n f¨ ur k = 0, 1, 2, . . . , n. Es gilt dann offensichtlich lim
n→∞
|P
(n)
| → 0. F¨ ur die Zwischenpunkte
w¨ahlen wir ξ
(n)
k
= k/n f¨ ur k = 1, 2, . . . , n. Dann folgt:
S
P
(n) (f, ξ
(n)
) =
¸
P
(n)
f(ξ
(n)
k
)∆x
(n)
k
=
n
¸
k=1
k
2
n
2

k
n

k −1
n

=
1
n
3
n
¸
k=1
k
2
=
=
1
n
3

n(n + 1)(2n + 1)
6
= 1(1 +
1
n
)(2 +
1
n
)
1
6

2
6
=
1
3
. Es gilt also
1

0
x
2
dx =
1
3
.
Beispiel: Es soll f¨ ur ein a > 1 das Integral

a
1
(1/x) dx berechnet werden. Dieses Integral existiert, da f(x) = 1/x
auf [1, a] stetig ist. Wir betrachten die Folge <P
(n)
> von Partitionen des Intervalls [1, a] mit x
(n)
k
= a
k/n
f¨ ur k = 0, 1, 2, . . . , n. Es ist dann ∆x
(n)
k
= x
(n)
k
− x
(n)
k−1
= a
k/n
− a
(k−1)/n
= a
(k−1)/n

a
1/n
−1

, so dass
also lim
n→∞
|P
(n)
| → 0 gilt. F¨ ur die Zwischenpunkte w¨ahlen wir ξ
(n)
k
= x
(n)
k−1
f¨ ur k = 1, 2, . . . , n. Dann folgt:
S
P
(n) (f, ξ
(n)
) =
¸
P
(n)
f(ξ
(n)
k
)∆x
(n)
k
=
n
¸
k=1
a
−(k−1)/n
a
(k−1)/n

a
1/n
−1

=
n
¸
k=1

a
1/n
−1

=
= n

a
1/n
−1

=
a
1/n
−1
1/n
→ ln a. Wir bekommen also
a

1
1
x
dx = ln a.
3.5 Der Hauptsatz der Differential- und Integralrechnung
Zur Berechnung eines Integrals stehen uns bisher nur die Theorien der Unter- und Obersummen sowie der
Riemann-Summen zur Verf¨ ugung. Die numerische Berechnung mit diesen Mitteln bereitet allerdings erhebliche
M¨ uhen. Es ist deshalb erforderlich, einfachere Integrationsmethoden bereitzustellen. Solche Methoden erhalten
3.5. Der Hauptsatz der Differential- und Integralrechnung 35
wir praktisch nebenbei, wenn wir jetzt die Verbindung zwischen den beiden Hauptdisziplinen der Analysis, der
Differentiations- und Integrationstheorie, herstellen.
Dazu brauchen wir folgende Definition:
Definition 3.5.1: Es sei I ein beliebiges Intervall und die Funktion f Riemann-integrierbar auf jedem In-
tervall [a, b] ⊂ I. Ist x
0
∈ I, so heißt die Funktion F mit D(f) = I und
F(x) =
x

x
0
f(t) dt Integral von f als Funktion der oberen Grenze.
F¨ ur eine Funktion f(t) ≥ 0 stellt F(x) anschaulich den in Abb. 3.5 eingef¨arbten Fl¨acheninhalt dar.
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
t
y
f(t)
a x
0
x b
F(x)
Abbildung 3.5: Darstellung der Funktion F(x) =

x
x
0
f(t) dt als bestimmtes Integral der Funktion f(t) in
Abh¨angigkeit der oberen Grenze x.
Wir wollen nun Eigenschaften der Funktion F(x) untersuchen.
Satz 3.5.1: Es sei I ein beliebiges Intervall und die Funktion f Riemann-integrierbar auf jedem Intervall
[a, b] ⊂ I. Dann ist F stetig auf I.
Beweis: Es sei x ∈ I und [a, b] ⊂ I ein beliebiges Intervall mit x ∈ (a, b). Auf [a, b] gilt [f(x)[ ≤ M mit einer
geeigneten Konstanten M. Ist <x
n
> eine Folge aus I mit x
n
→ x, so gilt x
n
∈ [a, b] f¨ ur alle gen¨ ugend
großen n, und es folgt dann:
[F(x
n
) −F(x)[ =

x
n

x
0
f(t) dt −
x

x
0
f(t) dt

=

x
n

x
f(t) dt

x
n

x
[f(t)[ dt

≤ [x
n
−x[ M.
Es gilt daher F(x
n
) → F(x).
setzen wir die Stetigkeit von f an einem Punkt voraus, so k¨onnen wir sogar die Differenzierbarkeit von F an
diesem Punkt beweisen.
Satz 3.5.2 [Haupsatz der Differential- und Integralrechnung]: Es sei I ein beliebiges Intervall und die
Funktion f Riemann-integrierbar auf jedem Intervall [a, b] ⊂ I. Ist f stetig an x ∈ I, so ist F differen-
zierbar an x, und es gilt: F

(x) = f(x).
Beweis: Da f an x stetig ist, gibt es zu jedem ε > 0 ein δ
ε
> 0, so dass f¨ ur alle t mit t ∈ I und [t − x[ < δ
ε
gilt: [f(t) −f(x)[ < ε. Ist nun <x
n
> eine Folge aus I mit x
n
= x und x
n
→ x, so gibt es ein N
ε
, so dass
[x
n
−x[ < δ
ε
f¨ ur alle n > N
ε
. F¨ ur diese n gilt dann:

F(x
n
) −F(x)
x
n
−x
−f(x)

=

1
x
n
−x
¸
x
n

x
0
f(t) dt −
x

x
0
f(t) dt
¸
−f(x)

=
=
1
[x
n
−x[

x
n

x
[f(t) −f(x)] dt

<
[x
n
−x[
[x
n
−x[
ε = ε.
36 Kapitel 3. Integralrechnung
Dieser Satz heißt mit Recht Haupsatz oder Fundamentalsatz der Differential- und Integralrechnung. Er stellt
das Bindeglied zwischen Differentiations- und Integrationstheorie dar und ist damit von eminenter Bedeutung
f¨ ur die gesamte Analysis. Als erste Anwendung benutzen wir ihn zur Berechnung von Integralen. Dazu brauchen
wir den Begriff der Stammfunktion einer Funktion.
Definition 3.5.2 [Stammfunktion]: Es sei I ein beliebiges Intervall und die Funktionen f und F seien
definiert auf I und F sei differenzierbar auf I. Gilt auf I
F

(x) = f(x) so heißt F Stammfunktion von f auf I.
¨
Uber die Gesamtheit der Stammfunktionen, welche eine Funktion besitzen kann, gilt:
Satz 3.5.3: Es seien F
1
und F
2
Stammfunktionen von f auf I.
Dann gilt mit einer geeigneten Konstanten c auf I: F
1
(x) = F
2
(x) +c.
Eine der wichtigsten Anwendungen des Hauptsatzes ist:
Satz 3.5.4: Es sei f stetig auf [a, b] und F eine Stammfunktion von f auf [a, b]. Dann gilt:
b

a
f(t) dt = F(b) −F(a).
Beweis: Die Funktion F
1
(x) =

x
a
f(t) dt ist eine Stammfunktion von f auf [a, b]. Es gilt also F
1
(x) = F(x) +c
mit einer geeigneten Konstanten c. F¨ ur x = a erhalten wir 0 = F(a) +c und f¨ ur x = b:
b

a
f(t) dt = F
1
(b) = F(b) +c = F(b) −F(a).
Bemerkung: Wir benutzen bisweilen folgende Schreibweise:
b

a
f(t) dt = F(x)

b
a
= F(b) −F(a).
3.6 Die Mittelwerts¨atze der Integralrechnung
Wie in der Differentialrechnung, so gibt es auch in der Integralrechnung Mittelwerts¨atze, welche in der Praxis
insbesondere zur Absch¨atzung von Integralen benutzt werden.
Satz 3.6.1 [1. Mittelwertsatz]: Es sei f stetig auf [a, b]. Dann existiert ein ξ ∈ (a, b) mit
b

a
f(x) dx = f(ξ) (b −a).
Beweis: Wir betrachten die Funktion F(x) =

x
a
f(t) dt. Nach dem Mittelwertsatz der Differentialrechnung gibt
es eine Stelle ξ ∈ (a, b) f¨ ur die F(b) −F(a) = F

