You are on page 1of 22

Mathematik für Physiker IV: Analysis 3

Studentische Mitschrift in L
A
T
E
Xvon Philipp Gadow und Florian Häse
nach Vorlesung von Prof. Spohn
20. Oktober 2011
Inhaltsverzeichnis
1. Integration im R
n
2
1.1. Versuche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Jordan Volumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Transformationseigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4. Riemann-Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6. einfache Integrationstechniken . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
A. Anhang i
A.1. Cantor-Menge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
B. Formelsammlung Analysis 2 I
C. Formelsammlung Analysis 3 XI
a
Organisatorisches
Zum Skript:
Dieses Skript ist sozusagen durch 2 Studenten, welche die Analysis 3-Vorlesung von Prof.
Spohn besuchten, anhand der Vorlesung, des Tafelanschriebs, und der in den Quellen aufge-
führten Materialien entstanden.
Dabei kann das Skript durchaus fehlerhaft sein, zumal es eine andere Qualität als das offiziell
zu einer Vorlesung vom Dozenten herausgegebene Skript haben mag.
Sind Fehler offensichtlich, so ist es im Interesse der Autoren diese alsbald zu beheben, so
bitten wir um diesbezügliche Rückmeldung.
Die Vorlesung findet am Dienstag und am Donnerstag von 10
15
−12 Uhr statt.
Die Zentralübung zur Vorlesung findet von 12
30
bis14 Uhr am Dienstag statt.
Klausurtermin: Die Klausur wird am Freitag, den 17.Februar von 8
30
−10
00
geschrieben.
Aller Wahrscheinlichkeit nach wird eine Probeklausur geschrieben werden.
Empfohlene Literatur:
Otto Forster: Analysis 3
Königsberger: Analysis 2
Meyberg, Vachenauer: Höhere Mathematik 3
Rudin: Analysis
Amann, Escher: Analysis 3
Ausblick Analysis 3
In der Vorlesung Analysis 3 wird behandelt werden
• Integration im R
n
• Integralsätze
• Funktionentheorie, also analytische Funktionen f : C →C
• Fourieranalysis
• einige lineare partielle Differentialgleichungen aus der Physik
1
1. Integration im R
n
1.1. Versuche
Erinnerung an R/ Versuche in R
n
Wir betrachten eine zu integrierende stetige Funktion f : [a, b] →R
+
.
Es gibt nun zwei Zugänge an die Sache. Der eine ist der geometrische Zugang, denn was wir
anschaulich berechnen wollen ist eine Fläche unter dem Graphen der Funktion. Wie wir diese
Abbildung 1.1.: Riemann-Integral einer Funktion
berechnen, müssen wir noch definieren: Dies geschieht durch Regelfunktionen, zu denen die
Treppenfunktionen gehören, mit denen das Integral von oben und unten approximiert wird.
Abbildung 1.2.: Approximation durch Treppenfunktionen
Natürlich wissen wir aus geometrischen Betrachtungen, was das Integral einer Treppenfunkti-
on ist
1
, denn wir tun nichts anderes, als die Flächeninhalte von Rechtecken zu berechnen. Nun
machen wir die Gitterung, also die Abstände zwischen den Treppenfunktionen immer kleiner,
sodass die Summe der Treppenfunktionenflächeninhalte gegen das Integral konvergiert. Dabei
1
oder schauen im 2in1-Skript von Prof. Brokate unter 14.6 nach
2
können wir die Treppenfunktionen über eine obere und eine untere Grenze der Funktion de-
finieren, welche die Obersumme und die Untersumme liefern. Das Riemann-Integral existiert,
wenn Ober- und Untersumme übereinstimmen.
Was könenn Hindernisse sein? Wenn wir Funktionen betrachten, die stark oszillieren, dann
können Ober- und Untersumme nicht übereinstimmen, das Integral kann also nicht existie-
ren. Stetige Funktionen konvergieren aber so, dass das Riemann-Integral existiert. Für eine
mathematisch saubere Einführung verweisen wir auf das Skript von O. Matte: Mathematik
für Physiker II, Analysis 1 (WS: 2010/11) ab Seite 127
2
.
Wollen wir aber nur rechnen und keine geometrische Anschauung benutzen, so definieren wir
nun analytisch das Integral.
Hierbei entspricht das Integral dem Inversen der Differentiation.
F(y) =
ˆ
y
a
f(x)dx
F

