Analysis für PhysikerInnen I

Universität Wien, WS 2016/17

Harold C. Steinacker

Fakultät für Physik, Universität Wien

Boltzmanngasse 5, A-1090 Wien

1
Inhaltsverzeichnis

1 Einleitung 5

2 Notation und Grundbegriffe 8

2.1 Aussagen & Abkürzungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.2 Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.3 Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3 Die reellen Zahlen 16

3.1 Körperaxiome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.2 Ordnungsstruktur auf R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.2.1 Betragsfunktion und Dreiecksungleichung . . . . . . . . . . . . . . . . . 20

3.2.2 Supremum und Infimum . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.3 Vollständigkeit von R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3.4 Weitere Eigenschaften von Q versus R . . . . . . . . . . . . . . . . . . . . . . 22

4 Komplexe Zahlen 23

4.1 Der Körper der komplexen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . 23

4.2 Komplexe Wurzeln & Fundamentalsatz der Algebra . . . . . . . . . . . . . . . 26

5 Vollständige Induktion und etwas Kombinatorik 28

5.1 Der binomische Lehrsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

6 Folgen und Grenzwerte 32

6.1 Definition und Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

6.2 Konvergenz und Grenzwert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

6.2.1 Konvergenzkriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

6.2.2 Grenzwertregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
√
6.2.3 Anwendung: Newton-Verfahren für w . . . . . . . . . . . . . . . . . . 39

2
 6.3 Bestimmte Divergenz, lim sup, lim inf . . . . . . . . . . . . . . . . . . . . . . . 39

6.4 Cauchy Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

6.5 Teilfolgen, Häufungspunkte, Bolzano-Weierstraß . . . . . . . . . . . . . . . . . 42

7 Reihen 43

7.1 Konvergenzkriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

7.2 Absolute Konvergenz, Umordnungen . . . . . . . . . . . . . . . . . . . . . . . 47

7.3 Umordnung von Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

7.4 Rechenregeln für Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

7.5 Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

8 Exponentialreihe und Logarithmus 55

8.1 Logarithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

9 Folgen und Reihen komplexer Zahlen 61

9.1 Komplexe Exponentialfunktion. . . . . . . . . . . . . . . . . . . . . . . . . . . 64

9.2 Umkehrfunktionen der trigonometrischen Funktionen . . . . . . . . . . . . . . 72

10 Stetige Funktionen 76

10.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

10.2 Alternative Charakterisierung ( − δ-Kriterium) . . . . . . . . . . . . . . . . . 79

10.3 Grenzwerte von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

10.4 Die Landau Symbole o(.) und O(.) . . . . . . . . . . . . . . . . . . . . . . . . 85

10.5 Eigenschaften stetiger Funktionen: Zwischenwertsatz, Maximum und Minimum,

inverse Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

10.5.1 Gleichmäßige Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

10.6 Funktionenfolgen und gleichmäßige Konvergenz . . . . . . . . . . . . . . . . . 90

10.6.1 Funktionenfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

10.6.2 Stetigkeit von Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . 93

3
11 Differenzialrechnung in R 94

11.1 Ableitung reeller Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

11.2 Rechenregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

11.3 Höhere Ableitungen, Glattheit . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

11.4 Regel von de l’Hospital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

11.5 Differentiation von Funktionenfolgen (Potenzreihen) . . . . . . . . . . . . . . . 104

11.6 Taylorreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

11.7 Ableitung und Funktionseigenschaften (Extrema, Mittelwert, Konvexität) . . . 108

11.7.1 Legendre-Transformation (nicht Prüfungsstoff): . . . . . . . . . . . . . 114

11.8 Stammfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

12 Integralrechnung in R 116

12.1 Das Riemann’sche Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

12.2 Der Hauptsatz der Differential- und Integralrechnung . . . . . . . . . . . . . . 122

12.2.1 Integration rationaler Funktionen . . . . . . . . . . . . . . . . . . . . . 128

13 Taylorapproximation 131

14 Uneigentliche Riemann-Integrale 133

14.1 Die Gamma-Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

15 Integration von Funktionenfolgen 137

4
1 Einleitung

Die wichtigen Themen der Analysis I sind

Funktionen in einer Variable,

Grenzwertbetrachtungen,

Differential- und Integralrechnung auf R

z.B:

1. Ableitung einer reellen Funktion als Grenzwert der Sekantensteigung

2. Integration einer reellen Funktion als Grenzwert der Rechtecksflächen unter dem Funk-
tionsgraphen

3. Definition der Exponentialfunktion als Grenzwert einer Summe

∞
X xn
exp(x) =
n=0
n!

dazu benötigt man eine solide Basis:

• saubere Definitionen der grundlegenden Begriffe, und

5
 • Herleitung (=Beweise !) der benötigten Eigenschaften

In der Mathematik wird alles lückenlos bewiesen, ausgehend von wenigen Axiomen. Dies ist
anfangs etwas mühsam, letztlich aber sehr weitreichend, und sehr lehrreich.

In der Physik ist diese Perfektion im allgemeinen nicht möglich, und oft auch nicht sinnvoll.
Die Problemstellung ist oft nicht genau definiert, die passende mathematischen Formulierung
eines physikalischen Problems ist nicht immer evident und ist meist nur Idealisierung. Ei-
ne “Reduktion auf das Wesentliche” ist oft sogar wünschenswert. Manchmal ist eine exakte
Lösung auch einfach zu schwierig, und Näherungen sind notwendig.

Dennoch: Mathematik ist die Sprache der Physik, und das entscheidende Werkzeug in den
Naturwissenschaften

Die Leistungsfähigkeit dieses Werkzeugs ist bemerkenswert; hierzu ein paar Zitate

“Das Buch der Natur ist in der Sprache der Mathematik verfaßt” (G. Galilei)

“The unreasonable effectiveness of mathematics in the natural sciences” (E. Wigner)

“Mathematics is trivial, but I can’t do my work without it“ (R. Feynman)

Daher: ein solides Verständnis und die korrekte Anwendung der mathematischen Grundlagen
ist für die Physik essentiell.

abschreckendes Beispiel:

”Paradox der Umordnung“, am Beispiel der Logarithmus-Reihe (mehr dazu später):

Jede Formelsammlung enthält die Formel

x2 x 3 x4 x5
ln(1 + x) = x − + − + − ...
2 3 4 5
also
1 1 1 1 1 1 5
ln(2) = 1 − + − + − + −... <
2 3} | 4{z 5} | 6{z 7}
| {z 6
5 <0 <0
6

andererseits ist die Reihenfolge bei der Addition egal (möchte man meinen), also sollten wir
dies umordnen können, mit
1 1 1 1 1 1 1 1 5
ln(2) = 1 − + + + − + + − +... >
2 3} |5 {z
| {z 7 4} |9 11
{z 6} 6
5 >0 >0
6

wo ist der Fehler ???

Ziel dieser VL ist es, ein solides Verständnis der Analysis I zu vermitteln, angepaßt an die
Bedürfnisse der Physik & Naturwissenschaften.

6
Der Aufbau dieses VL-Skriptes ist eng an eine Vorlesung von Simone Warzel (TU München)
angelehnt. Der Inhalt ist weitgehend “kanonisch”, und kann auch aus einer Vielzahl von ver-
gleichbaren Quellen erlernt werden, z.B.

Literatur
[1] O. Forster, Analysis I, Vieweg (Klassiker, sehr empfehlenswert, mathematisch rigoros)
steht als eBook der Universitätsbibliothek zur Verfügung

[2] D. Grieser, Analysis I, Univ. Oldenburg (gutes Skript, creative commons)

(mathematisch rigoros)

[3] K. Königsberger “Analysis 1” Springer (gutes Lehrbuch, Math.)

[4] Kerner/Wahl Mathematik für Physiker (ca. erste 100 Seiten relevant für Analysis I)

einfachere und leichter lesbare Bücher (aber etwas oberflächlich, Beweise feh-
len) sind z.B

[5] Strampp, “Höhere Mathematik 2”

[5] Weltner K. Weltner, “Mathematik für Physiker 1”

Detailliertere, weiterführende Lehrbücher (für ambitionierte): z.B.

[6] J. Taylor, “Foundations of Analysis” (online-skript)

(beinhaltet Analysis I und II)

[7] A. Zorich “Analysis I”, Springer, Berlin Heidelberg 2006

steht als eBook der Universitätsbibliothek zur Verfügung

7
2 Notation und Grundbegriffe

2.1 Aussagen & Abkürzungen

Abkürzungen für häufig auftretende Wendungen durch “Quantoren”:

∀ ... “für alle”

∃ ... “es gibt”

∃1 ... “es gibt genau ein”

Verknüpfung von 2 Aussagen A, B durch “Junktoren”:

• Implikation: A ⇒ B ... “wenn A, dann B” oder “A impliziert B”

• Äquivalenz: A ⇔ B ... “A genau dann wenn B” oder “A ist äquivalent zu B”
• Adjunktion: A ∨ B ... “A oder B”
• Konjunktion: A ∧ B ... “A und B”

Beispiele:

• (x > y) ∧ (y > z) ⇒ x > z

• ∀n ∈ N : 2n ist gerade

Notation für Definitionen:

A := B ... “A ist definiert durch B”

Beispiele:

x := 1 “Die Variable x wird als 1 definiert”

f (x) := 2x + 1 “Die Funktion f (x) wird als 2x + 1 definiert”

2.2 Mengen

Eine Menge M ist eine Zusammenfassung unterschiedlicher Objekte

Notation:

x∈M ... “x ist Element von M ”

x∈
/M ... “x ist nicht Element von M ”

8
 M ⊂N ... “M ist Teilmenge von N ”

M (N ... “M ist echte Teilmenge von N ”

leere Menge: ∅ (beachte: es gilt stets ∅ ⊂ M )

Beispiele:

Zahlenmengen:

• N = {1, 2, 3, ...} ... natürliche Zahlen

• N0 = {0, 1, 2, 3, ...} = N ∪ {0} ... natürliche Zahlen mit 0

• Z = {..., −2, −1, 0, 1, 2, 3, ...} ... ganze Zahlen

• Q = { pq | p ∈ Z, q ∈ N} ... rationale Zahlen

• R ... reelle Zahlen (später mehr dazu)

• C ... komplexe Zahlen (später mehr)

Mengenoperationen:

A ∩ B := {x |x ∈ A und x ∈ B} ... Schnittmenge

A ∪ B := {x |x ∈ A oder x ∈ B} ... Vereinigungsmenge

A \ B := {x |x ∈ A und x ∈
/ B} ... Differenzmenge

Kartesisches Produkt = Menge der geordneten Paare

A × B = {(m, n) |m ∈ A und n ∈ B}
analog:

An := {(x1 , x2 , ..., xn ) |x1 , x2 , ..., xn ∈ A} = A × ... × A

A2 = A × A (2.1)

Beispiele:

A = {2, 4, 6} ... Menge aller geraden Zahlen

B = {1, 3, 4, ...} ... Menge aller ungeraden Zahlen

A∪B =N

A∩B =∅

N0 \ {0} = N

9
Mit Hilfe der Ordnungsrelation a < b für reelle Zahlen a, b definiert man

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”

(−∞, b] := {x ∈ R | x ≤ b}

(−∞, b) := {x ∈ R | x < b}

[a, ∞) := {x ∈ R | x ≥ b}

(a, ∞) := {x ∈ R | x > b}

häufig verwendete Schreibweisen:

R+ = (0, ∞)

R+
0 = [0, ∞)

R− = (−∞, 0)

R−
0 = (−∞, 0]

2.3 Abbildungen

zentrales Konzept der Mathematik:

Definition 2.1. Seien M, N Mengen.

Eine Abbildung f von M nach N ordnet jedem Element x ∈ M ein Element f (x) ∈ N
zu:

f : M →N
x 7→ f (x)

Für N = R (oder C) wird f auch Funktion genannt.

Bezeichnungen:

M ... Definitionsbereich

N ... Wertebereich

10
 f (M ) := {y ∈ N ; ∃x ∈ M : f (x) = y} ⊂ N ... Bild von f

Für A ⊂ M heiß t f (A) := {y ∈ N ; ∃x ∈ A : f (x) = y} ⊂ N ... Bild von A

Für B ⊂ N heiß t f −1 (B) := {x ∈ M ; f (x) ∈ B} ⊂ M ... Urbild von B

Der Graph von f : M → N ist die Menge {(x, f (x)) : x ∈ M } ⊂ M × N .

Beispiele:

• f : R → R, x 7→ x2

• f : R → R, x 7→ sin(x)

1
• f : R \ {1} → R, x 7→ x−1

11
 Definition 2.2. Sei M eine Menge. Eine Folge in M ist eine Abbildung a : N → M .

Man schreibt (a1 , a2 , ..) oder (an )n∈N , oder einfach (an ).

(Folgen können auch mit dem Index 0 beginnen, also a : N0 → M , oder in anderer Schreib-
weise (a0 , a1 , a2 , ...).

Definition 2.3. Eine Abbildung f : M → N heiß t

• surjektiv (oder Surjektion), wenn f (M ) = N

• injektiv (oder Injektion), wenn ∀y ∈ f (M ) ∃1 x ∈ M : y = f (x)

• bijektiv (oder Bijektion), wenn sie surjektiv und injektiv ist

Beispiele:

• surjektiv aber nicht injektiv

• injektiv aber nicht surjektiv

• bijektiv

• Sei f (x) := x2 . Betrachtet man f : R → R, so ist f weder injektiv noch surjektiv.

betrachtet man jedoch f : [0, ∞) → R, so ist f injektiv,
betrachtet man f : [0, ∞) → [0, ∞) , so ist f bijektiv.

12
Praktische Bedeutung von Injektivität etc. für das Lösen von Gleichungen:

Betrachten wir die Gleichung y = f (x), für eine gegebene Abbildung f : M → N .

Zu gegebenem y ∈ N möchten wir eine Lösung x ∈ M finden:

• f injektiv ⇔ die Gleichung hat höchstens eine Lösung für jedes y ∈ N

• f surjektiv ⇔ die Gleichung hat mindestens eine Lösung für jedes y ∈ N

• f bijektiv ⇔ die Gleichung hat genau eine Lösung für jedes y ∈ N

√
Zum Beispiel hat y = x2 genau eine Lösung x ∈ [0, ∞) für jedes y ∈ [0, ∞) , nämlich x = y.

Definition 2.4. Seien M, N, L Mengen, und f : M → N eine Abbildung von M nach

N , sowie g : N → L eine Abbildung von N nach L.

Dann definiert man die Komposition (“Hintereinanderschaltung”) g ◦ f : M → L als die

Abbildung, die jedem x ∈ M den Wert (g ◦ f )(x) = g(f (x)) zuordnet. Diagrammatisch
funktioniert das so:

g◦f : M→ N → L
x 7→ f (x) 7→ g(f (x))

(lies: “g nach f”)

Praktische Bedeutung der Komposition:

Komposition heißt “f in g einsetzen”.

Beispiel: Für M = N = L = R, f (x) = x2 und g(y) = sin(y) folgt:

(g ◦ f )(x) = sin(x2 ).

Bemerkung: Warum wurde bei der Definition von g der Buchstabe y verwendet?

Formal ist es egal, welcher Buchstabe verwendet wird. Man hätte auch g(x) = sin(x) schreiben
können. Zum Verständnis ist es sinnvoll, verschiedene Buchstaben für Variablen zu verwenden,
deren Rolle verschieden ist. Hier ist x ∈ M , also etwas, worauf f angewendet werden kann.
y ∈ N ist etwas, das als Wert von f vorkommen kann und worauf g angewendet werden kann.
Dies hilft, Fehler zu vermeiden!

Definition 2.5. Ist f : M → N bijektiv, dann nennt man die Abbildung

f −1 : N → M (2.2)

welche jedem y ∈ N sein Urbild x ∈ M mit f (x) = y zuordnet, die Umkehrabbildung

(inverse Abbildung, Umkehrfunktion) von f .

13
 Insbesondere gilt:

f ◦ f −1 = idN , und f −1 ◦ f = idM (2.3)

wobei idM : M → M die Identische Abbildung (“Identität“) auf M ist, d.h. idM (x) =
x ∀x ∈ M , und analog idN .

beachte: diese Definition funktioniert nur für bijektive Abbildungen!

Beispiele: (im Vorgriff)

1. Die Umkehrfunktion von exp : R → (0, ∞) heißt (natürlicher) Logarithmus

ln : (0, ∞) → R

Notation:

Die Einschränkung von f : M → N auf A ⊂ M bezeichnet man mit

f |A : A → N (2.4)
x 7→ f (x) (2.5)

2. Die Umkehrfunktion von sin(x)|[− π2 , π2 ] : [− π2 , π2 ] → [−1, 1] heißt Arcussinus:

π π
arcsin : [−1, 1] → [− , ]
2 2
3. Die Umkehrfunktion von cos(x)|[0,π] : [0, π] → [−1, 1] heißt Arcuscosinus
arccos : [−1, 1] → [0, π]

(später mehr dazu)

Definition 2.6. Eine Menge hat Mächtigkeit |M | := n für n ∈ N, also n Elemente, falls
es eine Bijektion f : {1, 2, ..., n} → M gibt.

Man nennt dann M endlich, ansonsten unendlich.

Man setzt |∅| := 0.

Zwei Mengen M, N haben die gleiche Mächtigkeit, |M | = |N |, genau dann wenn es eine

14
 Bijektion f : M → N gibt.

M heiß t abzählbar unendlich, wenn es eine Bijektion f : N → M gibt.

M heiß t überabzählbar, wenn M nicht abzählbar und nicht endlich ist

Satz 2.1. 1) Die Vereinigung von 2 abzählbar unendlichen Mengen ist abzählbar unendlich

2) Das kartesische Produkt von zwei abzählbar unendlichen Mengen ist abzählbar unend-
lich

Beweisskizze: 1) ”trivial“

2) Cantor’sches Diagonalverfahren für N × N:

Folgerung 2.1. Z und Q sind abzählbar unendlich

Beweis. Z = N ∪ (−N) ∪ {0} ist abzählbar unendlich.

betrachte die Surjektion

I: Z×N→Q (2.6)
p
(p, q) 7→ (2.7)
q
Schon gezeigt: Z × N ist abzählbar unendlich, d.h. es gibt eine Bijektion f : N → Z × N

Dann ist die Komposition I ◦ f eine Surjektion von N nach Q:

g =I ◦f :N→Z×N→Q
durch Weglassen der doppelt gezählten Zahlen in Q erhält man eine Bijektion, also ist Q
abzählbar.

15
3 Die reellen Zahlen

Motivation:
√
Man kann z.B. 2 (also die Länge eines rechtwinkligen Dreiecks mit Schenkellänge 1) beliebig
genau durch rationale Zahlen approximieren, aber:
√
Satz 3.1. 2∈
/Q

Beweis. indirekter Beweis:

√ √
Zwei Fälle sind möglich, entweder 2 ∈ Q oder 2 ∈ / Q.
√
Angenommen der erste Fall tritt ein, also 2 ∈ Q. Wir werden unten daraus einen Wider-
spruch√herleiten. Der erste Fall kann daher nicht eintreten. Bleibt nur der zweite, und daher
muss 2 ∈ / Q wahr sein.
√
Also: angenommen 2 ∈ Q. D.h. ∃ ganze Zahlen p, q ∈ Z mit
√ p
2= . (3.1)
q
Durch Kürzen des Bruchs können wir erreichen, daß

p und q sind teilerfremd, also ggt(p, q) = 1. (3.2)

Durch Quadrieren von (3.1) erhält man 2q 2 = p2 , also ist p2 gerade. Daher muss auch p
gerade sein, also ∃r ∈ N mit p = 2r. Durch Quadrieren folgt p2 = 4r2 und wegen 2q 2 = p2
daher 2q 2 = 4r2 .

Division durch 2 gibt q 2 = 2r2 , also ist q 2 gerade. Daher ist auch q gerade. Da p und q beide
√ nicht teilerfremd, ein Widerspruch zu (3.2). Daher ist die Annahme 2 ∈ Q
gerade sind, sind sie
falsch, und somit 2 ∈ / Q.

Man kann nun Q passend erweitern, sodaß keine solchen ”Lücken“ auftreten, und die gewohn-
ten Rechenregeln weiterhin gültig bleiben.

Um diese nicht jedesmal (für R, Q und C) wiederholen zu müssen, formuliert man diese Re-
chenregeln ein-für-allemal, indem man den Begriff eines (Zahlen-) Körpers K definiert:

3.1 Körperaxiome

K steht im folgenden für R, Q und C.

16
Die Rechenregeln sind gegeben durch 2 Abbildungen
+: K×K→K ”Addition“
(x, y) 7→ x + y (3.3)
und
·: K×K→K ”Multiplikation“
(x, y) 7→ x · y (3.4)
Diese sollen erfüllen:

Axiome der Addition:

A1 Assoziativgesetz: ∀x, y, z ∈ K : (x + y) + z = x + (y + z)
A2 Kommutativgesetz: ∀x, y ∈ K : x + y = y + x
A3 Existenz der Null: ∃ 0∈K: x+0=x
A4 Existenz des Negativen: ∀x ∈ K ∃(−x) ∈ K : x + (−x) = 0

Axiome der Multiplikation:

M1 Assoziativgesetz: ∀x, y, z ∈ K : (x · y) · z = x · (y · z)
M2 Kommutativgesetz: ∀x, y ∈ K : x · y = y · x
M3 Existenz der Eins: ∃ 1 ∈ K \ {0} x · 1 = x
M4 Existenz des Inversen: ∀x ∈ K \ {0} ∃x−1 ∈ K : x · x−1 = 1.

Definition 3.1. Ein Tripel (K, +, ·) einer Menge K mit 2 Abbildungen + aund · heiß t
Körper, falls A1 - A4 für + und M1 - M4 für · gilt, und das Distributivgesetz D:

∀x, y, z ∈ K : (x + y) · z = x · z + y · z

gilt.

Notation:

x − y := x + (−y), (3.5)
x
:= x · y −1 (3.6)
y
xn := x
| · {z
... · x}, n∈N (3.7)
n mal
1
x−n := (3.8)
xn
0
x := 1 (3.9)

17
oft läßt man · einfach weg.

Beispiele:

• (Q, +, ·), (R, +, ·) sind Körper, auch (C, +, ·) (weiter unten)

• Restklassenkörper: z.B. Z2 = {0, 1}, mit 0 + 1 = 1 = 1 + 0, 1 + 1 = 0 = 0 + 0 und

1 · 1 = 1, 0 · 1 = 0.

(Gegenbeispiel: n × n Matrizen: Multiplikation ist nicht kommutativ! )

Satz 3.2. In jedem Körper (K, +, ·) gilt:

1. Null - und Einselement sind eindeutig bestimmt

2. Das Negative Element für + und das Inverse Element für · sind eindeutig bestimmt

3. Die folgenden Gleichungen sind eindeutig lösbar:

• x + a = b, für gegebene a, b ∈ K
• x · a = b, für gegebene a, b ∈ K mit a 6= 0

Beweis. 1) Annahme: ∃ 00 ∈ K \ {0} ∀x ∈ K : x + 00 = x

A2 A3
⇒ 0 = 0 + 00 = 00 + 0 = 00 . E

Die verbleibenden Aussagen sind Übungsaufgaben.

Notation:

Wir erinnern wir an die Bedeutung des Summen- und Produktzeichens. Seien m ≤ n ganze
Zahlen. Für jede ganze Zahl k mit m ≤ k ≤ n sei ak eine reelle Zahl. Dann setzt man
n
X
ak = am + am+1 + ... + an
k=m

und n
Y
ak = am · am+1 · ... · an
k=m

Aus den Körperaxiomen folgt z.B.

m
X n
X n
X
ak + ak = ak
k=1 k=m+1 k=1

18
und m n n
Y   Y  Y
ak · ak = ak
k=1 k=m+1 k=1
Pm−1 Qm−1
wobei man k=m ak = 0 und k=m ak = 1 setzt.

3.2 Ordnungsstruktur auf R

reelle Zahlen kann man vergleichen, also ordnen:

Um dies zu definieren, genügt es, zunächst die positiven Zahlen R+ ⊂ R zu identifizieren:

x>0 ⇔ x ∈ R+

Es gilt die Transitivität:

∀x, y ∈ R+ : x + y > 0 und x · y > 0 (3.10)

Damit definiert man die negativen Zahlen R− = {x ∈ R| − x ∈ R+ }, und klarerweise ist

R = R− ∪ {0} ∪ R+

Man definiert nun

x>y ⇔x−y >0 (3.11)

x≥y ⇔x−y >0 ∨ x=y (3.12)

und analog <, ≤.

Damit kann man die folgenden Rechenregeln für Ungleichungen herleiten:

Satz 3.3. Im Körper der reellen Zahlen (R, +, ·) gilt:

• Transitivität
x < y, y<z ⇒ x<z

• Spiegelung
x<y ⇒ −x > −y

• Inversion
0<x<y ⇒ 0 < y −1 < x−1

• Addition
x<y ∧ w<z ⇒ x+w <y+z

• Positivität des Quadrates

x 6= 0 ⇒ x2 > 0

19
3.2.1 Betragsfunktion und Dreiecksungleichung

Definition 3.2. Der (absolute) Betrag von x ∈ R ist


x x≥0
|x| :=
−x x < 0

Eigenschaften:

1. pos. Definitheit: i) |x| ≥ 0 ii) |x| = 0 ⇔ x=0

2. Multiplikativität |x · y| = |x| · |y|

3. Dreiecksungleichung |x + y| ≤ |x| + |y|

Beweis. für die Dreiecksungleichung:

für x, y ∈ R gilt

x ≤ |x|, y ≤ |y|

und

−x ≤ |x|, −y ≤ |y|

mit der Additivität folgt

x + y ≤ |x| + |y| und − x − y ≤ |x| + |y|

somit die Behauptung.

Bemerkung: Die Eigenschaften 1) - 3) gelten auch für C (später)

3.2.2 Supremum und Infimum

Definition 3.3. Eine Teilmenge M ⊂ R heißt nach oben (bzw. nach unten) beschränkt,

20
 wenn es eine Konstante k ∈ R gibt, so dass

x≤k (bzw. x ≥ k) für alle x ∈ M

Man nennt dann k obere (bzw. untere) Schranke von M .

