Skript

Ingenieurmathematik 1
Hochschule Ruhr West

Prof. Dr. Andreas Sauer

15. Dezember 2023

Inhaltsverzeichnis

Vorbemerkung 3

1 Einige Grundbegriffe 4
1.1 Mathematische Texte . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Logik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Mengen und Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Sinus, Cosinus und Tangens (geometrisch) . . . . . . . . . . . . 9

2 Vektorrechnung in der Ebene und im Raum 10

2.1 Vektoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Die Ebene: R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Geraden, LGS und Determinanten im R2 . . . . . . . . . . . . . 15
2.4 Skalarprodukt und Orthogonalität im R2 . . . . . . . . . . . . 18
2.5 Normalenform einer Gerade im R2 . . . . . . . . . . . . . . . . . 19
2.6 Kreise und Ellipsen im R2 . . . . . . . . . . . . . . . . . . . . . 20
2.7 Der Raum: R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.8 Geraden, Ebenen und LGS im R3 . . . . . . . . . . . . . . . . . 23
2.9 Kreuzprodukt und Spatprodukt im R3 . . . . . . . . . . . . . . 26
2.10 Kugeln und Ellipsoide im R3 . . . . . . . . . . . . . . . . . . . . 28
2.11 Die komplexen Zahlen: C . . . . . . . . . . . . . . . . . . . . . . 29
2.12 Polarkoordinaten, Potenzen und Wurzeln in C . . . . . . . . . . 32
2.13 Komplexe Polynome . . . . . . . . . . . . . . . . . . . . . . . . 35

3 Funktionen einer Variablen und Stetigkeit 36

3.1 Abkürzende Notationen . . . . . . . . . . . . . . . . . . . . . . 36
3.2 Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3 Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4 Die Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . 42
3.5 Verknüpfungen von Funktionen und Stetigkeit . . . . . . . . . . 43
3.6 Monotonie und Umkehrfunktionen . . . . . . . . . . . . . . . . . 45
3.7 Trigonometrische und hyperbolische Funktionen . . . . . . . . . 48

4 Vektorrechnung in beliebiger Dimension 52

4.1 Der n-dimensionale Raum: Rn . . . . . . . . . . . . . . . . . . . 52
4.2 Lineare Unabhängigkeit und Lösbarkeit von LGS . . . . . . . . 54
4.3 Matrix-Algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.4 Eigenwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

1
 2

5 Differentialrechnung 61
5.1 Stetige Fortsetzbarkeit . . . . . . . . . . . . . . . . . . . . . . . 61
5.2 Differenzierbarkeit und Ableitungen . . . . . . . . . . . . . . . . 62
5.3 Ableitungsregeln . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4 Ableitungen höherer Ordnung . . . . . . . . . . . . . . . . . . . 66
5.5 Lokale Extrema, Mittelwertsatz und Konvexität . . . . . . . . . 67
5.6 Die Regel von de L’Hospital . . . . . . . . . . . . . . . . . . . . 71

6 Integralrechnung 72
6.1 Integrierbarkeit und (Riemann-)Integral . . . . . . . . . . . . . 72
6.2 Eigenschaften des Integrals . . . . . . . . . . . . . . . . . . . . . 75
6.3 Der Hauptsatz der Differential- und Integralrechnung . . . . . . 76
6.4 Integrationsregeln . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.5 Anwendungen der Integralrechnung . . . . . . . . . . . . . . . . 80
Vorbemerkung: Dieses Skript fasst die Inhalte des im Titel genannten
Moduls zusammen und unterstützt in erster Linie die Durchführung der Lehr-
veranstaltungen. Insbesondere ist die Formatierung des Skripts darauf ange-
passt.
In den Vorlesungen werden zusätzliche Begründungen und Erläuterungen gege-
ben. Auch die Beispiele werden dort vorgerechnet. Ich empfehle ausdrücklich,
dazu Mitschriften anzufertigen.
Zudem empfehle ich die Benutzung von Lehrbüchern, wie z.B. L. Papula,
Mathematik für Ingenieure und Naturwissenschaftler 1, Springer
Vieweg, welches Sie in der Bibliothek der HRW (auch als kostenlosen pdf-
Download) finden können.

3
Kapitel 1

Einige Grundbegriffe

1.1 Mathematische Texte

Ein mathematischer Text hat Abschnitte mit festen Bezeichnungen und

Funktionen:

Definition: Festlegung und Bezeichnung mathematischer Begriffe

Satz: Aussage, die wichtig ist (auch Theorem genannt)
Folgerung: Aussage, die sich (leicht) aus schon behandelten Sätzen ergibt
(auch Korollar genannt)
Beweis: Formale Begründung von Sätzen und Folgerungen
Beispiel: (klar)
Bemerkung: Erläuternder Text

4
1.2 Logik 5

1.2 Logik

Definition 1.1 (Aussage)

A ist eine Aussage, wenn man A einen Wahrheitswert zuordnen kann:
w für wahr“, oder f für falsch“.
” ”

Beispiel 1.2 A = Mülheim ist eine Stadt.“

”

Definition 1.3 (Verknüpfungen von Aussagen)

Aussagen A und B kann man verknüpfen: A ∧ B: A und B“ sowie A ∨ B:
”
A oder B“ (nicht entweder oder“)
” ”
Wertetabellen:

∧ w f ∨ w f
w w f w w w
f f f f w f

Aussagen A kann man negieren: ¬A. Dabei gilt ¬w = f und ¬f = w.

Definition 1.4 (Folgerung und Äquivalenz)

Für ¬A ∨ B = w schreibt man A ⇒ B ( A folgt B“). Dabei heißt A
”
hinreichend für B und B notwendig für A.
Falls A ⇒ B und B ⇒ A, so schreibt man A ⇔ B ( A äquivalent zu B“).
”

Beispiel 1.5 a) Lösungen der Gleichung

x2 − x − 2
= −1
x+1
b) Lösungen der Gleichung

4x2 = (x + 1)2

Satz 1.6 (Ex falso quodlibet)

Seien A und B Aussagen und A falsch. Dann gilt A ⇒ B.
1.3 Mengen und Zahlen 6

1.3 Mengen und Zahlen

Definition 1.7 (Mengen)

Eine Menge M ist eine Zusammenfassung von Objekten, ihren Elemen-
ten. Ist a Element einer Menge M , so schreibt man a ∈ M .

Definition 1.8 (Teilmengen)

Falls für zwei Mengen M und N gilt a ∈ N ⇒ a ∈ M (für alle denkbaren
a), so ist N Teilmenge von M , geschrieben N ⊂ M .

M
N

Definition 1.9 (Verknüpfungen von Mengen)

Mengen M und N kann man verknüpfen:

M ∪ N = {a | a ∈ M ∨ a ∈ N } (Vereinigung)
M ∩ N = {a | a ∈ M ∧ a ∈ N } (Durchschnitt)
M \ N = {a | a ∈ M ∧ a ∈
̸ N } (Mengendifferenz)

M N M N M N

M ∪N M ∩N M \N

Definition 1.10 (Zahlenmengen)

N = {1, 2, 3, 4, 5, 6, 7, 8, 9, . . .} (natürliche Zahlen)

Z = {0, 1, −1, 2, −2, 3, −3, . . .} (ganze Zahlen)
na o
Q = | a ∈ Z ∧ b ∈ Z \ {0} (rationale Zahlen)
b
1.3 Mengen und Zahlen 7

Definition 1.11 (Bruchrechnung)

In Q sind Addition und Multiplikation definiert:
a c a·d+b·c a c a·c
+ = , · =
b d b·d b d b·d

Definition 1.12 (Wert eines Bruchs)

Zwei Brüche a/b und c/d in Q haben denselben Wert, wenn sie durch
Kürzen oder Erweitern auseinander hervorgehen. D.h. wenn

a · d = b · c.

a
Bemerkung 1.13 Identifiziert man a ∈ Z mit 1
∈ Q, so gilt

N ⊂ Z ⊂ Q.

Bemerkung 1.14

d 1 d ̸∈ Q

Definition 1.15 (Reelle Zahlen)

Die Menge aller Komma-Zahlen“
”
R = {a.a1 a2 a3 a4 . . . | a ∈ Z ∧ an ∈ {0, 1, . . . , 9}}

heißt Menge der reellen Zahlen.

1.3 Mengen und Zahlen 8

Beispiel 1.16 a) 0.99999 . . . = 0.9 ∈ R. Was ist richtig: 0.9 < 1 oder
0.9 = 1?
√
b) Stimmt 2 = 1.41?

Satz 1.17 Eine reelle Zahl a.a1 a2 a3 a4 . . . ist genau dann rational, wenn
die Ziffernfolge a1 a2 a3 a4 . . . (irgendwann) periodisch ist.

Bemerkung 1.18 a) Mittels schriftlicher Division kann man rationale

Zahlen aus Q in Komma-Zahlen aus R umwandeln. Deshalb gilt

N ⊂ Z ⊂ Q ⊂ R.
√
b) Zahlen in R \ Q heißen irrational. Wie oben bemerkt ist 2 irrational,
ebenso wie die Kreiszahl π.

Definition 1.19 (Intervalle)

Folgende Teilmengen I von R heißen Intervalle:

[a, b] = {x ∈ R | a ≤ x ≤ b} (abgeschlossenes Intervall)

(a, b) = {x ∈ R | a < x < b} (offenes Intervall)
(a, b] = {x ∈ R | a < x ≤ b} (halboffenes Intervall)
[a, b) = {x ∈ R | a ≤ x < b} (halboffenes Intervall)

 I  I
I   I

a b a b a b a b
1.4 Sinus, Cosinus und Tangens (geometrisch) 9

1.4 Sinus, Cosinus und Tangens

(geometrisch)
Definition 1.20 (Trigonometrische Funktionen)
c b a sin(α) b
b sin(α) = , cos(α) = , tan(α) = =
α c c cos(α) a
a
sin = Sinus“, cos = Cosinus“, tan = Tangens“
” ” ”

Man definiert sin und cos für be-

liebige Winkel. Dabei werden Win-
kel gegen den Uhrzeigersinn positiv cos(α) α
gezählt, und mit dem Uhrzeigersinn 1
negativ. Jede (reelle) Zahl kann so als
Winkel aufgefasst werden. sin(α)

Satz 1.21 (Formeln für sin und cos)

a) Für alle α gilt
cos2 (α) + sin2 (α) = 1
( trigonometrischer Pythagoras“)
”
b) Additionstheoreme: Für alle α und β gilt
i) cos(α + β) = cos(α) · cos(β) − sin(α) · sin(β)
ii) sin(α + β) = sin(α) · cos(β) + cos(α) · sin(β)

Definition 1.22 (Bogenmaß)

Länge des Bogens =

Bogenmaß α
Meistens geben wir Winkel
im Bogenmaß an, also typi-
α
scherweise 1
0 ≤ α ≤ 2π.
Kapitel 2

Vektorrechnung in der Ebene

und im Raum

2.1 Vektoren
Definition 2.1 (Vektoren)
Jede Gerade (in der Ebene oder im Raum) und ihre Parallelen legen eine
Richtung fest.

dieselbe Richtung verschiedene Richtungen

Jeder Gerade (Richtung) kann man dieselbe Richtung,

zwei Orientierungen geben. aber verschiedene
Orientierungen

Ein Vektor ⃗a ist eine Größe Orientierung

mit einer Richtung, einer Ori- ⃗a
}z

entierung und einer Länge |⃗a|

|{

(oder Betrag) |⃗a|. derselbe Vektor ⃗a

Richtung

E
Jeder Vektor hat einen Anfangs- ⃗a Schreibweise
punkt A und einen Endpunkt E. −→
A ⃗a = AE

Ein Vektor mit Betrag 0 wird als Nullvektor ⃗0 bezeichnet.