(y) = f(y)
Nun betrachten wir den Sachverhalt im R
n
. Wollen wir den analytischen Zugang übertragen,
ist dies problematisch, da wir zuvor stark die Eindimensionalität des Integrals ausgenutzt ha-
ben. Bei vorgegebenen partiellen Ableitungen können wir nicht unbedingt zur Stammfunktion
zurückkehren. Es gibt zwar ein Analogon zur analytischen Betrachtung des Integralbegriffs in
R, dieses ist aber komplizierter, sodass wir uns im Folgenden auf die geometrische Anschau-
ung beschränken wollen. Bei der Behandlung der Integralsätze werden wir auf die analytische
Betrachtung des Integrals im R
n
zurückkehren.
Nun wollen wir uns mit der geometrischen Betrachtung befassen:
Mengen im R
2
werden wie auch im Eindimensionalen Flächen zugeordnet. Wir müsssen also
nicht unbedingt Mengen betrachten, die durch Funktionen beschrieben werden. Dies können
also auch Flächen wie die in Abbildung 1.3 sein. Von einer Approximation wie im Riemann-
Integral durch Treppenfunktionen sehen wir ab. Natürlicher wäre im R
2
eine Approximation
durch winzig kleine Quadrate, welche aufsummiert werden.
Wollen wir die für den R
n
verallgemeinern, so betrachten wir den Hyperwürfel mit der Sei-
tenlänge l = 2
−k
, wobei k → ∞. Dieser wird auch als Jordanvolumen bezeichnet.
Abbildung 1.3.: Integration einer Fläche im R
2
2
bzw. ab Seite 93 im Skript von Prof. Brokate
3
Die Verallgemeinerung von
´
I
f(x)dx ist dann
I → Λ ⊂ R
n
wobei gilt
• Λ ist beschränkt und abgeschlossen (?)
• hat ein endliches Volumen
Wir addieren also die Hyperwürfel, also die Säulen auf und hoffen, dass die Riemann-Approximation
konvergiert. Es handelt sich bei den Hyperwürfeln um Würfel mit der Kantenlänge dx.
ˆ
Λ
f(x)d
n
x
Schlägt man nun den Integralbegriff im R
n
in einer modernen Lektüre nach, wie im Forster,
so sieht man, dass die hier besprochene Art der Integration nur als historische Randnotiz
aufkommt.
Mathematiker behandeln die Integration im R
n
mit dem Lebesgue-Integral, was sich letztend-
lich durchgesetzt hat. Interessierte seien hier auf die Vorlesung ”Maß- und Integrationstheorie”
verwiesen. Im Rahmen dieser Vorlesung soll das Riemann-Integral behandelt werden, da es
extrem einfach zu behandeln und zu verstehen ist.
Der Gedanke beim Lebesgue-Integral ist, dass nicht der Definitionsbereich Λ wie eben in Wür-
fel gegittert wird, sondern der Wertebereich. Wir betrachten ein einfaches Beispiel: Gegeben
sei eine Funktion
f : [0, 1] →R
für die gilt, dass f nur zwei mögliche Werte annehmen kann: Bild(f) = ¦a, b¦
Abbildung 1.4.: Beispiel zur Lebesgue-Integration
Wir möchten nun aber nicht den Definitionsbereich gittern, sondern den Wertebereich.
ˆ
1
0
f(x)dx = a[f
−1
(¦a¦)[ + b[f
−1
(¦b¦)[
Hierbei stellt [Λ[ das Volumen von Λ dar. Was ist nun allgemeiner als beim Riemann-Integral?
Wir können nun auch komplizierte Mengen, wie die Cantormenge hinschreiben, für die das
Riemann-Integral nicht definiert ist.
4
Ein bekannteste Beispiel dafür ist
f(x) =
_
1 für x rational
0 sonst
Das Lebesgue-Integral existiert hier, das Riemann-Integral funktioniert nicht. Für alltägliche
Dinge, wie die Integration einer Kugel macht es keinen Unterschied, auf welche Weise man
nun integriert.
Der Vorteil der Lebesgue-Integrals ist, dass es gutmütiger zu Approximationen ist.
Hierzu betrachten wir ein Beispiel:
Es ist B
1
(0)die abgeschlossenen Vollkugel um 0
B
1
(0) = ¦x ∈ R
n
[[x[ ≤ 1¦
Wir betrachten nun die Funktion
f : B
1
(0) →R
Der Wertebereich ist ¦a
1
, . . . , a
l
¦
Abbildung 1.5.: Zerlegung des Wertebereichs
Dann ist das Integral
ˆ
Br(0)
f(x)d
n
x =
l