(ξ) (b −a) gilt.
Wir erhalten also

b
a
f(x) dx = f(ξ) (b −a).
F¨ ur eine auf [a, b] positive Funktion f besagt dieser Satz, dass die Fl¨ache unter der Kurve f¨ ur ein geeignetes
ξ ∈ (a, b) gleich dem Inhalt des Rechtecks mit den Seiten b −a und f(ξ) ist, wie in Abb. 3.6 angedeutet.
Eine Verallgemeinerung des 1. Mittelwertsatzes ist:
Satz 3.6.2 [Erweiterter 1. Mittelwertsatz]: Es sei f und g stetig, sowie g(x) ≥ 0 (oder g(x) ≤ 0) auf
[a, b]. Dann existiert ein ξ ∈ (a, b) mit
b

a
f(x)g(x) dx = f(ξ)
b

a
g(x) dx.
Bemerkung: W¨ahlen wir als spezielle, zul¨assige Funktion g(x) = 1 auf [a, b], so folgt wieder die Aussage des
1. Mittelwertsatzes.
Zum Schluss und der Vollst¨andigkeit halber zeigen wir noch:
3.7. Der Taylorsche Satz 37
−3 −2 −1 0 1 2 3 4 5 6
−0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
x
y
f(x)
a ξ b
f(ξ)
f(ξ) (b −a)
Abbildung 3.6: Visualisierung des 1. Mittelwertsatzes der Integralrechnung.
Satz 3.6.3 [2. Mittelwertsatz]: Die Funktion f sei monoton auf [a, b], f

und g seien stetig auf [a, b]. Dann
existiert ein ξ ∈ (a, b) mit
b

a
f(x)g(x) dx = f(a)
ξ

a
g(x) dx +f(b)
b

ξ
g(x) dx.
3.7 Der Taylorsche Satz
In der Diferentialrechnung haben wir gesehen, dass aus dem Verhalten der Ableitungen einer Funktion wesent-
liche Aussagen ¨ uber die Funktion gemacht werden k¨onnen. In diesem Abschnitt werden wir dies noch deutlicher
herausarbeiten.
Wir wenden uns dabei der Aufgabe zu, eine auf einem Intervall [a, b] definierte Funktion f durch ein Polynom
zu approximieren. Hierzu besch¨aftigen wir uns zun¨achst mit dem Fall, dass die Funktion f selbst ein Polynom
ist.
Satz 3.7.1 [Taylorscher Satz f¨ ur Polynome]: Ist f(x) =
¸
n
ν=0
a
ν
x
ν
ein Polynom und x
0
∈ R, so hat f
auf R die Darstellung:
f(x) =
n
¸
ν=0
f
(ν)
(x
0
)
ν!
(x −x
0
)
ν
.
Beweis: Durch Anwendung des binomischen Satzes ergibt sich mit gewissen Koeffizienten b
ν
:
f(x) =
n
¸
ν=0
a
ν
x
ν
=
n
¸
ν=0
a
ν
(x −x
0
+x
0
)
ν
=
n
¸
ν=0
a
ν
¸
ν
¸
µ=0

ν
µ

(x −x
0
)
µ
x
ν−µ
0
¸
=
n
¸
ν=0
b
ν
(x −x
0
)
ν
.
Setzen wir x = x
0
so erhalten wir: f(x
0
) = b
0
, d.h. b
0
=
f
(0)
(x
0
)
0!
. F¨ ur ein k mit 1 ≤ k ≤ n differenzieren
wir f k-mal und erhalten: f
(k)
(x) =
n
¸
µ=k
b
ν
ν(ν −1) . . . (ν −k +1)(x−x
0
)
ν−k
. Setzen wir wieder x = x
0
,
so erhalten wir: f
(k)
(x
0
) = b
k
k!, d.h. b
k
=
f
(k)
(x
0
)
k!
. Somit ist die Behauptung bewiesen.
Aus diesem Satz folgt insbesondere, dass ein Polynom f vom Grad n schon vollkommen bestimmt ist, wenn an
einer beliebigen Stelle x
0
die Ableitungen f
(0)
(x
0
), f
(1)
(x
0
), . . . f
(n)
(x
0
) bekannt sind. Diese kennt man, sobald
man das Polynom in einer beliebigen Umgebung U(x
0
) kennt. Die Taylorsche Formel gestattet also, aus dem
lokalen Verhalten in einer beliebig kleinen Umgebung auf das globale Verhalten des Polynoms auf der ganzen
reellen Achse zu schließen.
Unser n¨achstes Ziel ist die Formulierung eines analogen Satzes f¨ ur Funktionen, die hinreichend oft differenzierbar
sind. Wir werden sehen, dass solche Funktionen durch gewisse Polynome approximiert werden k¨onnen.
38 Kapitel 3. Integralrechnung
Satz 3.7.2 [Taylorscher Satz]: Es sei I ein beliebiges Intervall, es sei x
0
∈ I, n ∈ N
0
und die Funktion f
sei (n + 1)-mal stetig differenzierbar auf I. Dann gilt:
(1) F¨ ur alle x ∈ I l¨aßt sich f durch die Taylorsche Formel mit der Entwicklungsmitte x
0
darstellen:
f(x) =
n
¸
ν=0
f
(ν)
(x
0
)
ν!
(x −x
0
)
ν
+R
n
(x, x
0
).
(2) F¨ ur das Restglied R
n
(x, x
0
) gilt: R
n
(x, x
0
) =
1
n!

x

x
0
(x −t)
n
f
(n+1)
(t) dt
Beweis: Es sei x ∈ I.
F¨ ur n = 0 ist

x
x
0
f

(t) dt = f(x) −f(x
0
), und daraus f(x) = f(x
0
) +

x
x
0
f

(t) dt = f
(0)
(x
0
) +R
0
(x, x
0
).
Ist n > 0, so nehmen wir an, dass f¨ ur ein k mit 0 ≤ k < n die Behauptung schon gilt:
f(x) =
k
¸
ν=0
f
(ν)
(x
0
)
ν!
(x −x
0
)
ν
+R
k
(x, x
0
). Dann erhalten wir durch partielle Integration:
R
k
(x, x
0
) =
1
k!
x

x
0
(x −t)
k
f
(k+1)
(t) dt =
1
k!
¸
−(x −t)
k+1
k + 1
f
(k+1)
(t)

x
x
0
+
x

x
0
(x −t)
k+1
k + 1
f
(k+2)
(t) dt
¸
=
=
f
(k+1)
(x
0
)
(k + 1)!
(x −x
0
)
k+1
+
1
(k + 1)!
x

x
0
(x −t)
k+1
f
(k+2)
(t) dt =
f
(k+1)
(x
0
)
(k + 1)!
(x −x
0
)
k+1
+R
k+1
(x, x
0
).
Hieraus folgt die Behauptung f¨ ur k + 1.
F¨ ur die praktische Anwendung dieses Satzes ist es wichtig, das Restglied absch¨atzen zu k¨onnen. Mit Hilfe der
Mittelwerts¨atze der Integralrechnung k¨onnen wir zwei integralfreie Darstellungen des Restgliedes angeben:
Satz 3.7.3: Es gibt ein ϑ ∈ (0, 1) und ein Θ ∈ (0, 1), so dass gilt:
(1) R
n
(x, x
0
) =
f
(n+1)
(x
0
+ϑ(x −x
0
))
(n + 1)!
(x −x
0
)
n+1
Lagrangesche Form.
(2) R
n
(x, x
0
) =
f
(n+1)
(x
0
+ Θ(x −x
0
))
n!
(1 −Θ)
n
(x −x
0
)
n+1
Cauchysche Form.
Beweis: Durch direkte Anwendung des erweiterten 1. Mittelwertsatzes folgt die Lagrangesche Form und durch
Anwendung des 1. Mittelwertsatzes folgt die Cauchysche Form.
Ist nun f auf I beliebig oft differenzierbar, so gilt die Taylorsche Formel f¨ ur alle n ∈ N. F¨ ur jedes feste x ∈ I
sind dann die Taylorpolynome
T
n
(x, x
0
) =
n
¸
ν=0
f
(ν)
(x
0
)
ν!
(x −x
0
)
ν
Teilsummen der unendlichen Reihe

¸
ν=0
f
(ν)
(x
0
)
ν!
(x −x
0
)
ν
,
der Taylorschen Reihe von f bzgl. der Entwicklungsmitte x
0
. Die Frage unter welchen Voraussetzungen diese
Reihe konvergiert und gegen welchen Wert, wird durch folgenden Satz beantwortet:
Satz 3.7.4: Ist f auf I beliebig oft differenzierbar, so l¨aßt sich f an der Stelle x ∈ I genau dann durch die
Taylorreihe mit Entwicklungsmitte x
0
darstellen:
f(x) =

¸
ν=0
f
(ν)
(x
0
)
ν!
(x −x
0
)
ν
, wenn gilt: lim
n→∞
R
n
(x, x
0
) = 0.
Bemerkung: Es kann durchaus vorkommen, dass die Folge der Restglieder an einer Stelle x konvergiert,
aber nicht gegen 0. In diesem Fall konvergiert zwar auch die Taylorreihe an x, aber nicht gegen den
Funktionswert.
Beispiel: Wir betrachten auf R die Funktion f mit
f(x) =

e
−1/x
2
falls x = 0
0 falls x = 0
. Die Funktion f ist auf R beliebig oft differenzierbar, und es ist f
(ν)
(0) =
3.7. Der Taylorsche Satz 39
0 f¨ ur ν ∈ N
0
. Also gilt

¸
ν=0
f
(ν)
(0)
ν!
(x)
ν
= 0 auf R, und nur f¨ ur die Entwicklungsmitte x
0
= 0 stellt die
Taylorsche Reihe von f die Funktion dar!
Ein handliches Kriterium zur Entscheidung ¨ uber Konvergenz der Taylorreihe an einer Stelle liefert:
Satz 3.7.5: Es sei f auf I beliebig oft differenzierbar und x ∈ I. Existiert ein von ν ∈ N
0
unabh¨angiges
K > 0 mit max
[x
0
,x]

f
(ν)(ξ)

≤ K bzw. max
[x,x
0
]

f
(ν)(ξ)