Vektoren in der Ebene haben Dimension 2, im Raum Dimension 3.

10
2.1 Vektoren 11

Definition 2.2 (Vektoraddition)

Zwei Vektoren ⃗a und ⃗b (derselben Di- ⃗b
mension) addiert man durch Anein- ⃗a
anderhängen. ⃗a + ⃗b

Der Gegenvektor −⃗a zu ⃗a hat die-

selbe Richtung und denselben Betrag
wie ⃗a, aber die andere Orientierung. ⃗a −⃗a

Die Subtraktion eines Vektors bedeu-

tet Addition des Gegenvektors. ⃗a − ⃗b = ⃗a + (−⃗b)

Definition 2.3 (Skalarmultiplikation)

Eine Zahl λ ∈ R und ein Vektor ⃗a kann per Skalarmultiplikation mit-
einander multipliziert werden. Das Ergebnis λ · ⃗a ist ein Vektor, der fol-
gendermaßen gebildet wird:
a) Die Richtung ist dieselbe wie von ⃗a.
b) Falls λ > 0 so bleibt die Orientierung erhalten, falls λ < 0 so ändert
sich die Orientierung.
c) Der Betrag von λ ·⃗a wird über die Gleichung |λ ·⃗a| = |λ| · |⃗a| festgelegt.

2⃗a
(−1) · ⃗a
⃗a 1 = −⃗a − 12 ⃗a
2
⃗a
2.1 Vektoren 12

Satz 2.4 (Rechenregeln für Vektoren)

Für Vektoren ⃗a, ⃗b, ⃗c und Zahlen λ, µ gelten folgende Regeln:
a) (⃗a + ⃗b) + ⃗c = ⃗a + (⃗b + ⃗c) = ⃗a + ⃗b + ⃗c (Assoziativgesetz)
b) ⃗a + ⃗b = ⃗b + ⃗a (Kommutativgesetz)
c) λ · (⃗a + ⃗b) = λ · ⃗a + λ · ⃗b (Distributivgesetz)
d) λ · (µ · ⃗a) = (λ · µ) · ⃗a (Assoziativgesetz)

Satz 2.5 (Dreiecksungleichung)

Für alle Vektoren ⃗a und ⃗b (derselben Dimension) gilt die Dreiecksun-
gleichung
|⃗a + ⃗b| ≤ |⃗a| + |⃗b|.
2.2 Die Ebene: R2 13

2.2 Die Ebene: R2

Definition 2.6 (Koordinaten)

Wir statten die Ebene wie üblich mit einem (cartesischen) Koordina-
tensystem aus. Jeder Punkt E der Ebene kann dann mit einem Zahlen-
paar (x1 , x2 ) identifiziert werden, seinen Koordinaten.


x1
 x2 E
E = (x1 , x2 ) =
x2
x1
In der Vektorrechnung ordnet man
jedem Punkt E = (x1 , x2 ) den Vektor
−−−−−−−−→ x2 E
⃗x = (0, 0)(x1 , x2 ) zu. Alle Vektoren
werden so parallel verschoben, dass ⃗x
alle Anfangspunkte im Ursprung des
x1
Koordinatensystems liegen.

Man schreibt abkürzend ⃗x = (x1 , x2 ). Punkte und Vektoren haben also

dieselbe Darstellung.
Die Menge aller Punkte in der Ebene, bzw. die Menge aller Vektoren in
der Ebene mit Anfangspunkt (0, 0) bezeichnet man mit

R2 = {(x1 , x2 ) | x1 , x2 ∈ R}.

Satz 2.7 (Rechenoperationen in Koordinatenschreibweise)

Seien ⃗x = (x1 , x2 ), ⃗y = (y1 , y2 ) in R2 und λ ∈ R. Dann gilt:
     
x1 y1 x1 + y 1
a) ⃗x + ⃗y = + =
x2 y2 x2 + y 2
 
−x1
b) −⃗x =
−x2
 
x1 − y 1
c) ⃗x − ⃗y =
x2 − y 2
 
λx1
d) λ⃗x =
λx2
2.2 Die Ebene: R2 14

Satz 2.8 (Betrag in Koordinaten)

Sei ⃗x = (x1 , x2 ) ∈ R2 . Dann gilt:
q
|⃗x| = x21 + x22 .

   
1 2
Beispiel 2.9 ⃗x = , ⃗y = . Bestimmung von ⃗x + ⃗y , ⃗x − ⃗y , 2⃗x
−2 3
und |⃗x|.
2.3 Geraden, LGS und Determinanten im R2 15

2.3 Geraden, LGS und Determinanten im R2

Definition 2.10 (Geraden in der Ebene)

Seien ⃗a, ⃗b ∈ R2 , ⃗b ̸= ⃗0 fest gewählt und λ ∈ R beliebig.

Die Menge aller Punkte ⃗x der Form
g
g : ⃗x = ⃗a + λ⃗b
⃗b
bilden eine Gerade g (in der Ebene)
in Parameterdarstellung.
Der Vektor ⃗a wird als Aufpunkt ⃗a
oder Stützvektor bezeichnet, ⃗b ist ⃗0
der Richtungsvektor von g.

Beispiel 2.11    
3 1
g : ⃗x = +λ
4 −5
Liegt der Punkt (3, 4), bzw. (1, −5) auf g?

Beispiel 2.12
   
5 2
g1 : ⃗x = +λ
−1 −2
   
1 3
g2 : ⃗x = +λ
1 2

Berechne den Schnittpunkt von g1 und g2 .

2.3 Geraden, LGS und Determinanten im R2 16

Definition 2.13 (2 × 2-LGS)

Seien a, b, c, d ∈ R und ⃗y = (y1 , y2 ) ∈ R2 . Das Gleichungssystem für den
unbekannten Vektor ⃗x = (x1 , x2 ) ∈ R2 :

a · x1 + b · x2 = y 1 (I)
c · x1 + d · x2 = y 2 (II)

heißt lineares 2 × 2 Gleichungssystem (LGS).

Das Schema der Koeffizienten
 
a b
A=
c d

ist eine 2 × 2-Matrix.

Mit der Multiplikation
     
a b x1 a · x1 + b · x2
· =
c d x2 c · x1 + d · x2

kann man das LGS schreiben:

A · ⃗x = ⃗y .

Definition 2.14 (Determinante)

 
a b
Sei A = eine 2 × 2-Matrix. Dann heißt
c d

det(A) = a · d − c · b

die Determinante von A. Man schreibt auch

a b
det(A) = |A| = .
c d
2.3 Geraden, LGS und Determinanten im R2 17

Satz 2.15 (Eindeutige Lösbarkeit und Determinante)

Sei A · ⃗x = ⃗y ein 2 × 2-LGS. Das LGS besitzt genau dann eine eindeutige
Lösung, wenn det(A) ̸= 0. Es gilt dann die Cramersche Regel:

y1 b a y1
y2 d c y2
x1 = , x2 = .
a b a b
c d c d

Beispiel 2.16 Löse mit der Cramerschen Regel:

4λ − 3µ = 2
−2λ − 2µ = 1

Satz 2.17 (Geometrische Interpretation der Determinante)

 
a b
 
Für jede Matrix A = ist b
c d d
| det(A)| gleich
 der Fläche
 des von
a b | det(A)| 
den Spalten und auf-
c d a

gespannten Parallelogramms.
c
2.4 Skalarprodukt und Orthogonalität im R2 18

2.4 Skalarprodukt und Orthogonalität im R2

Definition und Satz 2.18 (Skalarprodukt)

Seien ⃗x = (x1 , x2 ) und ⃗y = (y1 , y2 ) in R2 . Dann heißt

⃗x · ⃗y = x1 · y1 + x2 · y2

das Skalarprodukt von ⃗x und ⃗y . Es gilt

⃗x · ⃗y = |⃗x| · |⃗y | · cos(α)

wobei α der von ⃗x und ⃗y eingeschlossene Winkel ist.

Folgerung 2.19 (Orthogonalität)

Zwei Vektoren ⃗x und ⃗y in R2 stehen genau dann senkrecht aufeinander
(sind orthogonal zueinander), wenn ⃗x · ⃗y = 0.

Bemerkung 2.20 Zu (x1 , x2 ) sind z.B. (x2 , −x1 ) und (−x2 , x1 ) orthogo-
nal.

Beispiel 2.21 Bestimme jeweils den Cosinus des eingeschlossenen Win-

kels und den Winkel selbst:
a) ⃗x = (1, 0), ⃗y = (0, 1),
b) ⃗x = (2, 3), ⃗y = (−1, 5),
c) ⃗x = (1, 0), ⃗y = (2, 2).

Satz 2.22 (Rechenregeln für das Skalarprodukt)

Für ⃗x, ⃗y , ⃗z in R2 und λ ∈ R gelten folgende Regeln:
a) ⃗x · ⃗y = ⃗y · ⃗x (Kommutativgesetz)
b) ⃗x · (⃗y + ⃗z) = ⃗x · ⃗y + ⃗x · ⃗z (Distributivgesetz)
c) λ · (⃗x · ⃗y ) = (λ · ⃗x) · ⃗y (Assoziativgesetz)
2.5 Normalenform einer Gerade im R2 19

2.5 Normalenform einer Gerade im R2

Beispiel 2.23 Bestimme/beschreibe alle ⃗x, die auf ⃗n = (−1, 2) senkrecht

stehen.

Satz 2.24 (Normalenform einer Gerade)

Jede Gerade g : ⃗x = ⃗a + λ⃗b in der Ebene ist die Lösungsmenge einer
Gleichung der Form
t · x1 + u · x2 = v (∗)
mit t, u, v ∈ R und (t ̸= 0 ∨ u ̸= 0).
Umgekehrt ist die Lösungsmenge jeder Gleichung der Form (∗) mit (t ̸=
0 ∨ u ̸= 0) eine Gerade g.
Die Gleichung (∗) heißt eine Normalenform von g und ⃗n = (t, u) ist ein
Normalenvektor der Gerade. Falls |⃗n| = 1 ist, so spricht man von einer
Hesse-Normalenform.

Beispiel 2.25 a) Überführe ⃗x = (2, −3) + λ(−1, 2) in Normalenform.

b) Überführe x1 + x2 = 2 in Parameterform ⃗x = ⃗a + λ⃗b.

Satz 2.26 (Abstand Punkt Gerade)

Sei g : t · x1 + u · x2 = v in Hesse-Normalenform und ⃗y = (y1 , y2 ) ∈ R2 .
Der Abstand zwischen ⃗y und g beträgt

|t · y1 + u · y2 − v|.

Beispiel 2.27 Abstand von (−1, 2) zur Gerade 3x1 − x2 = 2.

2.6 Kreise und Ellipsen im R2 20

2.6 Kreise und Ellipsen im R2

Definition 2.28 (Kreis)

x2

Der Kreis (in der Ebene) mit Radi-

⃗a
us r > 0 und Mittelpunkt ⃗a ist die
Menge aller Punkte ⃗x mit Abstand r r
von ⃗a.

x1

Satz 2.29 (Kreisgleichung)

Der Kreis mit Radius r > 0 und Mittelpunkt ⃗a = (a1 , a2 ) ist genau die
Menge aller Punkte ⃗x = (x1 , x2 ), welche die folgende Gleichung lösen:

(x1 − a1 )2 + (x2 − a2 )2 = r2

Beispiel 2.30 a) Einheitskreis, b) ⃗a = (1, 2), r = 2.