j=1
a
j
[f
−1
(¦a
j
¦)[
Warum betrachten wir überhaupt Integrale, also Volumen bzw. Integration über Volumina im
R
n
? Für die meisten Anwendungen in der Physik, also beispielsweise in der Elektrodynamik,
benötigen wir doch nur die Interation im dreidmensionalen Raum!
Im Verlauf des Physikstudiums betrachtet man in der statistischen Mechanik noch ganz andere
Integrale, was mit einem Beispiel illustriert werden soll.
Wir betrachten ein eindimensionales Gas:
Abbildung 1.6.: Raumdimension des eindimensionalen Gases
5
Es steht im Integral also ein n-dimensionaler Würfel.
ˆ
[−l,l]
exp
_
_
−β
n

1,j=1
V (x
i
−x
j
)
_
_
dx
1
. . . dx
n
wobei V : R →R. Für reale Systeme gilt n = 10
23
.
Sei es nun in der Quantenfeldtheorie oder in der allgemeinen Relativitätstheorie, solche Inte-
grale begegnen einem immer wieder in der Physik.
Es wird also mit dem Riemann-Integral gearbeitet, das für unsere Zwecke völlig ausreichend
ist.
1.2. Jordan Volumen
Wir betrachten eine Menge Λ ⊂ R
n
. Es gilt nun ein Volumen [Λ[ zu definieren.
Dies geschieht durch eine Approximation durch Würfel, allgemeiner gesprochen durch Paral-
lelotope.
Wir betrachten nun eine Approximation durch einfachste Parallelotope.
Dazu geben wir uns ein Intervall I
i
⊂ R, I
i
= [a
i
, b
i
] mit a
i
≤ b
i
, i = 1, . . . , n vor.
Es ist dann das Parallelotop P = I
1
I
2
I
n
.
Dann ist das Volumen des Parallelotops [P[ =

n
j=1
[I
j
[ mit [I
j
[ = b
j
−a
j
.
Abbildung 1.7.: Parallelotop P
Für diese Definition des Volumens ist zu beachten:
• Translationsinvarianz bei einer Verschiebung um
y ∈ R
n
τ
y
P = ¦x + y, x ∈ P¦
• Rotationsinvarianz (?)
• Normierung der Einheitswürfel w = [0, 1]
n
auf [w[ = 1
6
• Additivität
Sind P
1
, P
2
Parallelotope, dann ist das Volumen vonP
1
∪P
2
, wenn sich die Parallelotope
nicht überschneiden, also
3
P
o
1
∩ P
o
2
= ∅, dann ist
[P
1
∪ P
2
[ = [P
1
[ +[P
2
[
Entsprechend gilt für endlich viele ¦P
α
, α = 1, . . . , m¦ mit P
o
α
∩ P
o
β
= ∅ für α ,= β:
[
_
α=1
P
α
[ =
m

α=1
[P
α
[
Auf einer allgemeinen, beschränkten Menge M definieren wir nun die Jordan-Approximation.
Wir konstruieren Würfel der Kantenlänge 2
−k
, k = 1, 2, . . .
Die Eckpunkte der Würfel müssen auf dem Gitter liegen, die Lage der Würfel ist fest, also
(2
−k
Z)
n
.
Die Würfel sind halboffen, damit wir mit den Würfeln die Menge überdecken können. An-
sonsten könnten die Kantenpunkte zu verschiedenen Würfeln gehören. Wir verwenden also
zur Approximation die halboffenen Einheitswürfel ([0, 1))
n
.
Wir bezeichnen die Würfel als W
(k)
mit dem Volumen [W
(k)
[ = 2
−kn
.
Abbildung 1.8.: halboffene Einheitswürfel mit nur zwei Kanten
Wie im Eindimensionalen die Ober- und Untersumme bilden wir nun eine innere Approxima-
tion und eine äußere Approximation.
• Die innere Approximation nennen wir i
k
(M), welche alle Würfel W
(k)
umfasst, die in
M
o
enthalten sind ( W
(n)
⊂ M).
• Die äußere Approximation nennen wir a
k
(M), welche alle Würfel W
(k)
umfasst, die
¯
M
o
schneiden.
Sauber ausgedrückt bedeutet das:
W
(k)
∈ i
k
(M)fallsW
(k)
⊂ M
o
W
(k)
∈ a
k
(M)fallsW
(k)

