Lernübersicht Analysis I
Lernübersicht Analysis I
Lernübersicht Analysis I
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Lernübersicht</strong> <strong>Analysis</strong> I<br />
erstellt in L ATEX von Erik Opitz<br />
Kein Anspruch auf Vollständigkeit bzw. Korrektheit<br />
Inhaltsverzeichnis<br />
1 Die reellen Zahlen 4<br />
1.1 Axiomatische Beschreibung der reellen Zahlen . . . . . . . . . . . . . . . . 4<br />
1.2 Obere und untere Schranken von Mengen . . . . . . . . . . . . . . . . . . 5<br />
1.3 Supremum und Infimum . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5<br />
1.4 Folgerungen aus den Axiomen der rellen Zahlen . . . . . . . . . . . . . . . 5<br />
1.5 Die natürlichen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.6 Beschränktheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.7 Intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.8 Vollständige Induktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.8.1 Variante des Induktionsprinzips . . . . . . . . . . . . . . . . . . . . 7<br />
1.8.2 Vollständige Induktion nach mehreren Variablen . . . . . . . . . . 7<br />
1.9 Methoden der Beweisführung . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
1.10 Die Zahlenbereiche im Überblick . . . . . . . . . . . . . . . . . . . . . . . 8<br />
1.11 Mächtigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
1.12 Endlichkeit und Unendlichkeit . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
1.13 Abzählbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
1.14 Sätze zu Endlickeit und Abzählbarkeit . . . . . . . . . . . . . . . . . . . . 10<br />
1.15 Binomialkoeffizienten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10<br />
1.16 Potenzmengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10<br />
1.17 Der Satz des Archimedes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11<br />
1.18 Der Satz des Eudoxos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11<br />
1.19 Begrff der Norm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11<br />
1.20 Die Dreiecksungleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11<br />
1.21 Die Bernoulli-Ungleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
1.22 Der Binomische Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
1.23 Geometrisches und Arithmetisches Mittel . . . . . . . . . . . . . . . . . . 12<br />
1.24 Metrische Räume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
2 Folgen 13<br />
2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13<br />
1
2.2 Konvergenz von Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13<br />
2.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14<br />
2.4 Wie führe ich einen Konvergenzbeweis? . . . . . . . . . . . . . . . . . . . 14<br />
2.5 Wie führe ich einen Divergenzbeweis? . . . . . . . . . . . . . . . . . . . . 14<br />
2.6 Monotonie von Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15<br />
2.7 Grenzwerte konkreter Folgen . . . . . . . . . . . . . . . . . . . . . . . . . 15<br />
2.8 Teilfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15<br />
2.9 Rekursive Definition von Folgen . . . . . . . . . . . . . . . . . . . . . . . . 16<br />
2.10 Nützliche Sätze zur Folgenkonvergenz . . . . . . . . . . . . . . . . . . . . 16<br />
2.11 Grenzwertrechengesetze . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16<br />
2.12 Der Auswahlsatz von Bolzano . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
2.13 Cauchy-Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
2.14 Vollständige Räume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
2.15 Häufungspunkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
2.16 Limes Superior und Limes Inferior . . . . . . . . . . . . . . . . . . . . . . 18<br />
2.17 Implikationsübersicht . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19<br />
3 Unendliche Reihen 19<br />