≤ K so folgt:
f(x) =

¸
ν=0
f
(ν)
(x
0
)
ν!
(x −x
0
)
ν
.
Beweis: Die Aussage eribt sich aus der Absch¨atzung
[R
n
(x, x
0
)[ =

f
(n+1)
(x
0
+ Θ(x −x
0
))
(n + 1)!
(x −x
0
)
n+1


K[x −x
0
[
n+1
(n + 1)!
, da lim
n→∞
[x −x
0
[
n+1
(n + 1)!
= 0 ist.
4
Der K
¨
orper der komplexen Zahlen C
Komplexe Zahlen sind nicht so komplex wie ihr Name andeuten mag. Es stellt sich berechtigterweise die Frage
nach der Notwendigkeit dieser Zahlen. Bei der Menge der rationalen Zahlen Q haben wir gesehen, dass man
mit diesen zwar uneingeschr¨ankt endliche Operationen durchf¨ uhren kann, es aber bei Unendlichkeitsprozessen
zu Problemen kommt, wie wir anhand nicht-konvergenter C-Folgen gesehen haben. Dar¨ uberhinaus besitzt die
sehr einfache Gleichung x
2
= 2 in Q keine L¨osung. Dieses waren die ausschlaggebenden Gr¨ unde die Menge der
reellen Zahlen R, als Erweiterung der rationalen Zahlen, einzuf¨ uhren.
Leider haben auch die reelen Zahlen einige Schw¨achen. Zum einen besitzt eine einfache Gleichung wie x
2
+
1 = 0 keine L¨osung in R, zum anderen kann man bei Polynomen keine allgemeinen Aussagen bez¨ uglich der
Nullstellen machen. Ein Polynom 3. Grades hat mindestens eine Nullstelle, man kann aber nicht sagen ob es zwei
oder drei Nullstellen besitzt. Ein Polynom 4. Grades kann auch keine Nullstelle haben. Diese Ungewissheit ist
mathematisch sehr unbefriedigent. Wir werden sehen, dass in der Menge der komplexen Zahlen C ein Polynom
n-ten Grades genau n Nullstellen besitzt.
Wir werden in diesem Kapitel den K¨orper R zum K¨orper C der komplexen Zahlen erweitern. Hierbei wird es
sich im Gegensatz zur Erweiterung von Q zu R, die im wesentlichen durch einen analytischer Prozess (Cauchy-
Folgen) gegeben ist, jetzt um eine wesentlich einfachere Erweiterung algebraischer Natur handeln.
4.1 Der K¨orper der komplexen Zahlen
Eine komplexe Zahl ist als ein geordnetes Paar reeller Zahlen definiert.
Definition 4.1.1 [Komplexe Zahl]:
(1) Eine komplexe Zahl z ist ein Zahlenpaar
z = (x, y) mit x, y ∈ R.
Dabei heißen x = Re(z) und y = Im(z) Realteil und Imagin¨arteil von z.
(2) Zwei komplexe Zahlen z
1
= (x
1
, y
1
) und z
2
= (x
2
, y
2
) heißen gleich, wenn ihre Real- und Ima-
gin¨arteile gleich sind, d. h. wenn x
1
= x
2
und y
1
= y
2
gilt.
(3) Die Menge der komplexen Zahlen wird mit C bezeichnet.
Bis jetzt haben wir nur die Menge der komplexen Zahlen definiert und d¨ urften eigentlich nicht von Zahlen
sprechen. Mit einer geeigneten Definition von Addition und Subtraktion wir C zum K¨orper.
Satz 4.1.1: Es seien z
1
, z
2
∈ C mit z
1
= (x
1
, y
1
) und z
2
= (x
2
, y
2
). Mit den Operationen
Addition z
1
+z
2
= (x
1
+x
2
, y
1
+y
2
),
Multiplikation z
1
z
2
= (x
1
x
2
−y
1
y
2
, x
1
y
2
+x
2
y
1
),
bildet C einen K¨orper.
42 Kapitel 4. Der K¨orper der komplexen Zahlen C
Beweis: Die K¨orperaxiome k¨onnen leicht ¨ uberpr¨ uft werden. Das Nullelement ist durch 0 = (0, 0) , das Einsele-
ment durch 1 = (1, 0) gegeben. Das inverse Element der Multiplikation zu z = (x, y) ist gegeben durch
z
−1
=

x
x
2
+y
2
,
−y
x
2
+y
2

.
Komplexe Zahlen werden als Punkte im R
2
veranschaulicht, wie Abb. 4.1 zeigt. Man spricht auch von der
Gaussschen oder komplexen Zahlenebene.

x = Re(z)
`
y = Im(z)
r
r
z
1
z
2
x
1
x
2
y
1
y
2
C
Abbildung 4.1: Eine komplexe Zahl z = (x, y) wird durch einen Punkt in der Gaussschen Zahlenebene veran-
schaulicht.
4.2 Die Einbettung von R in C
Wir haben jetzt mit C einen K¨orper konstruiert, dessen Elemente aus Paaren reeller Zahlen bestehen. Das
eigentliche Ziel war ja, den K¨orper der reellen Zahlen so zu erweitern, dass die bekannten

Schw¨achen“ von
R behoben werden k¨onnen. Wir wollen uns deshalb mit der Frage besch¨aftigen, ob C auch tats¨achlich eine
Erweiterung von R ist und, wenn ja, wie wir die reellen Zahlen unter den komplexen Zahlen

wiederfinden“
k¨onnen. Dazu ben¨otigen wir den Begriff der Isomorphie.
Definition 4.2.1 [Isomorphie]: Zwei K¨orper K
1
und K
2
heißen isomorph, wenn eine injektive Abbildung
F : K
1
−→ K
2
mit D(F) = K
1
und B(F) = K
2
existiert, so dass f¨ ur alle x, y ∈ K
1
gilt:
F(x +y) = F(x) +F(y), F(x y) = F(x) F(y).
Bemerkung: Die in Kapitel 1, Abschnitt 1.9 auf Seite 19 betrachtete Abbildung F : Q −→ R liefert die
Isomorphie von Q und der Menge der rational-reellen Zahlen.
wir betrachten nun eine besonders wichtige Teilmenge von C, n¨amlich die Menge
C
R
= ¦z : z ∈ C, z = (x, 0)¦.
Wenig ¨ uberraschend gilt:
Satz 4.2.1: Die Menge C
R
ist bez¨ uglich der Operationen in C ein K¨orper.
Jetzt zeigen wir:
Satz 4.2.2: Die K¨orper R und C
R
sind isomorph.
Beweis: Wir betrachten die Abbildung F : R −→C
R
mit F(x) = (x, 0) und D(F) = R.
(1) F ist offenbar eine injektive Abildung mit B(F) = C
R
.
(2) F¨ ur alle x, y ∈ R gilt: F(x +y) = (x +y, 0) = (x, 0) + (y, 0) = F(x) +F(y)
F(x y) = (x y, 0) = (x, 0) (y, 0) = F(x) F(y).
Damit folgt die Isomporphie der beiden K¨orper.
4.3. C als 2-dimensionaler Vektorraum 43

R

C
`
0 1 x (1, 0) (x, 0)
(0, 1)
c c
.
.
.
.
F
C
R
Abbildung 4.2: Einbettung der reellen Zahlen R in der Menge der komplexen Zahlen C. Die Abbildung F
vermittelt einen Isomoporphismus zwischen den K¨orpern R und C
R
⊂ C.
Eine grafische Veranschaulichung des Isomorphismus zwischen R und C
R
zeigt Abb. 4.2.
Es ist also vollkommen gleichg¨ ultig, ob wir in R nach den Rechengesetzen in R oder mit den Bildern in C
R
nach den Gesetzen in C rechnen. Aus diesem Grunde identifizieren wir, so wie wir die rationalen Zahlen mit
den rational-reellen Zahlen identifiziert haben, die reellen Zahlen mit den reell-komplexen Zahlen. F¨ ur eine
reell-komplexe Zahl (x, 0) k¨onnen und werden wir ab sofort einfach nur
(x, 0) = x
schreiben. Bezeichnet man dar¨ uberhinaus die komplexe Zahl (0, 1) als imagin¨are Einheit i = (0, 1) so kann
man f¨ ur z = (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) schreiben. Mit den eben eingef¨ uhrten Abk¨ urzungen
gelangen wir zur Normaldarstellung einer komlexen Zahl
z = x +iy
die wir fortan verwenden werden. Summen, Produkte und Quotienten von komplexen Zahlen schreiben sich in
Normaldarstellung wie folgt:
Satz 4.2.3: Es seien z
1
, z
2
∈ C, sowie z
1
= x
1
+iy
1
und z
2
= x
2
+iy
2
. Dann gilt:
(1) z
1
+z
2
= (x
1
+x
2
) +i(y
1
+y
2
),
(2) z
1
z
2
= (x
1
x
2
−y
1
y
2
) +i(x
1
y
2
+x
2
y
1
),
(3)
z
1
z
2
=
x
1
x
2
+y
1
y
2
x
2
2
+y
2
2
+i
−x
1
y
2
+x
2
y
1
x
2
2
+y
2
2
,
Bemerkung: F¨ ur das Quadrat von i erhalten wir i
2
= (0, 1)(0, 1) = (−1, 0) = −1, d.h. i ist eine L¨osung der
Gleichung z
2
+ 1 = 0.
4.3 C als 2-dimensionaler Vektorraum
Die Menge der komplexen Zahlen C bildet einen 2-dimensionalen Vektorraum, wenn man als Addition im
Vektorraum die Addition in C und als skalare Multiplikation im Vektorraum die Multiplikation in C mit einer
reellen komplexen Zahl nehmen.
Satz 4.3.1: C bildet mit der Addition in C und der skalaren Multiplikation
λz = (λ, 0)(x, y) = (λx, λy) mit λ ∈ R
einen 2-dimensionalen Vektorraum ¨ uber R mit der Basis 1 und i.
Beweis: Da die Addition identisch ist mit der Addition in C und die skalare Multiplikation als Spezialfall der
Multiplikation in C definiert ist, folgen aus den K¨orperaxiomen sofort die Vektorraumgesetze.
Im folgenden werden wir die komplexen Zahlen sowohl durch Punkte im R
2
als auch durch Vektoren des V
2
veranschaulichen. Durch die Vektordarstellung ko¨onnen wir uns sofort die Addition zweier komplexer Zahlen
veranschaulichen. Diese entspricht genau der Vektoraddition, wie Abb. 4.3 zeigt.
44 Kapitel 4. Der K¨orper der komplexen Zahlen C