¯
M ,= ∅
3
Es gilt für eine Menge M: M
o
: Inneres von M;
¯
M: Abschluss von M; ΛM =
¯
M\M
o
: Rand von M
7
Für die Volumina gilt:
[i
k
(M)[ = Zahl der Würfel in i
k
(M) 2
−kn
[a
k
(M)[ = Zahl der Würfel in a
k
(M) 2
−kn
Definition 1.1 (Jordan-Volumen) Sei M ⊂ R
n
eine beschränkte Menge.
M hat das Jordan-Volumen [M[, falls mit
[M[
i
= lim
n→∞
[i
(n)
(M)[ existiert, weil steigend (1.1)
[M[
a
= lim
n→∞
[a
(n)
(M)[ existiert, weil fallend (1.2)
gilt: [M[
i
= M
a
(= [M[) (1.3)
Wir einigen uns auf die Sprechweise: Falls [M[ existiert, heißt M Jordan messbar.
1.3. Transformationseigenschaften
1.4. Riemann-Integrale
1.5. Eigenschaften
1.6. einfache Integrationstechniken
8
A. Anhang
A.1. Cantor-Menge
Die Cantormenge ist eine Teilmenge der reellen Zahlen mit besonderen Eigenschaften:
• Die Cantormenge ist eine Nullmenge. Dies bedeutet, dass es zu jedem Wert > 0
abzählbar viele beschränkte Intervalle J
k
⊆ R, k ∈ N, gibt, sodass die Vereinigung all
dieser Intervalle die Menge M überdeckt, also M ⊇

k=1
J
k
und dass die Länge der
Vereinigung der Intervalle J
k
durch


k=1
[J
k
[ ≤ abschätzbar ist.
• Die Cantormenge ist überabzählbar (d.h. es gibt keine Bijektion der Menge auf N.
Die Cantormenge kann konstruiert werden, indem das Intervall [0, 1] gedrittelt wird und das
mittlere Drittel entfernt wird. Die beiden Teilintervalle [0
1
3
] und [
2
3
, 1] werden nun wieder ge-
drittelt, wobei beiden das mittlere Drittel entfernt wird. Dieser Vorgang wird nun wiederholt,
bis im Grenzprozess die Menge zur Cantormenge übergeht.
i
B. Formelsammlung Analysis 2
Der R
n
als metrischer Raum
Metrik
1. Definitheit d(x, y) = 0 ⇔ x = y
2. Symmetrie d(x, y) = d(y, x)
3. ∆-Ungleichung d(x, y) + d(y, z) ≥ d(x, z)
Umgebung
B

(a) = ¦x ∈ R
n
: d(x, a) < ¦ (B.1)
Konvergenz (Seite ??)
Fast alle x
n
liegen in B

(a):
lim
n→∞
¦x
n
¦
n∈N
= a
falls für jedes > 0 ∃N ∈ N, sodass
¦x
n
¦
n∈N
∈ B

(a) ∀n ≥ N (B.2)
Cauchy-Folge
d(x
m
, x
n
) < ∀m, n ≥ N (B.3)
Vollständigkeit
Ein metrischer Raum heißt vollständig, falls jede Cauchyfolge in ihm konvergiert.
Topologie
1. U ⊂ X heißt offen, falls es zu jedem Punkt x ∈ U eine -Kugel B

(x) ⊂ U gibt.
2. A ⊂ X heißt abgeschlossen, falls X¸A offen ist.
3. Y ⊂ X, dann heißt x ∈ Y Randpunkt von Y , falls jede -Kugel B