Die Menge M heißt beschränkt, wenn sie sowohl nach oben als auch nach unten beschränkt
ist.

Eine Teilmenge M ⊂ R ist also genau dann beschränkt, wenn es eine Konstante k ≥ 0 gibt,
so dass |x| ≤ k für alle x ∈ M .

Definition 3.4. Sei M eine Teilmenge von R. Eine Zahl k ∈ R heißt Supremum (bzw.
Infimum) von M , falls k kleinste obere (bzw. größte untere) Schranke von M ist. Dabei
heißt k kleinste obere Schranke von M , falls gilt:

1. k ist obere Schranke von M

2. falls k 0 eine weitere obere Schranke von M ist, dann folgt k ≤ k 0 .

analog ist die größ te untere Schranke definiert.

Gilt zusätzlich k ∈ M , dann heißt k Maximum (bzw. Minimum) von M

Es ist klar, dass die kleinste obere Schranke (bzw. größte untere Schranke) im Falle der Exi-
stenz eindeutig bestimmt ist. Man bezeichnet sie mit sup(M ) bzw. inf(M ).

Beispiele:

• sup[a, b) = b, inf[a, b) = min[a, b) = a

• (a, ∞) besitzt keine obere Schranke.

Man schreibt dennoch sup(a, ∞) = ∞ und inf(−∞, b) = −∞.

Schreibweise: für f : M → R und A ⊂ M :

sup f (x) := sup f (A), inf f (x) := inf f (A)

x∈A x∈A

analog für min und max.

3.3 Vollständigkeit von R

√
Wir wissen schon (Satz 3.1), daß 2∈
/ Q.

21
Das heißt, daß M = {x ∈ Q| x2 ≤ 2} kein Supremum in Q hat.

Die reellen Zahlen füllen gerade diese ”Löcher“ in Q:

3.1. Vollständigkeitsaxiom: in R gilt:

jede nichtleere, nach oben beschränkte Teilmenge M ⊂ R hat ein Supremum in R.

Bemerkung: In Q gilt das nicht!

Man kann zeigen, daß R der einzige vollständige angeordnete Körper ist.

Man kann nun das Intervallschachtelungsprinzip folgern:

Satz 3.4. für abgeschlossene Intervalle In = [an , bn ] mit In+1 ⊂ In gilt:

\
∅=
6 In := {x| ∀n ∈ N : x ∈ In }
n∈N

Beweis. Es gilt ∀n ∈ N: an ≤ b n

⇒ ∀m ∈ N : bm ist obere Schranke on A := {an | n ∈ N}

⇒ ∀n ∈ N : an ≤ sup A ≤ bn
T
d.h. sup A ∈ n∈N In

3.4 Weitere Eigenschaften von Q versus R

Es gilt:

Satz 3.5. Q ist dicht in R, d.h.

∀ > 0, x ∈ R ∃ p ∈ Q mit |x − p| < 

Beweis. weggelassen.

Satz 3.6. R ist überabzählbar

d.h. es gibt keine Bijektion N → R, also keine vollständige Auflistung R = {x1 , x2 , ...}.

22
Beweis. nehmen wir an, es gäbe so eine Auflistung R = {x1 , x2 , ...}.

Definiere I1 := [x1 + 1, x1 + 2] 63 x1

und wähle analoge abgeschlossene Intervalle In+1 ⊂ In mit xn+1 ∈

/ In+1 (geht immer)

Aus dem Intervallschachtelungsprinzip folgt:

\
∅=6 In 3 s
n∈N

aber per Konstruktion ist s 6= xn ∀n ∈ N. E

(Ein alternativer Beweis verwendet das 2. Cantor’sche Diagonalverfahren, siehe zB. [Forster
§9 Satz 2)

4 Komplexe Zahlen

Komplexe Zahlen sind extrem nützlich und hilfreich zum Lösen von physikalischen Gleichun-
gen, und essentiell in der Quantenphysik!

4.1 Der Körper der komplexen Zahlen

4.1. Definition & Satz:

Die Menge R2 der reellen Zahlenpaare (x, y) wird durch

• Addition: (x, y) + (x0 , y 0 ) := (x + x0 , y + y 0 )

• Multiplikation: (x, y) · (x0 , y 0 ) := (xx0 − yy 0 , xy 0 + x0 y)

zum Körper der komplexen Zahlen (C, +, ·).

Eigenschaften
• der Körper R der reellen Zahlen ist in C eingebettet durch

R→C
x 7→ (x, 0)

man kann also jedes x ∈ R mit (x, 0) identifizieren

• imaginäre Einheit:
i := (0, 1) erfüllt i2 = (−1, 0) = −1

23
 • Wegen (x, y) = (x, 0) + (0, y) schreibt man für z = (x, y) ∈ C:

z = x + iy

wobei x = Re(z) ... Realteil, y = Im(z) ... Imaginärteil

• Rechenregeln:

z + z 0 = (x + x0 ) + i(y + y 0 )
z · z 0 = (x + iy)(x0 + iy 0 ) = xx0 − yy 0 + i(xy 0 + x0 y)
= z0 · z

und für z = x + iy 6= 0 gilt:

x y
z −1 = −i 2
x2 +y 2 x + y2

Definition 4.1. Für z = x + iy ∈ C heiß t

• z := x − iy ... komplex konjugierte von z (oft: z ∗ = z)

p
• |z| := x2 + y 2 ... Betrag von z

nützliche Eigenschaften:

• z = z, z + w = z + w, z·w =z·w

• Rez = 21 (z + z), Imz = 1

2i
(z − z)

• |z|2 = z · z, |z| = |z|

• z −1 = z
|z|2
, falls z 6= 0

Die komplexe Zahlenebene C

Die komplexe Zahlen z = (x, y) können als Vektoren (x, y) in R2 visualisiert werden:

Kartesische Darstellung:

24
nützlich für Addition

Polardarstellung

nützlich für Multiplikation:

jede komplexe Zahl läßt z 6= 0 sich eindeutig durch Betrag r := |z| und Phase ϕ := arg(z) ∈
(−π, π] festlegen:
z = r cos ϕ + ir sin ϕ
also

Schreibweise mit der komplexen Exponentialfunktion (später genauer):

eiϕ := cos ϕ + i sin ϕ

also
z = reiϕ
es gilt (Begründung später):
0 0
ei(ϕ+ϕ ) = eiϕ eiϕ

25
 0
und somit für z = reiϕ und z 0 = r0 eiϕ :
0
zz 0 = rr0 ei(ϕ+ϕ ) ...Polardarstellung, mit ϕ ∈ (−π, π]
graphisch funktioniert das so:

Insbesondere:
|z| = r, z n = rn einϕ für alle n ∈ N

4.2 Komplexe Wurzeln & Fundamentalsatz der Algebra

Die komplexen Zahlen sind sehr nützlich, weil man damit polynomiale Gleichungen immer
lösen kann.
Definition 4.2. Für w ∈ C und n ∈ N heiß t z ∈ C eine komplexe n-te Wurzel von w,
wenn z n = w gilt.

beachte: die komplexen n-ten Wurzeln sind nie eindeutig.

z.B. sind ±i zwei (2te) Wurzeln von −1.

genauer: Es gibt stets n komplexe n-te Wurzeln von 1.

in Polardarstellung:
k
zk := ei n 2π , k = 1, 2, ..., n
erfüllt
n
k
zkn = ei n 2π = ei2kπ = 1
zum Beispiel für n = 3
2 1 √
z1 = ei 3 π = (−1 + i 3)
2
i 43 π 1 √
z2 = e = (−1 − i 3)
2
z3 = ei2π = 1

26
graphisch sieht das so aus:

Definition 4.3. Die Abbildung

√
: C→C
√ p argz
z 7→ z = |z| ei 2

heiß t (Hauptzweig der) komplexen Quadratwurzel.

Verallgemeinerung:

Sei p(z) ein (komplexes) Polynom vom Grad n, also

p: C→C
z 7→ p(z) = a0 + a1 z 1 + ... + an z n , ai ∈ C, an 6= 0
Dann gilt:

Satz 4.1. (Abspaltung von Linearfaktoren)

Ist p(z) ein Polynom vom Grad n ∈ N und z0 eine Nullstelle von p, also

p(z0 ) = 0

dann gibt es ein Polynom q(z) vom Grad n − 1 mit

p(z) = (z − z0 )q(z)

(dies gilt nicht nur in C sondern auch für R oder Q).

Der folgende Satz gilt aber nur in C:

27
 Satz 4.2. (Fundamentalsatz der Algebra)

Jedes komplexe Polynom vom Grad n ∈ N besitzt mindestens eine komplexe Nullstelle
z0 ∈ C, d.h. p(z0 ) = 0.

Zusammen mit dem vorherigen Satz erhält man sofort

Satz 4.3. Jedes komplexe Polynom vom Grad n ∈ N kann in Linearfaktoren zerlegt
werden, d.h. es gibt (nicht notwendig verschiedene) z1 , ..., zn ∈ C und a ∈ C mit

p(z) = a(z − z1 )...(z − zn )

Beispiel:

p(z) = z 3 − 13z + 12

durch probieren: z = 1 ist Nullstelle, p(1) = 0.

Durch Polynomdivision erhält man

(z 3 − 13z + 12) : (z − 1) = z 2 + z − 12
Die Nullstellen eines Polynoms 2. Grades az 2 + bz + c erhält man bekanntlich aus
√
−b ± b2 − 4ac
z± =
2a
für z 2 + z − 12 ergibt dies die Nullstellen z = 3, z = −4

also Linearfaktorzerlegung:
p(z) = z 3 − 13z + 12 = (z − 1)(z − 3)(z + 4)

5 Vollständige Induktion und etwas Kombinatorik

Für jedes n ∈ N sei A(n) eine Aussage. Wir wollen zeigen, dass A(n) für alle n ∈ N richtig
ist. Dazu kann man man so vorgehen: Man zeigt, dass A(1) richtig ist. Dann zeigt man, daß
aus A(1) die Aussage A(2) folgt, aus A(2) die Aussage A(3) folgt, und ”so weiter“; d.h. aus
A(n) folgt A(n + 1). Diese Schlussweise wird präzisiert im Beweisprinzip der vollständigen
Induktion:
Satz 5.1. (Vollständige Induktion) Für n ∈ N sei A(n) eine Aussage; es gelte:

A(1) ist richtig. ”Induktionsanfang“

2. Für alle n ∈ N gelte: wenn A(n) richtig ist, dann auch A(n + 1) ”Induktionsschritt“
1.

28
 dann ist A(n) für alle n ∈ N richtig.

Dies folgt aus einer grundlegenden Eigenschaft der natürlichen Zahlen: Wenn für eine Teil-
menge M von N gilt: 1 ∈ M und aus n ∈ M folgt: n + 1 ∈ M , so ist M = N.

Beispiel:

Wir beweisen mit vollständiger Induktion die Formel

n(n + 1)
1 + 2 + 3 + 4 + ... + n =
2
A(n) sei die Aussage
n
X n(n + 1)
k=
k=1
2

Beweis. Induktionsanfang: n = 1

nachprüfen

Induktionsschritt:

Wir nehmen an, A(n) sei richtig. Zu zeigen ist, dass A(n + 1) richtig ist. Dies können wir
schreiben als
n+1
X n
X
k= k + (n + 1)
k=1 k=1
A(n) n(n + 1) (n + 1)(n + 2)
= +n+1= (5.1)
2 2
Damit ist A(n + 1) hergeleitet, und somit ist A(n) wahr ∀n.

Eine weitere wichtige Formel in diesem Zusammenhang ist:

1 − xn+1
1 + x + x2 + ... + xn = (5.2)
1−x
man kann dies mit vollständiger Induktion beweisen (Übung), oder direkt: Sei
sn = 1 + x + x2 + ... + xn
dann ist
1 + xsn = 1 + x(1 + x + x2 + ... + xn ) = sn + xn+1
also
sn (x − 1) = xn+1 − 1
dies ergibt die Behauptung.

29
5.1 Der binomische Lehrsatz

Bekannt sind die Formeln

(x + y)2 = x2 + 2xy + y 2
(x + y)3 = x3 + 3x3 y + 3xy 2 + y 3

wir suchen eine allgemeine Formel für (x + y)n für alle n ∈ N. Dazu definiert man:

Definition 5.1. Die Fakultät n! von n ∈ N0 ist definiert durch

0! := 1
n! = 1 · 2 · 3 · ... · n, n≥1

oder rekursiv n! = n · (n − 1)! für n ∈ N.

Definition 5.2. Für n, k ∈ N sei

 
n n · (n − 1) · ... · (n − k + 1) n≥k n!
:= =
k 1 · 2 · ... · k k!(n − k)!

sowie n0 := 1.

n n n




Insbesondere ist k
= 0 für k > n und n
=1= 0
.

Wir zeigen zuerst den folgenden

Hilfssatz: Für n ∈ N und k ∈ N mit 0 < k ≤ n gilt

     
n n−1 n−1
= + (5.3)
k k−1 k
   
n n
= (5.4)
k n−k

Beweis. Beweis des Hilfssatzes: einfach nachrechnen

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

Die Aussage nk = n−kn

folgt sofort aus der Definition.

30
Dies kann man im Pascal’schen Dreieck veranschaulichen (Übung) und einfach ausrechnen.

Damit kann man nun zeigen:

Satz 5.2. (Binomischer Lehrsatz) Für alle n ∈ N und x, y ∈ C gilt:

n  
n
X n k n−k
(x + y) = x y
k=0
k

Beweis. vollständige Induktion.

Induktionsanfang: n = 1
   
1 1 1
(x + y) = x+ y
0 1
stimmt

Induktionsschritt

Wir nehmen an, daß

n−1  
n−1
X n−1
(x + y) = xk y n−1−k
k
k=0

gilt. Wir multiplizieren diese Gleichung mit x + y:

n−1  
n
X n − 1 k n−k−1 
(x + y) = (x + y) x y
k=0
k
n−1   n−1  
X n − 1 k+1 n−(k+1) X n − 1 k n−k
= x y + x y
k=0
k k=0
k
n   n−1  
X n − 1 l n−l X n − 1 k n−k
= xy + x y
l=1
l − 1 k=0
k
  n−1      
n−1 n X  n−1 n − 1  k n−k n−1 n
= x + + x y + y
n−1 k=1
k − 1 k 0

n−1 n−1



(mit l = k + 1 in der 3. Zeile). Nun ist n−1
=1= 0
, und mit dem obigen Hilfssatz (5.4)
erhalten wird
n−1   n  
n n
X n k n−k n
X n k n−k
(x + y) = x + x y +y = x y (5.5)
k=1
k k=0
k

Wir zeigen noch die folgende wichtige Interpretation der Binomialkoeffizienten:

31
 Satz 5.3. Für n, k ∈ N mit 1 ≤ k ≤ n gilt:
n


Die Anzahl der k-elementigen Teilmengen einer n-elementigen Menge M ist k

Beweis. Induktion über n.

Induktionsanfang n = 1 ist klar

Induktionsschritt:

Wir nehmen an, die Aussage sei für n − 1 richtig. Sei M eine Menge mit n Elementen. Wir
wählen wir ein p ∈ M .

Die Anzahl
der k-elementigen Teilmengen A ⊂ M mit p ∈

/ A ist nach Induktionsannahme
n−1
gleich k , weil A ⊂ M \ {p}.

Alle k-elementigen Teilmengen A ⊂ M mit p ∈ A erhält man, indem man alle (k
− 1)-
elementigen Teilmengen von M \ {p} wählt und p hinzufügt; die Anzahl ist also n−1
k−1
laut
Induktionsannahme.

Zusammen ergibt dies also n−1 + n−1 = nk Möglichkeiten

k k−1

6 Folgen und Grenzwerte

Motivation: viele Größen sind nicht durch einen in endlich vielen Schritten exakt berechenba-
ren Ausdruck gegeben, sondern können nur mit beliebiger Genauigkeit approximiert werden.
Eine Zahl mit beliebiger Genauigkeit approximieren heißt, sie als Grenzwert einer Folge dar-
stellen.

6.1 Definition und Beispiele

Definition 6.1. Eine reelle Folge ist eine Abbildung

a : N → R,
n 7→ a(n) =: an

Notation: (an )n∈N oder einfach (an ).

elementare Eigenschaften

• (an ) heißt monoton steigend, wenn an+1 ≥ an für alle n ∈ N.

32
 (an ) heißt streng monoton steigend, wenn an+1 > an für alle n ∈ N.

• (an ) heißt monoton fallend, wenn an+1 ≤ an für alle n ∈ N.

(an ) heißt streng monoton fallend, wenn an+1 < an für alle n ∈ N.

• (an ) heißt nach oben (bzw. unten) beschränkt, wenn es eine Zahl k ∈ R gibt mit an ≤ k
(bzw. an ≥ k) für alle n .

Beispiele:

• Folge der Stammbrüche:

1
an =
n
also (1, 12 , 13 , 14 , ...).
ist streng monoton fallend, beschränkt.

•
an = (−1)n

also (1, −1, 1, −1, ...)

•
n 1 2 3
( )n∈N0 = (0, , , , ....)
n+1 2 3 4
• Potenzfolge:
an = x n , x∈R
ist monoton steigend für x > 1, konstant für x = 1, monoton fallend für 0 < x < 1,
nicht monoton für x < 0.

• nicht mehr so offensichtlich:

1 n
an = (1 + )
n
ist streng monoton steigend (ohne Beweis) und beschränkt (Übung)

• rekursiv definierte Folgen: z.B.

– Fibonacci Folge: a1 = a2 = 1, an+2 = an+1 + an

(an )n∈N = 1, 1, 2, 3, 5, 8, 13, ...
– Quadratwurzel-Folge: gegeben x, a1 > 0. Definiere an+1 = 21 (an + x
an
)

6.2 Konvergenz und Grenzwert

Frage: Wie verhält sich (an ) für große n?

33
 Definition 6.2. Eine (reelle) Folge (an ) heiß t konvergent gegen a ∈ R, wenn

∀  > 0 ∃N ∈ N : ∀n ≥ N : |an − a| <  (6.1)

In diesem Fall heiß t a Grenzwert (oder Limes) der Folge, und man schreibt

a = lim an kurz: an → a
n→∞

Existiert kein solches a ∈ R, dann heiß t (an ) divergent

beachte, dass die Zahl N von  abhängt. Im Allgemeinen wird man N umso größer wählen
müssen, je kleiner  ist.

Der Grenzwert einer Folge ist eindeutig (falls er existiert):

Satz 6.1. Die Folge (an )n∈N konvergiere sowohl gegen a als auch gegen a0 . Dann gilt
a = a0 .

Man kann also konvergenten Folgen eine eindeutige Zahl (den Grenzwert) zuordnen. Darin
begründet sich deren Nützlichkeit.

Beweis. nicht schwer, siehe z.B. [Forster] .

alternative Charakterisierung mit  - Umgebung von a:

Definition 6.3. Sei  > 0. Die - Umgebung eines Punktes a ∈ R ist definiert durch

U (a) := {x ∈ R| |x − a| < }

dies ist das offene Intervall (a − , a + ) um a.

an → a bedeutet also:

Für jedes noch so kleine  > 0 gilt:

Bis auf endlich viele Folgenglieder liegen alle an in U (a)

34
also:

an konvergiert gegen a ⇔ ∀  > 0 : an ∈ U (a) für fast alle n ∈ N

Hierbei bedeutet ”fast alle“ ≡ ”alle bis auf endlich viele“ (in der Mathematik)

Beispiele (anknüpfend an die obigen Bsp):

• (an ) = ( n1 )n∈N ist Nullfolge, d.h. konvergiert gegen 0:

1
lim =0
n→∞ n
1
Beweis. Sei  > 0. Wähle N ∈ N so, daß N > 
(geht immer). Dann gilt: ∀n ≥ N :
| n1 − 0| = n1 ≤ N1 < 

•
an = (−1)n
konvergiert nicht, ist also divergent.

Beweis. Annahme: lim (−1)n = a

n→∞

d.h. für  = 1 muss gelten: ∃N : ∀n > N : |(−1)n − a| < 1

Mit der Dreiecksungleichung folgt daraus
∆−U gl.
2 = |(−1)n+1 − (−1)n | ≤ |(−1)n+1 − a| + |a − (−1)n | < 1 + 1 = 2

Widerspruch E

35
 •
n 1 2 3
( )n∈N = (0, , , , ....)
n+1 2 3 4
konvergiert gegen 1
Beweis: Übung

• Potenzfolge:
an = x n , x∈R
ist divergent für |x| ≥ 1
für x = 1 : lim xn = 1
n→∞

für |x| < 1 : lim xn = 0

n→∞

Beweis: Übung

•
1 n
lim (1 + ) = e = 2, 1718... (Euler’sche Zahl)
n→∞ n
Beweis: später (ist nicht so einfach)

• Quadratwurzel-Folge: gegeben x, a1 > 0. Definiere an+1 = 12 (an + x

an
)
√
konvergiert gegen x
Beweis: später

6.2.1 Konvergenzkriterien

Notwendig, aber nicht hinreichend für Konvergenz:

Satz 6.2. Jede konvergente Folge ist beschränkt

Beweis. (Skizze): für  > 0 liegen alle bis auf endlich viele Folgenglieder an in U ( lim an ).
n→∞

der folgende Satz ist sehr nützlich:

Satz 6.3. (Monotoniekriterium I)

 
steigende
Jede beschränkte, monoton reelle Folge (an )n∈N konvergiert.
fallende
 
sup a(N)
Der Grenzwert ist gegeben durch lim an = .
n→∞ inf a(N)

36
Beweis. (für steigende Folgen)

Da a := sup(a(N)) kleinste obere Schranke ist, gilt:

∀ > 0 : ∃N ∈ N : aN > a − 

Aus der Monotonie folgt für n ≥ N : a ≥ an ≥ aN > a − ,

also |a − an | < .

beachte: hier geht das Vollständigkeitsaxiom für R ein (Existenz des Supremums).

Für Q gilt der Satz nicht.

Beispiele:

• an = n1p für p > 0 ist monoton fallend und beschränkt, also konvergent, und der
Grenzwert kann nur 0 sein:
lim 1p =0
n→∞ n

• an = (1 + n1 )n ist monoton wachsend und beschränkt (Übung)

daher konvergent. Man kann den Grenzwert ausrechnen (später):
lim (1 + n1 )n = e = 2, 1718. (Euler’sche Zahl)
n→∞

auch das folgende Kriterium ist oft nützlich:

Satz 6.4. (Majorantenkriterium)

Seien (an ), (bn ) Folgen und a ∈ R mit

1. |an − a| ≤ bn ∀ n ∈ N und

2. lim bn = 0 (d.h: (bn ) ist Nullfolge).

n→∞

Dann gilt: lim an = a

n→∞

Beweis. Sei  > 0. Nach Voraussetzung 2. gibt es ein N ∈ N sodaß ∀n > N : |an − a| < .
Dies ergibt die Behauptung.

Beispiele für Nullfolgen:

37
 1
• lim p = 0 für p > 0
n→∞ n

• lim xn = 0 für |x| < 1.

n→∞

np
• lim x n = 0 für p > 0, |x| > 1.
n→∞

Beweis später bzw. Übung.

6.2.2 Grenzwertregeln

Satz 6.5. Grenzwertarithmetik

Seien (an ), (bn ) konvergent mit a = lim an und b = lim bn . Dann gilt:
n→∞ n→∞

1. lim (an + bn ) = a + b
n→∞

2. lim an · bn = a · b
n→∞

3. Falls b 6= 0: lim an = a
n→∞ bn b

4. an ≤ bn ⇒ a ≤ b

Beweis. nur für 1.) und 3.) , Rest Übung

1.)
 
Sei  > 0. Wähle N ∈ N groß genug, daß ∀n ≥ N : |an − a| < 2
und |bn − b| < 2

Dann ist
∆−U gl
∀n ≥ N : |an + bn − a − b| = |an − a + bn − b| ≤ |an − a| + |bn − b| (6.2)
 
≤ + = (6.3)
2 2

3.) Wegen 2.) genügt es z.z: lim 1 = 1

n→∞ bn b

|b|
Aus lim bn = b folgt: |bn − b| ≤ 2
für fast alle n ∈ N
n→∞

∆−U gl
|b|
Also |bn | ≥ |b| − |bn − b| ≥ 2
> 0 für fast alle n ∈ N

daher können wir wie folgt argumentieren:

1 1 |bn − b| |bn − b| 2
| − |= ≤ |b| = 2 |bn − b|
bn b |bn ||b| |b| |b|
2

38
für fast alle n ∈ N.

Wegen der Konvergenz von bn → b folgt die Behauptung aus dem Majorantenkriterium.

Insbesondere: setzte bn = b. Dann folgt z.B. lim an · b = a · b.

n→∞

√
6.2.3 Anwendung: Newton-Verfahren für w

Für w > 0 gibt es genau eine positive Lösung von x2 = w, genannt die Quadratwurzel von w.

Iterative Berechnung: Wähle a1 > 0 beliebig, und definiere rekursiv eine Folge

an+1 := 12 (an + w
an
)

Behauptung: für n ≥ 2 ist die Folge monoton fallend und beschränkt

Beweis. berechne dazu

1 w2 1 w
a2n+1 = (a2n + 2w + 2 ) = (an − )2 + w ≥ w (6.4)
4 an 4 an
und damit
1 w w − a2n 6.4)
an+1 − an = ( − an ) = ≤ 0
2 an 2an
Beschränktheit ist klar: an > 0. Daher konvergiert (an ).

Den Grenzwert a := lim an können wir mit der Grenzwertarithmetik berechnen:

n→∞

1 w 1 w
a = lim an+1 = lim (an + ) = (a + ) > 0
n→∞ n→∞ 2 an 2 a
√
also a2 = w und daher a = w.
k
√
Ein analoges Verfahren funktioniert auch für w (Übung)

6.3 Bestimmte Divergenz, lim sup, lim inf

Definition 6.4. Eine reelle Folge (an ) heiß t bestimmt divergent (oder
uneigentlich konvergent gegen +∞), wenn

∀k ∈ R : ∃N ∈ N : ∀n ≥ N : an ≥ k

39
 man schreibt dann
lim an = +∞ oder an → ∞
n→∞

Analog heiß t (an ) bestimmt divergent gegen −∞, wenn −an → ∞. man schreibt dann

lim an = −∞ oder an → −∞
n→∞

Beispiel:

für x > 1 ist xn → +∞.