Definition 2.31 (Ellipse und Ellipsengleichung)

x2
Eine Ellipse (in Standardlage) mit b
den Halbachsen a, b > 0 ist die
Lösungsmenge der Gleichung
a
 x 2  x 2
1 2
x1
+ =1
a b
2.7 Der Raum: R3 21

2.7 Der Raum: R3

Definition 2.32 (Der dreidimensionale Raum R3 )

R3 = {(x1 , x2 , x3 ) | x1 , x2 , x3 ∈ R}

Übertragung der Definitionen und Ergebnisse aus dem R2 :

1. Rechenoperationen
     
x1 y1 x1 + y1
⃗x + ⃗y =  x2  +  y2  =  x2 + y2 
x3 y3 x3 + y3
 
λx1
λ⃗x =  λx2 
λx3
2. Betrag q
|⃗x| = x21 + x22 + x23
3. Dreiecksungleichung

|⃗x + ⃗y | ≤ |⃗x| + |⃗y |

4. Skalarprodukt

⃗x · ⃗y = x1 · y1 + x2 · y2 + x3 · y3

⃗x · ⃗y = |⃗x| · |⃗y | · cos(α)

⃗x, ⃗y orthogonal ⇔ ⃗x · ⃗y = 0
5. Matrix und LGS
 
a11 a12 a13
A=  a21 a22 a23  3 × 3-Matrix
a31 a32 a33
     
a11 a12 a13 x1 a11 x1 + a12 x2 + a13 x3
A · ⃗x =  a21 a22 a23  ·  x2  =  a21 x1 + a22 x2 + a23 x3 
a31 a32 a33 x3 a31 x1 + a32 x2 + a33 x3

A · ⃗x = ⃗y 3 × 3-LGS (∗)
6. Determinante (Sarrus-Regel)

det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a31 a22 a13 − a32 a23 a11 − a33 a21 a12
2.7 Der Raum: R3 22

7. Eindeutige Lösbarkeit LGS, Cramersche Regel

(∗) ist genau dann eindeutig lösbar, wenn det(A) ̸= 0. Cramersche Regel:

y1 a12 a13 a11 y1 a13 a11 a12 y1

y2 a22 a23 a21 y2 a23 a21 a22 y2
y3 a32 a33 a31 y3 a33 a31 a32 y3
x1 = , x2 = , x3 =
a11 a12 a13 a11 a12 a13 a11 a12 a13
a21 a22 a23 a21 a22 a23 a21 a22 a23
a31 a32 a33 a31 a32 a33 a31 a32 a33

8. Geometrische Bedeutung Determinante

| det(A)| ist gleich dem Volumen des

Spats, der von den Spaltenvektoren Spat
von A aufgespannt wird.
2.8 Geraden, Ebenen und LGS im R3 23

2.8 Geraden, Ebenen und LGS im R3

Definition 2.33 (Geraden und Ebenen im Raum)

Seien ⃗a, ⃗b, ⃗c ∈ R3 fest gewählt, ⃗b und ⃗c keine Vielfachen voneinander und
λ, µ ∈ R beliebig.

g
Die Menge aller Punkte ⃗x der Form
⃗b
g : ⃗x = ⃗a + λ⃗b

bilden eine Gerade (im Raum) in

⃗a
Parameterdarstellung.
⃗0

Die Menge aller Punkte ⃗x der Form ⃗b E

E : ⃗x = ⃗a + λ⃗b + µ⃗c ⃗c

bilden eine Ebene (im Raum) in Pa- ⃗a

rameterdarstellung. ⃗0
Analog zu den Geraden in der Ebene ist ⃗a der Aufpunkt oder Stützvektor,
und ⃗b, bzw. ⃗b und ⃗c, sind die Richtungsvektoren von g bzw. E.

Satz 2.34 (Normalenform Ebene und Abstand Punkt Ebene)

Jede Ebene E im R3 ist die Lösungsmenge einer linearen Gleichung mit
den drei Unbekannten ⃗x = (x1 , x2 , x3 ):

t · x1 + u · x2 + v · x3 = w (∗)

mit t, u, v, w ∈ R und (t ̸= 0 ∨ u ̸= 0 ∨ v ̸= 0).

(∗) ist eine Normalenform von E und ⃗n = (t, u, v) ein Normalenvek-
tor von E. Der Normalenvektor ⃗n steht senkrecht auf der von ⃗b und ⃗c
aufgespannten Ebene. Falls |⃗n| = 1 so ist (∗) eine Hesse-Normalenform
(HNF) von E.
Der Abstand von ⃗y = (y1 , y2 , y3 ) zu E in HNF beträgt

|t · y1 + u · y2 + v · y3 − w|
2.8 Geraden, Ebenen und LGS im R3 24

Beispiel 2.35 a) Bestimme den Schnittpunkt von

   
1 1
g : ⃗x =  0  +µ 2 

2 1

E : 4x1 − 2x2 + 5x3 = −1

b) Schnittmenge von drei Ebenen.

Definition 2.36 (Elementare Zeilenumformungen)

Bei einer Matrix bezeichnet man als elementare Zeilenumformungen
(EZU):
1. Vertauschen von Zeilen
2. Multiplikation einer Zeile mit λ ̸= 0
3. Addieren/Subtrahieren von Zeilen

Definition und Satz 2.37 (Gaußscher Algorithmus)

Sei A eine 3 × 3-Matrix, ⃗y ∈ R3 und A · ⃗x = ⃗y ein 3 × 3-LGS.
 
a11 a12 a13 y1
B = (A | ⃗y ) =  a21 a22 a23 y2 
a31 a32 a33 y3

heißt erweiterte Matrix. (B ist eine 3 × 4-Matrix.)

1. Verändert man B = (A | ⃗y ) durch EZU zu B ′ = (A′ | ⃗y ′ ), so haben
A · ⃗x = ⃗y und A′ · ⃗x = ⃗y ′ dieselben Lösungen.
2. Man kann immer erreichen, dass A′ eine obere Dreiecksmatrix ist,
d.h.  
∗ ∗ ∗
A′ =  0 ∗ ∗  .
0 0 ∗
Dabei steht ∗ für einen beliebigen Eintrag. (Gaußscher Algorithmus)
2.8 Geraden, Ebenen und LGS im R3 25

Beispiel 2.38 Löse das LGS mit dem Gauß-Verfahren

4x1 + 3x2 − x3 = 1
2x1 + x2 − 2x3 = 3
9x1 + 6x2 − x3 = −1
2.9 Kreuzprodukt und Spatprodukt im R3 26

2.9 Kreuzprodukt und Spatprodukt im R3

Definition 2.39 (Kreuzprodukt)

Seien ⃗a und ⃗b im R3 . Dann ist
 
a2 b 3 − a3 b 2
⃗a × ⃗b =  −a1 b3 + a3 b1 
a1 b 2 − a2 b 1
das Kreuzprodukt oder Vektorprodukt von ⃗a und ⃗b.

Satz 2.40 (Eigenschaften Kreuzprodukt)

Seien ⃗a und ⃗b im R3 . Dann gilt:

a) ⃗a × ⃗b ist orthogonal zu ⃗a und ⃗b. ⃗a × ⃗b

b) ⃗a, ⃗b, ⃗a × ⃗b ist ein Rechtssytem. ⃗b
c) |⃗a × ⃗b| = |⃗a| · |⃗b| · sin(α) = F F = |⃗a × ⃗b|
α
d) ⃗a × ⃗b = ⃗0 ⇔ ⃗a, ⃗b Vielfache voneinander
⃗a

Beispiel 2.41 Winkelgeschwindigkeit.

Satz 2.42 (Rechenregeln Kreuzprodukt)

Seien ⃗a, ⃗b und ⃗c im R3 , sowie λ ∈ R. Dann gilt:
a) ⃗a × ⃗b = −(⃗b × ⃗a)
b) ⃗a × (⃗b + ⃗c) = ⃗a × ⃗b + ⃗a × ⃗c
c) (λ⃗a) × ⃗b = λ(⃗a × ⃗b)
2.9 Kreuzprodukt und Spatprodukt im R3 27

Beispiel 2.43 Ermittle eine HNF der Ebene

     
1 2 0
E : ⃗x =  0  + λ  0  + µ  0 
0 1 1

Definition 2.44 (Spatprodukt)

Für ⃗a, ⃗b und ⃗c im R3 heißt

[ ⃗a ⃗b ⃗c ] = ⃗a · (⃗b × ⃗c)

das Spatprodukt (oder gemischtes Produkt) von ⃗a, ⃗b und ⃗c.

Satz 2.45 (Spatprodukt und Determinante)

Für ⃗a, ⃗b und ⃗c im R3 gilt:

a1 b1 c1
[ ⃗a ⃗b ⃗c ] = a2 b 2 c 2 = ±Volumen ⃗a ⃗b ⃗c -Spat
a3 b 3 c 3
2.10 Kugeln und Ellipsoide im R3 28

2.10 Kugeln und Ellipsoide im R3

Definition 2.46 (Sphäre)

Die Sphäre oder Kugeloberfläche

im R3 mit Radius r > 0 und Mit- r ⃗a
telpunkt ⃗a ist die Menge aller Punk-
te ⃗x mit Abstand r von ⃗a.

Satz 2.47 (Gleichung Kugeloberfläche)

Die Sphäre mit Radius r > 0 und Mittelpunkt ⃗a = (a1 , a2 , a3 ) ist genau die
Menge aller Punkte ⃗x = (x1 , x2 , x3 ), welche die folgende Gleichung lösen:

(x1 − a1 )2 + (x2 − a2 )2 + (x3 − a3 )2 = r2

Beispiel 2.48 Einheitssphäre.

Definition 2.49 (Ellipsoid und Ellipsoidgleichung)

x3
Ein Ellipsoid (in Standardlage) mit c
x2
den Halbachsen a, b, c > 0 ist die
Lösungsmenge der Gleichung b
a
 x 2  x 2  x 2
1 2 3
x1
+ + =1
a b c
2.11 Die komplexen Zahlen: C 29

2.11 Die komplexen Zahlen: C

Definition 2.50 (Komplexe Multiplikation und Addition)

Für x = (x1 , x2 ) und y = (y1 , y2 ) im R2 ist

x · y = (x1 y1 − x2 y2 , x1 y2 + x2 y1 )

die komplexe Multiplikation.

Die Addition
x + y = (x1 + y1 , x2 + y2 )
übernimmt man aus der Vektorrechnung.
R2 mit dieser Addition und Multiplikation sind die komplexen Zahlen
C.

Satz 2.51 (Rechenregeln in C)

Seien x, y, z ∈ C.
Regeln der Addition (bekannt aus der Vektorrechnung)
1. x + y = y + x (Kommutativgesetz)
2. x + (y + z) = (x + y) + z (Assoziativgesetz)
3. Mit 0 = (0, 0) existiert ein Nullelement: x + 0 = x für alle x ∈ C.
4. Zu jedem x ∈ C gibt es genau ein inverses Element −x ∈ C mit
x + (−x) = 0.

Regeln der Multiplikation

5. x · y = y · x (Kommutativgesetz)
6. x · (y · z) = (x · y) · z (Assoziativgesetz)
7. Mit 1 = (1, 0) existiert ein Einselement: x · 1 = x für alle x ∈ C.
1
8. Zu jedem x ∈ C mit x ̸= 0 gibt es genau ein inverses Element x
∈C
mit x · x1 = 1.

Zudem gilt die Verträglichkeitsregel

9. x · (y + z) = x · y + x · z (Distributivgesetz)

Diese Regeln sind identisch mit den Rechenregeln in R.