(x) sowohl Punkte
von Y , als auch X¸Y enthält.
Der Rand ∂Y von Y ist die Menge aller Randpunkte.
I
Stetigkeit
lim
x→a
f(x) = f(a) (B.4)
oder
lim
n→∞
d
x
(x
n
, a) = 0 ⇒ lim
n→∞
d
y
(f(x
n
), f(a)) = 0 (B.5)
Stetig in x
0
:
∀ > 0∃δ > 0∀x : x ∈ B
δ
(x
0
) ⇒ f(x) ∈ B

(f(x
0
))) (B.6)
Gleichmäßig stetig:
∀ > 0∃δ > 0∀x, x
0
: x ∈ B
δ
(x
0
) ⇒ f(x) ∈ B

(f(x
0
)) (B.7)
Lipschitz stetig:
[f(x) −f(x
0
)[ ≤ c [x −x
0
[ (B.8)
Lipschitz stetig ⇒ gleichmäßig stetig ⇒ stetig
Kompaktheit
Eine Menge A ⊂ R
n
ist beschränkt, wenn ∃R ∈ R :
A ⊂ B
R
(0) (B.9)
A ⊂ R
n
heißt abgeschlossen, falls ¦x
n
¦
n∈N
∈ A mit lim
n→∞
¦x
n
¦
n∈N
= x und x ∈ A.
Satz von Bolzano-Weierstrass
K ⊂ R
n
kompakt, ¦x
n
¦
n∈N
⊂ K Folge in K
∃¦m
k
¦
k∈N
und a ∈ K, sodass
lim
k→∞
x
mk
= a (B.10)
Jede beschränkte Teilfolge hat eine konvergente Teilfolge.
Satz vom Minimum und Maximum
K ⊂ R
n
kompakt und f : K →R stetig. f nimmt ihr Minimum und Maximum auf K an.
inf
x∈K
f(x) = f(x
min
) (B.11)
sup
x∈K
f(x) = f(x
max
) (B.12)
II
Kurven
Tangentialvektor
d
dt
γ(t) = γ

(t) (B.13)
begleitendes Zweibein
Tangentialeinheitsvektor:T(s) =
γ

(s)

(s)|
Hauptnormalenvektor:N(s) =
T

(s)
|T

(s)|
(B.14)
begleitendes Dreibein
Tangentialeinheitsvektor: T(s) =
γ

(s)

(s)|
Hauptnormalenvektor: N(s) =
T

(s)
|T

(s)|
Binormalenvektor: B(s) = T(s) N(s)
Länge einer Kurve (S. ??)
L =
ˆ
b
a

(t)|dt (B.15)
Parametertransformation
f : [α, β] → [a, b]
ist glatt, bijektiv und streng monoton steigend.
γ : t → γ(t) wird zu ˜ γ : t → ˜ γ(t) (B.16)
Bei der Transformation ist die Länge und der Tangentialeinheitsvektor im Gegensatz zum
Tangentialvektor invariant.
Transformation nach Bogenlänge
1. Bogenlänge berechnen:
´
t
t0

(u)|du
2. nach t auflösen: s(t) umgestellt zu t = f(s(t))
3. in Kurve einsetzen: ˜ γ : s → γ(f(s))
Wegintegral skalarer Funktionen
ˆ
b
a
f(γ(t)) |γ

(t)|dt (B.17)
III
Wegintegral von Vektorfeldern
ˆ
γ
¸f(x), dx¸ =
ˆ
b
a
¸f(γ(t)), γ

(t)¸dt (B.18)
Flächenberechnung
für ebene Kurve:
F =
1
2
ˆ
b
a
_
x
1
(t)x

2
(t) −x

1
(t)x
2
(t)
_
dt (B.19)
für ebene Kurve in Polarkoordinaten:
F =
1
2
ˆ
b
a
r
2
˙
φdt (B.20)
allgemein:
F =
1
2
ˆ
b
a
¸f(γ(t)), γ

(t)¸dt (B.21)
Krümmung κ
T

(s) = κ(s) N(s) (B.22)
κ(t) =
x

y

−x

y

(x
2
+ y
2
)
3
2
(t) (B.23)
Torsion τ
B

(s) = −τ(s)N(s) (B.24)
τ(s) = −¸N(s), B

(s)¸ = ¸B(s), N

(s)¸ (B.25)
Partielle Differentiation
partielle Differentiation
• f heißt partiell differenzierbar am Punkt x ∈ U, falls der Limes
lim
δ→0
1
δ
(f(x + δe
j
) −f(x)) =

∂x
j
f(x) (B.26)
existiert für alle Richtungen, also für j = 1, ..., n.
• f heißt partiell differenzierbar, falls f partiell differenzierbar ist für alle x ∈ U.
IV
• f heißt stetig partiell differenzierbar am Punkt x ∈ U, falls
x →

∂x
j
f(x) (B.27)
stetig auf U ist für j= 1, ..., n.
Gradient
∇f(x) =
_
_
_

∂x
1
f(x)
.
.
.