Re(z)
`
Im(z)

z = x +iy
iy
x
1
i
r
/
/
/
/
/
/
/`
-
-
-
-
-
-
-
-
-
-
-
-

Re(z)
`
Im(z)
/
/
/
/
/
/
/`
-
-
-
-
-
-
-
-
-
-
-
-
.
.
.
.
.
.
.
.
.
.
.
.
.
.
z
1
z
2
z
1
+z
2
Abbildung 4.3: Eine komplexe Zahl z = (x, y) kann durch einen Punkt oder durch einen Vektor dargestellt
werden. Die Addition zweier komplexer Zahlen entspricht der Vektoraddition.
4.4 Konjugiert komplexe Zahlen
F¨ ur das weitere Rechnen mit komplexen Zahlen f¨ uhren wir den Begriff der konjugiert komplexen Zahl ein.
Definition 4.4.1 [Konjugiert komplexe Zahl]: F¨ ur eine komplexe Zahl z = x +iy = (x, y) heißt
z = x −iy = (x, −y)
die zu z konjugiert komplexe Zahl. Zuweilen wird die konj. komplexe Zahl auch mit z

bezeichnet.
F¨ ur die Operationen mit konjugiert komplexen Zahlen gelten wieder eine Reihe von Rechenregeln:
Satz 4.4.1: F¨ ur die komplexen Zahlen z, z
1
, z
2
∈ C gelten folgende Regeln:
(1) z
1
+z
2
= z
1
+z
2
,

Addition und Konjugation vertauschen“
(2) z
1
z
2
= z
1
z
2
,

Multiplikation und Konjugation vertauschen“
(3)

z
1
z
2

=
z
1
z
2
,

Division und Konjugation vertauschen“
(4) (z) = z,
(5) Re(z) =
1
2
(z +z), Im(z) =
1
2i
(z −z).
Von großer Wichtigkeit f¨ ur die weiteren Untersuchungen ist die Einf¨ uhrung des Betrages einer komplexen Zahl.
Definition 4.4.2 [Betrag]: F¨ ur eine komplexe Zahl z = x +iy = (x, y) heißt die reelle Zahl
[z[ =

x
2
+y
2
der Betrag von z.
F¨ ur das Rechnen mit Betr¨agen gelten folgende Regeln:
Satz 4.4.2: F¨ ur die komplexen Zahlen z, z
1
, z
2
∈ C gelten folgende Regeln:
(1) [z[ ≥ 0, [z[ = 0 genau dann, wenn z = 0;
(2) [z[ = [z[, [z[ =

zz;
(3) [z
1
z
2
[ = [z
1
[ [z
2
[.

Multiplikation und Betrag vertauschen“
Dar¨ uberhinaus erf¨ ullt der

komplexe Betrag“ noch die wichtige Dreiecksungleichung.
Satz 4.4.3 [Dreiecksungleichung]: F¨ ur komplexe Zahlen z
1
, z
2
∈ C gilt die Absch¨atzung:

[z
1
[ −[z
2
[

≤ [z
1
+z
2
[ ≤ [z
1
[ +[z
2
[.
Beweis: Mit Hilfe der Minkowskischen Ungleichung.
4.5. Polarkoordinatendarstellung 45
4.5 Polarkoordinatendarstellung
Zur Beschreibung von Punkten in der komplexen Zahlenebene C verwendet man außer den cartesischen Koordi-
naten (x, y) sehr oft die Polarkoordinaten (r, ϕ). F¨ ur eine komplexe Zahl z = (x, y) = 0 existiert ein Zahlenpaar
(r, ϕ) ∈ R
2
mit der Eigenschaft x = r cos ϕ und y = sin ϕ, wobei r =

x
2
+y
2
= [z[ und ϕ den bis auf ein
additives Vielfaches von 2π bestimmten Winkel im Bogenmaß zwischen der positiven x-Achse und dem Vektor
z bedeutet, wie Abb. 4.4 zeigt. Wir wollen dies in folgender Definition zusammenfassen:

Re(z)
`
Im(z)
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>>
z = x +iy = r (cos ϕ +i sinϕ) = re

= [z[e
i arg z
y
x
r
ϕ
r =

x
2
+y
2
=

zz = [z[
ϕ = arctan

y
x

= arg z
r
Abbildung 4.4: Darstellung oder

Adressierung“ einer komplexen Zahl z in cartesischen Koordinaten z = (x, y)
sowie in Polarkoordinaten z = (r, ϕ).
Definition 4.5.1 [Polarkoordinatendarstellung]: Eine Darstellung einer komplexen Zahl z in der Form
z = r (cos ϕ +i sin ϕ) heißt Polarkoordinatendarstellung der Zahl z.
F¨ ur den Winkel ϕ mit 0 ≤ ϕ < 2π setzen wir ϕ = arg z.
Mit Hilfe der Taylorreihen der Funktionen e
x
, sin x und cos x l¨aßt sich ein Zusammenhang herleiten, mit dem
man die Polarkoordinatendarstellung noch viel eleganter ausdr¨ ucken kann:
Satz 4.5.1: Es gilt die Eulersche Identit¨at e

= cos ϕ +i sin ϕ.
Beweis: Die Taylorreihe f¨ ur e
x
lautet e
x
=

¸
k=0
x
k
k!
; F¨ ur x = iϕ erhalten wir:
e

=

¸
k=0
(iϕ)
k
k!
=

¸
k=0
i
k
ϕ
k
k!
=

¸
ν=0
i

ϕ

(2ν)!
+

¸
ν=0
i
2ν+1
ϕ
2ν+1
(2ν + 1)!
=

¸
ν=0
(−1)
ν
ϕ

(2ν)!
+i

¸
ν=0
(−1)
ν
ϕ
2ν+1
(2ν + 1)!
,
wobei wir (1) die Summe in gerade und ungerade Potenzen zerlegt und (2) f¨ ur i

= (−1)
ν
und i
2ν+1
=
i(−1)
ν
gesetzt haben. Die beiden Potenzreihen identifizieren wir als die Taylorreihen der Funktionen
cos ϕ und sin ϕ und wir erhalten : e

= cos ϕ +i sin ϕ.
F¨ ur die Polarkoordinatendarstellung konjugiert komplexer Zahlen gilt
Satz 4.5.2: Ist z = r (cos ϕ +i sin ϕ) = re

so gilt f¨ ur die konjugiert komplexe Zahl:
z = r (cos ϕ −i sin ϕ) = re
−iϕ
.
Beweis: Mit cos(−ϕ) = cos ϕ und sin(−ϕ) = −sin ϕ erhalten wir:
z = r (cos ϕ +i sin ϕ) = r (cos ϕ −i sin ϕ) = r [cos(−ϕ) +i sin(−ϕ)] = re
−iϕ
.
4.6 Potenzen und Wurzeln komplexer Zahlen
Die Menge der komplexen Zahlen C bilden einen K¨orper und deshalb k¨onnen wir wie im Reellen die Potenz
z
n
f¨ ur z ∈ C und n ∈ N
0
definieren durch z
0
= 1 und z
n
=
¸
n
ν=1
z. F¨ ur die Polarkoordinatendarstellung der
Potenz z
n
gilt:
Satz 4.6.1: Ist z = r (cos ϕ +i sin ϕ) = re

so gilt f¨ ur die Potenz z
n
= r
n
[cos(nϕ) +i sin(nϕ)] = r
n
e
i(nϕ)
.
46 Kapitel 4. Der K¨orper der komplexen Zahlen C
Beweis: Wir beweisen die Behauptung wieder einmal mit vollst¨andiger Induktion.
(1) F¨ ur den Fall n = 0 ist die Behauptung trivial.
(2) F¨ ur ein n ≥ 0 gelte z
n
= r
n
[cos(nϕ) +i sin(nϕ)]. Dann bekommen wir:
z
n+1
= z
n
z = r
n
[cos(nϕ) +i sin(nϕ)] r (cos ϕ +i sin ϕ) =
r
n+1
[cos(nϕ) cos ϕ −sin(nϕ) sin ϕ +i (sin(nϕ) cos ϕ + cos(nϕ) sin ϕ)] =
r
n+1
[cos(n + 1)ϕ) +i sin(n + 1)ϕ] .
Damit folgt die Behauptung.
F¨ ur den Fall z = 0 und n ∈ N setzen wir wie im Reellen: z
−n
= 1/z
n
. Es gilt dann allgemein:
Satz 4.6.2: Ist z = r (cos ϕ +i sin ϕ) = re

= 0 so gilt f¨ ur m ∈ Z:
z
m
= r
m
[cos(mϕ) +i sin(mϕ)] = r
m
e
i(mϕ)
.
Beweis: F¨ ur m ≥ 0 haben wir die G¨ ultigkeit schon gezeigt. Sei also m = −n f¨ ur n ∈ N:
z
−n
=
1
z
n
=
1
r
n
[cos(nϕ) +i sin(nϕ)]

cos(nϕ) −i sin(nϕ)
cos(nϕ) −i sin(nϕ)
=
r
−n
cos(nϕ) −i sin(nϕ)
1
= r
−n
[cos(−nϕ) +i sin(−nϕ)] = r
−n
e
i(−nϕ)
.
Bemerkung: Ist z eine komplexe Zahl vom Betrag 1, d.h. gilt z = cos ϕ+i sin ϕ, und ist n ∈ Z, so ergibt sich
aus obigem Satz die interessante Formel von Moivre:

e

n
= (cos ϕ +i sin ϕ)
n
= cos(nϕ) +i sin(nϕ) = e
i(nϕ)
Nachdem wir nun gekl¨art haben, was man unter einer Potenz einer komplexen Zahl versteht, wollen wir uns der
umgekehrten Fragestellung widmen, n¨amlich der Wurzel aus einer komplexen Zahl. Dazu untersuchen wir die
Gleichung z
n
= ζ mit z, ζ ∈ C und n ∈ N.
Definition 4.6.1: Eine L¨osung z der Gleichung z
n
= ζ heißt n-te Wurzel aus ζ.
Im Falle ζ = 0 haben wir als L¨osung offenbar nur z = 0. F¨ ur ζ = 0 machen wir den Ansatz
ζ = ρ(cos ψ +i sin ψ) = ρe