2.11 Die komplexen Zahlen: C 30

Bemerkung 2.52 (R als Teilmenge von C)

Alle komplexen Zahlen der Form (x1 , 0) werden mit x1 ∈ R identifiziert.
Für diese komplexen Zahlen reduziert sich komplexe Addition und Multi-
plikation auf die übliche Addition und Multiplikation in R:

x1 + y1 = (x1 , 0) + (y1 , 0) = (x1 + y1 , 0)

x1 · y1 = (x1 , 0) · (y1 , 0) = (x1 · y1 − 0 · 0, x1 · 0 + 0 · y1 ) = (x1 · y1 , 0)

In diesem Sinn ist R eine Teilmenge von C. Zudem führen Rechnungen

mit reellen Zahlen zu denselben Ergebnissen, unabhängig davon, ob man
die Zahlen als reell oder komplex auffasst. C ist eine Erweiterung von
R. Es gilt also abschließend:

N ⊂ Z ⊂ Q ⊂ R ⊂ C.

Alle Rechnungen in einer dieser Zahlenmengen können auch identisch in

den Obermengen durchgeführt werden.

Definition und Satz 2.53 (Imaginäre Einheit, Realteil und Ima-

ginärteil)

i·R
Die komplexe Zahl i = (0, 1) heißt C
imaginäre Einheit. Sie hat die i
wichtige Eigenschaft

i2 = −1. R

Die vertikale Koordinatenachse, auf der i liegt, heißt imaginäre Achse

i · R und die horizontale Achse heißt reelle Achse R. Für x = (x1 , x2 )
heißt x1 Realteil und x2 Imaginärteil von x:

Re(x) = x1 und Im(x) = x2 .

Übliche Notation:
x = x1 + i · x2

Beispiel 2.54 a) und b) (2, 2) · (−1, 0), c) (1 + 2i) · (3 + 4i)

2.11 Die komplexen Zahlen: C 31

Definition 2.55 (konjugiert komplexe Zahl)

Für z = x + iy heißt z = x − iy kon- z

jugiert komplexe Zahl zu z. Da-
mit ist z die Spiegelung von z an der
reellen Achse.
z

Satz 2.56 (Eigenschaften konjugiert komplexe Zahl)

Für alle z, z1 , z2 ∈ C gilt:
a) z1 + z2 = z1 + z2 , z1 · z2 = z1 · z2
1 z
b) z · z = |z|2 oder = 2
z |z|

2
Beispiel 2.57 a) 1 + 2i = (1 + 2i)2 , b) 1i , c) 1
−1+i
2.12 Polarkoordinaten, Potenzen und Wurzeln in C 32

2.12 Polarkoordinaten, Potenzen und

Wurzeln in C

Definition und Satz 2.58 (Polarkoordinaten)

Jede komplexe Zahl z = x + iy lässt z

sich in Polarkoordinaten schrei- y = r sin(φ)
r
ben:
φ
x + iy = r(cos(φ) + i sin(φ)). x = r cos(φ)

Dabei ist r = |z| der Betrag von z und φ das Argument von z. (Beachte:
Der Wert von φ ist nicht eindeutig bestimmt, da cos und sin periodisch
sind.)

Beispiel 2.59 (2 + 2i) in Polarkoordinaten.

Satz 2.60 (Multiplikation in Polarkoordinaten)

Das Produkt zweier komplexer Zahlen in Polarkoordinaten

z1 = r1 (cos(φ1 ) + i sin(φ1 )), z2 = r2 (cos(φ2 ) + i sin(φ2 ))

lässt sich in Polarkoordinaten schreiben:

z1 · z2

r1 r2

z2
z1 ·z2 = r1 ·r2 (cos(φ1 +φ2 )+i sin(φ1 +φ2 )) φ1
r2 z1
r1
φ2 φ1

Merkregel: Beträge multiplizieren, Argumente addieren

2.12 Polarkoordinaten, Potenzen und Wurzeln in C 33

Satz 2.61 (Formel von de Moivre)

Für z = r(cos(φ) + i sin(φ)) ∈ C und n ∈ N gilt:

z n = rn (cos(nφ) + i sin(nφ)).

Beispiel 2.62 (2 + 2i)3 in cartesischen Koordinaten und in Polarkoordi-

naten.

Definition 2.63 (Wurzeln in C)

Sei z ∈ C. Jede komplexe Lösung w der Gleichung wn = z heißt eine n-te
Wurzel von z.

Satz 2.64 (Wurzeln in Polarkoordinaten)

Jedes z = r(cos(φ) + i sin(φ)) ∈ C mit z ̸= 0 hat genau n verschiedene
n-te Wurzeln w1 , . . . , wn :
√
    
n
φ + 2kπ φ + 2kπ
wk = r cos + i sin
n n

mit k = 1, . . . , n.

Beispiel 2.65 Die vierten Wurzeln von z = 1.

2.12 Polarkoordinaten, Potenzen und Wurzeln in C 34

Bemerkung 2.66 (Eulersche Formel)

Die Eulersche Formel lautet

eiφ = cos(φ) + i sin(φ)

und damit z = r · eiφ .

Dabei ist ew die (komplexe) Exponentialfunktion, die wir aber bis jetzt
noch nicht einmal in R kennen gelernt haben. Deshalb können wir eiφ im
Moment nur als Rechensymbol“ auffassen. Zwei wichtige Eigenschaften
”
dieser Notation sind:
a) eiφ1 · eiφ2 = ei(φ1 +φ2 )
b) eiφ = e−iφ
Die komplexe Multiplikation in Polarkoordinaten nimmt damit folgende
Form an:

z1 · z2 = r1 eiφ1 · r2 eiφ2 = r1 r2 eiφ1 · eiφ2 = r1 r2 ei(φ1 +φ2 )

Die komplexe Exponentialfunktion und die Eulersche Formel werden wir

erst in Ingenieurmathematik 2 behandeln können.
2.13 Komplexe Polynome 35

2.13 Komplexe Polynome

Definition 2.67 (Komplexe Polynome)

Jeder Ausdruck der Form

P (z) = a0 + a1 · z + a2 · z 2 + a3 · z 3 + . . . + an · z n

mit an ̸= 0 heißt Polynom (in z) vom Grad n, degP = n. Sind dabei

a0 , a1 , . . . , an und z komplex, so heißt P ein komplexes Polynom.

Beispiel 2.68 Nullstellen von P (z) = z 2 + 1.

Satz 2.69 (Fundamentalsatz der Algebra)

Jedes nicht-konstante komplexe Polynom besitzt eine Nullstelle in C.

Beispiel 2.70 (Horner-Schema und Polynomdivision)

P (10) und Faktorisierung mit Horner-Schema und Polynomdivision von
P (x) = 3x3 − x2 − 11x + 2.

Folgerung 2.71 (Faktorisierung von komplexen Polynomen)

Jedes komplexe Polynom zerfällt in Linearfaktoren:

P (z) = c · (z − z1 )k1 · (z − z2 )k2 · . . . · (z − zm )km

mit den Nullstellen z1 , . . . , zm ∈ C von den Ordnungen k1 , . . . , km .

Es gilt degP = k1 + . . . + km .

Beispiel 2.72 Faktorisierung von P (z) = 2z 3 +(4−12i)z 2 −(18+24i)z −

36.

Beispiel 2.73 Lösungen von x3 − 3x + 1 = 0.

Kapitel 3

Funktionen einer Variablen und

Stetigkeit

3.1 Abkürzende Notationen

Definition 3.1 (Summen- und Produktzeichen)

Seien m ≤ n ganze Zahlen und für jedes k ∈ Z mit m ≤ k ≤ n sei ak ∈ R.
Man setzt:
n
X
ak = am + am+1 + . . . + an (Summenzeichen)
k=m

und n
Y
ak = am · am+1 · . . . · an (Produktzeichen)
k=m

P5 Q5
Beispiel 3.2 a) k=1 k, b) k=1 1/k

Definition 3.3 (Fakultät und Binomialkoeffizienten)

a) Sei n ∈ N. Die Zahl
n
Y
n! = k = 1 · 2 · 3 · ... · n
k=1

heißt n Fakultät. (Konvention: 0! = 1)

36
3.1 Abkürzende Notationen 37

b) Seien n, k ∈ N ∪ {0} = N0 mit n ≥ k. Die Zahlen

 
n n!
=
k k!(n − k)!

heißen Binomialkoeffizienten ( n über k“).

”

Satz 3.4 (Bedeutung Fakultät und Binomialkoeffizienten)

a) n! ist die Anzahl der Möglichkeiten, n Objekte in eine Reihenfolge zu
bringen.
b) nk ist die Anzahl der k-elementigen Teilmengen einer n-elementigen

Menge.

Beispiel 3.5 a) Reihenfolgen für {1, 2, 3}, b) Anzahl Möglichkeiten 6 aus

49.

Bemerkung 3.6 (Pascalsches Dreieck)

Die Binomialkoeffizienten lassen sich im Pascalschen Dreieck anordnen.

Satz 3.7 (Binomischer Lehrsatz)

Seien a, b ∈ R und n ∈ N0 . Dann gilt
n  
n
X n
(a + b) = an−k bk .
k=0
k

Beispiel 3.8 a) (a + b)2 , b) (a + b)4 .

3.2 Folgen 38

3.2 Folgen
Definition 3.9 (Folgen)
Ordnet man jedem n ∈ N ein an ∈ R zu, so ist

a1 , a2 , a3 , a4 , . . .

eine Folge.

1 n
Beispiel 3.10 a) an = , b) bn = n , c) cn = n2
n 2

Definition 3.11 (Konvergenz und Grenzwerte)

Die Folge an konvergiert gegen a ∈ R, falls für jedes ε > 0 ein nε ∈ N
existiert mit
|an − a| < ε
für alle n ≥ nε .
Die Zahl a heißt dann Grenzwert der Folge an , geschrieben

lim an = a.
n→∞

Eine Folge ohne Grenzwert heißt divergent.

n+1 1
Beispiel 3.12 a) an = , b) bn = , c) cn = (−1)n
n n
3.3 Funktionen 39

3.3 Funktionen
Definition 3.13 (Funktionen)
Seien M und N Mengen. Ordnet man jedem x ∈ M genau ein y ∈ N zu,
y = f (x), so heißt diese Zuordnung f eine Funktion (oder Abbildung)
von M nach N :
f : M → N.
M heißt Definitionsbereich von f und N Bildbereich von f .

Beispiel 3.14 a) Jede Folge an ist eine Funktion von N nach R. (Statt
f (n) schreibt man meist an .)
b) Ist A eine 2 × 2-Matrix, so ist die Zuordnung ⃗y = A · ⃗x eine Funktion
von R2 nach R2 .
c) f (z) = z 2 für z ∈ C ist eine Funktion von C nach C.
d)

y
f : R → R, f (x) = c für alle x
(konstante Funktion) c
x
e)

f : R → R, f (x) = x
(identische Abbildung) x

f)

y
f : R → R, f (x) = x2
(Normalparabel)
x
g)

f : R → R, y

−x, x < 0
f (x) = |x| =
x, x ≥ 0
(Betragsfunktion) x
3.3 Funktionen 40

h)

f : R → R, f (x) = x3
(kubische Funktion) x

i)

f : R → R, y

0, x ≤ 0
f (x) =
1, x > 0
(Sprungfunktion) x
j)

f : R → R, f (x) = exp(x) = ex
(Exponentialfunktion)

x
k)

y
√
f : R≥0 → R, f (x) = x
(Wurzelfunktion)
x
l)

1
f : R \ {0} → R, f (x) =
x
x
(Hyperbel)

m) Alle Funktionen f : R → R der Form

n
X
f (x) = ak x k = a0 + a1 x + a2 x 2 + . . . + an x n
k=0

(mit ak ∈ R und an ̸= 0) heißen (relle) Polynome vom Grad n.

3.3 Funktionen 41

n) Sind f und g Polynome dann ist

f (x)
h(x) =
g(x)

eine rationale Funktion.