Achtung: für x < −1 konvergiert xn nicht einmal im uneigentlichen Sinn!

es gilt (leicht einzusehen): Jede monotone reelle Folge konvergiert oder ist bestimmt divergent

für uneigentlich konvergente Folgen gilt auch eine (eingeschränkte) Grenzwertarithmetik:

Rechenregeln:

• ∞ + a = ∞, ∞+∞=∞
für a > 0 : a · ∞ = ∞, ∞ · ∞ = ∞

• −∞ + a = −∞, −∞ − ∞ = −∞
für a > 0 : a · (−∞) = −∞, (−∞) · (−∞) = ∞

aber nicht definiert (also nicht eindeutig) ist

∞
∞ − ∞, ∞
, 0 · ∞, ...

wir benötigen noch ein (etwas subtiles) Konzept für Folgen (an ), das nützlich sein wird:
zunächst:
an := sup{am | m ≥ n}, an := inf{am | m ≥ n}
es gilt also immer
an ≤ an ≤ an
Aus der Definition folgt sofort, dass die Folge (an ) monoton fallend (!) ist, und die Folge (an )
monoton wachsend ist.

Daher existiert ihr (eigentlicher oder uneigentlicher) Grenzwert:

Definition 6.5. der Limes superior bzw. Limes inferior einer reellen Folge (an ) sind
definiert durch

lim sup an := lim an

n→∞ n→∞

40
 lim inf an := lim an
n→∞ n→∞

es gilt dann:

Satz 6.6. Die Folge (an ) konvergiert (uneigentlich) genau dann gegen a ∈ R ∪ {±∞},
falls lim sup an = lim inf an = a
n→∞ n→∞

Beweis. Übung

6.4 Cauchy Folgen

Definition 6.6. eine Folge (an ) heiß t Cauchy-Folge, falls

∀ > 0 ∃N ∈ N ∀n, m ≥ N : |an − am | < 

(wichtig!)

das folgende Konvergenzkriterium ist sehr nützlich für Folgen, deren Grenzwert man nicht
kennt:

Satz 6.7. (Cauchy Kriterium)

(an ) ist Cauchyfolge in R ⇔ (an ) ist konvergent

Beweis. ⇒:

Da jede Cauchy-Folge beschränkt ist, gilt a := lim sup an ∈ R.

n→∞

Sei  > 0. Wähle N ∈ N s.d. für alle n, m ≥ N gilt: |an − am | < .

Daraus folgt
an −  ≤ am ≤ an +  ∀ n, m ≥ N
Daraus folgt, daß
an −  ≤ a ≤ an + 
also |an − a| < 

⇐:

Sei  > 0. Wähle N ∈ N s.d. für alle n ≥ N gilt: |an − a| < 2 .

41
Daraus folgt, daß
∆−U gl
∀n, m ≥ N : |an − am | ≤ |an − a| + |a − am | < 

Bemerkung:

Man kann zeigen, daß die Aussage ”jede Cauchy-Folge konvergiert” äquivalent zur
Vollständigkeit von R ist.

Beispiel:

Die Folge
1
an =
n
ist eine Cauchy-Folge.
1
Man kann nämlich zu einem beliebig vorgegebenen ε > 0 ein N so wählen, dass N > ε
erfüllt
ist. Sind nun m > n > N beliebig gewählt, dann gilt
1 1 m−n m 1
|an − am | = | − |=| |< = <ε
n m nm nm n
Hingegen ist an = n keine Cauchy-Folge, weil |an − am | ≥ 1 für n 6= m.

6.5 Teilfolgen, Häufungspunkte, Bolzano-Weierstraß

Definition 6.7. Sei (an )n∈N eine Folge und n1 < n2 < n3 < ... eine aufsteigende Folge
natürlicher Zahlen. Dann heiß t die Folge bk = ank , also

(bk )k∈N = (an1 , an2 , an2 , ...)

Teilfolge der Folge (an ).

Es folgt unmittelbar: Ist (an )n∈N eine konvergente Folge mit dem Limes a, so konvergiert auch
jede Teilfolge gegen a.

Definition 6.8. Eine Zahl a heißt Häufungspunkt einer Folge (an )n∈N , wenn es eine
Teilfolge von (an ) gibt, die gegen a konvergiert.

alternative Charakerisierung:

a ist Häufungspunkt

⇔ ∀ > 0 : an ∈ U (a) für unendlich viele n ∈ N

42
⇔ ∀ > 0, N ∈ N : ∃n > N : an ∈ U (a) .

Beispiele:

• an = (−1)n besitzt die Häufungspunkte +1 und −1.

Teifolgen: bk = a2k → 1
b0k = a2k+1 → −1
• an := (−1)n + n1 , n > 1, besitzt ebenfalls die beiden Häufungspunkte +1 und −1, denn
1
lim a2n = lim ((−1)2n + )=1
n→∞ n→∞ 2n
und analog für a2n+1 .
• an := n, n ∈ N besitzt keinen Häufungspunkt, da jede Teilfolge unbeschränkt ist, also
nicht konvergiert.
• ist an eine Abzählung von Q, so ist jede reelle Zahl x ∈ R Häufungspunkt von an .
(weil: in jeder Umgebung U (x) liegen unendlich viele rationale Zahlen.)

allgemein gilt: ist lim sup an , lim inf an ∈ R

n∈N n∈N

so sind dies stets Häufungspunkte von (an ), und für jeden Häufungspunkt x ∈ R gilt:
lim inf an < x < lim sup an
n∈N n∈N

(also ist lim inf der kleinste HP, und lim sup der größte HP.)

Der folgende Satz ist sehr wichtig (und nicht trivial!):

Satz 6.8. (Bolzano-Weierstrass)

Jede beschränkte reelle Folge besitzt mindestens einen Häufungspunkt

Beweis. (an ) beschränkt ⇒ lim sup an ∈ R

n∈N

7 Reihen
Definition 7.1. Sei (an ) eine (reelle) Folge. Die Folge
n
X
sn = an
k=1

43
 ∞
P
der Partialsummen heiß t (unendliche) Reihe, und wird mit an bezeichnet.
n=1

∞
P
Konvergiert die Folge (sn )n∈N , so wird ihr Grenzwert ebenfalls mit an bezeichnet. An-
n=1
dernfalls spricht man von einer divergenten Reihe.

∞
P ∞
P
Falls eine Reihe an ”bestimmt divergiert“ also lim sn = ±∞, schreibt man auch an =
n=1 n→∞ n=1
±∞.

Beispiele:

∞
1
P
• Wir betrachten die Reihe k(k+1)
.
k=1
n
1
P
Die Folge der Partialsummen sn = k(k+1)
konvergiert, weil
k=1

n
X k k − 1

sn = −
k=1
k+1 k

Dies ist eine ”Teleskopsumme“, welche unmittelbar summiert werden kann:

n 0
n
sn = − = →1
n+1 1 n+1
Daher konvergiert die unendliche Reihe und es gilt
∞
X 1
= lim sn = 1
k=1
k(k + 1)

• geometrische Reihe
Sei |x| < 1. Dann gilt
∞
X 1
xk = (7.1)
k=1
1−x

Beweis. Wir erinnern uns an die geometrische Summenformel (5.2):

xn+1 − 1
sn = (7.2)
x−1
Wir wissen bereits, dass xn → 0 konvergiert (für |x| < 1!). Damit ergibt sich aus der
Grenzwertarithmetik sofort
xn+1 − 1 1
lim sn = lim =
n→∞ n→∞ x − 1 1−x

44
 Für |x| > 1 ist die geometrische Reihe divergent, weil sie keine Cauchy-Foge ist (|sn −
sn+1 | = |xn+1 | = |x|n+1 > 1).

• harmonische Reihe:
∞
X 1
k=1
k
ist divergent.
Um dies zu sehen, zeigen wir zunächst
2n
X 1 n
s2n = ≥1+ →∞ (7.3)
k=1
k 2

woraus die Divergenz der harmonischen Reihe folgt.

Wir zeigen (7.3) induktiv:
Induktionsanfang n = 1: klar
Induktionsschritt n → n + 1:

1 1
n 2n n+1
s2n+1 = s2n + n
+ ... + n n
≥ 1 + + n+1
=1+
| 2 + 1 {z 2 + 2 } 2 2 2
2n Terme

7.1 Konvergenzkriterien
Satz 7.1. (Cauchy-Kriterium)
∞
P
Sei an eine reelle Reihe. Dann gilt:
k=1

∞
P n
P
an konvergiert ⇔ ∀ > 0 ∃N ∈ N ∀n ≥ m ≥ N : | ak | < 
k=1 k=m

Beweis. ... einfach Definition, daß sn Cauchyfolge, daher konvergent.

daraus folgt unmittelbar: Das Konvergenzverhalten einer Reihe ändert sich nicht, wenn man
endlich viele Glieder abändert. (Nur die Summe ändert sich.)

Beispiel: Laurent-Reihe:

Für x > 1 und (an ) beschränkt konvergiert die Reihe

∞
X ak
k=0
xk

45
Beweis. Wir zeigen, dass
n
X ak
tn :=
k=0
xk
eine Cauchy-Folge ist.

Sei dazu  > 0 und a := sup{|an |; n ∈ N}.

1
schon bekannt: xn
konvergiert gegen 0

Wähle N > 0 wählen sodaß ( x1 )N < (1 − x1 ) a

Dann gilt ∀m ∈ N, n ≥ N :
n+m n+m
X ak ∆−U gl X ak
|tn+m − tn | = | | ≤ | k|
k=n+1
xk k=n+1
x
n+m m
X a a X 1 a 1
≤ | k| = n k
≤ n 1 <
k=n+1
x x k=1 x x 1− x

Das folgende Konvergenzkriterium ist sehr nützlich

Definition 7.2. (Monotoniekriterium für Reihen)

∞
P
Eine Reihe an mit an ≥ 0 konvergiert genau dann, wenn die Reihe (d.h. die Folge der
n=1
Partialsummen) beschränkt ist.

n
P
Beweis. da an ≥ 0, ist Folge der Partialsummen sn = ak monoton wachsend. Die Behaup-
k=1
tung folgt daher aus dem Monotoniekriterium für Folgen.

Eine einfache Beobachtung ist:

∞
P
Satz 7.2. an konvergent ⇒ an → 0
n=1

Beweis. folgt sofort aus Cauchy-Kriterium

die Umkehrung dieser Aussage stimmt aber nicht, wie das Beispiel der harmonischen Reihe
zeigt;

46
 P∞
d.h. lim an = 0 ist zwar notwendig, aber nicht hinreichend für die Konvergenz von n=1 an .

Die Feinheiten der Konvergenz von Reihen sieht man gut am Beispiel der

alternierenden harmonischen Folge:

P∞ (−1)n
Die Reihe n=1 n
konvergiert.

Dies folgt sofort aus dem

Satz 7.3. (Leibnitz Kriterium)

Sein (an )n∈N monotone Nullfolge lim an = 0 mit an ≥ 0. Dann konvergiert die Reihe
∞
X
(−1)n an
n=1

Beweis. (Idee:) Sei

n
X
sn = an
k=1

Man sieht leicht:

s1 < s3 < s5 < ... < s2n−1 < s2n < s2n−2 < s4 < s2
aus dem Monotoniekriterium folgt, daß

s∗ := lim s2n
n→∞
s∗ := lim s2n−1
n→∞

existieren, und es gilt

0 ≤ s∗ − s∗ = lim (s2n − s2n−1 ) = lim a2n = 0

n→∞ n→∞

7.2 Absolute Konvergenz, Umordnungen

∞
P ∞
P
Definition 7.3. Die Reihe an heiß t absolut konvergent, wenn |an | konvergiert.
n=1 n=1

Bemerkungen:

• absolut konvergente Reihen bilden eine ”robuste“ Klasse von Reihen mit guten Eigen-
schaften, die in Anwendungen sehr nützlich sind, und gut manipuliert werden können
(siehe später).

47
 • aus absoluter Konvergenz von ∞
P P∞
n=1 an folgt die Konvergenz von n=1 an .
(Weil:Pfür n ≥ m ≥ 1 gilt | k=m ak | ≤ k=m |ak |, und somit erfüllt neben ∞
Pn Pn P
n=1 |an |
auch ∞ a
n=1 n das Cauchy-Kriterium).
• nicht alle konvergenten Reihen sind absolut konvergent!
(−1)n
Gegenbeispiel: die alternierende harmonische Reihe ∞
P
n=1 n
konvergiert, aber nicht
absolut.
Konvergente Reihen ∞
P
n=1 an , die nicht absolut konvergent sind, nennt man ”bedingt
konvergent“. Diese sind delikat und mit Vorsicht zu genießen.

es folgen einige sehr nützliche Konvergenzkriterien:

Satz 7.4. (Majorantenkriterium für abs. konv. Reihen)
∞
P ∞
P
Sei bn konvergent mit bn ≥ 0. Falls |an | ≤ bn , dann konvergiert die Reihe an
n=1 n=1
absolut.

Pm Pm
Beweis. Idee: Cauchy-Kriterium k=n |ak | < k=n bk

Beispiel:

für k ≥ 2 konvergiert die Reihe

∞
X (−1)n
, k>1
n=1
nk
absolut.

1 1 2
Beweis. zunächst: für alle n ∈ N gilt: nk
≤ n2
≤ n(n+1)
.

Wir wissen schon, dass sie Folge sn = nk=1 k(k+1)

2
P
gegen 2 konvergiert.

Daher konvergiert auch ∞ 1

P
n=1 nk nach dem Majorantenkriterium.

Bemerkung: Man kann (z.B. mithilfe der Theorie der Fourier-Reihen, oder Ende der VL)
beweisen, daß
∞ ∞
X 1 π2 X 1 π4
= , =
n=0
n2 6 n=0
n4 9
etc.
Satz 7.5. (Quotientenkriterium I)
∞
P
Sei an eine Reihe mit an 6= 0 für alle n ≥ n0 . Es gebe eine reelle Zahl θ mit 0 < θ < 1,
n=0

48
 sodaß
|an+1 |
≤θ für alle n ≥ n0 .
|an |
∞
P
Dann ist an absolut konvergent.
n=0

Beweis. oBdA (”ohne Beschränkung der Allgemeinheit): n0 = 1, also

|an+1 |
≤θ für alle n.
|an |

daraus folgt:
|an+1 | ≤ θn |a1 |
1
P∞
θn =
P
aus dem Majorantenkriterium und n 1−θ
folgt, daß n=0 an absolut konvergent.

es gilt auch die folgende Variante des Quotientenkriteriums:

Satz 7.6. (Quotientenkriterium II)

∞
P |an+1 |
Sei an eine Reihe mit an 6= 0 für fast alle n. Ferner existiere lim = θ. Dann
n=0 n→∞ |an |
gilt:

1. Falls θ < 1, dann ist die Reihe absolut konvergent

2. Falls θ > 1, dann ist die Reihe divergent.

(Beweis: Übung).

Beispiele:

P∞
• Für |x| < 1 konvergiert die Reihe n=0 xn absolut.
Beweis: Sei |x| < 1. Dann gibt es eine reelle Zahl θ mit |x| < θ < 1, und es gilt

|an+1 | |x|n+1
= = |x| < θ < 1
|an | |x|n

Absolute Konvergenz folgt somit aus dem Quotientenkriterium.

• Die Reihe ∞ n n
P
n=0 2n konvergiert absolut, da mit an := 2n für alle n ≥ 2 gilt:

|an+1 | n+1 3
= ≤ =: θ < 1
|an | 2n 4

49
 1
• Für an := n
erhalten wir die harmonische Reihe. Es gilt zwar

|an+1 | n
= < 1,
|an | n+1
|an+1 |
aber es gibt kein θ < 1 mit |an |
≤ θ für alle n ≥ n0 . Daher ist das Quotientenkriterium
nicht anwendbar.
P∞ P∞ 1
• Für an := n12 gilt: Die Reihe n=0 an = n=0 n2 ist absolut konvergent, obwohl es
|an+1 | n2
wieder kein θ < 1 gibt mit |an | = (n+1)2 ≤ θ für alle n ≥ n0 .

Im allgemeinen ist das Quotientenkriterium also nur eine hinreichende, aber keine notwendige
Bedingung für die Konvergenz.

Ein weiteres nützliches Kriterium:

Satz 7.7. (Wurzelkriterium)

p ∞
P
1. lim sup n
|an | < 1 ⇒ an konvergiert absolut
n→∞ n=1

p ∞
P
2. lim sup n
|an | > 1 ⇒ an divergiert
n→∞ n=1

Beweis. Übung

|an | = 1 bzw. lim sup |a|an+1 |

p
n
In den Grenzfällen lim sup n|
= 1 kann nichts allgemeines ausgesagt
n→∞ n→∞
werden.

7.3 Umordnung von Reihen

P∞
Sei n=1 an eine Reihe, und
σ:N→N
eine bijektive Abbildung. Dann heißt die Reihe ∞
P
n=1 aσ(n) eine Umordnung der gegebenen
Reihe. (dieselben Summanden, aber andere Reihenfolge.)
P∞
In der Einleitung zur VL wurde gezeigt, daß Umordnungen
P∞ von n=1 an i.a. nicht gegen den
n1
gleichen Grenzwert konvergieren, z. B. für ln 2 = n=1 (−1) n .

Man kann sogar zeigen:

Satz 7.8. (Riemann’scher Umordnungssatz)

50
 P∞
P n=1 an , die nicht absolut konvergiert, und jedes s ∈ R∪{∞}
Für jede konvergente Reihe
gibt es eine Umordnung ∞ n=1 aσ(n) , die gegen s konvergiert.

Für absolut konvergente Reihen gibt es diese Subtilität nicht:

Satz 7.9. Wenn ∞

P
n=1 an absolut konvergent ist, dann konvergiert jede Umordnung gegen
denselben Grenzwert.

Beweis. Sei σ : N → N Bijektion und  > 0.

Dann gibt es ein M ∈ N mit

∞ M ∞
X X X 
|an | − |an | = |an | <
n=1 n=1 n=M +1
2

Wähle N ∈ N, N ≥ M mit {1, ..., M } ⊂ {σ(1), ..., σ(N )}. Dann ist
N
X ∞
X N
X M
X ∞
X
| aσ(n) − an | ≤ | aσ(n) − an | + | an |
n=1 n=1 n=1 n=1 n=M +1
∞
X
≤2 |an | <  (7.4)
n=M +1

Dies kann insbes. auf Doppelreihen angewandt werden:

Sei

a: N×N→R
(n, m) 7→ anm

Dann kann man die folgenden iterierten Reihen betrachten:

∞ X
X ∞
A := anm
m=1 n=1
X∞ X ∞
B := anm
n=1 m=1

dann gilt die folgende Variante des Umordnungssatzes:

Satz 7.10. Wenn A oder B absolut konvergent ist, dann konvergiert für jede Abzählung

σ :N→N×N (bjektiv)

51
 ∞
P
die Reihe S := aσ(n) absolut, und es gilt:
n=1

∞
X
A = B = S =: anm
m,n=1

Beweis. siehe [Königsberger]

Bemerkung: Selbstverständlich gelten analoge Aussagen für Reihen, die nicht mit n = 1
beginnen, da die Konvergenz einer Reihe davon unabhängig ist.

7.4 Rechenregeln für Reihen

∞
P ∞
P
Satz 7.11. Seien A = an , B = bn zwei konvergente Reihen, und λ ∈ R. Dann
n=0 n=0
∞
P ∞
P
sind auch (an + bn ) und λan konvergent, und es gilt
n=0 n=0

∞
X
(an + bn ) = A + B
n=0
∞
X
λan = λA (7.5)
n=0
(7.6)

Beweis. nicht schwer (siehe zB [Forster] )

Für Produkte von Reihen muss man absolute Konvergenz voraussetzen:

∞
P ∞
P
Satz 7.12. Seien A = an , B = bn zwei absolut konvergente Reihen. Dann ist
n=0 n=0

∞
X
A·B = an b m
m,n=0

auch absolut konvergent.

(beachte: hier sind 2 Aussagen enthalten: 1) die absolute Konvergenz der Doppelsumme, und
2) die Aussage daß deren Grenzwert durch A · B gegeben ist).

52
Insbesondere gilt dann die Cauchy Produktformel:
∞
P n
P
A·B = cn mit cn := ak bn−k
n=0 k=0

Der Beweis für diesen wichtigen Satz steht in [Forster §8 Satz 3] oder [Griesser 7.4]

7.5 Potenzreihen

Eine wichtige Methode, Funktionen zu definieren und zu untersuchen, ist über Potenzreihen.

Definition 7.4. Eine Potenzreihe ist eine Reihe der Form ∞ n

P
n=0 an x , wobei an ∈ R für
alle n.

Wir wollen eine Potenzreihe als Funktion von x ∈ R auffassen. Dafür müssen wir zunächst
wissen, für welche Werte x sie überhaupt konvergiert. Der erste Schritt in dieser Richtung ist:

Satz 7.13. Falls die Reihe ∞ n

P
n=0 an x für x = x0 konvergiert, so konvergiert sie auch für
alle x mit |x| < |x0 |, und zwar absolut.

Beweis. oBdA x0 6= 0 (sonst ist nichts zu zeigen). Per Annahme konvergiert ∞ n

P
n=0 an x0 , also
an xn0 → 0. Daher ist die Folge beschränkt, also existiert ein k , so dass für alle n gilt |an xn0 | < k.
Wir schreiben nun ∞ ∞
X X  x n
an x n = an xn0
n=0 n=0
x0
Nun benutzen wir das Majorantenkriterium: Es ist |ai xi0 | ≤ k, daher |an xn0 || xx0 |n ≤ k| xx0 |n , und
P∞ x n x
n=0 k| x0 | konvergiert da | x0 | < 1.

53
 P∞
Definition 7.5. Der Konvergenzradius R von n=0 an xn ist

∞
X
R := sup{x ≥ 0; an xn konvergiert}
n=0

P∞
Satz 7.14. Hat die Potenzreihe n=0 an xn den Konvergenzradius R, dann gilt:

1. Für |x| < R konvergiert die Reihe absolut.

2. Für |x| > R divergiert die Reihe

3. Für |x| = R ist keine allgemeine Aussage möglich.

Beweis. 1. Sei |x| < R. Dann existiert x0 mit 0 < x0 < R und |x| < x0 . Nach Definition
von R konvergiert die Reihe für x0 . Verwende nun Satz 7.13.
Sei |x| > R. Angenommen ∞ n
P
2. P n=0 an x konvergiert, so würde nach Satz 7.13 folgen, daß
∞ n
n=0 an x absolut konvergiert für alle y mit |y| < |x| . Wähle y mit R < y < |x|, dann
folgt ein Widerspruch zur Definition von R.

Beispiele:
P∞
• Was ist der Konvergenzradius der Reihe n=0 xn ?
Wir wissen bereits: Für |x| < 1 konvergiert die Reihe absolut, und für |x| > 1 divergiert
sie. Daraus folgt: R = 1.
• Wir werden weiter unten zeigen, daß die Exponentialreihe
∞
X xn
exp(x) :=
n=0
n!

für beliebige x ∈ R absolut konvergiert, also ist der Konvergenzradius R = ∞.

• Betrachte die Potenzreihe ∞ n
P
n=0 n!x . Es gilt

an+1 (n + 1)!xn+1
= = (n + 1)x
an n!xn
2
Nun ist |(n + 1)x| > 2 für n > |x|
, also ist die Reihe divergent für alle x 6= 0 mit
Konvergenzradius R = 0.

Es gibt ach eine allgemeine (aber nicht immer sehr praktische) Formel für den Konvergenzra-
dius:

54
 P∞
Satz 7.15. Der Konvergenzradius R von n=0 an xn ist

1
R= p (Formel von Cauchy-Hadamar)
lim sup n
|an |
n→∞

1 1
Hierbei ist ∞
= 0 und 0
= ∞ zu verstehen.

Analog definiert man “verschobene“ Potenzreihen um einen beliebigen Punkt a ∈ R:

Definition 7.6. Eine (”verschobene“) Potenzreihe um a ∈ R ist eine Reihe der Form
P∞ n
n=0 an (x − a) mit an ∈ R.

Es gelten analoge Aussagen über den Konvergenzradius R ”um a“, insbesondere ist die Reihe
absolut konvergent für alle x mit |x − a| < R.

8 Exponentialreihe und Logarithmus

Die Exponentialreihe ist (neben der geometrischen Reihe) die wichtigste Reihe in der Analysis.

Satz 8.1. Für jedes x ∈ R ist die “Exponentialreihe”

∞
X xn
exp(x) :=
n=0
n!

absolut konvergent

Beweis. folgt aus Quotientenkriterium: für alle n ≥ 2|x| gilt

n+1
x
| (n+1)! | |x| 1
n = <
| xn! | n+1 2

Damit definiert man die Euler’sche Zahl e:

∞
X 1
e = exp(1) = = 2, 71828...
k=1
n!

55
 Satz 8.2. (Eigenschaften der Exponentialfunktion)

1. Funktionalgleichung: für alle x, y ∈ R gilt:

exp(x + y) = exp(x) exp(y) Additions-Theorem der Exponentialfunktion

2. Verhalten

exp(0) = 1,
exp(x) > 0 ∀x∈R
exp(−x) = exp(x)−1
exp(y) > exp(x) wenn y>x

3. Restgliedabschätzung es gilt:

N
X xn
exp(x) = + RN +1 (x),
n=0
n!

mit
|x|N +1 N
|RN +1 (x)| ≤ 2 für alle |x| ≤ +1
(N + 1)! 2

Bemerkungen:

• Es gilt:
exp(n) = en
(folgt induktiv aus der Funktionalgleichung und der Definition von e, Übung)
Man definiert:
ex := exp(x) ∀x ∈ R

• Graph der Exponentialfunktion:

56
Beweis. • Funktionalgleichung:
Wir wissen schon, daß die Exponentialreihe absolut konvergent ist. Daher können wir
die Cauchy’sche Produktformel verwenden:
∞
X
exp(x) exp(y) = cn
n=0

mit
n n  
X xk y n−k 1 X n k n−k 1
cn := = x y = (x + y)n (8.1)
k=0
k! (n − k)! n! k=0 k n!
P
unter Verwendung des binomischen Lehrsatzes. Daraus folgt exp(x) exp(y) = cn =
exp(x + y).
∞
0n
P
• exp(0) = n!
=1
n=0

• für x ≥ 0:
∞
X xn
exp(x) = ≥1>0
n=0
n!
für x < 0: Aus der Funktionalgleichung folgt
1
exp(x) exp(−x) = 1 ⇒ exp(x) = exp(−x)
> 0 weil exp(−x) > 0.