, z = r(cos ϕ +i sin ϕ) = re

,
und erhalten z
n
= r
n
e
i(nϕ)
= ρe

= ζ. Aus dieser Gleichung folgt sofort, dass r
n
= ρ und nϕ = ψ+2πk, k ∈ Z
erf¨ ullt sein muss. Zwei komplexe Zahlen sind gleich, wenn sie gleiche Real- und Imagin¨arteile haben, oder
gleichwertig, gleiche Betr¨age und Argumente haben. Eine L¨osung der obiger Gleichung muss also notwendig von
folgender Form sein:
z
k
=
n

ρ
¸
cos

ψ
n
+
2πk
n

+i sin

ψ
n
+
2πk
n

=
n

ρ e
i(
ψ
n
+
2πk
n
)
, k ∈ Z.
Dieses Ergebnis w¨ urde bedeuten, dass es unendlich viele L¨osungen zur Gleichung z
n
= ζ gibt. Dem ist aber
nicht so, da nur n L¨osungen voneinander verschieden sind. Setzten wir n¨amlich k = κn + ν mit κ ∈ Z und
ν = 0, 1, 2, . . . , n −1, so gilt:
ψ
n
+
2πk
n
=
ψ
n
+
2π(κn +ν)
n
=
ψ
n
+
2πν
n
+ 2πκ.
Ein Resultat der Tatsache, dass der Winkel oder das Argument einer komplexen Zahl eben nur bis auf ein
Vielfaches von 2π bestimmt ist (wegen der Periodizit¨at der Winkelfunktionen).
Bez¨ uglich der L¨osungen der n-ten Wurzel aus einer komplexen Zahl k¨onnen wir zusammenfassend behaupten:
Satz 4.6.3: F¨ ur n ∈ N und ζ = 0 hat die Gleichung z
n
= ζ = [ζ[e
i arg ζ
= ρe

= ρ(cos ψ +i sin ψ)
genau n verschiedene Wurzeln (L¨osungen). Diese sind gegeben durch:
z
ν
=
n

ρe

ν
=
n

[ζ[e

ν
mit ϕ
ν
=
ψ
n
+
2πν
n
=
arg ζ
n
+
2πν
n
, und ν = 0, 1, 2, . . . , n −1.
Bemerkung: Die Wurzeln von z
n
= ζ bilden die Ecken eines regelm¨aßigen n-Eckes auf dem Kreis [z[ =
n

[ζ[,
wie Abb. 4.5 demonstriert.
4.6. Potenzen und Wurzeln komplexer Zahlen 47
−1.5 −1 −0.5 0 0.5 1 1.5
−1.5
−1
−0.5
0
0.5
1
1.5
−1 −0.5 0 0.5 1
−1
−0.5
0
0.5
1
Re(z) Re(z)
Im(z) Im(z)
ζ
ψ = arg ζ
ρ = [ζ[
ψ
ρ
ψ
3
3

ρ
ζ
z
0
z
1
z
2
z
0
z
19
z
1
z
2

20
Abbildung 4.5: L¨osungen (Wurzeln) zur Gleichung z
3
= −
3
2
+i (links) und z
20
= −
1
3
+
4
3
i (rechts). Die L¨osungen
bilden die Ecken eines regelm¨aßigen n-Eckes.
Beispiel: Wir wollen die 3-te Wurzel der komplexen Zahl −1 + i bestimmen, d.h. wir suchen die L¨osungen
der Gleichung z
3
= −1 +i = ζ. Als erstes bestimmen wir Betrag und Argument der Zahl ζ und erhalten
[ζ[ =

ζζ =

2 und arg ζ = arctan

Im(ζ)
Re(ζ)

=

4
(der Winkel muss im 2. Quadranten liegen). Wir
erhalten genau 3 L¨osungen: z
k
=
3


2e

k
=
6

2e

k
mit ϕ
k
=

4
1
3
+
2πk
3
und k = 0, 1, 2.
Die einzelnen L¨osungen lauten: z
0
=
6

2e
i

12
, z
1
=
6

2e
i
11π
12
und z
2
=
6

2e
i
19π
12
. Wir k¨onnen die Probe
machen f¨ ur z
2
indem wir z
3
2
berechnen: z
3
2
=

6

2e
i
19π
12

3
=

2e
i
19π
4
=

2e
i

4
e
i
16π
4
=

2e
i

4
.
Beispiel: Die 4-te Wurzel der (reellen) Zahl −1 kann nur L¨osungen im Komplexen besitzen. Wir suchen also
L¨osungen zur Gleichung z
4
= −1+i0 = ζ. Als erstes bestimmen wir wieder Betrag und Argument der Zahl
ζ und erhalten [ζ[ = 1 und arg ζ = π. Es gibt genau 4 L¨osungen: z
k
=
4

1e

k
= 1e

k
mit ϕ
k
=
π
4
+
2πk
4
und k = 0, 1, 2, 3.
Die einzelnen L¨osungen lauten: z
0
= e
i
π
4
, z
1
= e
i

4
, z
2
= e
i

4
und z
3
= e
i

4
.
Beispiel: Die 10-te Wurzel der (reellen) Zahl 1 hat im Rellen nur eine L¨osung. Im Komplexen erhalten wir
genau 10 L¨osungen. Wir bestimmen Betrag und Argument der Zahl ζ und erhalten [ζ[ = 1 und arg ζ = 0.
Die 10 L¨osungen sind von der Form: z
k
= 1e

k
mit ϕ
k
=
2πk
10
und k = 0, 1, 2, . . . , 9.
Die einzelnen L¨osungen lauten: z
0
= e
i0
= 1, z
1
= e
i

10
, z
2
= e
i

10
2
, z
3
= e
i

10
3
, . . ., z
9
= e
i

10
9
.
5
Unendliche Reihen
In Kapitel 1 Abschnitt 1.6 haben wir den Begriff der unendlichen Reihe und ihrer Konvergenz eingef¨ uhrt. Wir
haben insbesondere erw¨ahnt, dass eine unendliche Reihe
¸

ν=1
a
ν
nur eine andere Schreibweise f¨ ur die Folge
<s
n
> der Partialsummen s
n
=
¸
n
ν=1
a
ν
darstellt und
¸

ν=1
a
ν
= s f¨ ur die Aussage lim
n→∞
s
n
= s steht.
Bisher sind wir den unendlichen Reihen im Zusammenhang mit den Taylor-Reihen von Funktionen begegnet.
In diesem Kapitel wollen wir etwas allgemeiner in das sehr wichtige Gebiet der unendlichen Reihen eintauchen.
Dabei werden wir den K¨orper R der reellen Zahlen zugrunde legen.
5.1 Beispiele unendlicher Reihen
Wir wollen uns zun¨achst mit ein paar konkreten Beispielen besch¨aftigen, die wir mit den bisher gewonnenen
Methoden behandeln k¨onnen.
Satz 5.1.1: Die Reihe

¸
ν=1
1
ν
2
konvergiert.
Beweis: Die Folge der Teilsummen s
n
=
1
ν
2
ist monoton wachsend da s
n+1
− s
n
=
1
(n + 1)
2
> 0 gilt. Wir
k¨onnen aber auch zeigen, dass sie nach oben beschr¨ankt ist:
s
n
= 1 +
n−1
¸
ν=1
1
(ν + 1)
2
≤ 1 +
n−1
¸
ν=1
1
ν(ν + 1)
= 1 +
n−1
¸
ν=1

1
ν

1
ν + 1

= 1 + 1 −
1
n
< 2.
Nach dem Hauptsatz ¨ uber monotone Folgen ist die Folge <s
n
> also konvergent.
Wir bemerken, dass wir bei der vorangegangenen Reihe nur die Konvergenz zeigten, ihre Summe aber nicht
angeben konnten. Im folgenden Beispiel gelingt es sogar die Summe zu berechnen.
Satz 5.1.2: Es gilt

¸
ν=1
1
ν(ν + 1)
= 1.
Beweis: F¨ ur die Folge der Teilsummen gilt: s
n
=
n
¸
ν=1
1
ν(ν + 1)
=
n
¸
ν=1

1
ν

1
ν + 1

= 1 −
1
n + 1
−→ 1.
Eine der wichtigsten Reihen ist die geometrische Reihe

¸
k=0
q
k
die wir ja schon kennengelernt haben. Wir fassen
nochmals die Resultate bezgl. der geometrischen Reihe zusammen:
Satz 5.1.3: Es sei q ∈ R. Dann gilt folgendes:
(1) F¨ ur [q[ < 1 konvergiert die geometrsiche Reihe und es gilt:

¸
k=0
q
k
=
1
1 −q
.
(2) F¨ ur alle anderen Werte von q divergiert die geometrsiche Reihe.
49
50 Kapitel 5. Unendliche Reihen
Beweis: Aus
n
¸
k=0
q
k
= 1 +q +q
2
+. . . +q
n
=
1 −q
n+1
1 −q
folgt die Behauptung.
Beispiel: Im Zusammenhang mit der Taylor-Entwicklung haben wir noch weitere Reihen erhalten:
e
x
=