3.4 Die Exponentialfunktion 42

3.4 Die Exponentialfunktion

Definition und Satz 3.15 (Exponentialfunktion, Eulersche Zahl)
Die Folge  x n
an (x) = 1 +
n
konvergiert für jeden festen Wert x ∈ R.
y
Die Exponentialfunktion exp(x) ist defi-
niert über die Grenzwerte von an (x):
 x n 1
exp(x) = lim 1 + .
n→∞ n x
Die Eulersche Zahl e ist festgelegt durch

e = exp(1) = 2.7182 . . .

Die Eulersche Zahl ist irrational.

Satz 3.16 (Funktionalgleichung der Exponentialfunktion)

Für alle x, y ∈ R gilt:

exp(x + y) = exp(x) · exp(y).

Folgerung 3.17 (Eigenschaften der Exponentialfunktion)

Für alle x ∈ R gilt:
a) exp(0) = 1
1
b) exp(−x) =
exp(x)
c) exp(x) > 0
d) exp(x) ≥ 1 + x

n
Bemerkung 3.18 Die Folge 1 + nx ist für die (näherungsweise) Be-
rechnung von exp nicht gut geeignet. Wir werden in Ingenieurmathematik
2 besser geeignete Verfahren kennen lernen.
3.5 Verknüpfungen von Funktionen und Stetigkeit 43

3.5 Verknüpfungen von Funktionen und

Stetigkeit
Definition 3.19 (Verknüpfungen von Funktionen)
Seien f : D → R und g : D → R Funktionen und λ ∈ R.
a) f + g : D → R, (f + g)(x) = f (x) + g(x)
b) f · g : D → R, (f · g)(x) = f (x) · g(x)
f f f (x)
c) : D → R, (x) =
g g g(x)
(sofern g(x) ̸= 0 in D, sonst muss man D verkleinern)
d) λf : D → R, (λf )(x) = λ · f (x)

1 √
Beispiel 3.20 a) f (x) = x2 , g(x) = x: f + g, b) f (x) = , g(x) = x:
x
f
f · g, c) f (x) = x, g(x) = exp(x):
g

Definition 3.21 (Verkettung von Funktionen)

Seien f : E → R und g : D → E Funktionen. Die Verkettung (oder
Komposition) von f und g ist die Funktion

f ◦ g : D → R, (f ◦ g)(x) = f (g(x)).

√ 1
Beispiel 3.22 a) f (x) = x, g(x) = x2 : f ◦ g b) f (x) = , g(x) = sin(x):
x
2 1
f ◦ g, c) f (x) = x , g(x) = x, h(x) = : f · (f ◦ (g + h)).
x

Definition 3.23 (Stetigkeit)

Seien f : D → R eine Funktion und x ∈ D.
f heißt stetig in x, falls für jede Folge xn in D, die gegen x konvergiert,
gilt:
lim f (xn ) = f ( lim xn ) = f (x).
n→∞ n→∞

Ist f für alle x ∈ D stetig, so heißt f stetig in D.

3.5 Verknüpfungen von Funktionen und Stetigkeit 44

Beispiel 3.24 Die Sprungfunktion (Bsp. 3.14, i)) ist in x = 0 nicht stetig.

Satz 3.25 (Stetigkeit der elementaren Funktionen)

Die Funktionen aus Beispiel 3.14 sind mit Ausnahme der Sprungfunktion
(an der Stelle x = 0) in ihrem gesamten Definitionsbereich stetig.

Satz 3.26 (Stetigkeit der Verknüpfungen und Verkettung)

Sind f und g stetig, so auch f + g, f · g, f /g und f ◦ g.

Satz 3.27 (Zwischenwertsatz)

Sei f : [a, b] → R stetig und c ∈ R mit f (a) < c < f (b). Dann gibt es ein
x ∈ (a, b) mit f (x) = c.

Folgerung 3.28 (Nullstelle bei Vorzeichenwechsel)

Sei f : [a, b] → R stetig und f (a) · f (b) < 0 (Vorzeichenwechsel). Dann
hat f eine Nullstelle x ∈ (a, b): f (x) = 0.

Satz 3.29 (Satz vom Maximum und Minimum)

Sei f : [a, b] → R stetig. Dann nimmt f auf [a, b] Maximum und Minimum
an.

Beispiel 3.30 f (x) = x auf (0, 1).

3.6 Monotonie und Umkehrfunktionen 45

3.6 Monotonie und Umkehrfunktionen

Definition 3.31 (Monotonie)
Eine Funktion f heißt streng monoton wachsend, falls für alle x1 , x2
aus dem Definitionsbereich gilt:

x1 < x2 ⇒ f (x1 ) < f (x2 )

und streng monoton fallend, falls

x1 < x2 ⇒ f (x1 ) > f (x2 ).

Beispiel 3.32 a) Die Exponentialfunktion ist streng monoton wachsend.

b) f (x) = x2 ist weder streng monoton wachsend noch streng monoton
fallend.

Definition 3.33 (Umkehrbarkeit und Umkehrfunktion)

Eine Funktion f heißt umkehrbar, falls es zu jedem y höchstens ein x
mit f (x) = y gibt.
Auf den y-Werten, für die es ein solches x gibt, dem Bild von f , definiert
man die Umkehrfunktion f −1 durch

f −1 (y) = x ⇔ f (x) = y.

Satz 3.34 (Strenge Monotonie und Umkehrbarkeit)

a) Eine streng monotone Funktion ist umkehrbar.
b) Eine stetige Funktion ist genau dann umkehrbar, wenn sie streng mo-
noton ist.

Beispiel 3.35 Die Exponentialfunktion exp : R → R>0 ist umkehrbar.

3.6 Monotonie und Umkehrfunktionen 46

Definition 3.36 (Logarithmusfunktion)

y
Die Umkehrfunktion der Exponenti- ln(x)
alfunktion

ln : R>0 → R, y = ln(x)
x
1
heißt (natürliche) Logarithmus-
funktion.

Satz 3.37 (Funktionalgleichung des Logarithmus)

Für alle x, y ∈ R>0 gilt:

ln(x · y) = ln(x) + ln(y).

Beispiel 3.38 f : R → R≥0 , f (x) = x2 ist nicht umkehrbar. Aber f : R≥0 →

R≥0 , f (x) = x2 ist umkehrbar.
√ Die Umkehrfunktion f −1 : R≥0 → R≥0 ist
die Wurzelfunktion f −1 (x) = x.
3.6 Monotonie und Umkehrfunktionen 47

Definition 3.39 (Wurzelfunktionen)

Für festes n = 2, 3, 4, 5, . . . ist f (x) = xn für x ≥ 0 streng monoton wach-
send.
y
x3

Die Umkehrfunktion
√ √ √
n : R≥0 → R≥0 , y = n
x 3
x
heißt n-te Wurzelfunktion.

x
1
y
x3 √
3
x
Bei ungeradem n ist f (x) = xn so-
gar auf ganz R streng monoton
√ wach-
send. Man kann dann x für alle
n x
x ∈ R erklären. 1

Definition 3.40 (Allgemeine Potenz)

Sei a > 0. Wir setzen für b ∈ R:

ab = exp(ln(a) · b).
Insbesondere also
ex = exp(ln(e ) · x) = exp(x).
|{z}
=1

Satz 3.41 (Potenzgesetze)

Für a > 0, b ∈ R und n = 2, 3, 4, 5, . . . gilt:
a) ab · ac = ab+c

c
b) ab = ab·c
c) ac · bc = (a · b)c (falls b > 0)
1 √
d) a n = n a
3.7 Trigonometrische und hyperbolische Funktionen 48

3.7 Trigonometrische und hyperbolische

Funktionen
Definition 3.42 (Trigonometrische Funktionen)
y
Die trigonometrischen Funktionen cos(x)
sin(x), cos(x) und tan(x) (mit x im
Bogenmaß) wurden bereits in Defini- x
2π
tion 1.20 festgelegt.
sin(x)

y
tan(x)
Bei allen
π
x = kπ + mit k ∈ Z
2 π
x
2
hat tan(x) eine Definitionslücke.

1
Wir merken noch an, dass cot(x) = der Cotangens ist.
tan(x)

Bemerkung 3.43 Die trigonometrischen Funktionen sin, cos, tan und

cot sind nicht umkehrbar.
3.7 Trigonometrische und hyperbolische Funktionen 49

Definition 3.44 (Umkehrungen der trigonometrischen Funktio-

nen)
y

cos(x) ist auf [0, π] streng monoton fallend

arccos(x)
und nimmt alle Werte in [−1, 1] an.
Die Umkehrung der Einschränkung
cos : [0, π] → [−1, 1] heißt Arcuscosinus,
arccos : [−1, 1] → [0, π].
x
1 π
cos(x)

y arcsin(x)
sin(x) ist auf [−π/2, π/2] streng monoton
wachsend und nimmt alle Werte in [−1, 1]
an. sin(x)
Die Umkehrung der Einschränkung x
π
sin : [−π/2, π/2] → [−1, 1] heißt Arcussi- 2
nus, arcsin : [−1, 1] → [−π/2, π/2].

y tan(x)
tan(x) ist auf (−π/2, π/2) streng monoton arctan(x)
wachsend und nimmt alle Werte in R an.
Die Umkehrung der Einschränkung x
π
tan : (−π/2, π/2) → R heißt Arcustan- 2
gens, arctan : R → (−π/2, π/2).

Es gibt eine entsprechende Umkehrung des Cotangens, den Arcuscotan-

gens.
3.7 Trigonometrische und hyperbolische Funktionen 50

Definition 3.45 (Hyperbolische Funktionen)

Die hyperbolischen Funktionen sind definiert:
y
sinh(x)
sinh : R → R,
1 x
e − e−x


sinh(x) =
2 x
Sinus Hyperbolicus

y
cosh(x)
cosh : R → R,
1 x
e + e−x


cosh(x) =
2
Cosinus Hyperbolicus
x

tanh : R → R, y
tanh(x)
sinh(x)
tanh(x) =
cosh(x) x
Tangens Hyperbolicus

1
Wir merken noch an, dass coth(x) = der Cotangens Hyperbo-
tanh(x)
licus ist.
3.7 Trigonometrische und hyperbolische Funktionen 51

Definition 3.46 (Umkehrungen der hyperbolischen Funktionen)

y
sinh(x)
sinh(x) ist auf ganz R streng mono-
ton wachsend und nimmt alle Werte
in R an. arsinh(x)
Die Umkehrfunktion heißt x
Area Sinus Hyperbolicus,
arsinh : R → R.

y
cosh(x) ist auf [0, ∞) streng monoton cosh(x)
wachsend und nimmt alle Werte in [1, ∞)
an.
Die Umkehrung der Einschränkung arcosh(x)
cosh : [0, ∞) → [1, ∞) heißt Area Cosinus
Hyperbolicus, arcosh : [1, ∞) → [0, ∞).
x
y
tanh(x) ist auf ganz R streng mono- artanh(x)
ton wachsend und nimmt alle Werte tanh(x)
in (−1, 1) an.
Die Umkehrfunktion heißt x
Area Tangens Hyperbolicus,
artanh : (−1, 1) → R.

Es gibt eine entsprechende Umkehrung des Cotangens Hyperbolicus, den

Area Cotangens Hyperbolicus.

Beispiel 3.47 Kettenlinien.

Kapitel 4

Vektorrechnung in beliebiger
Dimension

4.1 Der n-dimensionale Raum: Rn

Definition 4.1 (Der n-dimensionale Raum Rn )

Rn = {(x1 , x2 , . . . , xn ) | xk ∈ R für k = 1, . . . , n}

Übertragung der Definitionen und Ergebnisse aus dem R2 und R3 :

1. Rechenoperationen
     
x1 y1 x1 + y1
⃗x + ⃗y =  ...  +  ...  =  ..
     