• Monotonie: für y > x gilt

exp(y) = exp(x + (y − x)) = exp(x) exp(y − x) ≥ exp(x)

| {z }
≥1

da exp(x) ≥ 1 für x ≥ 0, wie oben gezeigt wurde.

57
 • Restgliedabschätzung:

∞
X |x|n |x|N +1  |x| |x|2 
|RN +1 (x)| ≤ = 1+ + + ...
n=N +1
n! (N + 1)! N + 2 (N + 2)(N + 3)
|x|N +1  |x| |x|
2 
≤ 1+ + + ... (8.2)
(N + 1)! N +2 N +2
N +2
für |x| ≤ 2
kann dies abgeschätzt werden durch
∞
|x|N +1  X 1 |x|N +1
|RN +1 (x)| ≤ 1+ ≤2 (8.3)
(N + 1)! k=1
2k (N + 1)!

unter Verwendung der geometrischen Reihe für 12 .

Weiters kann man zeigen, dass

x n
lim 1 + = exp(x)
n→∞ n
(ohne Beweis, siehe z.B. Forster)

Bemerkung: Bei der praktischen Berechnung von exp(x) benutzt man nur für kleine Werte
von |x| die ReihendarsteIlung, die dann schnell konvergiert. Für größere Werte von |x| zieht
man die Funktionalgleichung mit heran. Z.B. läßt sich jede reelle Zahl x in der Form x = n + h
darstellen, wobei n eine ganze Zahl und |h| ≤ 21 ist. Es gilt dann exp(x) = exp(n + h) =
en exp(h) .

8.1 Logarithmus
Definition 8.1. (Monotone Funktionen)

Sei D ⊂ R. Eine Funktion f : D → R heiß t monoton wachsend (bzw. streng monoton

wachsend, monoton fallend, streng monoton fallend), wenn aus x, x0 ∈ D, x < x0 stets
folgt f (x) ≤ f (x0 ) (bzw. f (x) < f (x0 ), f (x) ≥ f (x0 ), f (x) > f (x0 )).

Die folgende Tatsache lässt sich leicht mit Satz 8.2 nachweisen:

Die Exponentialfunktion
exp : R → (0, ∞)
ist bijektiv und streng monoton wachsend.

Damit definieren wir:

58
 Definition 8.2. Die Umkehrfunktion zu exp : R → (0, ∞) heiß t (natürlicher) Logarith-
mus
ln : (0, ∞) → R

Es gilt:

Satz 8.3. (Eigenschaften des nat. Log.)

1. Funktionalgleichung:
ln(xy) = ln(x) + ln(y)

2. ln 1 = 0, ln e = 1

3. ln x1 = − ln x

4. y > x ⇒ ln y > ln x

(vgl. auch Satz 10.8 !)

Beweis. Funktionalgleichung:

Setze ξ := ln x und η := ln y. Dann ist laut Definition exp ξ = x und exp η = y. Aus der
Funktionalgleichung der Exponentialfunktion folgt
exp(ξ + η) = exp(ξ) exp(η) = xy
Wieder nach Definition der Umkehrfunktion ist daher
ln(xy) = ξ + η = ln x + ln y

Die übrigen Eigenschaften sind Übungsaufgaben.

Graph von ln x:

Damit kann man die allgemeine Potenzfunktion definieren:

59
 Definition 8.3. Für a > 0 definiert man die Funktion

R→R
x 7→ ax := exp(x ln a)

auß erdem definiert man 

x 0, x > 0
0 :=
1, x = 0
Man bezeichnet dies auch als Exponentialfunktion zur Basis a.

Die Notation verallgemeinert die bisher eingeführten Spezialfälle der Potenzfunktion und hat
die gewünschten Eigenschaften:

Satz 8.4. für a > 0 und x ∈ R gilt:

1.
ax+y = ax ay

2. √
1
an = a...a
|{z}, an = n
a, n∈N
n

3.
ln(ax ) = x ln a, (ax )y = axy

4.
1 1
x
a−x = =
ax a

Beweis. 1) folgt unmittelbar aus der Funktionalgleichung der Exponentialfunktion.

Aus a = exp(ln a) folgt somit exp(n ln a) = an = a...a

|{z}.
n

Weiters gilt
1 1
n
a = exp(ln a) = exp(n ln a) = exp( ln a)
n n
√ 1
und daher n
a = exp( n1 ln a) = a n .

Ähnlich folgt aus

ln(ax ) = ln(exp(x ln a)) = x ln a
sofort
(ax )y = exp(y ln(ax )) = exp(yx ln a) = axy .

60
9 Folgen und Reihen komplexer Zahlen

Ganz analog wie für R kann man konvergente Folgen und Reihen von komplexen √ Zahlen
definieren. Dazu benötigen wir zunächst eine wichtige Eigenschaft der Norm |z| = zz einer
komplexen Zahl z ∈ C (cgl. Kapitel 4):

Satz 9.1. Für alle z, z1 , z2 ∈ C gilt:

1. |z| ≥ 0; |z| = 0 ⇔ z = 0

2. |z1 + z2 | ≤ |z1 | + |z2 | (Dreiecksungleichung)

3. |z1 z2 | = |z1 ||z2 |

Beweis. 1.) ist trivial.

3) folgt aus
|z1 z2 |2 = (z1 z2 )z1 z2 = z1 z2 z 1 z 2 = (z1 z 1 )(z2 z 2 ) = |z1 |2 |z2 |2
2.) Da für jede komplexe Zahl z gilt Re(z) ≤ |z|, folgt

|z1 + z2 |2 = (z1 + z2 )(z̄1 + z 2 ) = z1 z̄1 + z1 z̄2 + z2 z̄1 + z2 z̄2

= |z1 |2 + 2Re(z1 z 2 ) + |z2 |2 ≤ |z1 |2 + 2|z1 ||z2 | + |z2 |2
= (|z1 | + |z2 |)2

also |z1 + z2 | ≤ |z1 | + |z2 |

Damit definiert man

Definition 9.1. Der Abstand zweier komplexer Zahlen z und w in C ist definiert durch
|z − w|

Für die Konvergenzbetrachtungen bei Folgen reeller Zahlen war nur wichtig, dass wir einen
Abstands-Begriff hatten, der die Dreiecksungleichung erfüllt. Da wir nun auch auf C einen
solchen Abstandsbegriff haben, können wir vieles sofort von R auf C übertragen. Zum Beispiel
die Definition von Konvergenz:

Definition 9.2. Eine Folge (an )n∈N komplexer Zahlen heiß t konvergent gegen a ∈ C,
wenn

∀  > 0 ∃N ∈ N : ∀n ≥ N : |an − a| <  (9.1)

61
 wir schreiben dann
a = lim an kurz: an → a
n→∞

Wenn man den Begriff einer - Umgebung in C verwendet, kann man das genau wie für R
fomulieren:

Definition 9.3. Sei  > 0. Die - Umgebung eines Punktes a ∈ C ist definiert durch

U (a) := {x ∈ C| |x − a| < }

dies ist eine offene Kreisscheibe um a ∈ C.

Dann gilt:

an konvergiert gegen a ⇔ ∀  > 0 : an ∈ U (a) für fast alle n ∈ N

Dies kann man auch durch die Real- und imaginärteile von an formulieren:

Satz 9.2. Sei (an )n∈N eine Folge komplexer Zahlen. Die Folge konvergiert genau dann,
wenn die beiden reellen Folgen (Re(an )) und (Im(an ))) konvergieren. Im Falle der Kon-
vergenz gilt
lim an = lim Re(an ) + i lim Im(an )
n→∞ n→∞ n→∞

Beweis. es gilt:

|Re(an ) − Re(a)| ≤ |an − a|

|Im(an ) − Im(a)| ≤ |an − a| (9.2)

an → a heißt, daß |an − a| → 0. Daher konvergiert Re(an ) → Re(a) und Im(an ) → Im(a)
(Majorantenkriterium mit (9.2)).

⇐


Aus der Grenzwertarithmetik folgt limn→∞ |Re(an ) − Re(a)|2 + |Im(an ) − Im(a)|2 = 0, als
limn→∞ |an − a|2 = 0,

Beispiel:

für z ∈ C mit |z| < 1 konvergiert die komplexwertige Folge an = z n :

lim z n = 0
n→∞

62
Beweis. |z n − 0| = |z|n → 0.

Insbesondere folgt Rez n → 0 und Imz n → 0

eine einfache Folgerung ist die folgende Aussage:

Satz 9.3. Sei (an )n∈N eine Folge komplexer Zahlen mit lim an = a. Dann konvergiert
n→∞
auch die Folge (ān )n∈N und es gilt

lim ān = ā
n→∞

Definition 9.4. eine Folge (an ) komplexer Zahlen heiß t Cauchy-Folge, falls

∀ > 0 ∃N ∈ N ∀n, m ≥ N : |an − am | < 

und es gilt analog wie auf R:

Satz 9.4. (Cauchy Kriterium)

(an ) ist Cauchy-Folge komplexer Zahlen ⇔ (an ) ist konvergent

(zum Beweis zeigt man zunächst, daß (an ) Cauchy-Folge genau dann ist, wenn (Re(an )) und
(Im(an )) reelle Cauchy-Folgen sind. Dann kann man Satz 9.2 verwenden).

Die Aussage dieses Satzes bezeichnet man als Vollständigkeit der komplexen Zahlen.
P∞
Definition
P∞ 9.5. Eine Reihe n=0 an mit an ∈ C heiß t absolut konvergent, wenn
n=0 |a n | konvergiert.

Dann gilt:

Satz 9.5. Die Rechenregeln für Folgen und Reihen, das Cauchy-, das Majoranten-, das
Quotienten- und das Wurzelkriterium gelten auch für komplexe Zahlen; ebenso die Sätze
über absolute Konvergenz und Umordnungen.

Der Beweis ist analog wie für R, da alle diese Sätze darauf beruhten, dass Cauchy-Folgen
konvergieren. Dies gilt analog in C.

Beim Majorantenkriterium ist zu beachten, dass die Majorante immer eine Folge (nicht-
negativer) reeller Zahlen ist. Denn die Bedingung |an | ≤ bn macht nur für reelle Zahlen bn
Sinn.

63
Weiters kann man leicht sehen, dass die Grenzwertarithmetik auch für komplexe konvergente
Reihen gilt.

Beispiel: komplexe geometrische Reihe

Sei |z| < 1 eine komplexe Zahl. Dann gilt

∞
X 1
zk = (9.3)
k=1
1−z

Beweis. wir erinnern uns an die geometrische Summenformel (5.2):

z n+1 − 1
sn = (9.4)
z−1
Wir wissen bereits, dass z n → 0 konvergiert (für |z| < 1!). Damit ergibt sich aus der Grenz-
wertarithmetik sofort
z n+1 − 1 1
lim sn = lim =
n→∞ n→∞ z − 1 1−z

für |z| > 1 ist die geometrische Reihe divergent, weil sie keine Cauchy-Foge ist (|sn − sn+1 | =
|z n+1 | = |z|n+1 > 1).

an z n mit z ∈ C und an ∈ C
P
Komplexe Potenzreihen. Für komplexe Potenzreihen
gelten analoge Ausssagen wie für reelle. Insbesondere definiert man den Konvergenzradius als
X
R = sup{|z|; |an z n | konvergiert} ≥ 0

Die Reihe konvergiert dann wieder absolut für |z| < R und divergiert für |z| > R. Beachte
aber, dass es nun unendlich viele Punkte z ∈ C mit |z| = R gibt (falls 0 < R < ∞).

Die Menge {z ∈ C : |z| < R} heißt Konvergenzkreis. Dies ist wirklich ein Kreis (falls
0 < R < ∞), und dies ist der Grund für den Namen “Konvergenzradius”.

9.1 Komplexe Exponentialfunktion.

Man kann die Definition der Exponentialfunktion sofort auf C statt R verallgemeinern. Dies
ist wichtig zum Verständnis der trigonometrischen Funktionen (und für eine wichtige Klasse
von Differenzialgleichungen).

Satz 9.6. Für jedes z ∈ C ist die “Exponentialreihe”

∞
X zn
exp(z) :=
n=0
n!

64
 absolut konvergent

(Beweis genau wie im reellen, Übung)

Man verwendet die Schreibweise

ez := exp(z)
auch im komplexen.

Satz 9.7. (Eigenschaften der komplexen Exponentialfunktion)

1. Funktionalgleichung: für alle z, w ∈ C gilt:

exp(z + w) = exp(z) exp(w) Additions-Theorem der Exponentialfunktion

2. für alle z, w ∈ C gilt:

exp(−z) = exp(z)−1
exp(z) = exp(z)

3. Restgliedabschätzung es gilt:

N
X zn
exp(z) = + RN +1 (z),
n=0
n!

mit
|z|N +1 N
|RN +1 (z)| ≤ 2 für alle |z| ≤ +1
(N + 1)! 2

Beweis. genauso wie im Reellen (Die Cauchy’sche Produktformel gilt auch im Komplexen).

um exp(z) = exp(z) zu zeigen, setzten wir

n
X zk
sn (z) :=
k=0
k!
n
X z̄ k
s̃n (z) := (9.5)
k=0
k!

Nach den Rechenregeln der komplexen Konjugation gilt

n n n
X z̄ k X (z k ) X (z k ) 
s̃n (z) = = = = sn (z)
k=0
k! k=0
k! k=0
k!

Mit Satz 9.3 folgt daher

exp(z) = lim s̃n (z) = lim sn (z) = lim sn (z) = exp(z)
n→∞ n→∞ n→∞

65
 Definition 9.6. (Sinus, Cosinus)

für x ∈ R definiert man

cos x := Re(eix ) (9.6)

ix
sin x := Im(e ) (9.7)

es gilt also
eix = cos x + i sin x Euler’sche Formel

Geometrische Deutung von Cosinus und Sinus in der Gaußschen Zahlenebene.

Für alle x ∈ R ist |eix | = 1, da

|eix |2 = eix eix = eix e−ix = e0 = 1

nach Satz 9.7. Also ist eix ein Punkt des Einheitskreises komplexen Ebene, und cos x bzw.
sin x sind die Projektionen dieses Punktes auf die reelle bzw. imaginäre Achse.

Die wichtigsten Eigenschaften sind wie folgt:

Satz 9.8. (Eigenschaften von sin und cos)

1.
1 1 ix
cos x = (eix + e−ix ), sin x = (e − e−ix )
2 2i

66
 2.
cos(−x) = cos(x), sin(−x) = − sin(x)
insbesondere ist cos(0) = 1 und sin(0) = 0.

3.
cos2 x + sin2 x = 1

4. (Additionstheoreme)

sin(x + y) = sin(x) cos(y) + cos(x) sin(y)

cos(x + y) = cos(x) cos(y) − sin(x) sin(y)

5. für alle x, y ∈ R gilt:

x+y x−y
sin x − sin y = 2 cos( ) sin( )
2 2
x+y x−y
cos x − cos y = −2 sin( ) sin( )
2 2

Beweis. 1. folgt unmittelbar aus der Definition

2. folgt aus 1)

3. folgt aus 1)

4. folgt aus Vergleich von Real- und Imaginärteil in

cos(x + y) + i sin(x + y) = ei(x+y) = (cos(x) + i sin(x))(cos(y) + i sin(y))

 
= cos(x) cos(y) − sin(x) sin(y) + i cos(x) sin(y) + sin(x) cos(y)
(9.8)

5. wir setzen u = x+y

2
und v = x−y
2
. Dann ist u + v = x und u − v = y. Aus dem
Additionstheorem 4) folgt

sin x − sin y = sin(u + v) − sin(u − v)

= (sin u cos v + cos u sin v) − (sin u cos(−v) + cos u sin(−v)))
x+y x−y
= 2 cos u sin v = 2 cos( ) sin( )
2 2
die 2. Gleichung wird analog bewiesen.

sin und cos lassen sich auch durch Potenzreihen darstellen:

67
 Satz 9.9. für alle x ∈ R gilt
∞
X x2n
n x2 x4
cos x = (−1) =1− + + ...
n=0
(2n)! 2! 4!
∞
X x2n+1 x3 x5
sin x = (−1)n =x− + + ...
n=0
(2n + 1)! 3! 5!

Diese Reihen konvergieren absolut für alle x ∈ R.

Beweis. Für die Potenzen von i gilt:



 1, falls n = 4m
i, falls n = 4m + 1

in =

 −1, falls n = 4m + 2
−i, falls n = 4m + 3


(für m ∈ N). Damit erhält man aus der Exponentialreihe

∞ ∞
X (ix)n (x)n
X
exp(ix) = = in
n=0
(n)! n=0
(n)!
∞ ∞
X x2n X x2n+1 
= (−1)n +i (−1)n
n=0
(2n)! n=0
(2n + 1)!

Mit cos x = Re(eix ) und sin x = Im(eix ) folgt die Behauptung.

Die absolute Konvergenz folgt unmittelbar aus der absoluten Konvergenz der Exponentialrei-
he.

Man kann weiters zeigen:

Satz 9.10. Die Funktion cos(x) ist im Intervall [0, 2] streng monoton fallend, d.h.
cos(x) < cos(y) für x > y, und hat genau eine Nullstelle.

(Beweis: Siehe Forster §14 Satz 6)

Damit definiert man:

π
Definition 9.7. 2
ist die (eindeutig bestimmte) Nullstelle der Funktion cos x im Inter-
vall [0, 2].

numerisch findet man

π = 3.141592653...

68
Nun können wir die Nullstellen und die Periodizität der trigonometrischen Funktionen be-
schreiben:

Satz 9.11. Es gilt:

(spezielle Werte der Exponentialfunktion)

π 3π
ei 2 = i, eiπ = −1, ei 2 = −i, e2πi = 1

Beweis. Aus cos( π2 ) = 0 folgt sin2 ( π2 ) = 1−cos2 ( π2 ) = 1. Man kann leicht sehen, daß sin( π2 ) > 0,
und daher sin( π2 ) = 1. Somit
π π π
ei 2 = i = cos( ) + i sin( ) = i
2 2
nπ
und die übrigen Behauptungen folgen aus ei 2 = in .

Somit ergibt sich die folgende Wertetabelle für sin und cos

x 0 π2 π 3π
2
2π
sin x 0 1 0 −1 0
cos x 1 0 −1 0 1

Satz 9.12. (Periodizität)

für alle x ∈ R gilt:

cos(x + 2π) = cos(x), sin(x + 2π) = sin(x)

cos(x + π) = − cos(x), sin(x + π) = − sin(x)
π π
cos(x) = sin( − x), sin(x) = cos( − x)
2 2

dies folgt einfach aus den Additionstheoremen und der obigen Wertetabelle.

Graph von sin x und cos x:

69
 Satz 9.13. (Nullstellen von sin und cos)

1.
{x ∈ R; sin(x) = 0} = {kπ; k ∈ Z}

2.
π
{x ∈ R; cos(x) = 0} = { + kπ; k ∈ Z}
2

Beweis. siehe Forster § 14 Corollar 2

Daraus folgt:

Satz 9.14. Für x ∈ R ist eix = 1 genau dann, wenn x ein ganzzahliges Vielfaches von
2π ist.

Beweis. wir schreiben

x
x 1 ix x
e−i 2 ix
e 2 − e−i 2 =


sin( ) = e −1
2 2i 2i
Daher gilt eix = 1 genau dann wenn sin( x2 ) = 0. Die Behauptung folgt daher aus dem vorhe-
rigen Satz.

Weitere trigonometrische Funktionen

Definition 9.8. Tangens:

π
tan : R\{ + πZ} → R
2
sin x
x 7→ tan(x) =
cos x
Cotangens:

cot : R\{πZ} → R

70
 cos x
x 7→ cot(x) =
sin x

beachte: Die Nullstellen des Nenners sind vom Definitionsbereich ausgenommen, sodaß die
Funktionen wohldefiniert sind.

Graph von tan x und cot x:

hyperbolische Winkelfunktionen

die folgenden Funktionen sind in der Physik gebräuchlich:

Definition 9.9.

cosh : R → R, sinh : R → R
1 1
x 7→ (ex + e−x ) x 7→ (ex − e−x )
2 2
und

tanh : R → R

71
 sinh x
x 7→
cosh x

es gelten analoge Additionstheoreme, die analog aus der Funktionalgleichung von exp bewiesen
werden. z.B:
cosh2 x − sinh2 x = 1
Graph von sinh x und cosh x:

Graph von tanh x

9.2 Umkehrfunktionen der trigonometrischen Funktionen

Satz 9.15. + Definition

1. Die Funktion cos bildet das Intervall [0, π] bijektiv auf [−1, 1] ab (streng monoton
fallend).

72
 Die Umkehrfunktion

arccos : [−1, 1] → [0, π]

x 7→ arccos(x)

heiß t Arcus-Cosinus.

2. Die Funktion sin bildet das Intervall [− π2 , π2 ] bijektiv auf [−1, 1] ab (streng monoton
wachsend).
Die Umkehrfunktion
π π
arcsin : [−1, 1] → [− , ]
2 2
x 7→ arcsin(x)

heiß t Arcus-Sinus.

3. Die Funktion tan bildet das Intervall (− π2 , π2 ) bijektiv auf R ab (streng monoton
wachsend).
Die Umkehrfunktion
π π
arctan : R → (− , )
2 2
x 7→ arctan(x)

heiß t Arcus-Tangens.

Beweis. nicht schwer [Forster § 14]

Das heißt, daß z.B.

sin(arcsin(x)) = x für −1≤x≤1
und
π π
arcsin(sin(x)) = x für − ≤x≤
2 2

analog für die übrigen Arcus-Funktionen

Graphen:

73
Die oben definierten Funktionen nennt man auch die Hauptzweige von arccos, arcsin und arc-
tan. Man kann auch analoge “Nebenzweige” mit verschobenen Definitionsbereichen definieren.

Die komplexe Exponentialfunktion liefert eine nützliche Darstellung von komplexen Zahlen:

Satz 9.16. (Polarkoordinaten)

Jede komplexe Zahl z läßt sich schreiben als

z = reiϕ

wobei ϕ ∈ R und r = |z| > 0. Für z 6= 0 ist ϕ bis auf ein ganzzahliges Vielfaches von 2π
eindeutig bestimmt.

Beweis. Für z = 0 ist z = 0eiϕ mit beliebigem ϕ.

Se jetzt z 6= 0. Setze r := |z| und ζ = zr . Dann ist |ζ| = 1. Zerlege ζ = ξ + iκ in Real- und
Imaginärteil. Dann ist ξ 2 + κ2 = 1, also |ξ|2 ≤ 1. Daher ist

ψ := arccos ξ

wohldefiniert. Da cos ψ = ξ, folgt

p
sin ψ = ± 1 − ξ 2 = ±κ

Wir setzen ϕ := ψ falls sin ψ = κ, und ϕ := −ψ falls sin ψ = −κ. Dann ist in jedem Fall

eiϕ = cos ϕ + i sin ϕ = ξ + iκ = ζ

also
z = reiϕ .
Die Eindeutigkeit von ϕ bis auf ein Vielfaches von 2π folgt aus Satz 9.14, da eiϕ = eiα = ζ
impliziert ei(ϕ−α) = 1 also ϕ − α = 2πk mit k ∈ Z.

74
Dies erlaubt eine einfache Interpretation der Multiplikation komplexer Zahlen. Sei z1 = r1 eiϕ1
und z2 = r2 eiϕ2 . Dann ist
z1 z2 = r1 r2 ei(ϕ1 +ϕ2 )
Man erhält also das Produkt zweier komplexer Zahlen, indem man ihre Beträge multipliziert
und ihre Argumente addiert.

n-te Einheitswurzeln

Satz 9.17. Sei n eine natürliche Zahl. Die Gleichung z n = 1 hat genau n komplexe
Lösungen, nämlich z = ζk mit
2kπ
ζk = ei n , k = 0, 1, 2, .., n − 1

Beweis. Sei z eine Lösung von z n = 1. Wir können dann z schreiben als z = reiϕ mit 0 ≤ ϕ <
2π und r ≥ 0. Wegen
1 = |z n | = |z|n = rn
folgt r = 1, also
z n = (eiϕ )n = einϕ = 1
Nach Satz 9.14 ist nϕ = 2kπ für ein k ∈ Z, d.h.
2kπ
ϕ=
n
Wegen 0 ≤ ϕ < 2π ist 0 ≤ k < n, also z = ζk . Umgekehrt ist für jedes k
2kπ
ζkn = (ei n )n = ei2kπ = 1

(vgl. Fundamentalsatz der Algebra!) Es gilt also

z n − 1 = (z − ζ0 )(z − ζ1 )..(z − ζn−1 )

75
10 Stetige Funktionen
Definition 10.1. Sei f : D → R Funktion mit Definitionsbereich D ⊂ R.

Der Graph von f ist die Menge

Γf := {(x, y) ∈ D × R : y = f (x)}

Beispiele:

• konstante Funktion. Sei c ∈ R vorgegeben.

f :R→R (10.1)
x 7→ f (x) = c (10.2)

• identische Abbildung

idR : R → R (10.3)
x 7→ f (x) = x (10.4)

76
• Absolutbetrag
abs : R → R (10.5)
x 7→ |x| (10.6)

• x 7→ [x], x ∈ R (größte ganze Zahl kleiner oder gleich x)

• charakteristische Funktion:
Sei D ⊂ R. Dann:
1D : R → R

1, x ∈ D
x 7→
0, x ∈
/D

77
anschauliche Bedeutung der Stetigkeit:

“Eine Funktion ist stetig, wenn man ihren Graphen zeichnen kann, ohne den Stift abzusetzten”

mathematisch präzise Definition notwendig (“Stift”?)!