¸
k=0
x
k
k!
, x ∈ R sin x =

¸
k=0
(−1)
k x
2k+1
(2k + 1)!
, x ∈ R
ln(1 +x) =

¸
k=1
(−1)
k+1 x
k
k
, x ∈ (−1, 1] cos x =

¸
k=0
(−1)
k x
2k
(2k)!
, x ∈ R.
Man beachte, dass jedes

erlaubte“ x eine konvergente unendliche Reihe ergibt. Dadurch erh¨alt man eine
Funktion (Abbildung), weshalb man auch von einer Funktionenreihe spricht.
5.2 Rechenregeln f¨ ur unendlicher Reihen
F¨ ur das Rechnen mit unendlichen Reihen gilt folgende wichtige, einfache Regel:
Satz 5.2.1: Es seien
¸

ν=1
a
ν
und
¸

ν=1
b
ν
zwei konvergente Reihen und α, β ∈ R beliebig.
Dann konvergiert auch

¸
ν=1
(αa
ν
+βb
ν
), und es gilt:

¸
ν=1
(αa
ν
+βb
ν
) = α

¸
ν=1
a
ν


¸
ν=1
b
ν
.
Beweis: Mit
¸
n
ν=1
(αa
ν
+βb
ν
) = α
¸
n
ν=1
a
ν
+ β
¸
n
ν=1
b
ν
und den Grenzwerts¨atzen ¨ uber Folgen (Summe
konvergenter Folgen konvergiert) folgt sofort die Behauptung.
Beispiel: Wir betrachten die Reihe

¸
k=0
2
k
+ 3
4
k
und stellen fest, dass sowohl

¸
k=0
1
2
k
als auch

¸
k=0
1
4
k
konvergieren.
Deshalb k¨onnen wir obigen Satz anwenden:

¸
k=0
2
k
+ 3
4
k
=

¸
k=0

1
2
k
+
3
4
k

=

¸
k=0
1
2
k
+ 3

¸
k=0
1
4
k
=
1
1 −1/2
+ 3
1
1 −1/4
= 6.
Man beachte, dass die Umkehrung dieses Satzes nicht gilt. Ist
¸

ν=1
(αa
ν
+βb
ν
) konvergent, so brauchen weder
¸

ν=1
a
ν
noch
¸

ν=1
b
ν
zu konvergieren. Die Reihe
¸

ν=1
(ν + (−1)ν) ist trivialerweise konvergent, weil alle
Reihenglieder Null sind. Die Reihe
¸

ν=1
ν ist jedoch divergent.
5.3 Das Cauchysche Kriterium f¨ ur Reihen
Wir wissen, dass eine Folge aus R genau dann konvergiert, wenn sie eine C-Folge ist, gem¨aß dem Cauchyschen
Konvergenzkriterium. Dieses Kriterium haben wir als ein

inneres Kriterium“ bezeichnet, weil es ganz ohne
Kenntnis des Grenzwertes erlaubt auf die Konvergenz der Folge zu schließen. In diesem Abschnitt lernen wir
ein

inneres Kriterium“ f¨ ur Reihen kennen.
Folgende Definition ist von Vorteil:
Definition 5.3.1: Ist
¸

ν=1
a
ν
eine unendliche Reihe, so heißt f¨ ur n > m ≥ 0
s
m,n
=
n
¸
ν=m+1
a
ν
= a
m+1
+a
m+2
+ +a
n
ein Teilst¨ uck der Reihe.
Jetzt zeigen wir:
Satz 5.3.1 [Cauchysches Konvergenzkriterium]: Die Reihe
¸

ν=1
a
ν
ist genau dann konvergent, wenn
es zu jedem (noch so kleinem) ε > 0 ein N
ε
existiert, so dass f¨ ur alle m, n ∈ N mit n > m > N
ε
gilt:
[s
m,n
[ =

n
¸
ν=m+1
a
ν

< ε.
Beweis: Mit s
m,n
= s
n
−s
m
folgt die Behauptung sofort aus dem Cauchyschen Kriterium f¨ ur Folgen.
Bemerkung: Das Cauchyschen Konvergenzkriterium besagt also, dass eine Reihe genau dann konvergiert,
wenn [s
m,n
[ unabh¨angig von der

L¨ange“ des Teilst¨ uckes s
m,n
beliebig klein gemacht werden kann, wenn
man nur

weit genug hinausgeht,“ d.h. m gen¨ ugend groß w¨ahlt.
5.4. Absolute Konvergenz 51
Beispiel: Wir zeigen mit Hilfe des Cauchyschen Konvergenzkriteriums nochmals die Divergenz der harmoni-
schen Reihe
¸

ν=1
1
ν
. Dazu betrachten wir die speziellen Teilst¨ ucke s
n,2n
. F¨ ur diese gilt
s
n,2n
=
2n
¸
ν=n+1
1
ν
≥ n
1
2n
=
1
2
mit der Konsequenz, dass das Cauchysche Kriterium nicht erf¨ ullt
werden kann, d.h. die harmonische Reihe ist divergent.
Bemerkung: Es ergibt sich unmittelbar aus dem Cauchyschen Konvergenzkriterium, dass sich das Konver-
genzverhalten sowie das Divergenzverhalten durch Weglassen, Hinzuf¨ ugen oder Ab¨andern endlich vieler
Glieder nicht ¨andert.
Außerdem folgt, dass die Glieder einer konvergenten Reihe eine Nullfolge bilden:
Satz 5.3.2: Ist die Reihe

¸
ν=1
a
ν
konvergent, so gilt: lim
ν→∞
a
ν
= 0.
Beweis: Wir setzen im Cauchyschen Konvergenzkriterium n = m+ 1 und erhalten f¨ ur alle m > N
ε
:
[s
m,m+1
[ = [a
m+1
[ < ε. Hieraus ergibt sich die Behauptung.
Bemerkung: Wir beachten, dass dieser Satz nur ein notwendiges, nicht aber ein hinreichendes Kriterium
darstellt. So ist etwa die Reihe
¸

k=1
1
k
divergent, obwohl lim
k→∞
a
k
= lim
k→∞
1
k
= 0 gilt.
5.4 Absolute Konvergenz
Wir wollen jetzt den Begriff der absoluten Konvergenz von unendlichen Reihen einf¨ uhren. Zur Motivierung
betrachten wir die konvergente Reihe
¸

ν=1
a
ν
=
¸

ν=1
(−1)
ν+1 1
ν
= 1 −
1
2
+
1
3

1
4
± und die divergente
Reihe
¸

ν=1
b
ν
=
¸

ν=1
1
ν
= 1 +
1
2
+
1
3
+
1
4
+ . Diese beiden Reihen unterscheiden sich offenbar nur durch
das Vorzeichen ihrer Reihenglieder, denn es gilt n¨amlich [a
ν
[ = b
ν
f¨ ur alle ν ∈ N. Beim
¨
Ubergang zu der
mit den Absolutbetr¨agen gebildeten Reihe geht dramatischerweise die Konvergenz verloren. In der Theorie der
unendlichen Reihen spielen nun diejenigen eine besonders wichtige Rolle, wo dies nicht passiert, d.h. wo auch
die mit den Absolutbetr¨agen gebildete Reihe noch konvergiert.
Definition 5.4.1: Die Reihe

¸
ν=1
a
ν
heißt:
(1) absolut konvergent, wenn

¸
ν=1
[a
ν
[ konvergiert;
(2) bedingt konvergent, wenn sie konvergiert, aber nicht absolut konvergiert.
Beispiel: Die Reihe

¸
ν=1
(−1)
ν+1 1
ν
2
ist absolut konvergent, denn

¸
ν=1

(−1)
ν+1 1
ν
2

=

¸
ν=1
1
ν
2
ist konvergent.
Beispiel: Die oben erw¨ahnte Reihe

¸
ν=1
(−1)
ν+1 1
ν
ist (nur) bedingt konvergent.
Aus der Konvergenz einer Reihe folgt also nicht immer ihre absolute Konvergenz. Das Umgekehrte ist jedoch
immer gegeben, denn es gilt:
Satz 5.4.1: Ist die Reihe

¸
ν=1
a
ν
absolut konvergent, so ist sie auch konvergent.
Beweis: Es sei n > m und wegen

n
¸
ν=m+1
a
ν


n
¸
ν=m+1
[a
ν
[ folgt die Behauptung aus dem Cauchyschen Kon-
vergenzkriterium.
5.5 Vergleichskriterium
In sehr vielen F¨allen gelingt der Nachweis der Konvergenz bzw. Divergenz einer unendlichen Reihe durch Ver-
gleich mit einer anderen Reihe, einer sog.

Majorante“ bzw.