∂x
1
f(x)
_
_
_
= Df
T
(B.28)
Divergenz
∇ F(x) =
n

j=1

∂x
j
F
j
(x) (B.29)
Rotation
(∇F)
i
(x) =
3

j,k=1

ijk

∂x
j
F
k
(x) (B.30)
Laplace-Operator
∆f =
n

j=1

2
∂x
2
j
f =
n

j=1

2
j
f (B.31)
Eine Funktion, für die gilt ∆f = 0 heißt harmonisch.
Satz von Schwarz
Ist f zwei mal stetig partiell differenzierbar, so gilt

j

i
f = ∂
i

j
f (B.32)
Jacobimatrix
Die Jacobimatrix enthält alle einfachen Ableitungen.
J(f)
ij
(x) =
_
_
_

1
f
1

n
f
1
.
.
.
.
.
.
.
.
.

1
f
m

n
f
m
_
_
_
(B.33)
V
Hessematrix
Die Hessematrix enthält alle zweifachen Ableitungen und ist symmetrisch.
H(f)
ij
(x) = ∂
i

j
f(x) (B.34)
Richtungsableitung
Die Ableitung im Punkt x
0
in Richtung des Vektors v ist
lim
t→0
1
t
(f(x
0
+ v t) −f(x
0
)) = v ∇f(x
0
) (B.35)
Lineare Approximation
Differenzierbarkeit
1. f heißt differenzierbar an der Stelle x ∈ U, falls eine lineare Abildung A(x) : R
n
→R
m
existiert mit
f(x + ξ) = f(x) + A(x)ξ + ζ(ξ) (B.36)
wobei der Fehlerterm ζ sublinear ist, also
lim
ξ→0
1
|ξ|
|ζ(ξ)| = 0
2. f heißt differenzierbar in U, falls f differenzierbar für alle x ∈ U ist.
3. f heißt stetig differenzierbar, falls x → A
mn
(x) stetig ist, also die lineare Abbildung von
R
n
→R
m
stetig ist.
Aus Differenzierbarkeit folgen Stetigkeit und partielle Differenzierbarkeit. Aus stetig partieller
Differenzierbarkeit folgt Differenzierbarkeit.
Kettenregel
Df ◦ g(x) = Df(g(x)) Dg(x) (B.37)
Differentation entlang einer Kurve
d
dt
f (γ(t)) = γ

(t) ∇f (γ(t)) (B.38)
VI
Potenzreihenentwicklung und Satz von Taylor
Satz von Taylor
Für eine auf einer offenen Menge definierte Funktion f ∈ (
p+1
ist die Taylorentwicklung im
Entwicklungspunkt x
0
mit Zwischenwert 0 ≤ θ ≤ 1 in der p-ten Ordnung:
f(x
0
+ h) =

|α|≤p
1
α!

α
f(x
0
)h
α
+

|α|=p+1
1
α!

α
f(x
0
+ θh)h
α
(B.39)
Multiindex
[α[ =
n

j=1
α
j
α! =
n

j=1

j
)!
D
α
f =
n

j=1
(∂
j
)
α
j
f x
α
=
n

j=1
(x
j
)
α
j
Satz von Taylor in 2. Ordnung
f(x + h) = f(x) +¸∇f(x), h¸ +
1
2
¸h, H(f)h¸ + Restglied (B.40)
Multinomische Formel
(x
1
+ + x
n
)
k
=