10.1 Definition
Definition 10.2. Sei f : D → R Funktion auf D ⊂ R.

f heiß t stetig in x0 ∈ D, wenn

lim f (an ) = f (x0 ) für jede Folge (an ) in D mit lim an = x0 .

n→∞ n→∞

Die Funktion f : D → R heiß t stetig, wenn sie in allen x0 ∈ D stetig ist.

Satz 10.1. (Stetigkeit von Summen, Produkten und Quotienten)

Seien f, g : D → R stetig in x0 ∈ D. Dann ist ebenso stetig in x0 ∈ D:

1. Summenfunktion: f + g : D → R, (f + g)(x) = f (x) + g(x)

2. Produktfunktion: f · g : D → R, (f · g)(x) = f (x) · g(x)

3. für x0 ∈ D0 = {x ∈ D : g(x) 6= 0}:

f f (x)
Quotientenfunktion: g
: D0 → R, ( fg )(x) = g(x)

Beweis. folgt aus Grenzwertarithmetik für Folgen.

Beispiele für stetige Funktionen:

• x 7→ pn (x) = a0 + a1 x + a2 x2 + .. + an xn , x ∈ R, ai ∈ R, an 6= 0
... Polynomfunktion vom Grad n

• f, g Polynome, D = {x ∈ R; g(x) 6= 0}

r:D→R
f (x)
x 7→ r(x) = rationale Funktion
g(x)

• x 7→ |x|, x ∈ R
√
• x 7→ x, x ∈ [0, ∞)

• exp, sin, cos etc. sind stetig (Beweis später).

78
Beispiele für nicht stetige Funktionen:

• x 7→ [x], x ∈ R (größte ganze Zahl kleiner oder gleich x)

• 
 1, x>0
sgn : R → R, sgn(x) = 0, x=0
−1, x > 0


• 1[0,1] ist nicht stetig in 0 und 1, sonst stetig

• 1Q : R → R ist nirgends stetig.

Satz 10.2. (Stetigkeit der Komposition)

Sei g : D → L stetig in x0 ∈ D und f : L → N stetig in y0 = g(x0 ) ∈ L. Dann ist

f ◦ g : D → N stetig in x0 .

Beweis. Sei (an ) Folge in D mit lim an = x0 . Aus der Stetigkeit von g in x0 folgt lim g(an ) =
n→∞ n→∞
g(x0 ) = y0 . Aus der Stetigkeit von f in y0 folgt lim f (g(an )) = f (y0 ) = (f ◦ g)(x0 ).
n→∞

10.2 Alternative Charakterisierung ( − δ-Kriterium)

Satz 10.3. Eine Funktion f : D → R ist genau dann stetig in x0 ∈ D, wenn

∀ > 0 ∃δ > 0 : f (Uδ (x0 )) ⊂ U (f (x0 ))

oder explizit:

∀ > 0 ∃δ > 0 : ∀x ∈ D mit |x − x0 | < δ ⇒ |f (x0 ) − f (x)| < .

79
Dies entspricht dem anfangs erwähnten intuitiven Konzept von Stetigkeit

Beweis. ⇒: indirekter Beweis:

Ann: ∃ > 0 ∀δ > 0 f (Uδ (x0 )) 6⊂ U (f (x0 ))

⇒ ∃ > 0 ∀n ∈ N : f (U 1 (x0 )) 6⊂ U (f (x0 ))

n

Wähle Folge an ∈ U 1 (x0 ) mit f (an ) ∈

/ U (f (x0 )). Dann:
n

1. lim an = x0
n→∞

2. f (an ) konvergiert nicht gegen f (x0 ) (weil ∀n ∈ N : f (an ) ∈

/ U (f (x0 )))
d.h. f nicht stetig in x0 E

⇐: Sei an Folge mit an → x0 und  > 0. Dann:

1. ∃δ > 0 : f (Uδ (x0 )) ⊂ U (f (x0 ))

2. ∃N ∈ N : ∀n > N : an ∈ Uδ (x0 )
⇒ ∀n ≥ N : f (an ) ∈ U (f (x0 ))

Bemerkung:

Die Definition von Stetigeit und die bisherigen Sätze kann man sofort auf Funktionen f : C →
C verallgemeinern, da nur der Begriff des Abstandes verwendet wird.

80
10.3 Grenzwerte von Funktionen

Mit der Stetigkeit eng verwandt ist der Begriff des Grenzwertes einer Funktion f (x) , wenn
sich x an eine Zahl x0 annähert. Dabei ist es insbesondere erlaubt, dass x0 nicht im Definiti-
onsbereich D von f liegt, aber an D “angrenzt“. genauer:

Definition 10.3. Sei D ⊂ R. Ein Punkt x0 ∈ R heißt

1. Häufungspunkt von D, falls es eine gegen x0 konvergente Folge a : N → D\{x0 }

gibt.

2. Berührpunkt von D, falls es eine gegen x0 konvergente Folge a : N → D gibt.

Die Menge der Berührpunkte von D bezeichnet man mit D (”Abschluß von D“).

beachte: x0 muss hierbei nicht in D liegen!

Die beiden Konzepte sind ähnlich, aber es gibt einen feinen Unterschied: jeder Häufungspunkt
ist Berührpunkt, aber nicht umgekehrt.

Beispiele:

1. Jedes x0 ∈ [0, 1] ist Häufungspunkt von (0, 1) und es gibt keine weiteren. Insbesondere
ist (0, 1) = [0, 1].

2. Z hat keinen Häufungspunkt, aber Z = Z

3. Die Menge der Häufungspunkte von R\Q ist ganz R. (Übung)

Definition 10.4. Sei D ⊂ R, f : D → R, und x0 ∈ R Häufungspunkt von D . Die

Funktion f hat in x0 den Grenzwert y0 , wenn für jede gegen x0 konvergente Folge a :
N → D\{x0 } gilt:
lim f (an ) = y0
n→∞

Schreibweise: lim f (x) = y0

x→x0

Für den Grenzwert von Funktionen gelten analoge Rechenregeln wie für Grenzwerte von Fol-
gen.

Insbesondere: Seien f, g : D → R und x0 Häufungspunkt von D mit a = lim f (x) und

x→x0
b = lim g(x). Dann gilt:
x→x0

• lim (f + g)(x) = a + b
x→x0

81
 • lim (f · g)(x) = a · b
x→x0

• lim ( fg )(x) = a
b
falls b 6= 0.
x→x0

ex −1
Beispiel: D = R\{0} ⊂ R und f : D → R, f (x) = x
. Dann ist

lim f (x) = 1
x→0

Beweis. mit der Restgliedabschätzung in Satz 8.2 gilt

3
|ex − (1 + x)| ≤ |x2 | für |x| ≤ .
2
3
Division duch |x| ergibt für 0 < |x| ≤ 2

ex − 1 ex − (1 + x)
| − 1| = | | ≤ |x|
x x
Daraus folgt die Behauptung, weil lim |x| = 0.
x→0

(explizit: für jede Folge (an ) in D = D \ {0} mit lim an = 0 folgt lim f (an ) = 1)

Manchmal existiert der Grenzwert einer Funktion nur in einem eingeschränkten Sinn, als links-
oder rechtsseitiger Grenzwert:

Definition 10.5. Eine Funktion f : D → R, D ⊂ R besitzt den

1. rechtsseitigen Grenzwert y0 bei x0 , falls x0 Häufungspunkt von D ∩ (x0 , ∞) =: D+

ist und die Restriktion fˆ : D+ → R, x → f (x) erfüllt: lim fˆ(x) = y0 .
x→x0

Schreibweise: lim fˆ(x) = y0

x&x0

analog definiert man den linkssseitigen Grenzwert lim fˆ(x) = y0

x%x0

2. (uneigentlichen) Grenzwert y0 in ∞, wenn D nicht nach oben beschränkt ist und für
jede bestimmt divergente Folge a : N → D mit lim an = ∞ gilt: lim f (an ) = y0 .
n→∞ n→∞

Man schreibt dann lim f (x) = y0 .

x→∞

Analog für lim f (x) = y0 .

x→−∞

Beispiele:

82
1. für die Funktion sgn : R → R gilt:

lim sgn(x) = 1, lim sgn(x) = −1

x&0 x%0

1
2. lim 2 = 0.
x→∞ 1+x

3. für alle k ∈ N gilt:

ex
lim =∞ (10.7)
x→∞ xk

Beweis: Für alle x > 0 ist

∞
x
X xn xk+1
e = ≥
n=0
n! (k + 1)!
also ist
ex x
k
>
x (k + 1)!
Daraus folgt die Behauptung.

4. Für alle k ∈ N gilt

1
lim xk e−x = 0 und lim xk e x = ∞ (10.8)
x→∞ x&0

 x −1
k −x e
Beweis: Die erste Aussage folgt aus dem obigem Resultat, da x e = xk
.
Die zweite Aussage folgt analog, weil
1 1 y
lim xk e x = lim e =∞
x&0 y→∞ y k

5.

lim ln x = ∞ und lim ln x = −∞ (10.9)

x→∞ x&0

Beweis: Sei k ∈ R beliebig vorgegeben. Da die Funktion ln streng monoton wachsend

ist, gilt ln x > k für alle x > ek . Also ist lim ln x = ∞. Daraus folgt auch die zweite
x→∞
Behauptung, weil
1
lim ln x = lim ln = − lim ln y = −∞
x&0 y→∞ y y→∞

6. Für jede reelle Zahl α > 0 gilt

lim xα = 0 und lim x−α = ∞ (10.10)

x&0 x&0

Beweis: Sei (xn )n∈N eine Folge reeller Zahlen mit xn > 0 und lim xn = 0. Mit (10.9)
n→∞
folgt
lim α ln xn = −∞
n→∞

83
 Da lim ex = 0 (aus (10.8)), folgt
x→−∞

lim xαn = lim eα ln xn = 0,

n→∞ n→∞

also lim xα = 0. Die zweite Beziehung folgt wegen x−α = 1

xα
.
x&0

Bemerkung: dies rechtfertigt die Definition 0α = 0 für alle α > 0 in Definition 8.3. Dann
ist die Funktion x 7→ xα auf ganz [0, ∞) stetig.
7. Für alle α > 0 gilt
ln x
lim =0 und lim xα ln x = 0 (10.11)
x→∞ xα x&0

das heißt, daß der Logarithmus für x → ∞ langsamer gegen ∞ geht wie jede positive
Potenz von x.
Beweis: Übung
8.
sin x
lim =1 (10.12)
x→0, x6=0 x

Beweis: Übung
1 −ix 2ix
(Strategie wie oben, unter Verwendung von sin(x) = 2i
e (e − 1) und der Restglie-
dabschätzung für die komplexe Exponentialfunktion)

Es besteht ein enger Zusammenhang zwischen Stetigkeit und Existenz des Grenzwertes einer
Funktion:
Satz 10.4. (Grenzwerte & Stetigkeit)

Sei f : D → R, D ⊂ R und x0 ∈ D Häufungspunkt von D. Dann gilt:

f ist stetig in x0 ∈ D ⇔ lim f (x) = f (x0 ).

x→x0

(Bemerkung: Ein Punkt x0 ∈ D , der nicht Häufungspunkt von D ist, heißt isolierter Punkt
von D . In isolierten Punkten ist jede Funktion stetig.)

Beweis. Übung

Definition 10.6. Sei f : D → R, D ⊂ R und x0 ∈

/ D Häufungspunkt von D, und
lim f (x) = y0 . Dann heiß t
x→x0

fb : D ∪ {x0 } → R,

f (x), x ∈ D
x 7→
y0 x = x0

84
 stetige Fortsetzung von f in x0 , und fb ist stetig in x0 .

solche Lücken x0 im Definitionsbereich, für die man eine stetige Fortsetzung definieren kann,
nennt man ”hebbare Singularitäten“ (in der komplexen Funktionentheorie sind dazu noch viel
stärkere Aussagen möglich).

Beispiel:
ex −1
f : R\{0} → R, f (x) = x
ist stetig mit lim f (x) = 1. Dann ist fb : R → R stetig.
x→0

Bemerkung:

Alle Defiitionen und Aussagen dieser Sektion 10.3 (mit Ausnahme von Def. 10.5 über rechts-
und linksseitige Grenzwerte) kann man sofort auf Funktionen f : C → C verallgemeinern, da
nur der Begriff des Abstandes verwendet wird.

10.4 Die Landau Symbole o(.) und O(.)

...dienen zum Vergleich der Wachstums- bzw. Abfall-Eigenschaften von Funktionen.

Beispiele:

1
• Für α > 0 strebt jede Potenz xα
für x & 0 schneller nach ∞ als | ln x|.

• Für α > 0 strebt jede Potenz xα für x → ∞ schneller nach ∞ als | ln x|.

Definition 10.7. Sei g : D → R mit D ⊂ R, und a Häufungspunkt von D.

1. Eine Funktion f : D → R heiß t bei a von der Ordnung groß O von g, falls

|f (x)|
lim sup <∞
x→a |g(x)|

Schreibweise: f (x) = O(g(x)), x→a

2. Eine Funktion f : D → R heiß t bei a von der Ordnung klein o von g, falls

|f (x)|
lim sup =0
x→a |g(x)|

Schreibweise: f (x) = o(g(x)), x→a

analog für D unbeschränkt und a = ±∞.

85
explizit:

1. Gross O: bedeutet für a 6= ∞:

∃δ > 0, C > 0 : ∀x ∈ Uδ (a) : |f (x)| ≤ C|g(x)|

für a = ∞:
∃δ > 0, C > 0 : ∀x ∈ [δ, ∞] : |f (x)| ≤ C|g(x)|
(“|f | ist vergleichbar oder kleiner als |g| bei a”)

2. klein o: bedeutet für a 6= ∞

∀ > 0, ∃δ > 0 : ∀x ∈ Uδ (a) : |f (x)| ≤ |g(x)|

für a = ∞:
∀ > 0, ∃δ > 0 : ∀x ∈ [δ, ∞] : |f (x)| ≤ |g(x)|
(“|f | ist verschwindend klein im Vergleich zu |g| bei a”)

Beispiele:

• ln x = o( x1α ), x & 0 für beliebiges α > 0

• ln x = o(xα ), x → ∞ für beliebiges α > 0

• sin(x) = O(x), x→0

√
1+x2
• x
= O( x1 ), x→0
√
1+x2
• x
= O(1), x→∞

• sinh(x) = O(ex ), x→∞

• ln(1 + ex ) = O(x), x→∞

10.5 Eigenschaften stetiger Funktionen: Zwischenwertsatz, Maxi-

mum und Minimum, inverse Funktionen
Satz 10.5. (Zwischenwertsatz) Sei f : [a, b] stetig und y eine Zahl zwischen f (a) und
f (b). Dann gibt es ein x ∈ [a, b] mit f (x) = y.

Achtung: Die Aussage ist falsch wenn f nicht stetig ist oder der Definitionsbereich kein abge-
schlossenes Intervall ist!

86
Beweis. oBdA f (a) ≤ y = 0 ≤ f (b).

Definiere rekursiv 2 Folgen (an ) und (bn ) in [a, b] mit a1 := a, b1 := b und

an+1 := an , bn+1 = an +b , falls f ( an +b


2
n
2
n
)≥0
an +bn an +bn
an+1 = 2 , bn+1 := bn , fallsf ( 2 ) < 0

Dann ist per Konstruktion a = a1 ≤ a2 ≤ ... ≤ an ≤ bn ≤ .. ≤ b1 = b.

Da (an ) und (bn ) monoton und beschränkt sind, existiert

x := lim an , und lim bn

n→∞ n→∞

b−a
wegen bn − an ≤ 2n−1
gilt
x = lim bn
n→∞

und wegen der Stetigkeit von f folgt

0 ≥ lim f (an ) = f (x) = lim f (bn ) ≥ 0

n→∞ n→∞

also f (x) = 0.

als Anwendung:

Satz 10.6. Jedes Polynom mit ungeradem Grad hat mindestens eine Nullstelle in R.

Beweis. (Skizze)

Sei p : R → R gegeben durch p(x) = a0 + a1 x + .. + an xn mit n ungerade und an 6= 0. Dann

gilt
lim p(x) = ∞ und lim p(x) = −∞
x→∞ x→−∞

(exakter Beweis dafür weggelassen, ist nicht schwer).

Also gibt es ein x0 mit p(x0 ) > 0 und ein x1 mit p(x1 ) < 0, und der Zwischenwertsatz liefert
die Behauptung.

Ein Polynom geraden Grades braucht keine reelle Nullstelle zu besitzen, wie das Beispiel
f (x) = x2n + 1 zeigt.

Die folgenden Begriffe sind fundamental in der Topologie (siehe auch Analysis II)

87
 Definition 10.8. D ⊂ R heiß t abgeschlossen, falls D = D.

D ⊂ R heiß t offen, falls das Komplement R \ D abgeschlossen ist.

D ⊂ R heiß t kompakt, falls D abgeschlossen und beschränkt ist

(der Abschluss D ist in Definition 10.3 definiert).

(alternativ: D ⊂ R heißt offen, falls es eine Vereinigung von offenen Intervallen ist.)

Beispiele:

[a, b] kompakt, ∪nk=1 [ak , bk ] kompakt

(a, b] nicht kompakt, R nicht kompakt

Satz 10.7. (Satz vom Maximum und Minimum)

Sei f : D → R stetig und D ⊂ R kompakt. Dann nimmt f sein Maximum und Minimum
an, d.h. es gibt x± ∈ D mit

f (x+ ) = sup f (D) und f (x− ) = inf f (D)

Beweis. (nur für Max; analog für Min)

Sei xn ∈ D Folge mit lim f (xn ) = sup f (D).

n→∞

Da D beschränkt ist, folgt aus dem Satz von Bolzano-Weiserstraß, daß es eine konvergente
Teilfolge (xnk ) gibt.

Für x+ := lim xnk gilt dann x+ ∈ D, weil D abgeschlossen. Da f stetig ist, folgt

f (x+ ) = lim f (xnk ) = sup f (D)

k→∞

Bemerkung

1) es kann mehrere xn ∈ D geben, an denen das Minimum bzw. das Maximum angenommen
wird.

2) Die Aussage stimmt nicht, wenn f nicht stetig ist oder D nicht kompakt.
1
Bsp: die Funktion f : (0, 1], f (x) = x
hat kein Maximum.

88
 Folgerung 10.1. Eine stetige Funktion auf einem beschränkten, abgeschlossenen Intervall
ist beschränkt.

Satz 10.8. (Umkehrfunktion)

Sei f : [a, b] → R eine streng monotone wachsende (bzw. fallende) stetige Funktion, und
A := f (a), B := f (b). Dann bildet f das Intervall [a, b] bijektiv auf das Intervall [A, B]
(bzw. [B, A]) ab, und die Umkehrfunktion

f −1 : [A, B] → R (bzw. [B, A] → R)

ist ebenfalls stetig und streng monoton wachsend (bzw. fallend).

(Achtung: f −1 darf nicht mit 1

f
verwechselt werden!)

Beweis. weggelassen; siehe [Forster] § 12 Satz 1 oder [Griesser] Satz 10.3.6 . Surjektivität folgt
aus dem Zwischenwertsatz.

10.5.1 Gleichmäßige Stetigkeit

Erinnerung: Eine Funktion f : D → R heißt stetig in x ∈ D, wenn gilt:

∀ > 0 ∃δ > 0 sodaß |f (x) − f (y)| <  ∀y ∈ D mit |x − y| < δ

hierbei hängt δ i.a. von x ab. Eine stärkere Version von Stetigkeit ist die folgende:

Definition 10.9. Eine Funktion f : D → R auf D ⊂ R heißt in D gleichmäß ig stetig,

wenn gilt:

∀ > 0 ∃δ > 0 sodaß |f (x) − f (y)| <  ∀x, y ∈ D mit |x − y| < δ

(analog für f : D → C auf D ⊂ C)

89
Bemerkung: f gleichmäßig stetig ⇒ f stetig in jedem Punkt.

Die Umkehrung gilt aber i. a. nicht! z.B. f : R → R, f (x) = x2 ist nicht gleichmäßig stetig
(Übung).

Satz 10.9. Jede stetige Funktion f : [a, b] → R ist gleichmäß ig stetig

(allgemeiner gilt dies für Funktionen auf kompakten Teilmengen)

Beweis. Angenommen, f sei nicht gleichmäßig stetig. Dann gibt es ein  > 0 so, daß zu jedem
n ≥ 1 Punkte xn , x0n ∈ [a, b] existieren mit
1
|xn − x0n | < und |f (xn ) − f (x0n )| > 
n
Nach dem Satz von Bolzano-Weierstraß besitzt die beschränkte Folge (xn ) eine konvergente
Teilfolge (xnk ). Für ihren Grenzwert gilt

lim xnk =: p ∈ [a, b]

k→∞

wegen |xnk − x0nk | < 1

nk
ist auch lim x0nk = p. Da f stetig ist, folgt
k→∞

lim (f (xnk ) − f (x0nk )) = f (p) − f (p) = 0

k→∞

Dies ist ein Widerspruch zu |f (xnk ) − f (x0nk )| > . Also ist die Annahme falsch und f
gleichmäßig stetig.

√
Beispiel: die Funktion x ist auf [0, 1] gleichmässig stetig

(obwohl der Graph bei x = 0 unendliche Steigung hat!).

10.6 Funktionenfolgen und gleichmäßige Konvergenz

10.6.1 Funktionenfolgen

Bisher haben wir nicht gezeigt, dass die Exponentialfunktion stetig ist. Da sie durch eine
Potenzreihe, also als Grenzwert von Polynomen definiert ist, liegt es nahe, erst die folgende
Frage zu beantworten:

Falls eine Folge stetiger Funktionen fn (x) gegen eine Funktion f (x) konvergiert, ist dann f (x)
notwendigerweise stetig?

Die Antwort lautet: Je nachdem, was man genau mit “fn konvergiert gegen f ” meint.

90
 Definition 10.10. Sei D ⊂ R und fn : D → R eine Folge von Funktionen. Dann

1. Die Folge (fn ) konvergiert punktweise gegen eine Funktion f : D → R, falls für
jedes x ∈ D die Folge (fn (x)) gegen f (x) konvergiert, d. h.

∀x ∈ D : lim |fn (x) − f (x)| = 0

n→∞

2. Die Folge (fn ) konvergiert gleichmäß ig gegen eine Funktion f : D → R, falls

lim sup |fn (x) − f (x)| = 0

n→∞ x∈D

(analog für D ⊂ C und fn : D → C)

Beachte: gleichmäßige Konvergenz impliziert punktweise Konvergenz, aber nicht umgekehrt.

Beispiel:


 1, x≤0
fn : R → R, fn (x) = 1 − nx, x ∈ (0, n1 )
0, x ≥ n1


Dann ist 
1, x ≤ 0
lim fn (x) = 1(−∞,0) =
n→∞ 0, x ≥ 1
Also fn → f punktweise, aber nicht gleichmäßig. f (x) ist nicht stetig (und klarerweise ist fn
stetig), also impliziert punktweise Konvergenz von stetigen Folgen nicht die Stetigkeit der
Grenzfunktion.

Aber:

91
 Satz 10.10. Sei D ⊂ R und fn : D → R: eine Folge stetiger Funktionen, die gleichmäß ig
gegen die Funktion f : D → R konvergiere. Dann ist auch f stetig.

Anders ausgedrückt: Der Limes einer gleichmäßig konvergenten Folge stetiger Funktionen ist
wieder stetig.

Eine analoge Aussage gilt für D ⊂ C und fn : D → C

Beweis. (Skizze)

Sei x ∈ D und  > 0. Für y ∈ D gilt wegen der Dreiecksungleichung:

|f (x) − f (y)| ≤ |f (x) − fn (x)| + |fn (x) − fn (y)| + |fn (y) − f (y)|
≤ 2 sup |f (x) − fn (x)| + |fn (x) − fn (y)|
x∈D

Wähle n ∈ N sodaß supx∈D |f (x)−fn (x)| < . Wähle dann δ > 0 sodaß ∀y ∈ D mit |x−y| < δ
gilt daß |fn (x) − fn (y)| <  (möglich weil fn stetig). Also ist f stetig in x.

Ein nützliches Kriterium für gleichmäßige Konvergenz ist das folgende:

Satz 10.11. (Konvergenzkriterium von Weierstraß )

Seien fn : D → R Funktionen. Es gelte

∞
X
sup |fn (x)| < ∞.
n=0 x∈D

∞
P
Dann konvergiert fn absolut und gleichmäß ig gegen eine Funktion F : D → R
n=0

(analog für komplex-wertige Funktionen).

Beweis. (Skizze):

Nach dem Majoranten-Kriterium konvergiert die Reihe absolut (weil |fn (x)| ≤ supx∈D |fn (x)|).

Definiere F (x) := ∞
P
n=0 fn (x). Man kann leicht zeigen, daß die Konvergenz gleichmäßig ist
(siehe [Forster] § 21 Satz 2)

Beispiel: Sei
∞
X cos(nx)
F (x) :=
n=1
n2

92
 ∞ ∞
sup | cos(nx) 1
P P
Die Reihe konvergiert gleichmäßig auf R, weil n2
|≤ n2
< ∞.
n=1 x∈D n=1

10.6.2 Stetigkeit von Potenzreihen

∞
ak (x − a)k Potenzreihe mit Konvergenzradius R, und r < R.
P
Satz 10.12. Sei f (x) =
k=0
Dann gilt:

n
ak (x − a)k konvergiert gleichmäß ig auf Dr = {x ∈
P
1. die Funktionenfolge fn (x) =
k=0
R : |x − a| ≤ r}

2. die Funktion f (x) ist auf D := {x ∈ R : |x − a| < R} stetig

(analog für komplexe Potenzreihen).

Beweis. Wir verwenden das obige Kriterium von Weierstraß :

∞
X ∞
X
k
sup |ak (x − a)| ≤ |ak |rk < 0, (10.13)
n=0 x∈Dr n=0

weil r kleiner als der Konvergenzradius R der Potenzreihe ist (siehe Satz 7.14). Also ist
∞
ak (x − a)k auf Dr gleichmäßig konvergent, und mit Satz 10.10 auch stetig. Weil dies für
P
k=0
jedes r < R gilt, ist f (x) auf ganz D stetig.