3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19<br />
3.2 Konvergenz von Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20<br />
3.3 Absolute Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20<br />
3.4 Die Geometrische Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20<br />
3.5 Die harmonische Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20<br />
3.6 Die alternierende harmonische Reihe . . . . . . . . . . . . . . . . . . . . . 21<br />
3.7 Die Riemannsche Zeta-Funktion . . . . . . . . . . . . . . . . . . . . . . . . 21<br />
3.8 Die Binomialreihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21<br />
3.9 Konvergenzkriterien für Zahlenreihen . . . . . . . . . . . . . . . . . . . . . 21<br />
3.9.1 Notwendige Bedingung für die Konvergenz . . . . . . . . . . . . . 21<br />
3.9.2 Monotoniekriterium . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
3.9.3 Cauchy-Kriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
3.9.4 Leibnitz-Kriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
3.9.5 Wurzel-Kriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
3.9.6 Quotientenkriterium . . . . . . . . . . . . . . . . . . . . . . . . . . 23<br />
3.9.7 Majoranten- und Minorantenkriterium . . . . . . . . . . . . . . . . 23<br />
3.10 Der Riemannsche Umordnungssatz . . . . . . . . . . . . . . . . . . . . . . 23<br />
3.11 Teleskopsummen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24<br />
3.12 Rechenregeln für unendliche Reihen . . . . . . . . . . . . . . . . . . . . . 24<br />
3.13 Das Cauchy-Produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24<br />
3.14 Dezimalbereichsentwicklung reeller Zahlen . . . . . . . . . . . . . . . . . . 24<br />
3.15 Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
3.16 Konvergenzradien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
3.16.1 Wurzelformel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26<br />
3.16.2 Quotientenformel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26<br />
3.17 Exponentialreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27<br />
2
4 Funktionen 27<br />
4.1 Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27<br />
4.2 Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
4.3 Division mit Rest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
4.4 Der Fundamentalsatz der Algebra . . . . . . . . . . . . . . . . . . . . . . . 28<br />
4.5 Rationale Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29<br />
4.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29<br />
4.5.2 Hauptteil und Rest einer rationalen Funktion . . . . . . . . . . . . 29<br />
4.5.3 Partialbruchzerlegung . . . . . . . . . . . . . . . . . . . . . . . . . 29<br />
4.6 Stetigkeit von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
4.6.1 Beispielfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
4.6.2 Definition der Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
4.6.3 Wie führe ich einen Stetigkeitsbeweis? . . . . . . . . . . . . . . . . 32<br />
4.6.4 Gleichmäßige Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
4.6.5 Lipschitz-Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
4.6.6 Umgebungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
4.6.7 Äquivalenzen und Sätze zur Stetigkeit . . . . . . . . . . . . . . . . 34<br />
4.6.8 Stetige Fortsetzbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
4.6.9 Funktionalgleichung und Stetigkeit . . . . . . . . . . . . . . . . . . 36<br />
4.7 Funktionengrenzwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36<br />
4.7.1 Häufungspunkte einer Menge . . . . . . . . . . . . . . . . . . . . . 36<br />
4.7.2 Grenzwert in einem Punkt . . . . . . . . . . . . . . . . . . . . . . . 37<br />
4.7.3 Punktweise Konvergenz gegen eine Funktion . . . . . . . . . . . . 37<br />
4.7.4 Beschränktheit einer Funktion . . . . . . . . . . . . . . . . . . . . 37<br />