Minorante“.
52 Kapitel 5. Unendliche Reihen
Satz 5.5.1 [Vergleichskriterium]: Gegeben sei die unendliche Reihe

¸
ν=1
a
ν
und N ∈ N.
(1) Gilt [a
ν
[ ≤ c
ν
f¨ ur alle ν ≥ N und ist

¸
ν=1
c
ν
konvergent, so ist

¸
ν=1
a
ν
absolut konvergent.
(2) Gilt [a
ν
[ ≥ d
ν
≥ 0 f¨ ur alle ν ≥ N und ist

¸
ν=1
c
ν
divergent, so ist

¸
ν=1
[a
ν
[ divergent.
Beweis: (1) Es sei ε > 0 gegeben. Aus der Konvergenz von
¸

ν=1
c
ν
folgt die Existenz eines N
ε
, so dass
0 ≤
¸
n
ν=m+1
c
ν
< ε f¨ ur alle m, n ∈ N mit n > m > N
ε
. Daher gilt
¸
n
ν=m+1
[a
ν
[ ≤
¸
n
ν=m+1
c
ν
< ε
f¨ ur alle m, n mit n > m > max¦N, N
ε
¦. Die Reihe konvergiert also nach dem Cauchyschen Kriterium
absolut.
(2) W¨ urde
¸

ν=1
[a
ν
[ konvergieren, so w¨ urde nach (1) auch
¸

ν=1
d
ν
konvergieren, im Widerspruch zu
unserer Voraussetzung.
Beispiel: Die Reihe

¸
ν=1
1

ν
ist wegen
1

ν

1
ν
divergent.
Beispiel: Die Reihe

¸
ν=1
(−1)
ν
ν!
ν
ν
ist absolut konvergent.
F¨ ur alle ν ≥ 2 gilt n¨amlich [a
ν
[ =
ν!
ν
ν
=
1 2 ν
ν ν ν

2
ν
2
. Aus der Konvergenz der Reihe

¸
ν=1
1
ν
2
folgt also
die absolute Konvergenz der betrachteten Reihe.
Beweis: (1) Es sei ε > 0 gegeben. Aus der Konvergenz von
¸

ν=1
c
ν
folgt die Existenz eines N
ε
, so dass
0 ≤
¸
n
ν=m+1
c
ν
< ε f¨ ur alle m, n ∈ N mit n > m > N
ε
. Daher gilt
¸
n
ν=m+1
[a
ν
[ ≤
¸
n
ν=m+1
c
ν
< ε
f¨ ur alle m, n mit n > m > max¦N, N
ε
¦. Die Reihe konvergiert also nach dem Cauchyschen Kriterium
absolut.
(2) W¨ urde
¸

ν=1
[a
ν
[ konvergieren, so w¨ urde nach (1) auch
¸

ν=1
d
ν
konvergieren, im Widerspruch zu
unserer Voraussetzung.
5.6 Reihen mit nichtnegativen Gliedern
In diesem Abschnitt untersuchen wir Reihen mit ausschließlich positiven (nichtnegativen) Gliedern, d.h. Reihen
¸

ν=1
a
ν
mit a
ν
≥ 0 f¨ ur ν ∈ N. Wir beginnen mit einem einfachen, aber wichtigen Kriterium, das wir implizit
schon mehrfach verwendet haben.
Satz 5.6.1: Eine Reihe

¸
ν=1
a
ν
mit nichtnegativen Gliedern konvergiert genau dann, wenn die Folge ihrer
Teilsummen beschr¨ankt ist.
Beweis: Die Folge der Teilsummen s
n
=
¸
n
ν=1
a
ν
ist offenbar monoton wachsend, so dass sich die Behauptung
sofort aus der Definition der Konvergenz einer Reihe und dem Hauptsatz ¨ uber monotone Folgen ergibt.
Ein weiteres, sehr n¨ utzliches, Kriterium geht auf Cauchy zur¨ uck.
Satz 5.6.2[ Cauchyscher Verdichtungssatz]: Es sei die Folge der Reihenglieder <a
ν
> monoton fallend
und a
ν
≥ 0. Dann konvergiert die Reihe

¸
ν=1
a
ν
genau dann, wenn

¸
ν=0
2
ν
a
2
ν konvergiert.
Beweis: Wir f¨ uhren die Bezeichnungen s
n
=
¸
n
ν=1
a
ν
und σ
n
=
¸
n
ν=0
2
ν
a
2
ν ein und bemerken, dass sowohl
<s
n
> als auch <σ
n
> monoton wachsende Folgen sind.
(1) Ist
¸

ν=0
2
ν
a
2
ν konvergent, so ist <σ
n
> beschr¨ankt. Wegen der Monotonie von <a
ν
> erhalten wir
f¨ ur n ≥ 1: s
n

¸
2
n+1
−1
ν=1
a
ν
= a
1
+ (a
2
+ a
3
) + (a
4
+ + a
7
) + + (a
2
n + a
2
n
+1
+ + a
2
n+1
−1
) ≤
2
0
a
1
+ 2
1
a
2
+ 2
2
a
4
+ + 2
n
a
2
n = σ
n
. Also ist auch <s
n
> beschr¨ankt und somit
¸

ν=1
a
ν
konvergent.
(2) Ist
¸

ν=1
a
ν
konvergent, so ist <s
n
> beschr¨ankt, und wir erhalten:
σ
n
= 2

1
2
a
1
+ 2
0
a
2
+ 2
1
a
4
+ 2
2
a
8
+ + 2
n−1
a
2
n


5.6. Reihen mit nichtnegativen Gliedern 53
≤ 2 [a
1
+a
2
+ (a
3
+a
4
) + (a
5
+ +a
8
) + + (a
2
n−1
+1
+ +a
2
n)] = 2s
2
n. Also ist auch <σ
n
> be-
schr¨ankt und somit
¸

ν=0
2
ν
a
2
ν konvergent.
Beispiel: Wir betrachten f¨ ur ein α ∈ (0, ∞) die Reihe

¸
ν=1
1
ν
α
.
(1) Ist α ≤ 0, so ist <a
ν
> mit a
ν
= 1/ν
α
keine Nullfolge und in diesem Falle divergiert die Reihe.
(2) Ist α > 0, so ist <a
ν
> eine monotone Nullfolge. Nach dem Cauchyschen Verdichtungssatz konvergiert
die betrachtete Reihe genau dann, wenn die Reihe

¸
ν=0
2
ν
a
2
ν =

¸
ν=0
2
ν 1
(2
ν
)
α
=

¸
ν=0

2
1−α

ν
konvergiert.
Diese geometrische Reihe ist jedoch genau dann konvergent, wenn 2
1−α
< 1 also α > 1 gilt.
Ein weiteres Kriterium zur Beurteilung der Konvergenz von Reihen mit nichtnegativen Gliedern ist das folgende
Integralkriterium, welches ebenfalls auf Cauchy zur¨ uckgeht.
Satz 5.6.3 [Integralkriterium]: Es sei <a
ν
> eine monoton fallende Nullfolge, und es sei f(x) monoton
fallend in [1, ∞) mit der Eigenschaft f(ν) = a
ν
f¨ ur ν ∈ N.
Dann ist die Reihe

¸
ν=1
a
ν
genau dann konvergent, wenn das Integral

1
f(x) dx konvergiert.
Beweis: Die Funktion f(x) sei Riemann-integrierbar auf jedem Intervall [A, B] ⊂ [1, ∞), und es gilt
a
ν+1

ν+1

ν
f(x) dx ≤ a
ν
, wie Abb. 5.1 graphisch veranschaulicht. Durch Summation ergibt sich:
n
¸
ν=1
a
ν+1

n
¸
ν=1
ν+1

ν
f(x) dx ≤
n
¸
ν=1
a
ν
oder s
n+1
− a
+1

¸
n
ν=1
n

1
f(x) dx ≤ s
n
. Hieraus folgt, dass

¸
ν=1
a
ν
geanu dann konvergiert, wenn die Folge <
n

1
f(x) dx> beschr¨ankt ist. Wegen f(x) ≥ 0 ist dies
gleichbedeutend mit der Existenz von lim
R→∞
R

1
f(x) dx =

1
f(x) dx.
0 1 2 3 4 5 6 7
0
0.2
0.4
0.6
0.8
1
x
y
ν ν + 1
a
ν
a
ν+1
f(x)
Abbildung 5.1: Visualisierung des Cauchyschen Integralkriteriums.
Beispiel: Wir betrachten die Reihe

¸
ν=1
νe
−ν
. Offenbar bilden die Glieder dieser Reihe eine monoton fallende
Nullfolge. F¨ ur die Funktion f(x) = xe
−x
gilt:
R

1
f(x) dx =
R

1
xe
−x
dx = −xe
−x

R
1
+
R

1
e
−x
dx = −Re
−R
+
1
e
−e
−R
+
1
e
.
Mit

1
f(x) dx =
2
e
und wegen f(ν) = νe
−ν
folgt hieraus die Konvergenz der Reihe.
Beispiel: Wir betrachten f¨ ur ein α ∈ (0, ∞) noch einmal die Reihe

¸
ν=1
1
ν
α
. Es gilt f¨ ur ein R > 1:
54 Kapitel 5. Unendliche Reihen
R

1
dx
x
α
=

ln R falls α = 1
1
α −1

1 −
1
R
α−1

falls α = 1
,
so dass mit Hilfe des Integralkriteriums die Konvergenz der Reihe

¸
ν=1
1
ν
α
f¨ ur α > 1 und die Divergenz f¨ ur
α ≤ 1 folgt.
5.7 Das Wurzel- und das Quotientenkriterium
In diesem Abschnitt untersuchen wir wieder Reihen mit beliebigen reellen Gliedern. Durch Anwendung des
Vergleichskriterium beweisen wir die beiden Standardkriterien der Reihentheorie.
Satz 5.7.1 [Wurzelkriterium]: Gegeben sei die unendliche Reihe

¸
ν=1
a
ν
.
Wir setzen α = lim
ν→∞
[a
ν
[
1
ν
. Dann gilt:
(1) Ist α < 1, so konvergiert

¸
ν=1
a
ν
absolut.
(2) Ist α > 1, so divergiert

¸
ν=1
a
ν
.
(3) Ist α = 1 kann keine Aussage bezgl. Konvergenz oder Divergenz gemacht werden.
Beweis: (1) Ist α < 1, so existiert ein q ∈ (0, 1) und ein N ∈ N mit [a
ν
[ ≤ q
ν
f¨ ur alle ν > N. Aus der Konvergenz
der geometrischen Reihe
¸

ν=1
q
ν
folgt daher die Konvergenz von
¸

ν=1
[a
ν
[.
(2) Ist α > 1, so k¨onnen wir eine Folge <ν
k
> nat¨ urlicher Zahlen bestimmen mit lim
k→∞
[a
ν
k
[
1/ν
k
= α.
Es gibt dann ein K ∈ N, so dass f¨ ur alle k > K gilt: [a
ν
k
[
1/ν
k
≥ 1 oder [a
ν
k
[ ≥ 1. Hieraus folgt, dass [a
ν
[
keine Nullfolge ist. Somit divergiert
¸