93
11 Differenzialrechnung in R

Die Differentialrechnung spielt eine zentrale Rolle in der Mathematik und insbesondere in der
Physik.

11.1 Ableitung reeller Funktionen

Definition 11.1. Eine Funktion f : D → R mit D ⊂ R heiß t im Punkt x0 ∈ D
differenzierbar, falls der folgende Grenzwert existiert

f (x) − f (x0 )
lim =: f 0 (x0 )
x→x0 x − x0
Der Grenzwert f 0 (x0 ) heiß t Differentialquotient oder Ableitung von f in x0 .

(Insbesondere wird vorausgesetzt, daß es mindestens eine Folge xn in D\{x0 } gibt, die
gegen x0 konvergiert).

Die Funktion f heißt differenzierbar in D, wenn f in jedem Punkt x ∈ D differenzierbar

ist.

Alternative Schreibweise für f 0 : f˙ oder fx oder dx

df
. Letztere Schreibweise ist etwas proble-
df
matisch; um die Ableitung am Punkt x0 zu bezeichnen, schreibt man dx |x=x0 .

Geometrische Interpretation:

f (x)−f (x0 )
Differenzenquotient x−x0
= Steigung der Sekante zwischen (x0 , f (x0 )) und (x, f (x))

Differentialquotient f 0 (x0 )= Steigung der Tangente an den Graphen bei x0 .

Beispiele:

1. Definition der Geschwindigkeit:

94
 Befindet sich ein Objekt zur Zeit t am Ort x(t) für t ∈ R, so ist seine Geschwindigkeit
zur Zeit t0 definiert durch v(t0 ) := lim x(t)−x(t
t−t0
0)
= x0 (t0 )
t→t0

2. f : R → R, f (x) = c (konstante Funktion) Dann ist

f (x + h) − f (x)
f 0 (x) = lim =0
h→0 h

3. f : R → R, f (x) = cx. Dann ist

f (x + h) − f (x) c(x + h) − cx
f 0 (x) = lim = =c
h→0 h h

4. f : R → R, f (x) = xn , n ∈ N. Dann ist

n  
0 (x + h)n − xn X n n−k k−1
f (x) = lim = lim x h
h→0 h h→0
k=1
k
n    
X n n−k n n−1
= x lim hk−1 = x = nxn−1 (11.1)
k=1
k h→0 1

5. f : R → R\{0}, f (x) = x1 . Dann ist

f (x + h) − f (x) 1 1 1

f 0 (x) = lim = lim −
h→0 h h→0 h x + h x
x − (x + h) 1 1
= lim = − lim =− 2 (11.2)
h→0 h(x + h)x h→0 (x + h)x x

6. f : R → R, f (x) = exp(x). Dann ist

d exp ex+h − ex eh − 1
x
= lim = ex lim = exp(x) (11.3)
dx h→0 h h→0 h
unter Verwendung von (10.3).
Die Exponentialfunktion besitzt also die bemerkenswerte Eigenschaft, sich bei Differen-
tiation zu reproduzieren.
7. f : R → R, f (x) = sin(x). Dann ist

sin(x + h) − sin(x) 2 cos( 2x+h ) sin( h2 )

sin0 (x) = lim = lim 2
h→0 h h→0 h
h 
 h  sin( )
= lim cos(x + ) lim h 2 (11.4)
h→0 2 h→0
2

unter Verwendung des Additionstheorems. Da cos stetig ist, gilt lim cos(x + h2 ) = cos(x).
h→0
sin( h )
Wegen (10.12) gilt lim h
2
= 1, also
h→0 2

sin0 (x) = cos(x) (11.5)

95
 8. f : R → R, f (x) = cos(x). Dann ist

cos0 (x) = − sin(x) (11.6)

(Beweis: Übung, analog wie oben)

9. f : R → R, f (x) = |x|.
Für x 6= 0 gilt: 
0 1, x>0
f (x) =
−1, x < 0
(−1)n f (an )−f (0)
Für x = 0 existiert die Ableitung nicht, da z.B für an = n
gilt: an
= (−1)n
obwohl an → 0.

im letzten Beispiel kann man aber rechts- und linksseitige Ableitungen definieren:

Definition 11.2. Eine Funktion f : D → R, D ⊂ R heiß t in x0 ∈ R

f (x0 +h)−f (x0 )

1. rechtsseitig differenzierbar, falls lim h
=: f 0 (x0 )+ existiert
h&0

f (x0 +h)−f (x0 )

2. linksseitig differenzierbar, falls lim h
=: f 0 (x0 )− existiert
h%0

Dann gilt für f (x) = |x|: f 0 (0)+ = 1, f 0 (0)− = −1.

Offensichtlich ist f : D → R, D ⊂ R genau dann in x ∈ D differenzierbar, wenn f rechts-

und linksseitig in x ∈ D differentierbar ist und f 0 (x)+ = f 0 (x)− (=: f 0 (x)) ist.

Satz 11.1. (Lineare Approximation)

Sei f : D → R, D ⊂ R differenzierbar in x0 ∈ D. Dann gilt:

f (x0 + h) = f (x0 ) + f 0 (x0 )h + o(h), h→0

Beweis.
f (x0 + h) − f (x0 ) − f 0 (x0 )h
lim =0
h→0 h

Dieser Satz drückt aus, daß die Differenzierbarkeit einer Funktion gleichbedeutend mit der
Approximierbarkeit durch eine affin-lineare Funktion ist. Diese affin-lineare Funktion ist

L(x) = f (x0 ) + c(x − x0 ).

wobei c = f 0 (x0 ).

96
 Folgerung 11.1. Ist f : D → R, D ⊂ R differenzierbar in x0 ∈ D, dann ist f stetig in
x0 .

Beweis. lim f (x) = lim [f (x0 ) + f 0 (x0 )(x − x0 ) + o(x − x0 )] = f (x0 )

x→x0 x→x0

11.2 Rechenregeln

fürs Differenzieren gelten einfache Rechenregeln:

Satz 11.2. (Summen-, Produkt- und Quotientenregel)

Seien f, g : D → R, D ⊂ R differenzierbar in x0 ∈ D. Dann gilt:

1. (f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 )

2. (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 )

3. falls g(x0 ) 6= 0 :
 0
f f 0 (x0 )g(x0 )−f (x0 )g 0 (x0 )
g
(x 0 ) = g(x0 )2

Beweis. 1. und 2. Übung

3.: Wegen 2 können wir oBdA f = 1 setzen. Dann ist

1 1
g(x)
− g(x0 ) g(x0 ) − g(x)
lim = lim
x→x0 x − x0 x→x0 g(x)g(x0 )(x − x0 )
Grenzwertarithmetik 1 1 g(x0 ) − g(x)
= − lim
g(x0 ) lim g(x) x→x 0 x − x0
x→x0
g 0 (x0 )
=− (11.7)
g(x0 )2

unter Verwendung der Stetigkeit von g im letzten Schritt.

Beispiele:

• nochmals f (x) = xn .
Beweis von f 0 (x) = nxn−1 durch vollständige Induktion:
n = 0 und n = 1: schon erledigt

97
 n → n + 1: Verwende Produktregel
[Link]
(xn )0 = (x · xn−1 ) = x0 xn−1 + x(xn−1 )0 = xn−1 + (n − 1)xxn−1 = nxn−1

• Ableitung von Polynomfunktionen p(x) = nk=0 ck xk :

P

p0 (x) = nk=1 ck kxk−1 (Der Term mit k = 0 verschwindet!)

P

1
• f (x) = xn
:
1
f 0 (x) = −n = −nx−n−1
xn+1
(Übung)
Also gilt
d n
x = nxn−1 für alle n ∈ Z
dx
•
d  sin x  sin0 (x) cos(x) − sin(x) cos0 (x) sin2 x + cos2 x 1
tan0 (x) = = = =
dx cos x cos2 (x) cos2 x cos2 x

Der folgende Satz ist sehr weitreichend:

Satz 11.3. (Kettenregel)

Seien f : D → R und g : E → R Funktionen mit f (D) ⊂ E. Die Funktion f sei in

x0 ∈ D differenzierbar und g sei in y0 := f (x0 ) ∈ E differenzierbar. Dann gilt:

(g ◦ f )0 (x0 ) = g 0 (f (x0 ))f 0 (x0 )

Am besten macht man ein Bild:

Beweis. Wegen der linearen Approximierbarkeit von f und g können wir schreiben

•
f (x) = f (x0 ) + f 0 (x0 ) + R(x) (x − x0 ) mit lim R(x) = 0


x→x0

98
 •
g(y) = g(y0 ) + g 0 (y0 ) + S(y) (y − y0 ) mit lim S(y) = 0


y→y0

daraus folgt
g(f (x)) − g(f (x0 ))  0  f (x) − f (x )
0
= g (f (x0 ) + S(f (x)) (11.8)
x − x0 x − x0
nun gilt S(f (x)) → 0 für x → x0 (weil f in x0 stetig ist), und f (x)−f
x−x0
(x0 )
→ f 0 (x0 ) für x → x0
(weil f in x0 differenzierbar). Mit der Grenzwertarithmetik folgt die Behauptung.

Beispiele

2
• Ableitung von h : R → R, h(x) = e−x .
Es gilt: h = g ◦ f mit f (x) = −x2 , g(y) = ey .
2 2
Laut Kettenregel gilt: h0 = e−x (−2x) = −2xe−x
• Sei f : R → R differenzierbar und F : R → R definiert durch
F (x) = f (ax + b) (a, b ∈ R)
Dann ist
F 0 (x) = af 0 (ax + b).

Satz 11.4. (Ableitung der Umkehrfunktion)

Sei D ⊂ R ein Intervall, und f : D → R eine stetige, streng monotone Funktion und
ϕ = f −1 : D∗ → R die Umkehrfunktion von f , wobei D∗ = f (D).

Ist f im Punkt x ∈ D differenzierbar mit f 0 (x) 6= 0, dann ist ϕ im Punkt y := f (x)

differenzierbar und es gilt
1 1
ϕ0 (y) = 0 = 0
f (x) f (ϕ(y))

Bemerkung: Laut Satz 10.8 folgt aus den Voraussetzungen, daß f : D → D∗ invertierbar ist,
und die Umkehrabbildung ϕ = f −1 automatisch stetig (und monoton) ist.

99
Beweis. Sei yn ∈ D∗ \{y} irgendeine Folge mit lim yn = y. Wir setzen xn := ϕ(yn ). Da ϕ
n→∞
stetig ist (siehe obige Bemerkung), folgt lim xn = x. Außerdem ist xn 6= x für alle n, weil
n→∞
ϕ : D∗ → D bijektiv ist. Dann gilt
ϕ(yn ) − ϕ(y) xn − x 1 1
lim = lim = lim = .
n→∞ yn − y n→∞ f (xn ) − f (x) n→∞ f (xn )−f (x) f 0 (x)
xn −x

Beispiele:

• Ableitung des Logarithmus:

1 1 1
ln0 (x) = = = .
exp0 (ln x) exp(ln x) x
• Sei α ∈ R und f : R+ → R, f (x) = xα .
Da xα = eα ln x liefert die Kettenregel
dxα d α
= eα ln x (α ln x) = eα ln x = αxα−1
dx dx x

• arcsin : [−1, 1] → R ist die Umkehrfunktion von sin : [− π2 , π2 ] → R. Für x ∈ (−1, 1) gilt
1 1
arcsin0 (x) = 0 = .
sin (arcsin(x)) cos(arcsin(x))
√
Sei nun y := arcsin(x). Dann ist sin(y) = x und cos(y) = + 1 − x2 , da y ∈ [− π2 , π2 ].
Also gilt
d arcsin(x) 1
=√ für − 1 < x < 1
dx 1 − x2
• arctan : R → R ist die Umkehrfunktion von tan : (− π2 , π2 ) → R. Also gilt
1
arctan0 (x) = 0
= cos2 (arctan(x)).
tan (arctan(x))
Setzten wir y := arctan x, dann folgt

sin2 y 1 − cos2 y 1
x2 = tan2 y = 2
= 2
= − 1,
cos y cos y cos2 y
also
1
cos2 y =
1 + x2
und daher
d arctan(x) 1
= .
dx 1 + x2

100
11.3 Höhere Ableitungen, Glattheit

Die Funktion f : D → R sei in D differenzierbar. Falls die Ableitung f 0 : D → R im Punkt

x ∈ D differenzierbar ist, so heißt
d2 f (x)
2
:= f 00 (x) := (f 0 )0 (x)
dx
die zweite Ableitung von f in x. Man schreibt auch
d2 f (x)
(2)
f :=
dx2
Die höheren Ableitungen definiert man induktiv:

Eine Funktion f : D → R heißt k-mal differenzierbar im Punkt x ∈ D, falls ein  > 0 existiert,
sodaß
f : D ∩ (x − , x + ) → R
(k − 1)- mal differenzierbar ist mit (k − 1)-te Ableitung
f (k−1) : D ∩ (x − , x + ) → R,
die wiederum in x differenzierbar ist.

Schreibweise:
dk f (x)  d k d  dk−1 f (x) 
f (k) (x) := := f (x) :=
dxk dx dx dxk−1
oder
f (0) = f, f (1) = f 0 , f (2) = f 00 , etc.
Die Funktion f : D → R heißt k-mal differenzierbar in D, wenn f in jedem Punkt x ∈ D
k-mal differenzierbar ist.

Sie heißt k-mal stetig differenzierbar in D, wenn überdies die k-te Ableitung f (k) : D → R in
D stetig ist.

Notation:

Die Menge aller k-mal stetig differenzierbaren Funktionen auf D bezeichnet man mit C k (D).

Die Menge aller stetigen Funktionen auf D bezeichnet man mit C 0 (D) = C(D).

Die Menge aller beliebig oft differenzierbaren Funktionen auf D bezeichnet man mit C ∞ (D).
Diese werden auch als “glatte” Funktionen bezeichnet.

Beispiele:

1. Die Funktion f (x) = x2 θ(x) ist auf R stetig differenzierbar, mit


0 0 x≤0
f (x) = (11.9)
2x, x ≥ 0
(Übung)

101
 2. Die Funktion
f :R→R
x sin( x1 ), x 6= 0
 2
x 7→ (11.10)
0 x=0
ist in x = 0 differenzierbar mit
2x sin( x1 ) − cos( x1 ), x 6= 0

0
f (x) = (11.11)
0 x=0
(Übung)
Aber: f 0 ist in 0 nicht stetig.
3. Pfade der Brown’schen Bewegung sind stetig (als Funktionen der Zeit t), aber nicht
differenzierbar (“Irrfahrt”, Richtungsänderung wegen Stößen), also sind sie in C 0 (R).
4. Wichtige Anwendung in der Physik:
Die Bewegung eines Objektes entlang der x-Achse sei gegeben durch die Funktion x(t),
wobei t die Zeit ist. Dann ist die Geschwindigkeit definiert als Ableitung von x(t)
nach der Zeit:
dx(t) x(t + τ ) − x(t)
v(t) = ẋ = = lim
dt τ →0 τ
und die Beschleunigung ist
d2 x(t)
a(t) = ẍ =
dt2
Das Newton’sche Kraftgesetz besagt, daß
ma(t) = F (t)
wobei F die Kraft ist, die auf das Objekt wirkt.

Die folgende Definition ist sehr wichtig:

Definition 11.3. (Taylor-Polynom) Für f : D → R, D ⊂ R n-mal differenzierbar in

x0 ∈ D heiß t
n
X f (k) (x0 )
(Tn f )(x; x0 ) = (x − x0 )k
k=0
k!
Taylor-Polynom der Ordnung n von f bei x0 .

1
Beispiel: f : (−1, ∞) → R, f (x) = 1+x

f 0 (x) = − (1+x)
1
2, f
(2) 1
(x) = 2 (1+x)3,f
(3) 1
(x) = −6 (1+x)4 , ...

also
(T3 f )(x; 0) = 1 − x + x2 − x3
Mehr dazu später!

102
11.4 Regel von de l’Hospital

... erlaubt die Berechnung von Limiten vom Typ 00 .

Sei f, g ∈ C 1 ((a, b)) mit f (x0 ) = g(x0 ) = 0 und g 0 (x0 ) 6= 0. Dann gilt:

f (x) [Link]. f (x0 ) + f 0 (x0 )h + o(h) f 0 (x0 ) + o(h)

h
= =
g(x) g(x0 ) + g 0 (x0 )h + o(h) g 0 (x0 ) + o(h)
h

wobei h = x − x0 . Daraus folgt

f 0 (x0 ) f 0 (x)
lim = = lim
x→x0 g 0 (x0 ) x→x0 g 0 (x)
Allgemeiner kann man zeigen:

Satz 11.5. Die Funktionen f, g : (a, b) → R seien in (a, b) differenzierbar mit g 0 (x) 6= 0
und lim f (x) = 0 = lim g(x). Wenn
x%b x%b

f 0 (x)
lim → c ∈ [−∞, ∞],
x%b g 0 (x)

dann gilt auch

f (x)
lim →c
x%b g(x)

Eine analoge Aussage gilt für x & a.

(Beweis: siehe z.B. [Königshofer] oder [Taylor].)

Bemerkung: Die Aussagen gilt auch für a = −∞ bzw b = ∞, d.h.

f (x) f 0 (x)
lim = lim 0
x→±∞ g(x) x→±∞ g (x)

Beispiele:

• f = sin x, g = x. Dann ist f 0 = cos x, g 0 = 1 und daher

sin(x) cos(x)
lim = lim =1
x→0 x x→0 1
2 2
• f = 1 − e−x , g = x2 . Dann ist f 0 = 2xe−x , g 0 = 2x, also
2 2
1 − e−x 2xe−x
lim = lim =1
x→0 x2 x→0 2x
Bemerkung: manchmal muss man die Regel iterieren, also zu höheren Ableitungen gehen
(siehe Übungen).

103
11.5 Differentiation von Funktionenfolgen (Potenzreihen)

Man möchte gern Funktionen, die durch Folgen definiert sind, differenzieren. Dies ist nicht
immer ganz trivial, wie das folgende Beispiel zeigt:
sin(nx)
Sei fn : R → R, fn (x) := n
. Dann gilt:

1
1. fn → 0 gleichmäßig, da sup |fn (x)| ≤ n
→ 0.
x∈R

2. fn differenzierbar mit fn0 (x) = cos(nx). Aber: Für x 6= 2πZ ist (fn0 (x))n∈N divergent!

Es gilt:

Satz 11.6. Sein fn stetig differenzierbare Funktionen auf [a, b] mit

i) fn konvergiert punktweise gegen eine Funktion f : [a, b] → R

ii) fn0 : [a, b] → R konvergiert gleichmäß ig .

Dann ist f differenzierbar und es gilt

f 0 = lim fn0 (x) für alle x ∈ [a, b].

n→∞

Beweis: Kapitel 15.

∞
ak (x − a)k anwenden. Hierbei ist
P
Dies kann man insbes. auf (reelle) Potenzreihen P (x) =
k=0
der folgende Hilfssatz nützlich:
∞
ak xk habe Konvergenzradius R. Dann hat die Potenzreihe
P
Satz 11.7. Die Potenzreihe
k=0
∞
k−1
P
ak kx auch den Konvergenzradius R.
k=1

Beweis. (Skizze) Verwende Formel von Cauchy-Hadamard:

∞
ak kz k−1 ist gegeben durch
P
Der Konvergenzradius von
k=0

1 1
p = p =R
lim supn→∞ n
n|an | lim supn→∞ n |an |
√
weil lim n
n = 1 (Übung)
n→∞

104
 ∞
ak (x − a)k mit ak , a ∈ R habe Konvergenzradius
P
Satz 11.8. Die Potenzreihe P (x) =
k=0
R ∈ (0, ∞] um a. Dann ist P : (a − R, a + R) → R differenzierbar, mit
∞
X
0
P (x) = ak k(x − a)k−1 .
k=1

Man drückt dies auch so aus: Eine Potenzreihe darf gliedweise differenziert werden.

n
ak (x − a)k stetig differenzierbar. Es erfüllt
P
Beweis. klarerweise ist Pn (x) :=
k=0

i) lim Pn (x) = P (x) für x ∈ (a − R, a + R)

n→∞

ii) Aus Satz 10.12 zur gleichmäßigen Konvergenz von Potenzreihen zusammen mit obigem
∞
Hilfssatz folgt, daß Pn0 = ak k(x − a)k−1 → P 0 gleichmäßig auf [a − ρ, a + ρ] für ρ < R.
P
k=1

Die Behauptung folgt somit aus dem obigen Satz 11.6.

Beispiele:

• Neue Herleitung von d x

dx
e = ex sowie sin0 (x) = cos(x) etc. aus den jeweiligen Potenzrei-
hen. (Übung)
• Überprüfe sin0 (x) = cos(x), cos0 (x) = sin(x) anhand der Potenzreihen
∞
X x2n+1
sin(x) = (−1)n ,
n=0
(2n + 1)!
∞
X x2n
cos(x) = (−1)n (11.12)
n=0
(2n)!

1
• finde die Potenzreihe zu f : (−∞, 1) → R, f (x) = (1−x)2
mit Entwicklungspunkt a = 0.
∞
1
xk =
P
Wissen: geometrische Reihe P (x) = 1−x
, Konvergenzradius R = 1.
k=0
Für |x| < 1 kann man somit gliedweise differenzieren, und erhält
∞
0
X 1
P (x) = kxk−1 = = f (x)
k=0
(1 − x)2

daraus folgt:

105
 ∞
ak (x − a)k konvergiere im Intervall I = (a −
P
Satz 11.9. Die Potenzreihe P (x) =
k=0
R, a + R). Dann ist P : I → R beliebig oft differenzierbar, und es gilt
1 (k)
ak = P (a) für alle k ∈ N
k!

Beweis. P (x) ist als Potenzreihe beliebig oft differenzierbar für alle x ∈ (a − R, a + R) (Satz
11.8). Durch gliedweises differenzieren findet man
∞
(k)
X n!
P (x) = an (x − a)n−k
n=k
(n − k)!

Daraus folgt
P (k) (a) = k! ak

11.6 Taylorreihen
Definition 11.4. Für f ∈ C ∞ (I) und a ∈ I heiß t die Potenzreihe
∞
X f (k) (a)
(T f )(x; a) = (x − a)k
k=0
k!

Taylorreihe von f um a.

Der Konvergenzradius von (T f )(x; a) ist wie üblich

∞
X f (k) (a)
R = sup{r ∈ [0, ∞]; rk absolut konvergent}
k=0
k!

Beachte:

• Der Konvergenzradius der Taylor-Reihe ist nicht notwendig > 0.

• Falls die Taylor-Reihe von f konvergiert, konvergiert sie nicht notwendig gegen f .
• Die Taylor-Reihe konvergiert genau dann gegen f (x), wenn das Restglied aus Satz 13.1
bzw. 13.2 gegen 0 konvergiert (siehe später).

Beispiel: für Punkt 2: Sei f : R → R die Funktion definiert durch

 −1
e x2 , x 6= 0
f (x) =
0 x=0

106
f ist beliebig oft differenzierbar, und f (n) (0) = 0 für alle n ∈ N . (Übung). Daher ist

T f (x; 0) = 0

konvergiert, aber 6= f (x).

(Es gibt einen tieferen Grund dafür, den man in der komplexen Funktionentheorie versteht).

Es gilt aber immer:

Satz 11.10. (Eindeutigkeitssatz)

∞
an (x − a)n eine reelle Potenzreihe mit Konvergenzradius R ∈ (0, ∞). Dann
P
Sei f (x) =
n=0
ist die Taylor-Reihe von f um a gleich dieser Potenzreihe, und sie konvergiert gegen f :

T f (x; a) = f (x) ∀x ∈ (a − R, a + R)

Beweis. Dies ist genau die Aussage von Satz 11.9.

Beispiele:

• für x ∈ (−1, 1) gilt

∞
x2 x3 X (−1)n+1
ln(1 + x) = x − + ± ... = xn
2 3 n=1
n

Die Reihe ist absolut konvergent für |x| < 1 (d.h. R = 1). Für x = 1 gilt auch
∞
X (−1)n+1
1 1
ln 2 = 1 − + ± ... =
2 3 n=1
n

aber die Konvergenz ist nicht mehr absolut (Abel’scher Grenzwertsatz, siehe [Forster]
§22 Satz 5). Insbesondere darf man diese Reihe nicht umordnen!

• f (x) = sin(x): Dann gilt für alle x ∈ R

∞
X (−1)n 2n+1
sin(x) = T f (x; 0) = x
n=0
(2n + 1)!

• f (x) = sin(x2 ): Dann gilt für alle x ∈ R

∞ ∞
2
X (−1)n 2 2n+1
X (−1)n 4n+2
sin(x ) = (x ) = x = T f (x; 0)
n=0
(2n + 1)! n=0
(2n + 1)!

107
11.7 Ableitung und Funktionseigenschaften (Extrema, Mittelwert,
Konvexität)

viele Eigenschaften einer Funktion spiegeln sich in ihrer Ableitung wieder. z.B. kann das
Auftreten von lokalen Extrema, die Monotonie und die Konvexität mit Hilfe der Ableitung
untersucht werden.

Definition 11.5. Sei f : (a, b) → R Funktion. Man sagt, f habe in x0 ∈ (a, b) ein lokales
Maximum (Minimum), wenn ein  > 0 existiert, sodaß

f (x0 ) ≥ f (x) (bzw.f (x0 ) ≤ f (x) ) ∀x ∈ U (x0 )

Trifft das Gleichheitszeichen nur für x = x0 zu, nennt man x0 ein isoliertes lokales Ma-
ximum (Minimum)

Übergreifende Bezeichnungen für Minimum & Maximum: Extremum

Satz 11.11. Sei f : (a, b) → R differenzierbar mit Extremum in x0 ∈ (a, b). Dann ist
f 0 (x0 ) = 0.

Beweis. oBdA Maximum in x0 . Dann ist

f (x0 + h) − f (x0 )
f+0 (x0 ) = lim ≤0
h&0 h
und
f (x0 + h) − f (x0 )
f−0 (x0 ) = lim ≥0
h%0 h
daher ist f 0 (x0 ) = 0.