α∈N
n
0
,|α|=k
k!
α!
x
α
(B.41)
Extrema
x
0
ist stationärer/kritischer Punkt, wenn
∇f(x
0
) = 0 (B.42)
Der stationäre Punkt x
0
• ist ein isoliertes Maximum, wenn H(f)(x
0
) < 0
• ist ein isoliertes Minimum, wenn H(f)(x
0
) > 0
• ist ein Sattelpunkt, wenn H(f)(x
0
) indefinit. Bei der Nullmatrix sind weitere Betrach-
tungen nötig.
Koordinatentransformationen
Koordinatentransformationen
Koordinatentransformationen Φ : U → V sind Diffeomorphismen, also bijektiv und glatt.
Die j-te Koordinatenlinie durch den Punkt x
0
ist in V
t → Φ(x
0
+ t ˜ e
j
) (B.43)
VII
lokales n-Bein an der Stelle x = Φ(ξ)
η
j
= DΦ(ξ)˜ e
j
j = 1, . . . , n (B.44)
DΦ(ξ) = (η
1
, η
2
. . . η
n
)
Lokale Koordinaten erhält man durch normieren des n-Beins.
Umrechnung von Differentialoperatoren

ξ
= DΦ(ξ)
T

x
(B.45)
Umrechnung von Bogenlängen
L =
b
ˆ
a
¸
˙
˜ γ, ˜ g(˜ γ(t))
˙
˜ γ(t)¸
1/2
dt (B.46)
mit metrischem Tensor ˜ g = DΦ(ξ)
T
DΦ(ξ).
Ein infinitesimales Flächenelement ds ist ds
2
= ¸dx, ˜ g(x)dx¸.
Abstand
d(x, y) = min
γ
L(γ) (B.47)
Implizite Funktionen
Vorbetrachtungen
Für die implizite Funktion g gilt:
D
x
f + D
y
fD
x
g = 0
Satz impliziter Funktionen
Eine implizit definierte Funktion F : R
d
R
l
→R
m
kann dann in einer Umgebung des Punktes
P = (x, y) nach y aufgelöst werden, wenn
1. F ∈ (
1
2. F(P) = 0
3. D
y
F(P) =
_
_
_
∂F
1
∂y
1
. . .
∂F
1
∂y
l
.
.
.
.
.
.
.
.
.
∂F
m
∂y
1
. . .
∂F
m
∂y
l
_
_
_
invertierbar ist.
VIII
Differentiation impliziter Funktionen
Ist eine Funktion f(x, y, z) gegeben, die nach ˜ z(x, y) aufgelöst werden kann und ist der Gra-
dient ∇˜ z gefragt, so berechnet sich dieser als

x
˜ z = −

x
f(x
0
, y
0
, z
0
)

z
f(x
0
, y
0
, z
0
)

y
˜ z = −

y
f(x
0
, y
0
, z
0
)

z
f(x
0
, y
0
, z
0
)
Nullstellensatz
Das Newtonverfahren lautet
x
n+1
= x
n

f(x
n
)
f

(x
n
)
Variationsrechnung
Variation mit Nebenbedingung
Ist h unter einer Zwangsbedingung f zu extremalisieren, so ist das Extremum von h identisch
mit dem von F wobei
F
λ
(x) = h(x) −¸λ, f(x)¸
Variation von Funktionalen
Die Euler-Lagrange-Differentialgleichung lautet

1
f(x, ˙ x, t) −
d
dt
(∂
2
f(x, ˙ x, t) = 0
Differentialgleichungen
Inverse einer 2 2-Matrix
A =
_
a b
c d
_
→ A
−1
=
1
det A
_
d −b
−c a
_
Anfangswertproblem
Die Lösung von
y

= Ay mit y(t
0
) = y
0
ist y(t) = e
A(t−t
0
)
y
0
.
IX
Lipschitz-Stetigkeit
F : R
n
R →R
n
ist global Lipschitz stetig, falls ∃L > 0:
|F(x, t) −F(y, t)| ≤ L|x −y| ∀t ∈ R, x, y ∈ R
n
F : R
n
R →R
n
heißt lokal Lipschitz stetig, falls es zu jeder Kugel B
R
(0) und jedem Intervall
[−a, a] ein L = L
R,a
gibt, sodass
|F(x, t) −F(y, t)| ≤ L|x −y| ∀x, y ∈ B
R
(0), t ≤ a
Kontraktion
Die Abbildung φ : M → M heißt Kontraktion, wenn ∃λ ∈ [0, 1]∀x, y ∈ M:
d(φ(x), φ(y)) ≤ λd(x, y)
X
C. Formelsammlung Analysis 3
XI