. 
xn yn xn + yn
 
λx1
λ⃗x =  ... 
 
λxn
2. Definition Betrag
v
q u n
uX
2 2 2
|⃗x| = x1 + x2 + . . . + xn = t x2k
k=1

3. Dreiecksungleichung
|⃗x + ⃗y | ≤ |⃗x| + |⃗y |
4. Definition Skalarprodukt, Definition cos(α), Defintion α, Definition
Orthogonalität
n
X
⃗x · ⃗y = x1 · y1 + x2 · y2 + . . . + xn · yn = xk y k
k=1

52
4.1 Der n-dimensionale Raum: Rn 53

⃗x · ⃗y
cos(α) = , ⃗x · ⃗y = |⃗x| · |⃗y | · cos(α)
|⃗x| · |⃗y |
⃗x, ⃗y orthogonal ⇔ ⃗x · ⃗y = 0
5. Matrix und LGS
 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A= n × m-Matrix
 
.. .. 
 . . 
an1 an2 · · · anm
   
a11 a12 · · · a1m   a11 x1 + a12 x2 + · · · + a1m xm
x1
 a21 a22 · · · a2m    ..  
 a21 x1 + a22 x2 + · · · + a2m xm 
A·⃗x =  .. · .  = 
 
.. .. 
 . .   . 
xm
an1 an2 · · · anm an1 x1 + an2 x2 + · · · + anm xm

A · ⃗x = ⃗y n × m-LGS (⃗x ∈ Rm , ⃗y ∈ Rn ) (∗)

6. Determinante für (quadratische) n × n-Matrizen
Determinanten gibt es nur für quadratische Matrizen A, also n×n-Matrizen.
Aij bezeichnet die Matrix, die aus A durch Streichen der i-ten Zeile und j-ten
Spalte entsteht.

Satz 4.2 (Entwicklungssatz von Laplace (nach Zeilen))

Für jedes i ∈ {1, . . . , n} gilt
n
X
det(A) = (−1)i+j · aij · det(Aij ).
j=1

Satz 4.3 (Multiplikativität der Determinante)

Für n × n-Matrizen A und B gilt:

det(A · B) = det(A) · det(B).

7. Eindeutige Lösbarkeit LGS, Cramersche Regel

Ist A quadratisch, so ist (∗) genau dann eindeutig lösbar, wenn det(A) ̸= 0.
Cramersche Regel gilt analog zu R2 und R3 .
4.2 Lineare Unabhängigkeit und Lösbarkeit von LGS 54

4.2 Lineare Unabhängigkeit und Lösbarkeit

von LGS
Definition 4.4 (Lineare Unabhängigkeit)
Vektoren ⃗a1 , ⃗a2 , . . . , ⃗am ∈ Rn heißen linear unabhängig, falls aus

λ1⃗a1 + λ2⃗a2 + . . . + λm⃗am = ⃗0

folgt
λ1 = λ2 = . . . = λm = 0.
Der Nullvektor lässt sich aus ⃗a1 , ⃗a2 , . . . , ⃗am nur auf triviale Weise linear
kombinieren.
Sind ⃗a1 , ⃗a2 , . . . , ⃗am ∈ Rn nicht linear unabhängig, so sind die Vektoren
linear abhängig.

Beispiel 4.5 a) ⃗a1 = (1, 0) und ⃗a2 = (0, 1) sind linear unabhängig. b)
⃗a1 = (1, 0), ⃗a2 = (0, 1), ⃗a3 = (1, 1) sind linear abhängig.

Satz 4.6 Im Rn sind maximal n Vektoren linear unabhängig.

Bemerkung 4.7 a) Eine (maximale) Menge B = {⃗a1 , ⃗a2 , . . . , ⃗an } ⊂ Rn

linear unabhängiger Vektoren ist eine Basis des Rn . Jedes ⃗x ∈ Rn lässt
sich dann eindeutig schreiben:

⃗x = λ1⃗a1 + λ2⃗a2 + . . . + λn⃗an .

(λ1 , λ2 , . . . , λn ) sind dann die Koordinaten von ⃗x bzgl. dieser Basis B.

Z.B. im R3 wählt man in der Regel drei orthogonale Vektoren ⃗e1 , ⃗e2 , ⃗e3
mit Betrag 1, die ein Rechtssystem bilden, als Basis. Die Schreibweise
⃗x = (x1 , x2 , x3 ) heißt eigentlich ⃗x = x1⃗e1 + x2⃗e2 + x3⃗e3 .
b) Zwei Vektoren ⃗a1 , ⃗a2 sind genau dann linear abhängig, wenn sie Vielfa-
che voneinander sind. Die Vektoren heißen dann kollinear.
c) Für die lineare Abhängigkeit von drei oder mehr Vektoren
gibt es kein einfaches Kriterium. Wenn z.B. drei Vektoren im R3 in
einer Ebene (die ⃗0 enthält) liegen, so sind sie linear abhängig, aber nicht
notwendigerweise paarweise kollinear. (Beispiel: (1, 0, 0), (0, 1, 0), (1, 1, 0))
Man nennt drei Vektoren im R3 , die in einer Ebene liegen, komplanar.
4.2 Lineare Unabhängigkeit und Lösbarkeit von LGS 55

Definition 4.8 (Rang einer Matrix)

Der Rang rg(A) einer Matrix A ist die maximale Zahl linear unabhängiger
Spalten (oder Zeilen) von A.

Satz 4.9 (Rang und Lösbarkeit von LGS)

Sei A⃗x = ⃗y ein n × m-LGS und B = (A | ⃗y ) die erweiterte Matrix.
a) Ist rg(A) < rg(B), so besitzt das LGS keine Lösung.
b) Ist rg(A) = rg(B), so gibt es
i) genau eine Lösung, falls rg(A) = m.
ii) eine Lösungsschar mit m − rg(A) Parametern, falls rg(A) < m.

Beispiel 4.10 a)

x1 + x2 = 0
x1 + x2 = 1

hat keine Lösung.

b) x1 + x2 + x3 = 1 hat eine Lösungsschar mit 2 Parametern, eine Ebene
im Raum.

Satz 4.11 (Rang und Determinante)

Eine n × n-Matrix A hat genau dann maximalen Rang rg(A) = n, wenn
det(A) ̸= 0.
4.3 Matrix-Algebra 56

4.3 Matrix-Algebra
Definition 4.12 (Summe von Matrizen)
Zwei m×n-Matrizen A und B kann man addieren C = A+B. Die Einträge
von C sind cij = aij + bij .

Beispiel 4.13    
1 2 3 1 −3 3
+
1 0 1 3 −5 3

Definition 4.14 (Produkt von Matrizen)

Sei A eine m × n-Matrix und B eine n × k-Matrix. Dann kann man A und
B multiplizieren C = A · B. Die Einträge der m × k-Matrix C sind alle
möglichen Skalarprodukte von Zeilen von A mit Spalten von B.

Beispiel 4.15  
  1 0
2 0 1
·  −2 5 
3 1 2
1 1

Bemerkung 4.16 Bei der Matrixmultiplikation gilt nicht das Kommu-

tativgesetz:
A · B ̸= B · A
A · B = B · A ist nur für spezielle Paare erfüllt.
4.3 Matrix-Algebra 57

Satz 4.17 (Rechenregeln für Matrizen)

Seien A, B, C Matrizen, sodass die folgenden Ausdrücke gebildet werden
können und λ eine Zahl. Dann gilt:
a) A + B = B + A (Kommutativgesetz)
b) A + (B + C) = (A + B) + C (Assoziativgesetz)
c) A · (B · C) = (A · B) · C (Assoziativgesetz)
d) A · (B + C) = A · B + A · C (Distributivgesetz)
e) (B + C) · A = B · A + C · A (Distributivgesetz)
f) λ · (A + B) = λA + λB
g) λ · (A · B) = (λA) · B = A · (λB)

Definition 4.18 (Einheitsmatrix)

Die n × n-Diagonalmatrix mit aii = 1 für alle i (und sonst nur Nullen
als Einträge) heißt Einheitsmatrix E.

Satz 4.19 (Bedeutung Einheitsmatrix)

a) Für jede passende Matrix A gilt E · A = A bzw. A · E = A.
b) Für jeden passenden Vektor ⃗x gilt E · ⃗x = ⃗x.

Definition 4.20 (Inverse Matrix)

Sei A eine quadratische n × n-Matrix. Falls es eine Matrix A−1 gibt mit

A · A−1 = A−1 · A = E,

so heißt A−1 die Inverse von A und A heißt invertierbar oder regulär.
Besitzt A keine Inverse, so heißt A singulär.

Satz 4.21 (Invertierbarkeit und Determinante)

Eine quadratische Matrix A ist genau dann invertierbar, wenn det(A) ̸= 0.
4.3 Matrix-Algebra 58

Satz 4.22 (Inverse und LGS)

Sei A invertierbar. Dann hat jedes LGS A · ⃗x = ⃗y die eindeutige Lösung

⃗x = A−1 · ⃗y .

Beispiel 4.23  
a b
A=
c d

Verfahren 4.24 (Methode zur Bestimmung von A−1 )

 
1 2 2
A= 0 2 1 
3 0 2

Satz 4.25 (Zusammenfassung quadratische Matrizen)

Sei A eine n × n-Matrix. Dann sind folgende Aussagen äquivalent:
a) A ist invertierbar.
b) Jedes LGS A · ⃗x = ⃗y hat die eindeutige Lösung ⃗x = A−1 · ⃗y .
c) det(A) ̸= 0
d) rg(A) = n
e) Die Spaltenvektoren von A sind linear unabhängig.
f) Die Zeilenvektoren von A sind linear unabhängig.
g) Die Spaltenvektoren von A bilden eine Basis des Rn .
h) Die Zeilenvektoren von A bilden eine Basis des Rn .
4.4 Eigenwerte 59

4.4 Eigenwerte
Definition 4.26 (Eigenwerte und Eigenvektoren)
Sei A eine n×n-Matrix. Falls für ein λ ∈ C und ⃗x ∈ Rn mit ⃗x ̸= 0 folgende
Gleichung erfüllt ist:
A · ⃗x = λ⃗x
so heißt λ Eigenwert von A und ⃗x Eigenvektor zum Eigenwert λ.
Die Menge der Eigenwerte σ(A) heißt das Spektrum von A.

Definition und Satz 4.27 (Charakteristisches Polynom)

λ ist genau dann Eigenwert von A, wenn λ Nullstelle des charakteristi-
schen Polynoms
P (λ) = det(A − λE)
von A ist.

 
  1 −3 3
0 −1
Beispiel 4.28 a) A = , b) B =  3 −5 3 
1 0
6 −6 4
4.4 Eigenwerte 60

Definition 4.29 (Transposition und spezielle Matrixtypen)

Sei A eine n × n-Matrix. Die Elemente aii bilden die Hauptdiagonale
von A. Die Matrix AT ( A transponiert“) entsteht aus A durch Spiegelung
”
an der Hauptdiagonalen.
A heißt
a) symmetrisch, falls AT = A.
b) Diagonalmatrix, falls alle Einträge außerhalb der Hauptdiagonale 0
sind.
c) obere Dreiecksmatrix, falls alle Einträge unterhalb der Hauptdiago-
nale 0 sind. (Entsprechend untere Dreiecksmatrix)

Satz 4.30 (Eigenwerte spezieller Matrizen)

a) Die Eigenwerte einer symmetrischen Matrix sind reell.
b) Die Eigenwerte einer Dreiecksmatrix (insbesondere Diagonalmatrix)
stehen auf der Hauptdiagonale.