108
Bemerkungen:

1. Umkehrung gilt nicht: z.B. f : R → R, f (x) = x3 erfüllt f 0 (0) = 0 aber hat kein
Extremum.

2. Die Funktion

f :R→R
x sin( x1 ), x 6= 0
 2
x 7→ (11.13)
0 x=0

ist differenzierbar, und hat ∞ viele Extrema bei x = 0.

3. Nach Satz 10.7 nimmt jede in einem abgeschlossenen Intervall stetige Funktion f :
[a, b] → R ihr absolutes Maximum und ihr absolutes Minimum an. Liegt ein Extremum
jedoch am Rand, so ist dort nicht notwendig f 0 (x) = 0, wie man z. B. an der Funktion

f : [0, 1] → R, f (x) = x

sieht.

Satz 11.12. (Satz von Rolle)

Sei f : [a, b] → R eine stetige Funktion mit f (a) = f (b). Die Funktion f sei in (a, b)
differenzierbar. Dann existiert ein ξ ∈ (a, b) mit f 0 (ξ) = 0.

insbesondere: zwischen zwei Nullstellen einer differenzierbaren Funktion liegt eine Nullstelle
der Ableitung.

Beweis. falls f = const: trivial

falls f nicht konstant, so gibt es ein x0 ∈ (a, b) mit f (x0 ) > f (a) oder f (x0 ) < f (a). Dann
wird das absolute Maximum (bzw. Minimum) der Funktion f : [a, b] → R in einem Punkt
ξ ∈ (a, b) angenommen, mit f 0 (ξ) = 0.

Daraus folgt der

Satz 11.13. (vom Mittelwert)

f (b)−f (a)
Sei f : [a, b] → R differenzierbar. Dann ∃x0 ∈ (a, b) mit f 0 (x0 ) = b−a
.

geometrische Bedeutung: die Steigung der Sekante durch die Punkte (a, f (a)) und (b, f (b))
ist gleich der Steigung der Tangente an den Graphen von f an einer gewissen Zwischenstelle
(x0 , f (x0 )) ist

109
Beweis. definiere eine Hilfsfunktion F : [a, b] → R durch

f (b) − f (a)
F (x) = f (x) − (x − a)
b−a
F ist stetig in [a, b] und differenzierbar in (a, b). Da F (a) = f (a) = F (b), folgt aus dem Satz
von Rolle:
f (b) − f (a)
∃x0 ∈ (a, b) : 0 = F 0 (x0 ) = f 0 (x0 ) −
b−a

Daraus folgt die folgende wichtige Anwendung:

Satz 11.14. Ist f : [a, b] → R differenzierbar mit f 0 (x) = 0 für alle x ∈ [a, b]. Dann ist f
konstant.

Beweis. Für x > a gilt nach dem Mittelwertsatz

∃x0 ∈ (a, x) : f (x) = f (a) + f 0 (x0 )(x − a) = f (a)

Als Anwendung: Charakterisierung der Exponentialfunktion durch ihre Differentialgleichung:

Satz 11.15. Sei c ∈ R eine Konstante und f : R → R eine differenzierbare Funktion mit

f 0 (x) = cf (x) für alle x ∈ R.

Sei A := f (0). Dann gilt

f (x) = Aecx für alle x ∈ R.

110
Beweis. betrachten die Funktion F (x) = f (x)e−cx . Nach der Produktregel gilt

F 0 (x) = f 0 (x)e−cx − cf (x)e−cx = (f 0 (x) − cf (x))e−cx = 0

für alle x ∈ R, also F konstant. Da F (0) = f (0) = A, ist F (x) = A für alle x ∈ R, also

f (x) = Aecx für alle x ∈ R.

Bemerkung: Solche (und andere) sogenannte Differenzialgleichungen spielen eine zentrale Rolle
in der Physik

wichtige Charakterisierung von Monotonie:

Satz 11.16. Sei f : (a, b) → R differenzierbar. Dann gilt:

1. f 0 ≥ 0 ⇔ f monoton steigend, d.h. x ≥ y ⇒ f (x) ≥ f (y)

2. f 0 > 0 ⇒ f streng monoton steigend, d.h. x > y ⇒ f (x) > f (y)

3. f 0 ≤ 0 ⇔ f monoton fallend, d.h. x ≥ y ⇒ f (x) ≤ f (y)

4. f 0 < 0 ⇒ f streng monoton fallend, d.h. x > y ⇒ f (x) < f (y)

Beweis. (nur für 2.)

Annahme: ∃x > y : f (x) ≤ f (y)

Mittelwertsatz ⇒ ∃x0 ∈ (x, y) : f (y) − f (x) = (y − x) f 0 (x0 ) E

| {z } | {z }
≥0 <0

Satz 11.17. Sei f ∈ C 2 ((a, b)) und x0 ∈ (a, b) mit f 0 (x0 ) = 0. Dann:

1. f 00 (x0 ) > 0 ⇒ f hat ein isoliertes lokales Minimum in x0

2. f 00 (x0 ) < 0 ⇒ f hat ein isoliertes lokales Maximum in x0

Beweis. (nur für 1.)

f 00 : (a, b) → R stetig.

⇒ ∃ > 0 : f 00 (x0 ) > 0 ∀x ∈ U (x0 )

⇒ f 0 ist streng monoton steigend auf (x0 − , x0 + )

Aus dem Mittelwertsatz folgt:

111
 • ∀x ∈ (x0 − , x0 ) : ∃ξ1 ∈ (x, x0 ) : f (x0 ) − f (x) = f 0 (ξ1 )(x0 − x) > 0
| {z }
<0

• ∀x ∈ (x0 , x0 + ) : ∃ξ2 ∈ (x0 , x) : f (x) − f (x0 ) = f 0 (ξ2 )(x − x0 ) > 0

| {z }
>0

Daraus folgt die Behauptung.

Bemerkungen:

• Der Satz gibt nur eine hinreichende, aber nicht notwendige Bedingung für ein isoliertes
lokales Extremum. Die Funktion f (x) = x4 besitzt z. B. für x = 0 ein isoliertes lokales
Minimum. Es gilt jedoch f 00 (0) = 0.

• um das globales Minimum/Maximum einer differenzierbaren Funktion f : [a, b] → R zu

finden, geht man wie folgt vor:

1. Finde alle Lösungen von f 0 (x0 ) = 0 in [a, b]

2. Teste, ob x0 lokales Min/Max ist
3. untersuche Randpunkte a, b
4. Bestimme das globale Min/Max unter den obigen Kandidaten

Definition 11.6.

1. Eine Funktion f : (a, b) → R heiß t konvex, falls

∀x, y ∈ (a, b), λ ∈ [0, 1] : f (λx + (1 − λ)y) ≤ λf (x) + (1 − λ)f (y)

Gilt < statt ≤ für alle λ ∈ (0, 1) und alle x 6= y ∈ (a, b), dann heiß t f strikt konvex.

2. Eine Funktion f : (a, b) → R heiß t (strikt) konkav, falls (−f ) (strikt) konvex ist

geom. Interpretation: Konvexitäts-Bedingung bedeutet, daß der Graph von f im Intervall

[x1 , x2 ] unterhalb der Sekante durch (x1 , f (x1 )) und (x2 , f (x2 )) liegt.

112
Beispiele:

1. exp : R → R ist strikt konvex

ln : R+ → R ist strikt konkav

2. f : (0, ∞) → R, f (x) = xa ist für a ≥ 1 konvex, und für 0 ≤ a ≤ 1 konkav.

Satz 11.18. Sei f : (a, b) → R zweimal differenzierbar. Dann gilt:

f 00 ≥ 0 ⇔ f konvex

(und analog f 00 ≤ 0 ⇔ f konkav)

Beweis. ⇒:

f 00 ≥ 0 ⇒ f 0 monoton wachsend.

Für a < x0 < x1 < b und xλ := λx1 + (1 − λ)x0 , λ ∈ [0, 1] folgt aus Mittelwertsatz:

∃ξ1 ∈ (x0 , xλ ) und ξ2 ∈ (xλ , x1 ) mit

f (xλ ) − f (x0 ) f (x1 ) − f (xλ )
= f 0 (ξ1 ) ≤ f 0 (ξ2 ) =
xλ − x0 x1 − xλ
f (xλ ) − f (x0 ) f (x1 ) − f (xλ )
⇒ ≤
λ(x1 − x0 ) (1 − λ)(x1 − x0 )
⇒ f (xλ ) ≤ λf (x1 ) + (1 − λ)f (x0 )
also ist f konvex.

⇐: (Skizze)

113
Sei f : [a, b] → R konvex. Annahme: f 00 (x0 ) < 0 für ein x0 ∈ (a, b). Sei c = f 0 (x0 ), und
definiere
ϕ(x) := f (x) − c(x − x0 ) für x ∈ (a, b)
Dann ist ϕ : (a, b) → R zweimal differenzierbar mit ϕ0 (x0 ) = 0 und ϕ00 (x0 ) = f 00 (x0 ) <
0. Daher besitzt ϕ in x0 ein isoliertes Maximum. Dies ist klarerweise im Widerspruch zur
Konvexität von f (Details siehe [Forster] §16 Satz 6)

11.7.1 Legendre-Transformation (nicht Prüfungsstoff ):

Definition 11.7. Sei f : R → R eine Funktion. Dann heiß t f ∗ : R → R ∪ {±∞} mit

f ∗ (p) = sup(xp − f (x))

x∈R

Legendre-Transformierte von f .

wichtige Anwendungen in der Physik:

1. analytische Mechanik:

H(p, q) = sup(pq̇ − L(q̇, q))

q̇

Hamilton Funktion H(p, q) ↔ Lagrange Funktion L(q̇, q)

2. Thermodynamik:

F (T ) = − sup(T S − U (S))
S

3. etc.

wichtige Eigenschaften der Legendre-Transformierten :

Satz 11.19. 1. (Konvexität) Die Legendre-Transformierte

f ∗ : D∗ → R, D∗ = {p ∈ R : f ∗ (p) < ∞} ist konvex

2. Falls f 00 > 0, dann besitzt die Gleichung p = f 0 (x) höchstens eine Lösung x = x(p).
Dann gilt:
f ∗ (p) = x(p)p − f (x(p))

3. f konvex ⇒ (f ∗ )∗ = f

114
Diese Transformation ist wichtig in der Thermodynamik. Eigenschaft 3. bedeutet, dass dabei
“keine Information verlorengeht”.

Beweis. Konvexität:

Sei p, p0 ∈ D∗ und λ ∈ [0, 1]. Dann ist

f ∗ (λp + (1 − λ)p0 ) = sup(x(λp + (1 − λ)p0 ) − f (x))
x∈R
= sup(λxp − λf (x) + (1 − λ)xp0 − (1 − λ)f (x))
x∈R
≤ sup(λ(xp − f (x)) + sup((1 − λ)(xp0 − f (x))
x∈R x∈R
∗ ∗ 0
= λf (p) + (1 − λ)f (p ) (11.14)
2. und 3. als Übung.

Die Gleichung p = f 0 (x) folgt aus xd (px − f (x)) = 0, wodurch das Supremum (=Maximum)
der Funktion px − f (x) bestimmt ist.

11.8 Stammfunktion
Definition 11.8. Eine differenzierbare Funktion F : (a, b) → R heiß t Stammfunktion
von f : (a, b) → R, falls F 0 = f .

Beispiele:

xa+1
1. f (x) = xa , F (x) = a+1
+ c für a 6= −1
2. f (x) = cos x, F (x) = sin x + c

Satz 11.20. Sei F Stammfunktion von f . Dann ist G genau dann Stammfunktion von
f , wenn F − G konstant ist.

Beweis. ⇒: (F − G)0 = f − f = 0 ⇒ F − G konstant.

⇐: G0 = F 0 − (G − F )0 = f

R
Notation: Die Menge der Stammfunktion von f : (a, b) → R wird mit f (x)dxR abgekürzt. Da
sich alle Elemente nur durch eine Konstante unterscheiden,
R schreibt man f (x)dx oft auch
für einen beliebigen Representanten, oder auch f (x)dx + c.

Beispiele:

115
 R
1. ex dx = ex + c
dx
R
2. 1+x2
= arctan x + c

3. etc.

Die Integralrechnung liefert die allgemeine Methode, Stammfunktionen auszurechnen; mehr

darüber im nächsten Kapitel. Es gibt aber keine systematische Methode, Stammfunktionen
“in geschlossener Form“ (also durch bekannte Funktionen oder Operationen) auszudrücken.

Anwendung (Ergänzung, nicht Prüfungsstoff): Lösen von separablen Differentialgleichungen

Sei f : (a, b) → (0, ∞) stetig. Dann heißt die Funktion x : I → (a, b) (mit I ⊂ R Intervall)
Lösung der Differentialgleichung

ẋ = f (x) (11.15)
dx(t)
falls dt
= f (x(t)) ist ∀x ∈ I.
1 1
R
Nun sei G : (a, b) → R Stammfunktion von g(x) = f (x)
, also G = f
dx. Dann gilt:

1. G0 (x) = f (x)
1
> 0, also ist G streng monoton steigend und somit injektiv mit G((a, b)) =:
I Intervall.
Da G : (a, b) → I bijektiv ist, existiert die Umkehrfunktion G−1 : I → (a, b).

2. Die Funktion
x : I → (a, b), x(t) = G−1 (t)
löst (11.15):
1
ẋ(t) = = f (x(t))
g(G−1 (t))
Allgemeiner gilt: jede Lösung von (11.15) hat die Form

x(t) = G−1 (t + t0 )

mit t0 ∈ I.

12 Integralrechnung in R

12.1 Das Riemann’sche Integral

Motivation: Berechne Flächeninhalt unter Graphen

116
Strategie: Approximation durch Rechtecke der Breite ,

Grenzwert  → 0: Summe → Integral

dazu:
Definition 12.1. Eine Funktion ϕ : [a, b] → R heiß t Treppenfunktion, falls es eine
Unterteilung a = x0 < x1 < ... < xn = b gibt, sodaß ϕ(x) auf (xk−1 , xk ) konstant ist für
k = 1, 2, ..., n.

Die Menge aller Treppenfunktionen bezeichnen wir mit T (a, b).

Bemerkungen:

1. Die Werte bei den x0n s sind beliebig

Die Unterteilung in xn ist nicht eindeutig, kann beliebig verfeinert werden
(Skizze)
2. T (a, b) ist ein reeller Vektorraum, d.h.
i) 0 ∈ T (a, b)
ii) ϕ, ψ ∈ T (a, b) ⇒ ϕ + λψ ∈ T (a, b) für beliebiges λ ∈ R.

Definition 12.2. Für ϕ ∈ T (a, b) mit Unterteilung a = x0 < x1 < ... < xn = b und
ϕ(x) = ck für x ∈ (xk−1 , xk ) heiß t
n
X Z b
ck (xk − xk−1 ) =: ϕ(x)dx
k=1 a

(Riemann) Integral von ϕ(x).

Rb
Man kann zeigen, daß a
ϕ(x)dx ist unabhängig von der Wahl der Unterteilung ist

(siehe zB [Forster]; Beweisidee: 1) Verfeinerung der Unterteilung liefert das gleiche Ergebnis,
und 2) zu zwei Unterteilungen von ϕ gibt es eine gemeiname Verfeinerung, und Anwendung
von 1) )

117
 Satz 12.1. Das Integral ist ein lineares und monotones Funktional auf T (a, b), d.h.
Z b Z b Z b
(ϕ(x) + λψ(x))dx = ϕ(x)dx + λ ψ(x)dx (12.1)
a a a

und
Z b Z b
ϕ≤ψ ⇒ ϕ(x)dx ≤ ψ(x)dx (12.2)
a a

Beweisidee: Benutze gemeinsame Verfeinerung der Unterteilungen von ϕ und ψ.

Definition 12.3. Sei f : [a, b] → R beliebige beschränkte Funktion. Dann setzt man
Z b∗ Z b 
f (x)dx := inf ϕ(x)dx : ϕ ∈ T (a, b), ϕ ≥ f (Oberintegral)
a a
Z b Z b 
f (x)dx := sup ϕ(x)dx : ϕ ∈ T (a, b), ϕ ≤ f (Unterintegral) (12.3)
a ∗ a

R b∗ Rb
Falls a
f (x)dx = a∗
f (x)dx, heiß t f Riemann-integrierbar, und
Z b Z b∗
f (x)dx := f (x)dx
a a

das (Riemann-) Integral von f .

Wir bezeichnen die Menge aller Riemann-integrierbaren Funktionen auf [a, b] mit R[a, b]

Bemerkungen:

R b∗ Rb Rb
• Für jede Treppenfunktion ϕ ∈ T [a, b] gilt: a
f (x)dx = a∗
f (x)dx = a
f (x)dx

• betrachte die Funktion f : [0, 1] → R definiert durch


1, x ∈ Q
f (x) =
0, x ∈/Q
R b∗ Rb
Dann ist a f (x)dx = 1 und a ∗ f (x)dx = 0, die Funktion ist also nicht Riemann-
integrierbar.

man kann nun zeigen:

118
 Satz 12.2. Jede stetige Funktion f : [a, b] → R ist integrierbar.

Jede monotone Funktion f : [a, b] → R ist integrierbar.

Beweis. Sein n ∈ N. Wähle Unterteilung xk = a + nk (b − a) für k = 0, 1, 2, ..., n.

Setze
(n)
ck := sup{f (x) : x ∈ (xk−1 , xk )}
(n)
dk := inf{f (x) : x ∈ (xk−1 , xk )}
(n)
ϕn (x) := ck , x ∈ [xk−1 , xk ) bzw. [xn−1 , xn ]
(n)
ψn (x) := dk , x ∈ [xk−1 , xk ) bzw. [xn−1 , xn ]
Dann gilt:
Z b∗ Z b Z b Z b
f (x)dx − f (x)dx ≤ ϕn (x) − ψn (x)
a a ∗ a a
n
X (n) (n) b−a
= (ck − dk )
k=1
n
=: (∗)
Nun:

1. falls f monoton, oBdA steigend:

n
X b−a b−a n→∞
(∗) = (f (xk ) − f (xk−1 )) = (f (b) − f (a)) → 0
k=1
n n

119
 (Teleskopsumme!)

2. falls f stetig:
(n) (n)
(∗) ≤ (b − a) max (ck − dk )
k∈{1,...,n}

Da f gleichmäßig stetig ist (weil [a, b] kompakt!), gibt es zu  > 0 ein N ∈ N mit
(n) (n)
∀n ≥ N, k ∈ N : ck − d k < 

Somit ist (∗) ≤ (b − a) ∀n ≥ N . Daraus folgt f ∈ R[a, b].

Satz 12.3. R(a, b) ist ein reeller Vektorraum, d.h.

i) 0 ∈ R(a, b)

ii) f, g ∈ R(a, b) ⇒ f + λg ∈ R(a, b) für beliebiges λ ∈ R.

Das Integral ist ein lineares und monotones Funktional auf R(a, b), d.h.
Z b Z b Z b
(f (x) + λg(x))dx = f (x)dx + λ g(x)dx (12.4)
a a a

und
Z b Z b
f ≤g ⇒ f (x)dx ≤ g(x)dx (12.5)
a a

Beweisidee: folgt aus den entsprechenden Eigenschaften für Treppenfunktionen.

zusammen mit dem vorigen Satz folgt insbesondere:

alle stückweise stetigen oder stückweise monotonen Funktionen sind integrierbar

Mehr Details findet man man zB in [Forster].

Satz 12.4. Sei a < b < c und f : [a, c] → R eine Funktion. Dann ist f genau dann
integrierbar, wenn sowohl f |[a,b] als auch f |[b,c] integrierbar sind und es gilt dann
Z c Z b Z c
f (x)dx = f (x)dx + f (x)dx
a a b

Beweis. Übung

120
 Satz 12.5. Seien f, g ∈ R[a, b]. Dann gilt:

1. Positiv- und Negativteil f+ , f− ∈ R[a, b] wobei

 
f (x), f (x) > 0 −f (x), f (x) < 0
f+ (x) = , f− (x) =
0 sonst 0 sonst

2. |f |p ∈ R[a, b] für p ≥ 1

3. f · g ∈ R[a, b]

Beweis. Übung

Konventionen:

Z a
f (x)dx = 0
a
und Z b Z a
für b < a : f (x)dx := − f (x)dx
a b
Dann gilt die Formel von Satz 12.4 für beliebige gegenseitige Lagen von a, b, c, falls f in den
Teilintervallen integrierbar ist.

Satz 12.6. (Mittelwertsatz der Integralrechnung)

Sei f ∈ C([a, b]). Dann gibt es z ∈ [a, b] mit

Z b
f (x)dx = f (z)(b − a)
a

Beweis. klarerweise gilt

Z b
1
min f (x) ≤ f (x)dx ≤ max f (x)
x∈[a,b] b−a a x∈[a,b]

1
Rb
Aus dem Zwischenwertsatz folgt: ∃z ∈ [a, b] : f (z) = b−a a
f (x)dx

Man definiert den Mittelwert einer Funktion f auf dem Intervall [a, b] als
Z b
1
f := f (x)dx
b−a a
(nicht zu verwechseln mit der komplexen Konjugation!). Der Mittelwertsatz besagt dann, daß
f = f (z) für ein geeignetes z ∈ [a, b].

121
12.2 Der Hauptsatz der Differential- und Integralrechnung

Wir betrachten jetzt eine Integrationsgrenze als variabel und erhalten so eine neue Funktion,
das “bestimmte Integral”:

Satz 12.7. Sei f : [a, b] → R stetig. Wir definieren

Z x
F : [a, b] → R, F (x) := f (t)dt
a

Dann ist F Stammfunktion von f , d.h. F 0 = f .

Beweis. (Skizze)

Für h 6= 0 ist
x+h
F (x + h) − F (x)
Z
1
= f (t)dt = f (zh )
h h x

für ein zh ∈ [x, x + h] (laut Mittelwertsatz der Integralrechnung).

Da lim zh = x und f stetig, folgt

h&0

F (x + h) − F (x)
lim = f (x)
h&0 h

Rx Rx
Die Benennung der Integrationsvariablen, also a f (t)dt oder a f (y)dy etc. ist nur symbolisch
und eigentlich irrelevant. Man muß aber aufpassen daß man solche Integrationsvariablen nicht
mit anderen Variablen verwechselt. Also: für Integrationsvariablen immer andere Buchstaben
verwenden!

Beispiel: wir berechnen die Ableitung der Funktion

2
Z 3ex √
F (x) = 1 + t4 dt
−ex2

Wegen
2 2
Z 3ex √ Z −ex √
F (x) = 1+ t4 dt − 1 + t4 dt
0 0
erhalten wir mit dem Hauptsatz und der Kettenregel
2
p 2
p
F 0 (x) = 6xex 1 + 81ex2 + 2xex 1 + e4x2

122
 Satz 12.8. (HDI)

Sei f : [a, b] → R stetig, mit Stammfunktion F . Dann gilt:

Z b
f (x)dx = F (b) − F (a)
a

Rx
Beweis. Wissen: G : [a, b] → R, G(x) = f (t)dt ist Stammfunktion von f mit G(b) − G(a) =
a
Rb
f (t)dt. Da F (b) − F (a) = G(b) − G(a) für jede Stammfunktion, folgt die Behauptung.
a

Bezeichnung: Man setzt

F (x)|ba := F (b) − F (a) =: [F (x)]ba
dann gilt
Zb
f (t)dt = F (x)|ba = [F (x)]ba
a

Hierbei ist auch a > b zulässig!

Dieser Satz liefert eine wichtige Methode zur Berechnung von Integralen, z.B:

1. Für p ∈ R, p 6= −1 gilt
b b
xp+1
Z 
p
x dx =
a p+1 a

mit gewissen Einschränkungen (ist p eine ganze Zahl ≤ −2, so darf 0 nicht im Integra-
tionsintervall liegen; ist p nicht ganz, so ist a, b > 0 vorauszusetzen).
Somit können beliebige Polynome integriert werden.

2. für a, b > 0 gilt Z b

dx
= [ln x]ba
a x
für a, b < 0 gilt Z b
dx
= [ln(−x)]ba
a x
d 1
da dx
ln(−x) = x
für x < 0.
Man kann die beiden Fälle so zusammenfassen:
Z b
dx
= [ln |x|]ba
a x
solange 0 nicht im Integrationsintervall liegt.

123
 3. Z b
exp xdx = [exp x]ba
a

4. Z 1
sinh(x)dx = cosh(1) − cosh(−1) = 0
−1

5. Z b
dx
√ = [arcsin x]ba
1−x 2
a

6. Z b
dx
= [arctan x]ba
a 1 + x2
7. Z b
dx
2
= [tan x]ba
a cos x
solange cos x 6= 0 im Integrationsintervall.

Satz 12.9. (Substitutionsregel)

Sei f : I → R stetige Funktion und g : [a, b] → R eine stetig differenzierbare Funktion

mit g([a, b]) ⊂ I. Dann gilt
Z b Z g(b)
0
f (g(t))g (t)dt = f (x)dx
a g(a)

Beweis. Sei F Stammfunktion von f . Dann ist wegen der Kettenregel

d
F (g(t)) = f (g(t))g 0 (t)
dt
Daher ist Z b Z g(b)
0
f (g(t))g (t)dt = F (g(b)) − F (g(a)) = f (x)dx
a g(a)

Bezeichnung: Unter Verwendung der symbolischen Schreibweise

dg(t) = g 0 (t)dt

lautet die Substitutionsregel

Z b Z g(b)
f (g(t))dg(t) = f (x)dx
a g(a)

124
... besonders einfach zu merken: einfach g(t) durch x ersetzen (oder umgekehrt). Läuft t von
a nach b, so läuft x = g(t) von g(a) nach g(b).

Beispiele:

1. Z b Z b+c
f (t + c)dt = f (x)dx (Substitution x = t + c)
a a+c

2. für c 6= 0 gilt:
Z b Z bc
1
f (ct)dt = f (x)dx (Substitution x = ct)
a c ac

3.
Z 2 a2
a
1 −a v
Z Z
−x2 1 −u
xe e du = − dx =
e dv
0 0 2 0 2
1 2 1 2
= − [ev ]−a
0 = (1 − e−a ) (12.6)
2 2
√
mit der Substitution u = x2 und v = −u. (bzw. äquivalent x = u).