4.7.5 Die Supremumsnorm einer Funktion: . . . . . . . . . . . . . . . . . 38<br />
4.7.6 Normale Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . 38<br />
4.7.7 Rechts-und Linksseitige Grenzwerte . . . . . . . . . . . . . . . . . 38<br />
4.7.8 Rechts-und Linksseitige Stetigkeit . . . . . . . . . . . . . . . . . . 38<br />
4.7.9 Uneigentliche Grenzwerte . . . . . . . . . . . . . . . . . . . . . . . 38<br />
4.7.10 Zwischenwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39<br />
4.7.11 Fixpunkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39<br />
4.8 Die ” multiplikative Funktionalgleichung“ . . . . . . . . . . . . . . . . . . . 40<br />
4.9 Die Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
5 Differentiation 40<br />
5.1 Punktierte Umgebungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
5.2 Differenzierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
5.3 Sätze zur Differenzierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . 41<br />
5.4 Notation für Funktionenmengen . . . . . . . . . . . . . . . . . . . . . . . . 41<br />
6 Grundlagen: Mathematische Symbole und Formulierungen 42<br />
7 Dankeschön 42<br />
3
1 Die reellen Zahlen<br />
1.1 Axiomatische Beschreibung der reellen Zahlen<br />
Axiome sind Grundannahmen, die nicht beweisbar sind. Es existieren grundsätzlich verschiedene<br />
mögliche Axiomensysteme. Verschiedene Axiomensysteme können äquivalent<br />
sein. Axiom → via Logik → Sätze der <strong>Analysis</strong><br />
Annahme: Es existiert eine Menge R, deren Elemente (reelle Zahlen) folgende Axiomengruppen<br />
erfüllen:<br />
• Algebraische Axiome<br />
Körpereigenschaften der reellen Zahlen<br />
• Ordnungsaxiome<br />
Es existiert eine Teilmenge P ⊆ R mit:<br />
– Trichotonie:<br />
∀ x ∈ R gilt genau eine der Aussagen: x ∈ P oder x = 0 oder (−x) ∈ P<br />
– Additive Abgeschlossenheit: ∀x, y ∈ P : (x + y) ∈ P<br />
– Multiplikative Abgeschlossenheit: ∀x, y ∈ P : (x · y) ∈ P<br />
– Relationsdefinition:<br />
x > y :⇔ (x + (−y)) ∈ P<br />
x < y :⇔ ((−x) + y) ∈ P<br />
x ≤ y :⇔ x < y oder x = y<br />
Dieses ” oder“ ist exklusiv, d.h. ein ” entweder-oder, aber nicht beides“.<br />
Ein auch beides zulassendes ” oder“ nennt man logisches oder.<br />
• Vollständigkeitsaxiom<br />
Zu je zwei Teilmengen A, B ⊆ R mit A und B = ⊘ und a ≤ b ∀a ∈ A, b ∈ B gilt:<br />
∃ t ∈ R mit a ≤ t ≤ b ∀ a ∈ A und b ∈ B<br />
– Dieses t kann eindeutig sein, muss es aber nicht.<br />
– Diese Formulierung des Vollständigkeitsaxioms ist äquivalent zur Aussage mit<br />
a < b statt a ≤ b.<br />
– Man darf aber nicht a ≤ t ≤ b durch a < t < b ersetzen.<br />
– Ein Beispiel für das Axiom: A = R + und B = R − . Dann ist dieses t genau<br />
die reelle Zahl Null.<br />
– Eine andere Definition: ” Eine Cauchyfolge hat ihren Grenzwert immer in dem<br />
Körper.“<br />
– das Vollständigkeitsaxiom ist äquivalent zur<br />
” Dedekindischen Schnitteigenschaft“:<br />
Sind A und B zwei nichtleere Teilmengen von R mit A B = R und a < b<br />
für alle a ∈ A und b ∈ B:<br />
∃! t ∈ R mit a ≤ t ≤ b für alle a ∈ A und b ∈ B.<br />
4
1.2 Obere und untere Schranken von Mengen<br />
Eine Teilmenge X von R heißt oberhalb beschränkt: ⇔ ∃M ∈ R , sodass x ≤ M ∀x ∈ X<br />
Dieses M heißt dann obere Schranke von X.<br />
Eine Teilmenge X von R heißt unterhalb beschränkt: ⇔ ∃M ∈ R , sodass x ≥ M ∀x ∈ X<br />
Dieses M heißt dann untere Schranke von X.<br />
1.3 Supremum und Infimum<br />
Jede nichtleere oberhalb beschränkte Teilmenge X ⊆ R besitzt eine eindeutig bestimmte<br />
kleinste obere Schranke S ∈ R. Eine solche kleinste obere Schranke nennt man<br />
Supremum von X und sie muss zwei Kriterien erfüllen:<br />
• Sie muss obere Schranke von X sein:<br />
x ≤ S ∀ x ∈ X<br />
• Jede kleinere Zahl ist keine obere Schranke von X mehr:<br />
∀ S ′ < S : S’ ist keine obere Schranke von X.<br />
Das Supremum einer Menge X wird bezeichnet mit sup(X).<br />