Satz 4.31 (Eigenwerte und Determinante)

Das charakteristische Polynom zerfällt in Linearfaktoren

P (λ) = (λ1 − λ)k1 · (λ2 − λ)k2 · . . . · (λm − λ)km

mit den Eigenwerten λ1 , . . . , λm ∈ C. Die Exponenten ki sind die alge-

braischen Vielfachheiten der λi .
Insbesondere ergibt sich mit λ = 0

det A = λ1 k1 · λ2 k2 · . . . · λm km

 
  1 −3 3
0 −1
Beispiel 4.32 Nochmals a) A = , b) B =  3 −5 3 
1 0
6 −6 4
Kapitel 5

Differentialrechnung

5.1 Stetige Fortsetzbarkeit

Definition 5.1 (Stetige Fortsetzbarkeit)
Seien a < x0 < b und f : (a, b) \ {x0 } → R stetig.
Falls es ein y0 gibt, sodass durch die
Festlegung f (x0 ) = y0 die Funktion y
f (x)
f auf ganz (a, b) stetig ist, so heißt
f nach x0 stetig fortsetzbar und
y0
y0 die stetige Fortsetzung von f
x
nach x0 . a x0 b

Beispiel 5.2
x
a) f : R \ {0} → R, f (x) = , x0 = 0,
x
x2 − 1
b) f : R \ {1} → R, f (x) = , x0 = 1,
x−1
1
c) f : R \ {0} → R, f (x) = , x0 = 0,
x

−1, x < 0
d) f : R \ {0} → R, f (x) = , x0 = 0.
1, x > 0

Satz 5.3 (Stetige Fortsetzbarkeit und Grenzwerte)

Die folgenden Aussagen sind äquivalent.
a) f ist nach x0 stetig fortsetzbar.
b) lim f (x) existiert.
x→x0

c) Es gibt ein y0 , sodass für alle Folgen xn mit limn→∞ xn = x0 gilt:

limn→∞ f (xn ) = y0 .

61
5.2 Differenzierbarkeit und Ableitungen 62

5.2 Differenzierbarkeit und Ableitungen

Definition 5.4 (Differenzierbarkeit und Ableitung)
Sei f : (a, b) → R eine Funktion und x0 ∈ (a, b).
f heißt in x0 differenzierbar, falls sich der Differenzenquotient
y
f (x) − f (x0 )
x − x0
stetig nach x0 fortsetzen lässt, f (x) Sekante
d.h. falls
f (x) − f (x0 ) Tangente
f ′ (x0 ) = lim f (x0 )
x→x0 x − x0
f (x0 + h) − f (x0 ) x
= lim x0 x
h→0 h | {z }
h

existiert. f ′ (x0 ) heißt dann die Ableitung von f in x0 .

Der Differenzenquotient ist die Steigung der Sekante durch die beiden
Punkte (x0 , f (x0 )) und (x, f (x)). Die Ableitung f ′ (x0 ) ist die Steigung
der Tangente am Graphen von f bei (x0 , f (x0 )).

Beispiel 5.5
a) f (x) = x2 , f ′ (1),
b) f (x) = x2 , f ′ (x0 ) mit x0 beliebig,
c) f (x) = x3 , f ′ (x0 ) mit x0 beliebig,
d) f (x) = |x|, x0 = 0.

Definition 5.6 (Ableitungsfunktion)

Falls f : (a, b) → R für alle x ∈ (a, b) differenzierbar ist, dann ist

f ′ : (a, b) → R, y = f ′ (x)

selbst eine Funktion, die Ableitung von f .

5.2 Differenzierbarkeit und Ableitungen 63

Beispiel 5.7
a) f (x) = x2 , f ′ (x) = 2x,
b) f (x) = x3 , f ′ (x) = 3x2

Satz 5.8 (Ableitung Monom)

Das Monom f (x) = xn mit n ∈ N hat die Ableitung

f ′ (x) = n · xn−1 .

Beispiel 5.9 Ableitungen von

a) f (x) = c (konstante Funktion),
b) f (x) = c · x,
1
c) f (x) = ,
x
√
d) f (x) = x,
e) f (x) = ex ,
f) f (x) = sin(x), f (x) = cos(x).
5.3 Ableitungsregeln 64

5.3 Ableitungsregeln
Satz 5.10 (Ableitungsregeln Verknüpfungen)
Es seien f und g in x0 differenzierbar und c ∈ R. Dann sind auch f + g,
f · g, c · f , 1/f (falls f (x0 ) ̸= 0) und f /g (falls g(x0 ) ̸= 0) in x0 differen-
zierbar und es gilt:

i) (f + g)′ = f ′ + g ′ (Summenregel),
ii) (f · g)′ = f ′ · g + f · g ′ (Produktregel),
iii) (c · f )′ = c · f ′ (Faktorregel),
 ′
1 f′
iv) =− 2 (Ableitung eines Kehrwerts),
f f
 ′
f f ′ · g − f · g′
v) = (Quotientenregel).
g g2

Beispiel 5.11 Ableitungen von

a) f (x) = 3x4 + 2x + 1,
1
b) f (x) = ,
x
c) f (x) = x2 · ex ,
d) f (x) = tan(x),
x
e) f (x) = ,
1 + x2
f) f (x) = sinh(x).

Beispiel 5.12 Ableitungen von

a) f · g · h,
b) g 2 ,
c) g 3 ,
d) g n .
5.3 Ableitungsregeln 65

Satz 5.13 (Kettenregel)

Ist g in x0 differenzierbar und f in g(x0 ) differenzierbar, so ist f ◦ g = f (g)
in x0 differenzierbar mit:

(f ◦ g)′ = (f (g))′ = f ′ (g) · g ′ .

Beispiel 5.14 Ableitungen von

a) f (x) = sin(x2 ),
√
b) f (x) = x4 + 1.

Satz 5.15 (Ableitung der Umkehrfunktion)

Ist f umkehrbar und in x0 differenzierbar mit f ′ (x0 ) ̸= 0, so ist die Um-
kehrfunktion f −1 in y0 = f (x0 ) differenzierbar mit:
1
(f −1 )′ (y0 ) = .
f ′ (f −1 (y 0 ))

Beispiel 5.16 Ableitungen von

a) f −1 (x) = ln(x),
√
b) f −1 (x) = x,
c) f −1 (x) = arctan x.

Satz 5.17 (Ableitung der allgemeinen Potenzfunktion)

Die allgemeine Potenzfunktion f (x) = xα mit x > 0 und festem α ∈ R
hat die Ableitung
f ′ (x) = α · xα−1 .
5.4 Ableitungen höherer Ordnung 66

5.4 Ableitungen höherer Ordnung

Definition 5.18 (Höhere Ableitungen)
Sind f und f ′ differenzierbar, so heißt f zweimal differenzierbar und

f ′′ (x) = (f ′ )′ (x)

die zweite Ableitung von f .

Man schreibt auch
d df
f ′ (x) = f (x) = (x)
dx dx
sowie
d2 d2 f
f ′′ (x) = 2 f (x) = 2 (x).
dx dx
Ist f k-mal differenzierbar, so schreibt man für die k-te Ableitung

dk dk f
f (k) (x) = f (x) = (x).
dxk dxk

Beispiel 5.19 Alle Ableitungen von f (x) = x · ex .

5.5 Lokale Extrema, Mittelwertsatz und Konvexität 67

5.5 Lokale Extrema, Mittelwertsatz und

Konvexität
Definition 5.20 (Lokale Extrema)
f : (a, b) → R hat in x0 ∈ (a, b) ein lokales Maximum (Minimum)
wenn es ein ε > 0 gibt mit

f (x)
f (x0 ) ≥ f (x) (f (x0 ) ≤ f (x)) (∗)
für alle x ∈ (x0 − ε, x0 + ε). ( ) x
a | {z }
2ε b

Falls das Gleichheitszeichen in (∗) nur bei x = x0 gilt, so heißt x0 isolier-

tes lokales Maximum (Minimum).
f hat in x0 ein lokales Extremum, falls f in x0 ein lokales Maximum
oder Minimum hat.

Satz 5.21 (Notwendiges Kriterium für lokale Extrema)

Hat f : (a, b) → R in x0 ein lokales Extremum und ist f in x0 differenzier-
bar, so gilt

f ′ (x0 ) = 0. x
a b

Bemerkung 5.22 f ′ (x0 ) = 0 ist notwendig, aber nicht hinreichend

für das Vorliegen eines lokalen Extremums.

Satz 5.23 (Satz von Rolle)

Sei f : [a, b] → R stetig und in (a, b) differenzierbar mit f (a) = f (b).

Dann gibt es ein x0 ∈ (a, b) mit

f ′ (x0 ) = 0. x
a x0 b
5.5 Lokale Extrema, Mittelwertsatz und Konvexität 68

Satz 5.24 (Mittelwertsatz (MWS))

Ist f : [a, b] → R stetig und in (a, b) differenzierbar, dann gibt es ein
x0 ∈ (a, b) mit

f (b) − f (a)
f ′ (x0 ) = .
b−a x
a x0 b

Beispiel 5.25 Passendes x0 gemäß MWS für a) f (x) = x2 , [a, b] = [0, 1],
b) f (x) = sin(x) + x, [a, b] = [0, 2π].

Satz 5.26 (Konstante Funktionen)

Ist f : (a, b) → R differenzierbar mit f ′ (x) = 0 für alle x ∈ (a, b), dann ist
f konstant.

Beispiel 5.27 Eindeutigkeit von f (x) = ex mit f ′ (x) = f (x), f (0) = 1.

Satz 5.28 (Monotonie und Ableitungen)

Ist f : [a, b] → R stetig und in (a, b) differenzierbar mit
a) f ′ (x) ≥ 0,
b) f ′ (x) > 0,
c) f ′ (x) ≤ 0,
d) f ′ (x) < 0,
für alle x ∈ (a, b), so ist f
a) monoton wachsend,
b) streng monoton wachsend,
c) monoton fallend,
d) streng monoton fallend,
auf [a, b].
5.5 Lokale Extrema, Mittelwertsatz und Konvexität 69

Beispiel 5.29 Monotonieverhalten von a) f (x) = x3 + x, b) f (x) =

sinh(x), c) f (x) = x3 + 3x2 − 24x + 6.

Satz 5.30 (Hinreichendes Kriterium für lokale Extrema)

Sei f : (a, b) → R zweimal differenzierbar. In x0 ∈ (a, b) gelte f ′ (x0 ) = 0
und
a) f ′′ (x0 ) > 0.
b) f ′′ (x0 ) < 0.
Dann hat f in x0 ein isoliertes lokales
a) Minimum.
b) Maximum.

Bemerkung 5.31 Satz 5.30 ist ein hinreichendes Kriterium, aber kein
notwendiges Kriterium.

√
Beispiel 5.32 Extrema von a) f (x) = x3 − 3x, b) f (x) = exp( x2 + 5).

Definition 5.33 (Konvexität und Konkavität)

f : (a, b) → R heißt konvex, wenn
für alle x1 , x2 ∈ (a, b) die Sekante
zwischen (x1 , f (x1 )) und (x2 , f (x2 ))
nirgends unterhalb des Graphen von x
a b
f liegt.
Liegen die Sekanten nirgends oberhalb von f , so heißt f konkav.

Satz 5.34 (Krümmungsverhalten und zweite Ableitung)

Hat f : (a, b) → R eine stetige zweite Ableitung f ′′ , so gilt:

f ′′ (x) ≥ 0 für alle x ∈ (a, b) ⇔ f konvex auf (a, b)

und
f ′′ (x) ≤ 0 für alle x ∈ (a, b) ⇔ f konkav auf (a, b).
5.5 Lokale Extrema, Mittelwertsatz und Konvexität 70

Beispiel 5.35 Krümmungsverhalten von a) f (x) = ex , b) f (x) = x2 , c)

f (x) = x3 .