ν=1
a
ν
.
(3) F¨ ur die beiden Reihen
¸

ν=1
1
ν
2
und
¸

ν=1
1
ν
gilt jeweils lim
ν→∞
[a
ν
[
1/ν
= 1. Die erste konvergiert,
die zweite divergiert. Das Wurzelkriterium versagt also im Fall α = 1.
Beispiel: Die Reihe

¸
k=0
k
2
2
k
ist konvergent, da lim
k→∞
[a
k
[
1
k
= lim
k→∞
(k
2
)
1
k
2
=
1
2
< 1 gilt.
Beispiel: Die Reihe

¸
ν=2
1
(ln ν)
ν
ist konvergent, da lim
ν→∞
[a
ν
[
1
ν
= lim
ν→∞
1
ln ν
= 0 < 1 gilt.
Satz 5.7.2 [Quotientenkriterium]: Gegeben sei die unendliche Reihe

¸
ν=1
a
ν
mit a
ν
= 0 f¨ ur ν = 1, 2, . . ..
Wir setzen α = lim
ν→∞

a
ν+1
a
ν

. Dann gilt:
(1) Ist α < 1, so konvergiert

¸
ν=1
a
ν
absolut.
(2) Ist α > 1, so divergiert

¸
ν=1
a
ν
.
(3) Ist α = 1 kann keine Aussage bezgl. Konvergenz oder Divergenz gemacht werden.
Beweis: (1) Ist α < 1, so existiert ein q ∈ (0, 1) und ein N ∈ N mit

a
ν+1
a
ν

≤ q f¨ ur alle ν > N.
Ist nun n > N, so erhalten wir: [a
n
[ =

a
n
a
n−1

a
n−1
a
n−2

a
N+1
a
N

[a
N
[ ≤ q
n−N
[a
N
[ =
[a
N
[
q
N
q
n
.
Mit dem Vergleichskriterium folgt die Konvergenz von
¸

ν=1
[a
ν
[.
(2) Ist α > 1, so gibt es ein N ∈ N mit

a
ν+1
a
ν

≥ 1 f¨ ur alle ν > N. Hieraus folgt f¨ ur alle n > N:
[a
n+1
[ ≥ [a
n
[ ≥ ≥ [a
N
[ > 0. Also ist <a
ν
> keine Nullfolge.
5.7. Das Wurzel- und das Quotientenkriterium 55
(3) F¨ ur die beiden Reihen
¸

ν=1
1
ν
2
und
¸

ν=1
1
ν
gilt jeweils lim
ν→∞

a
ν+1
a
ν

= 1. Die erste konvergiert,
die zweite divergiert. Das Quotientenkriterium versagt also auch im Fall α = 1.
Beispiel: F¨ ur ein festes x ∈ R betrachten wir die Reihe

¸
ν=1
ν!
ν
ν
x
ν
.
Wir erhalten:

a
ν+1
a
ν

=

(ν + 1)!x
ν+1
(ν + 1)
ν+1

(ν)
ν
(ν)!x
ν

= [x[

ν
ν + 1

ν
= [x[

1 +
1
ν

ν

−1
, und es ergibt sich
lim
ν→∞

a
ν+1
a
ν

=
[x[
e
. Die betrachtete Reihe konvergiert absolut f¨ ur alle x mit [x[ < e und divergiert f¨ ur alle
x mit [x[ > e. F¨ ur [x[ = e ist leider keine Aussage m¨oglich.
A
Spezielle Folgen und Reihen
In diesem Anhang werden wir einige ausgew¨ahlte Themen aus dem unersch¨opflichen Bereich der Folgen und
Reihen, die in vielen Gebieten der Naturwissenschaften immer wieder vorkommen, etwas genauer untersuchen,
mit dem Ziel, die mathematischen Hintergr¨ unde und Methoden zu erhellen und vertiefen.
A.1 Die Fibonacci-Folge
In diesem Abschnitt werden wir den Zusammenhang zwischen der Fibonacci-Folge und dem Goldenen
Schnitt etwas genauer unter die Lupe nehmen. Wir beginnen mit dem Goldenen Schnitt: dieser wird auch
als stetige Teilung oder g¨ottliche Teilung bezeichnet. Im Englischen bezeichnet man ihn als golden ratio,
golden section, oder auch golden mean. Dabei wird eine Strecke dermaßen geteilt, dass das Verh¨altnis des
k¨ urzeren zum l¨ angeren Abschnitt gleich dem Verh¨altnis des l¨angeren Abschnitts zur gesamten Strecke ist, wie
in Abb. A.1 dargestellt. Bezeichnet man den l¨angeren Abschnitt mit a, den K¨ urzeren mit b, so gilt im Goldenen
a = 1 b = φ −1
a +b = φ
Abbildung A.1: Teilung einer Strecke im Goldenen Schnitt.
Schnitt
b
a
=
a
a +b
. Mit der Normierung a = 1 und a + b = φ erh¨alt man die Gleichung
φ −1
1
=
1
φ
, welche
der quadratischen Gleichung φ
2
− φ − 1 = 0 entspricht. Diese hat zwei L¨osungen, welche ¨ ublicherweise in der
folgenden Form dargestellt werden:
φ
1
=
1 +

5
2
= ϕ = 1.618 und φ
2
=
1 −

5
2
= 1 −ϕ = −0.618.
Dieses Verh¨altnis ϕ, der Goldene Schnitt, wird in der Kunst und Architektur als ideale Proportion zwischen
verschiedenen L¨angen angesehen. Es gilt auch als Inbegriff f¨ ur
¨
Asthetik und Sch¨onheit, und hat einige inter-
essante mathematische Eigenschaften, welche wir im Folgenden untersuchen wollen. Dazu schwenken wir zur
Fibonacci-Folge, welche rekursiv folgendermaßen definiert ist:
Definition A.1.1 [Fibonacci-Folge]: Die Folge <f
n
>=<0, 1, 1, 2, 3, 5, 8, 13, 21, . . .> mit
f
n
=

0 , n = 0
1 , n = 1
f
n−1
+f
n−2
, n ≥ 2
wird als Fibonacci-Folge bezeichnet.
57
58 Anhang A. Spezielle Folgen und Reihen
Die Fibonacci-Folge ist offensichtlich nicht beschr¨ankt und deshalb divergent. Aber was hat diese Folge dann
mit dem Goldenen Schitt ϕ zu tun? Dazu definieren wir die Funktion (Folge) F
a,b
(n) = aϕ
n
+ b(1 − ϕ)
n
mit
a, b ∈ R und n ∈ N
0
und behaupten, dass diese die Fibonacci-Rekursion erf¨ ullt.
Satz A.1.1: Die Funktion F
a,b
(n) = aϕ
n
+b(1 −ϕ)
n
mit a, b ∈ R, n ∈ N und Goldener Schnitt ϕ erf¨ ullt die
Fibonacci-Rekursion F
a,b
(n) = F
a,b
(n −1) +F
a,b
(n −2).
Beweis: F
a,b
(n −1) +F
a,b
(n −2) = aϕ
n−1
+b(1 −ϕ)
n−1
+aϕ
n−2
+b(1 −ϕ)
n−2
=
a

ϕ
n−1

n−2

+b

(1 −ϕ)
n−1
+ (1 −ϕ)
n−2

= aϕ
n−1

1 +
1
ϕ

+b(1 −ϕ)
n−1

1 +
1
1 −ϕ

.
Wir verwenden die Gleichung des Goldenen Schnitts
1
ϕ
= ϕ −1 in geeigneter Form und erhalten:
F
a,b
(n −1) +F
a,b
(n −2) = aϕ
n−1
(1 +ϕ −1) +b(1 −ϕ)
n−1
(1 + (−ϕ)) = aϕ
n
+b(1 −ϕ)
n
= F
a,b
(n).
Die Funktion F
a,b
(n) gestattet bei passender Wahl der Parameter a und b eine explizite Darstellung oder Formel
f¨ ur die Fibonacci-Folge.
Satz A.1.2: Erf¨ ullt ϕ die Gleichung des Goldenen Schnittes, so hat die Fibonacci-Folge die explizite Dar-
stellung f
n
=
1

5

n
−(1 −ϕ)
n
] mit n ∈ N
0
.
Beweis: Wir versuchen die Parameter a und b f¨ ur die Funktion F
a,b
(n) geeignet zu w¨ahlen. Es muss folgendes
gelten: (1) F
a,b
(0) = a +b = 0 und (2) F
a,b
(1) = aϕ+b(1 −ϕ) = 1. Aus diesen beiden Gleichungen ergibt
sich a =
1

5
und b = −
1

5
unter Verwendung von 2ϕ −1 =

5.
Wie eingangs schon erw¨ahnt ist die Fibonacci-Folge divergent. Betrachtet man aber das Verh¨altnis zweier
benachbarter Folgeglieder f
n+1
/f
n
, so erh¨alt man wieder Konvergenz.
Satz A.1.3: F¨ ur die Fibonacci-Folge <f
n
> und dem Goldenen Schnitt ϕ gilt: lim
n→∞
f
n+1
f
n
= ϕ.
Beweis: Mit der expliziten Darstellung f¨ ur die Fibonacci-Folge erh¨alt man:
f
n+1
f
n
=
ϕ
n+1
−(1 −ϕ)
n+1
ϕ
n
−(1 −ϕ)
n
= ϕ
n+1
¸
1 −

1−ϕ
ϕ

n+1

ϕ
n

1 −

1−ϕ
ϕ

n

−→ ϕ.