Jede nichtleere unterhalb beschränkte Teilmenge X ⊆ R besitzt eine eindeutig bestimmte<br />
größte untere Schranke S ∈ R. Eine solche größte untere Schranke nennt man<br />
Infimum von X und sie muss zwei Kriterien erfüllen:<br />
• Sie muss untere Schranke von X sein:<br />
x ≥ S ∀ x ∈ X<br />
• Jede größere Zahl ist keine untere Schranke von X mehr:<br />
∀ S ′ > S : S’ ist keine untere Schranke von X.<br />
Das Infimum einer Menge X wird bezeichnet mit inf(X).<br />
Wenn Supremum bzw. Infimum zur Menge dazu gehören (ist nicht selbstverständlich),<br />
dann heißen sie Maximum bzw. Minimum.<br />
1.4 Folgerungen aus den Axiomen der rellen Zahlen<br />
• Kürzungsregel<br />
x + y = x + z für ein x ∈ R ⇒ y = z<br />
• Eindeutigkeiten<br />
Das additiv neutrale Element 0R und das multiplikativ neutrale<br />
Element 1R sind eindeutig bestimmt.<br />
Für a = x + b ist bei gegebenem a und b die Gleichung eindeutig nach x lösbar.<br />
5
• Multiplikative Eigenschaften von R<br />
x · 0 = 0 ∀x ∈ R<br />
Es existiert kein multiplikativ Inverses zu Null.<br />
• Annulierungsregel / Nullteilerfreiheit<br />
x · y = 0 ⇒ x = 0 oder y = 0<br />
1.5 Die natürlichen Zahlen<br />
Es gibt eine Teilmenge N ⊆ R mit folgenden Eigenschaften.<br />
• 1R ∈ N<br />
• k ∈ N ⇒ (k + 1R) ∈ N<br />
• N ist minimal bezüglich der obigen Eigenschaften, d.h. jede Menge, die die beiden<br />
Eigenschaften erfüllt, enthält N.<br />
Es gilt: 0R /∈ N. Wenn man die Null hinzuzählt, schreiben wir: N {OR} =: N0<br />
1.6 Beschränktheit<br />
Eine Menge heißt oberhalb beschränkt, wenn sie eine obere Schranke besitzt.<br />
Eine Menge heißt unterhalb beschränkt, wenn sie eine untere Schranke hat.<br />
Eine Menge heißt beschränkt, wenn sie oberhalb und unterhalb beschränkt ist.<br />
1.7 Intervalle<br />
Intervalle sind bestimmte Ausschnitte aus dem ” Strahl“ der reellen Zahlen. Das klappt<br />
nur in R, weil es eben nur da eine Größer-Relation gibt. Man notiert Intervalle wiefolgt:<br />
(A, B) bezeichnet alle reellen Zahlen zwischen A und B ohne die Grenzen A und B.<br />
[A, B] bezeichnet alle reellen Zahlen zwischen A und B inklusive A und B.<br />
1.8 Vollständige Induktion<br />
Das Prinzip der vollständigen Induktion ist ein Beweisprinzip, mit dem man eine Menge<br />
von Aussagen beweisen kann. Das erfordert aber, dass man die Menge der Aussagen mit<br />
den natürlichen Zahlen identifizieren können muss.<br />
• Induktionsanfang:<br />
Beim Induktionsanfang zeigt man die Aussage beginnend für eine natürliche Zahl,<br />
zum Beispiel Null.<br />
• Induktionsschritt:<br />
– Induktionsvoraussetzung:<br />
Hier nimmt man an, dass die Aussage für eine natürliche Zahl n gilt.<br />
6
– Induktionsbehauptung:<br />
Hier wird behauptet, dass die Aussage auch für den Nachfolger n + 1 gilt.<br />
– Induktionsbeweis:<br />
Nun beweist man, dass die Aussage für diesen Nachfolger gilt. Dazu braucht<br />
man meist die Induktionsvoraussetzung. Man hat die Aussage für ein Startelement<br />
gezeigt. Somit hat man gezeigt: Wenn sie für ein n gilt, dann auch<br />
für n + 1. Also gilt die Aussage somit auch für alle Nachfolger unseres Startelementes.<br />
Fertig.<br />
• Induktionsschluss:<br />
Wenn man eine Induktion durchgeführt hat, gehört noch folgender Satz hin:<br />
” Nach dem Prinzip der vollständigen Induktion folgt: Q.E.D.“<br />
1.8.1 Variante des Induktionsprinzips<br />
Man kann auch annehmen, dass alle Aussagen bis einschließlich n gelten und dann die<br />
Aussage für n + 1 zeigen. Das wäre eine abgeänderte Variante des Induktionsprinzips.<br />
Diese Variante bietet sich z.B. bei rekursiv definierten Folgen an: Also nach dem Prinzip:<br />
” Wenn ich 1) und 2) habe, so liefert es mir 3)“<br />
1.8.2 Vollständige Induktion nach mehreren Variablen<br />
Dies ist eigentlich ganz einfach: Wenn man zum Beispiel nach 3 Variablen n,k und m<br />