4. Flächeninhalt des Viertel-Kreises:

π π
Z 1 √ Z
2
q Z
2
1− x2 dx = 2
1 − sin (t) cos tdt = cos2 (t)dt
0 0 0

(Substitution x = sin(t), t ∈ [0, π2 ], mit dx = cos(t)dt, g(0) = 0, g( π2 ) = 1) Diese Integral

kann z.B. mit folgendem Trick berechnet werden:
π π
Z Z 0 Z 0 Z
2
2 π 2 2
2
I := cos (t)dt = − cos ( − s)ds = − sin (s)ds = sin2 (s)ds
0 π
2
2 π
2
0

unter Verwendung von cos( π2 − s) = sin(s) (Skizze) .

125
 Daher ist Z π
2 π
2I = (cos2 (t) + sin2 (t))dt =
0 2
also Z 1 √ π
1 − x2 dx =
0 4
√ dx verwenden wir die Substitution x = sinh t = 21 (et − e−t ).
R
5. zur Berechnung von 1+x2
Mit
d sinh t = cosh tdt
cosh t − sinh2 t = 1
2
√
arcsinh(x) = ln(x + x2 + 1) (Übung)
folgt mit u := arcsinh(a), v := arcsinh(b)
Z b
dx
Z v
d sinh t
Z v
cosh t √
√ = p = dt = [t]vu = [ln(x + x2 + 1)]ba
a 1 + x2 u 1 + sinh2 t u cosh t

6. Funktionen vom Typ

Z a Z sin(a)
f (sin(t)) cos(t)dt = f (u)du
0 0

integriert man durch die Substitution u = sin(t), du = cos(t)dt, z.B

Z π Z 1
2 1 1
sin(t) cos(t)dt = udu = [u2 ]10 =
0 0 2 2
wie man auch durch die Identität 2 sin(t) cos(t) = sin(2t) sehen kann.

Die Wahl einer zielführenden Substitution ist nicht immer offensichtlich, und erfordert oft eine
gewisse Findigkeit oder Übung. Es gibt keine allgemeingültige systematische Methode!

Satz 12.10. (partielle Integration)

Seien f, g : [a, b] → R zwei stetig differenzierbare Funktionen. Dann gilt:

Z b Z b
0
f (x)g (x)dx = [f (x)g(x)]ba − f 0 (x)g(x)dx
a a

Beweis. Für h := f g gilt nach der Produktregel

h0 (x) = f 0 (x)g(x) + f (x)g 0 (x)
also nach dem HDI
Z b Z b
0
f (x)g (x)dx + f 0 (x)g(x)dx = [h(x)]ba = [f (x)g(x)]ba
a a

126
Kurzschreibweise: Z Z
f dg = f g − gdf

oder auch Z b Z b
f (x)g(x)dx = [f (x)G(x)]ba − f 0 (x)G(x)dx
a a
0
wobei G = g. Wenn man also von einem Faktor die Stammfunktion kennt, kann man die
Produktregel anwenden.

Beispiele:

1. Z b Z b
x sin xdx = [x(− cos x)]ba − 1 · (− cos x)dx = [−x cos x + sin x]ba
a a

2. Seien a, b > 0. Dann:

Z b Z b
x
ln xdx = [x ln x]ba − dx = [x(ln x − 1)]ba
a a x
wobei f (x) = ln x, g(x) = x gesetzt wurde.

Wiederum ist die zielführende Vorgangsweise nicht immer offensichtlich, und erfordert ein
gewisses Geschick.

Als weitere Anwendung der partiellen Integration beweisen wir folgenden Satz:

Satz 12.11. (Riemann-Lebesgue Lemma)

Sei f : [a, b] → R stetig differenzierbar. Für k ∈ R sei

Z b
F (k) := f (x) sin(kx)dx
a

Dann gilt:
lim F (k) = 0
k→±∞

(wichtig in der Fourier-Theorie)

Beweis. Für k 6= 0 ergibt sich durch partielle Integration

b
1 b 0
 Z
cos(kx)
F (k) = − f (x) + f (x) cos(kx)dx
k a k a

Da f und f 0 auf [a, b] stetig sind, gibt es eine Konstante M ≥ 0 sodaß

|f (x)| ≤ M und |f 0 (x)| ≤ M ∀x ∈ [a, b]

127
Damit ergibt sich die Abschätzung
2M M (b − a)
|F (k)| ≤ +
|k| |k|
woraus die Behauptung folgt.

Als Anwendung für diesen Satz beweisen wir die Formel

∞
X sin(kx) π−x
= für 0 < x < 2π (12.7)
k=1
k 2
(Dies ist ein erstes Beispiel für eine Fourier-Reihe, wobei eine Funktion durch eine Reihe von
trigonometrischen Fumktionen ausgedrückt wird.)

Rx sin(kx)
Beweis. Aus cos(kt)dt = k
und der Formel
π
n
X sin((n + 12 )t) 1
cos(kt) = − (12.8)
k=1
2 sin( 12 t) 2

(Übung; folgt aus der Darstellung von cos(x) durch die komplexe Exponentialfunktion)

folgt
n x
sin((n + 12 )t) x−π
Z
X sin(kx)
= 1 dt −
k=1
k π 2 sin( 2 t) 2
Mit Satz 12.11 gilt für
x
sin((n + 21 )t)
Z
Fn (x) := dt (0 < x < 2π)
π 2 sin( 12 t)
lim Fn (x) = 0. Daraus folgt die Behauptung.
n→∞

12.2.1 Integration rationaler Funktionen

P (x)
Wir wollen rationale Funktionen Q(x) mit P, Q Polynome integrieren. Dies kann systematisch
durchgeführt werden. Dazu als Vorbereitung:

Partialbruchzerlegung:

Satz 12.12. (Fundamentalsatz der Algebra im reellen)

Sei Q Polynom, grad(Q) = n ≥ 1, an 6= 0. Dann:

r
Y s
Y
ki
Q(x) = an (x − ai ) ((x − bj )2 + c2j )lj (12.9)
i=1 j=1

wobei

128
 ai ... reelle Nullstellen mit Vielfachheit ki ∈ N

bj ± icj ... komplexe Nullstellen mit Vielfachheit lj ∈ N

P P
grad(Q) = i ki + 2 j lj

man kann also jedes (relle) Polynom in Produkt von (reellen) Polynomen 1. und 2. Grades
faktorisieren.

Damit:
Satz 12.13. (Partialbruchzerlegung)

Seien P (x) und Q(x) (reelle) Polynome vom Grad grad(P ) < grad(Q). Q(x) sei wie oben
faktorisiert. Dann gibt es Konstanten Aim , Bil , Cil sodaß
ri k s lj
P (x) X X Aim XX Bil x + Cil
R(x) := = +
Q(x) i=1 m=1
(x − ai )m
i=1 l=1
((x − bi )2 + c2i )l

(Falls grad(P ) ≥ grad(Q), führt man zunächst eine Polynomdivision durch und spaltet das
ganze Polynom ab.)

Beweis. induktiv (siehe z.B. [Königsberger])

Beispiel:
x4 + 1 x3 + x
R(x) = = 1 +
x4 − x3 − x + 1 x4 − x3 − x + 1
1 ist Nullstelle des Nenners, also

x4 − x3 − x + 1 = (x − 1)(x3 − 1) = (x − 1)2 (x2 + x + 1)

also
x(x2 + 1)
R(x) = 1 +
(x − 1)2 (x2 + x + 1)
Ansatz:
x(x2 + 1) A1 A2 Bx + C
= + +
(x − 1)2 (x2 + x + 1) x − 1 (x − 1)2 x2 + x + 1
zu bestimmen sind A1 , A2 , B, C

rhs auf gemeinsamen Nenner bringen:

x(x2 + 1) A1 (x − 1)(x2 + x + 1) + A2 (x2 + x + 1) + (Bx + C)(x − 1)2
=
(x − 1)2 (x2 + x + 1) (x − 1)2 (x2 + x + 1)
Nenner gleichsetzten:

x(x2 + 1) = A1 (x − 1)(x2 + x + 1) + A2 (x2 + x + 1) + (Bx + C)(x − 1)2

129
entweder:

Koeffizientenvergleich liefert lineares Gleichungssystem für A1 , A2 , B, C, systematisch lösen

(Gaußsches Eliminationsverfahren)

oder ad-hoc: für x = 1 folgt

2
A2 =
3
einsetzten liefert
2 1 2
x3 − x2 + x − = (x − 1)(A1 (x2 + x + 1) + (Bx + C)(x − 1))
3 3 3
2 1 2
lhs = (x − 1)(x + 3 x + 3 ) also
1 2
x2 + x + = A1 (x2 + x + 1) + (Bx + C)(x − 1)
3 3
setze x = 1:
2 = 3A1
also
1 2 1
x − x = (Bx + C)(x − 1) = Bx2 + (C − B)x − C
3 3
also B = 13 , C = 0.

P (x)
Damit kann man für jede rationale Funktion R(x) = Q(x)
eine Stammfunktion finden,
unter Berücksichtigung der folgenden Integraltabelle:

1. 
ln |x − a|,
Z
dx k=1
= −1
(x − a)k (k−1)(x−a)k−1
, k≥2
2.
2(x − b)
Z
2 2
dx = log((x − b)2 + c2 )
(x − b) + c
x−b
Z
1 1
2 2
dx = arctan( )
(x − b) + c c c
3.
2(x − b)
Z
1 1

k dx =
, k≥2
(x − b)2 + c2 1 − k (x − b)2 + c2 k−1
4. Z
1
In :=
n dx für n ≥ 2
(x − b)2 + c2
kann durch partielle Integration rekursiv berechnet werden, mit dem Ergebnis
2n − 3 x−b
c2 In (x) = In−1 (x) +
n−1
2(n − 1) 2(n − 1) (x − b)2 + c2

Symbolische Programme wie z.B. Mathematica beherrschen das auch. Man muss aber
überprüfen, ob das Ergebnis insbes. bei den Nullstellen von Q(x) sinnvoll ist.

130
13 Taylorapproximation

Wir kennen bereits die Potenzreihen-Entwicklung von Funktionen wie sin, cos, exp, etc., und
deren Realisierung als Taylorreihen. Nun könenn wir explizite Korrektur-Terme und Fehler-
abschätzungen herleiten:

Zur Erinnerung: Sei f : I → R n-mal differenzierbar und a ∈ I. Dann ist das Taylor-Polynom
der Ordnung n von f um einen Punkt a ∈ R definiert als
n
X f (k) (a)
(Tn f )(x; a) = (x − a)k
k=0
k!

Für n = 1 entspricht dies genau der linearen Näherung von f am Punkt a, siehe Satz 11.1:

f (x0 + h) = f (x0 ) + f 0 (x0 )h + o(h), h→0

die höheren Terme n > 1 in der Taylor-Entwicklung ergeben die optimal verbesserte Näherung
für x ≈ a.

Die präzise Aussage ist wie folgt:

Satz 13.1. (Taylor’sche Formel) Sei I ⊂ R ein Intervall und f : I → R eine (n + 1)-
mal stetig differenzierbare Funktion. Dann gilt für a ∈ I und x ∈ I

f (x) = (Tn f )(x; a) + Rn+1 (x; a)

n
X f (k) (a)
= (x − a)k + Rn+1 (x; a) (13.1)
k=0
k!

mit Z x
1
Rn+1 (x; a) = (x − t)n f (n+1) (t)dt
n! a
Insbesondere
Rn+1 (x; a) = O (x − a)n+1


für x → a

(beachte: (x − a)n+1  (x − a)n für |x − a|  1!)

Beweis. Induktion nach n:

Induktionsanfang n = 0:

Es gilt nach dem Fundamentalsatz der Differential- und Integralrechnung

Z x
f (x) = f (a) + f 0 (t)dt
a

131
Induktionsschritt n − 1 → n: Wir schreiben
Z x
I.A. 1
f (x) − (Tn−1 f )(x; a) = Rn (x; a) = (x − t)n−1 f (n) (t)dt
(n − 1)! a
x
(x − t)n (n) 1 x
 Z
[Link].
= − f (t) + (x − t)n f (n+1) (t)dt
n! a n! a
f (n) (a)
= (x − a)n + Rn+1 (x; a) (13.2)
n!
Abschätzung des Restgliedes:

oBdA a ≤ x. Dann
t
|x − a|n+1
Z
1
sup |x − t|n |f (n+1 (t)| sup |f (n+1 (t)|


|Rn+1 (x; a)| ≤ dt ≤
n! t∈[a,x] a n! t∈[a,x]

dies bedeutet, daß

|Rn+1 (x; a)|
lim sup <∞
x→a |x − a|n+1

Beispiele:

•
x2
f (x) = exp(x) = 1 + x + + R3 (x; 0)
2!
ist die optimale Näherung von exp(x) bei 0 durch ein quadratisches Polynom;
Rx
R3 (x; 0) = 3!1 0 t2 et dt = O(x3 ). (Skizze)

•
1
f (x) = = 1 − x + x2 − x3 + O(x4 )
1+x
(siehe Kapitel 11.3).

es gibt eine alternative Form des Restgliedes:

Satz 13.2. (Lagrange)

Unter den Voraussetzungen des Satzes von Taylor gibt es ein ξ zwischen a und x, sodaß

f (n+1) (ξ)
Rn+1 (x; a) = (x − a)n+1
(n + 1)!

Beweis. Siehe [Forster].

132
Beispiele:

• Sei x > 0. Dann gilt

x2
ex = T2 f (x; 0) + R3 (x; 0) = 1 + x + + R3 (x; 0)
2
mit
eξ 3 x3 x
|R3 (x; 0)| = x ≤ e
3! 3!
weil |ξ| ≤ x.
• betrachte
cos(x) = T2n+1 f (x; 0) + R2n+2 (x; 0)
x2 x4 (−1)n 2n
=1− + − ... + x + R2n+2 (x; 0)
2 4! (2n)!
mit
cos(2n+2) (ξ) 2n+2 cos(ξ) |x2n+2 |
|R2n+2 (x; 0)| = |x |= |x2n+2 | ≤
(2n + 2)! (2n + 2)! (2n + 2)!

14 Uneigentliche Riemann-Integrale
R∞
Wir wollen Integrale vom Typ a f (x)dx berechnen, sowie Integrale über Funktionen die an
R1
einzelnen Punkten nicht definiert sind, wie z.B. 0 √1x dx. Diese werden als Grenzwert von
gewöhnlichen Riemann-Integralen definiert.

Definition 14.1. 1. Sei a ∈ R und a < b ∈ R ∪ {∞} und f : [a, b) → R auf jedem
kompakten Intervall [a, β] ⊂ [a, b) integrierbar.
Rβ Rb
Falls lim a f (t)dt =: a
f (t)dt existiert, heiß t f auf [a, b)
β%b
uneigentlich (Riemann-) integrierbar.
Rb
(kurz: a f (t)dt ist konvergent).

2. analog für b ∈ R und b > a ∈ R ∪ {−∞} und f : (a, b] → R.

3. Sei a < b, und a, b ∈ R ∪ {±∞} und f : (a, b) → R auf jedem kompakten Intervall
[α, β] ⊂ (a, b) integrierbar.
Falls für ein c ∈ (a, b) die Grenzwerte
Z c Z c
f (t)dt := lim f (t)dt
a α&a α

und Z b Z β
f (t)dt := lim f (t)dt
c β%b c

133
 existieren, heiß t f auf (a, b) uneigentlich (Riemann-) integrierbar und man setzt
Z b Z c Z b
f (t)dt := f (t)dt + f (t)dt
a a c
Rb
(kurz: a
f (t)dt ist konvergent).

Beispiele:
R∞ dx
1. Das Integral 1 xs
konvergiert für s > 1. Es gilt nämlich
Z R  R
dx 1 1 1  1 
= = 1 − s−1
1 xs 1 − s xs−1 1 s−1 R
1
Da lim s−1 = 0, folgt
x→∞ R
Z R
dx 1
s
= für s > 1.
1 x s−1
RR
Ähnlich zeigt man, daß 1 dxxs
für s ≤ 1 nicht konvergiert.
R1
2. Das Integral 0 dxxs
konvergiert für s < 1. Es gilt nämlich
Z 1  1
dx 1 1 1  1−s

s
= = 1−
 x 1 − s xs−1  s−1
Da lim 1−s = 0, folgt
&0
Z 1
dx 1
s
= für s < 1.
0 x 1−s
R1dx
Ähnlich zeigt man, daß 0 xs
für s ≥ 1 nicht konvergiert.
3. Z ∞
1
e−ax dx = für a > 0
0 a

Beweis. Z x
1 1
lim e−ax dx = lim (1 − e−ax ) =
x→∞ 0 x→∞ a a

Rechenregeln für uneigentliche Integrale

im Folgenden I = Intervall mit Grenzen −∞ ≤ a < b ≤ ∞

Rx
1. HDI: f : I → R mit F (x) = c f (t)dt, c ∈ (a, b)
R
f (x)dx = lim F (x) − lim F (x) =: [F (x)]ab
I x%b x&a

134
 2. partielle Integration:

f (x)g 0 (x)dx = [f (x)g(x)]ab − f 0 (x)g(x)dx

R R
I I

(wenn beide Ausdrücke auf der rechten Seite existieren d.h. konvergieren)

3. Substitution: f : I → R, g ∈ C 1 ((c, d)), g((c, d)) ⊂ I

−∞ ≤ g(c) < g(d) ≤ ∞, J := (g(c), g(d))
Dann:
f (g(x))g 0 (x)dx =
R R
f (x)dx
I J

Satz 14.1. (Vergleichskriterium)

∞
P
Sei f : (1, ∞) → R eine monoton fallende Funktion. Die Reihe f (n) konvergiert genau
n=1
R∞
dann, wenn das uneigentliche Integral f (x)dx konvergiert.
x=1

Beweis. Idee: (Skizze)

∞
X ZN ∞
X
f (n) ≤ f (x)dx ≤ f (n)
n=2 x=1 n=1

Beispiel:

die Riemann’sche Zeta-Funktion ∞

X 1
ζ(s) =
n=1
ns
konvergiert für s > 1 und divergiert für s ≤ 1.

(Die wahre Bedeutung dieser Funktion wird erst in der sogenannten Funktionentheorie sicht-
bar, wo diese Funktion ins Komplexe fortgesetzt wird.)

14.1 Die Gamma-Funktion

Definition 14.2. Die Gamma-Funktion Γ : (0, ∞) → (0, ∞) ist definiert durch
Z ∞
Γ(x) := tx−1 e−t dt
0

135
Das Integral konvergiert für alle x > 0, da

R1
1. |tx−1 e−t | ≤ tx−1 , t > 0 und 0
tx−1 dt konvergent
n
2. |tx−1 e−t | ≤ tn−x+1
n!
, t > 0 (wegen et ≥ tn! ) und
R ∞ −n+x−1
1
t dt konvergent für n > x.

Satz 14.2. (Eigenschaften der Gamma-Funktion)

1. Γ(x + 1) = xΓ(x), x>0 (Funktionalgleichung)

2. Γ(n + 1) = n!, n ∈ n0
√
3. Γ( 12 ) = π
Z∞
xs−1
4. dx = Γ(s)ζ(s) für s > 1.
ex − 1
0

Beweis. 1.
Z ∞ Z ∞
x −t [Link]. x −t
(l.s.) = t e dt = [−t e dt]∞
0 + xtx−1 e−t dt
0 0
= 0 + xΓ(x) = (r.s.) (14.1)
R∞
2. Γ(1) = 0
e−t dt = [−e−t ]∞
0 = 1

3. Verwende Produktdarstellung
n!xn
Γ(x) = lim
n→∞ x(x + 1)...(x + n)

(siehe zB. [Forster] § 20 Satz 5)

4. (siehe zB. [Forster] 21.6)

Aus 3.) erhalten wir die folgende wichtige Formel:

Satz 14.3. (Gauß sches Integral)

Z ∞ √
2
e−x dx = π
−∞

136
Beweis. Wir substituieren x = t1/2 , dx = 12 t−1/2 dt und erhalten
Z R Z R2
−x2 1
e dx = t−1/2 e−t dt
 2 2

Im Grenzfall  & 0, R → ∞ ergibt sich

Z ∞
1 ∞ −1/2 −t √
Z
−x2 1
e dx = 2 t e dt = Γ( ) = π
−∞ 2 0 2

(Diese Formel kann einfacher mit Methoden der höher-dimensionalen Integration hergeleitet
werden, siehe Analysis II).

Noch eine wichtige Formel, die in der Physik oft benötigt wird:

Satz 14.4. (Stirling’sche Formel) Die Fakultät hat das asymptotische Verhalten
√  n n
n! ∼ 2πn
e
d.h.
n!
lim √ =1
n→∞ 2πn nn e−n

Beweis. siehe zB. [Forster] § 20 Satz 6

15 Integration von Funktionenfolgen

Fragestellung:

Funktionenfolge fn : I → R, I Intervall, mit fn → f punktweise (also fn (x) → f (x) ∀x ∈ I).

R
Wir nehmen an, daß I fn (x)dx für alle n ∈ N existiert (also endlich ist).

Folgt dann automatisch, daß

Z Z
?
lim fn (x)dx = f (x)dx ? (∗)
n→∞ I I

Die Antwort ist: nicht unbedingt (!), aber unter gewissen Voraussetzungen JA.

Es können z.B. die folgenden Probleme auftreten:

137
 1. f (x) nicht integrierbar
Beispiel:
1
x ∈ [ n1 , 1]
 
, 1
fn (x) = x → , x ∈ (0, 1]
0, x ∈ (0, n1 ] x
R1
aber: 0 x1 dx divergent.
R
2. I f (x)dx konvergent, aber (*) gilt nicht.
Beispiel:  2 
 n x, x ∈ [0, n1 ] 
fn (x) = 2n − n2 x, x ∈ ( n1 , n2 ] → f (x) = 0, x ∈ (0, 1]
0 x ∈ [ n2 , 1]
 

(Skizze: Zacken-Funktion)
R1 R1
Es gilt 0 fn (x)dx = 1 aber 0 f (x)dx = 0.

Wir benötigen stärkere Voraussetzung: gleichmäßige Konvergenz fn → f

(Erinnerung: fn → f gleichmäßig auf D ⇔ lim sup |fn (x) − f (x)| = 0

n→∞ x∈D

schon bekannt:

• Satz 10.10:
fn stetig, fn → f gleichm. konv ⇒ f stetig

• Satz 11.6:
fn ∈ C 1 ((a, b)), fn → f punktweise, fn0 gleichm. konv.
⇒ f ∈ C 1 ((a, b)) und lim fn0 (x) = f 0 (x)

nun gilt:

Satz 15.1. Sei fn : [a, b] → R eine Folge stetiger Funktionen. Die Folge konvergiere auf
[a, b] gleichmäß ig gegen f : [a, b] → R. Dann gilt:
Z Z
lim fn (x)dx = f (x)dx
n→∞ a a

Beweis.
Z Z Z b
lim fn (x)dx − f (x)dx ≤ |fn (x) − f (x)| ≤ (b − a) sup |fn (x) − f (x)| → 0
n→∞ a a a x∈[a,b]

138
Nachtrag: Beweis von Satz 11.6:

Beweis. Aus Satz 10.10 folgt: g : (a, b) → R, g(x) := lim fn0 (x) ist stetig.
n→∞

aus dem HDI folgt für x, c ∈ (a, b) :

Z x
fn (x) = fn0 (t)dt + fn (c)
c

für n → ∞ folgt mit obigem Satz:

Z x
f (x) = g(t)dt + f (c)
c

also: f ∈ C 1 ((a, b) und g(x) = f 0 (x)

Anwendung

P∞
• Integration (reeller) Potenzreihen: P (x) = k=0 ak (x − a)k , Konvergenzradius R > 0
um a.
Wir wissen bereits (Satz 10.12), dass die Reihe auf jedem kompakten Intervall [α, β] ⊂
(a − R, a + R) gleichmäßig konvergiert.
Nach dem obigen Satz gilt somit für [α, β] ⊂ (a − R, a + R):
β ∞ β ∞ β
(x − a)k+1
Z X Z X 
k
P (x)dx = ak (x − a) dx = ak
α k=0 α k=0
k+1 α
∞
X ak  
= (α − a)k+1 − (β − a)k+1 (15.1)
k=0
k+1

Man drückt dies auch so aus: Eine Potenzreihe darf gliedweise integriert werden.

• Wir berechnen ∞
X cos(nx)
F (x) =
n=1
n2

Die Reihe konvergiert gleichmäßig auf R (Weierstrass’sches Konvergenzkriterium, siehe Bsp.

nach Satz 10.11).

Die Reihe der Ableitungen

∞
X sin(nx)
−
n=1
n

139
konvergiert nach (12.7) gegen π−x 2
. Man kann leicht zeigen, daß die Konvergenz für jedes δ > 0
auf dem Intervall [δ, 2π − δ] gleichmäßig ist (Übung; siehe [Forster] §21 (21.2)). Deshalb gilt
für alle x ∈ (0, 2π)
π−x
F 0 (x) =
2
also  π − x 2
F (x) = +c
2
für eine Konstante c ∈ R. Da F stetig ist, gilt diese Beziehung im ganzen Intervall [0, 2π]. Um
die Konstante zu bestimmen, berechnen wir das Integral
Z 2π Z 2π  Z 2π
π − x 2 π3
F (x)dx = dx + cdx = + 2πc
0 0 2 0 6

R2π
Da cos(nx)dx = 0 für alle n > 1, gilt andererseits nach Satz 15.1
0

Z 2π ∞ Z 2π
X cos(nx)
F (x)dx = =0
0 n=1 0 n2
2
also c = − π12 . Wir haben also gezeigt
∞
X cos(nx)  π − x 2 π2
= − für x ∈ [0, 2π] (15.2)
n=1
n2 2 12

Insbesondere erhält man für x = 0

∞
X 1 π2
=
n=1
n2 6
Dieses Beispiel illustriert die Leistungsfähigkeit der gelernten Methoden.

(In der Praxis kann man zwar zunächst “formal” rechnen ohne die Legitimität der einzelnen
Schritte zu überprüfen, man muss dies aber nachholen um unsinnige Resultate zu vermeiden.
z.B. ist (15.2) außerhalb des Intervalles [0, 2π] offensichtlich falsch, da die linke Seite periodisch
in 2π ist, die rechte Seite aber nicht!)

140