Definition und Satz 5.36 (Wendepunkte und Sattelpunkte)

Ändert sich das Krümmungsverhalten einer Funktion f in x0 von konkav
zu konvex, oder umgekehrt, so heißt x0 ein Wendepunkt.

Ein hinreichendes Kriterium für einen Wendepunkt ist

f ′′ (x0 ) = 0 ∧ f ′′′ (x0 ) ̸= 0.

Gilt in einem Wendepunkt zudem f ′ (x0 ) = 0, so heißt x0 ein Sattelpunkt.

5.6 Die Regel von de L’Hospital 71

5.6 Die Regel von de L’Hospital

Satz 5.37 (Regel von de L’Hospital (einfache Version))
Die Funktionen f, g : (a, b) → R seien differenzierbar in x0 ∈ (a, b) mit
f (x0 ) = g(x0 ) = 0.
Gilt zudem g ′ (x0 ) ̸= 0, so folgt:

f (x) f ′ (x0 )
lim = ′ .
x→x0 g(x) g (x0 )

Beispiel 5.38
sin(x)
a) lim ,
x→0 x
ln(x)
b) lim 2 .
x→1 x − 1

Satz 5.39 (Regel von de L’Hospital)

Die Funktionen f, g : (a, b) → R seien differenzierbar mit

lim f (x) = lim g(x) = 0

x→b x→b

oder
lim g(x) = ±∞.
x→b

Dann gilt
f (x) f ′ (x)
lim = lim ′
x→b g(x) x→b g (x)

sofern der rechte Grenzwert existiert oder ±∞ ist.

Für x → a gilt die entsprechende Aussage. Dabei ist auch a = −∞ oder
b = ∞ zugelassen.

Beispiel 5.40
ex
a) lim ,
x→∞ x

b) lim x · ln(x),
x→0

x · ln(x)
c) lim .
x→∞ x2 + 1
Kapitel 6

Integralrechnung

6.1 Integrierbarkeit und (Riemann-)Integral

Definition 6.1 (Integral (anschaulich))
Ist f : [a, b] → R eine Funktion, so heißt die Fläche, die f im Intervall [a, b]
mit der x-Achse einschließt, das Integral von f über [a, b]. Dabei werden
Flächen unterhalb der x-Achse negativ gezählt.
Der Wert des Integrals wird mit dem
Symbol f (x)
Z b
+ + b
f (x) dx x
a a − −
bezeichnet.

Definition 6.2 (Treppenfunktionen)

Eine endliche Folge x1 , x2 , . . . , xn heißt Zerlegung von [a, b], wenn

a = x1 < x2 < x3 < . . . < xn = b.

Eine Funktion t heißt Treppen-

funktion auf [a, b], wenn es eine Zer- t(x)
legung von [a, b] gibt, sodass t auf je-
dem Teilintervall konstant ist. (Für a b x
jeden Wert ci ∈ [xi , xi+1 ] gibt es also x1 x2 x3 · · · xn
eine Konstante Ci mit t(ci ) = Ci .)

72
6.1 Integrierbarkeit und (Riemann-)Integral 73

Satz 6.3 (Integral einer Treppenfunktion)

Mit den Bezeichnungen aus Definition 6.2 gilt
Z b
t(x) dx = t(c1 ) · (x2 − x1 ) + . . . + t(cn−1 ) · (xn − xn−1 )
a

t(x)
n−1
X
= t(ck ) · (xk+1 − xk ) x
k=1
x1 x2 x3 · · · xn

Beispiel 6.4 Integral von

1
2, 0 ≤ x ≤


 2
1 1 3
t : [0, 2] → R, t(x) = ,
2 2
<x≤ 2

−3, 23

<x≤2

Definition 6.5 (Integral)

Sei f : [a, b] → R eine Funktion. Eine Treppenfunktion t heißt untere
Treppenfunktion zu f , wenn t(x) ≤ f (x) für alle x ∈ [a, b]. Eine Trep-
penfunktion T heißt obere Treppenfunktion zu f , wenn T (x) ≥ f (x)
für alle x ∈ [a, b].

T (x)

t(x)

Rb
Ist die obere Grenze s aller Integrale a t(x) dx gleich der unteren Grenze
Rb
S aller Integrale a T (x) dx, so heißt f (Riemann-)integrierbar über
[a, b]. Man setzt
Z b
f (x) dx = s = S.
a
6.1 Integrierbarkeit und (Riemann-)Integral 74

Satz 6.6 (Integrierbare Funktionen)

a) Jede stetige Funktion ist integrierbar.
b) Jede Funktion mit höchstens endlich vielen Spungstellen (sonst stetig)
ist integrierbar.
c) Jede monotone Funktion ist integrierbar.

Satz 6.7 (Implikationen Glattheit“ von Funktionen)

”
Es gelten die folgenden Implikationen:

differenzierbar ⇒ stetig ⇒ integrierbar

Beispiel 6.8 Die Sprungfunktion ist integrierbar, aber nicht stetig. Die
Betragsfunktion ist stetig, aber nicht differenzierbar.
6.2 Eigenschaften des Integrals 75

6.2 Eigenschaften des Integrals

Satz 6.9 (Eigenschaften des Integrals)
Sind f und g integrierbar auf [a, b] und λ ∈ R, so gilt
Z b Z b Z b
a) f (x) + g(x) dx = f (x) dx + g(x) dx,
a a a
Z b Z b
b) λf (x) dx = λ f (x) dx,
a a
Z b Z c Z b
c) f (x) dx = f (x) dx + f (x) dx, für c ∈ [a, b],
a a c
Z b Z b
d) falls f (x) ≤ g(x) für alle x ∈ [a, b], f (x) dx ≤ g(x) dx.
a a

Die Punkte a) und b) sind die Linearität des Integrals und d) ist die
Monotonie des Integrals.

Definition 6.10 (Vertauschung der Integrationsgrenzen)

Man setzt Z a Z b
f (x) dx = − f (x) dx.
b a
6.3 Der Hauptsatz der Differential- und Integralrechnung 76

6.3 Der Hauptsatz der Differential- und

Integralrechnung
In diesem Abschnitt ist f : [a, b] → R grundsätzlich stetig.

f (t)
Wir setzen für x ∈ [a, b]
Z x
F0 (x)
F0 (x) = f (t) dt.
a
t
a x b

Beispiel 6.11 F0 für f (t) = t auf [0, 1].

Satz 6.12 (F0 ist Stammfunktion)

F0 ist differenzierbar mit
F0′ (x) = f (x).

Satz 6.13 (Hauptsatz der Differential- und Integralrechnung)

Ist F eine Stammfunktion von f , d.h. F ′ = f , dann gilt

Z b
f (x) dx = F (b) − F (a).
a

Beispiel 6.14
Z 1 Z 2 Z π Z 1
2 1
a) x dx, b) dx, c) sin(x) dx, d) x · ex dx.
0 1 x2 −π 0
6.3 Der Hauptsatz der Differential- und Integralrechnung 77

Bemerkung 6.15 a) Ist F Stammfunktion von f , so schreibt man auch

Z Z
F = f oder F (x) = f (x) dx
R R
und nennt f bzw. f (x) dx das unbestimmte Integral von f .
Das unbestimmte Integral ist also
R b die Menge aller Stammfunktionen, wäh-
rend ein bestimmtes Integral a f (x) dx eine Zahl ist.
b) Für F (b) − F (a) schreibt man auch
b
F (x) oder [F (x)]ba .
a

c) Nicht jede elementare Funktion hat auch eine elementare Stammfunkti-

on. Z.B. sind die Stammfunktionen von sin(x)/x und exp(−x2 ) nicht mit
den von uns eingeführten Funktionen ausdrückbar. (Trotzdem besitzen
beide Funktionen Stammfunktionen, denn sie sind ja stetig.)
6.4 Integrationsregeln 78

6.4 Integrationsregeln
Satz 6.16 (Partielle Integration)
Z Z
f · g = f · g − f · g′
′

Beispiel 6.17
Z Z 1 Z
x 10
a) x · e dx, b) x · (1 − x) dx, c) sin2 (x) dx.
0

Satz 6.18 (Integration von Quotienten)

̸ 0 (auf dem Integrationsintervall) und stetig differenzierbar, so gilt
Ist f =
Z ′
f 1
a) 2
=− ,
f f
Z ′
f
b) = ln |f |.
f

Beispiel 6.19
Z 1 Z Z
x x
a) 2 2
dx, b) dx, c) arctan(x) dx.
0 (1 + x ) 1 + x2

Satz 6.20 (Substitutionsregel)

Ist φ auf [a, b] stetig differenzierbar und f auf φ([a, b]) stetig, so gilt

Z φ(b) Z b
f (x) dx = f (φ(t)) · φ′ (t) dt
φ(a) a
6.4 Integrationsregeln 79

Beispiel 6.21
1
x2
Z Z
x2
a) e · 2x dx, b) √ dx.
0 1 + x3

Bemerkung 6.22 Beispiel 6.21: Kettenregel rückwärts“ oder Satz 6.20

”
von rechts nach lins“.
”
Satz 6.20 von links nach rechts“: Substitution oder Einführung einer
”
neuen Veränderlichen x = φ(t).

Beispiel 6.23 Fläche des Einheitskreises.

Beispiel 6.24 (Partialbruchzerlegung)

Jede rationale Funktion besitzt eine elementare Stammfunktion. Eine voll-
ständige Beschreibung der Methoden zur Bestimmung dieser Stammfunk-
tionen findet man in v. Mangoldt - Knopp: Einführung in die
”
höhere Mathematik“, Band 3.
Zentraler Bestandteil dieser Methoden ist die Partialbruchzerlegung.
Z
1
a) 2
dx,
x −1
Z
1
b) 2
dx,
x +1
3x5 + 2x4 + 3x3
Z
c) dx.
x4 − 1
6.5 Anwendungen der Integralrechnung 80

6.5 Anwendungen der Integralrechnung

Satz 6.25 (Bogenlänge)
Ist f auf [a, b] stetig differenzierbar, dann gilt für die Bogenlänge s des
Graphen von f über [a, b]:

Z bp f (x)
s= 1 + (f ′ (x))2 dx. s
a x
a b

Beispiel 6.26 a) Umfang des Einheitskreises, b) Bogenlänge der Parabel

f (x) = x2 für 0 ≤ x ≤ 1.

Satz 6.27 (Volumen eines Rotationskörpers)

Sei f auf [a, b] stetig. Für das Volumen V des zu f gehörigen Rotati-
onskörpers gilt:

f (x)
Z b
V =π f 2 (x) dx. a V x
a
b

Beispiel 6.28 Volumen der Einheitskugel.

6.5 Anwendungen der Integralrechnung 81

Satz 6.29 (Mantelfläche eines Rotationskörpers)

Sei f auf [a, b] stetig differenzierbar und f (x) ≥ 0. Für die Mantelfläche A
des zu f gehörigen Rotationskörpers gilt:

f (x)

Z b A
p x
A = 2π f (x) 1 + (f ′ (x))2 dx. a b
a

Beispiel 6.30 Oberfläche der Einheitskugel.

Satz 6.31 (Schwerpunkt einer Fläche)

Sei f auf [a, b] stetig differenzierbar und f (x) ≥ 0. Die Koordinaten (xs , ys )
des Schwerpunkts der (homogenen) Fläche, die von f und der x-Achse auf
[a, b] begrenzt wird, lauten:
y
Z b f (x)
1
xs = R b · x · f (x) dx
a
f (x) dx a ys
Z b
1 1
ys = R b ·
· f 2 (x) dx x
f (x) dx 2 a a xs b
a

Beispiel 6.32 Schwerpunkt Viertelkreisscheibe.