Induktion machen möchte, so tut man dies zuerst nach n und setzt m und k kurzerhand<br />
beide gleich 1. Dann hat man alle n abgearbeitet. Nun kann man für all diese n das<br />
k laufen lassen und nach k Induktion machen. Schließlich lässt man in einem dritten<br />
Schritt das m laufen.<br />
Eine Induktion nach n Variablen ist also nichts Anderes als n Induktionen ineinander<br />
geschachtelt!<br />
Hier ein Beispielbild dazu: Zuerst zeigt man die Aussage für die ” Gerade“, dann für<br />
die ” Ebene“ und dann für den ” Raum“:<br />
7
1.9 Methoden der Beweisführung<br />
Zu zeigen ist: Aus A folgt B, also: A ⇒ B. Es gibt dafür verschiedene Methoden:<br />
• Direkter Beweis:<br />
Man setzt A voraus und folgert durch Logik B.<br />
• Indirekter Beweis:<br />
Man setzt A voraus und führt ¬B zum Widerspruch. Damit kann nur noch B<br />
folgen.<br />
• Beweis durch Kontraposition:<br />
Man setzt ¬B voraus und folgert ¬A. Äquivalent dazu ist: A ⇒ B.<br />
Wieso ist das äquivalent? Betrachten wir (¬B ⇒ ¬A) ⇒ (A ⇒ B) :<br />
Wir wissen: ¬B ⇒ ¬A. Dass heisst, wenn wir das Gegenteil der Behauptung<br />
annehmen, also ¬¬A, also A, dann kann auch nicht die Voraussetzung gelten (weil<br />
sonst würde ja ¬A gelten). Das die Voraussetzung nicht gilt, bedeutet aber: es gilt<br />
¬¬B, also B. Wir haben also gefolgert: A ⇒ B.<br />
1.10 Die Zahlenbereiche im Überblick<br />
Zahlbereich Symbol und Definition Abzählbarkeit<br />
Die natürlichen Zahlen:<br />
Die nätürlichen Zahlen mit Null:<br />
N<br />
N0 := N<br />
abzählbar unendlich<br />
Die ganzen Zahlen:<br />
<br />
{0}<br />
Z := N0 {−n | n ∈ N}<br />
abzählbar unendlich<br />
abzählbar unendlich<br />
Die geraden Zahlen: G := {2k|k ∈ Z} abzählbar unendlich<br />
Die ungeraden Zahlen: U := {2k + 1|k ∈ Z} abzählbar unendlich<br />
Die rationalen Zahlen: Q := {x ∈ R | ∃ m, n ∈ Z : x = m<br />
Die reellen Zahlen:<br />
n }<br />
R<br />
abzählbar unendlich<br />
überabzählbar unendlich<br />
Es gilt sogar (man glaubt es kaum): G ∼ U ∼ Z ∼ N ∼ Q<br />
1.11 Mächtigkeit<br />
Die Mächtigkeit einer Menge sagt uns, wieviele verschiedene Elemente diese Menge<br />
enthält. Man schreibt dafür: #X. Hier ist ein Beispiel:<br />
#{a, b, c, d, e} = 5<br />
Zwei Mengen X und Y heißen gleichmächtig genau dann, wenn gilt:<br />
∃ Bijektion f : X → Y<br />
Man schreibt für die Gleichmächtigkeit zweier Mengen auch: X ∼ Y.<br />
8
1.12 Endlichkeit und Unendlichkeit<br />
• Eine Menge X heißt endlich :⇔ ∃ n ∈ N : X ∼ {1, . . . , n} ⊆ N<br />
So eine endliche Menge X hat die Mächtigkeit n, also: #X = n<br />
• Eine nicht-endliche Menge nennt man ” unendlich“.<br />
So eine unendliche Menge X hat hingegen die Mächtigkeit unendlich: #X = ∞<br />
1.13 Abzählbarkeit<br />
(X ist endlich) oder (X ist abzählbar unendlich) ⇔: X heißt abzählbar<br />
⇕<br />
X ∼ N<br />
Eine unendliche, nicht abzählbare Menge nennt man überabzählbar unendlich.<br />
9
1.14 Sätze zu Endlickeit und Abzählbarkeit<br />
• Jede unendliche Menge enthält eine abzählbar unendliche Teilmenge.<br />
• X ist unendlich ⇒ ∃ injektive Abbildung f : N → X<br />
Wenn X sogar abzählbar unendlich ist, können wir eine bijektive Abbildung finden,<br />
also kommt da noch die Surjektivität hinzu.<br />
• N × N ist abzählbar unendlich. (Beweis: mit 1.Cantorschen Diagonalverfahren)<br />
• Die Vereinigung <br />
n∈N Xn einer abzählbaren Familie (Xn)n∈N von abzählbaren<br />
Mengen Xn ist wieder abzählbar.<br />
1.15 Binomialkoeffizienten<br />
Seien n und k natürliche Zahlen. Dann ist der Binomialkoeffizient n über k“ die Mächtigkeit<br />
”<br />
oder Kardinalität derjenigen Menge, die aus den k-mächtigen Teilmengen einer n-elementigen<br />
Obermenge besteht.<br />
<br />
n<br />
:= #{A ∈ P (X) | #A = k} #X = n<br />
k<br />
Doch was heißt diese Zahl anschaulich? Sie gibt die Anzahl der Möglichkeiten an, aus<br />
einer n-elementige Menge eine k-elementige Teilmenge auszuwählen.<br />
Sätze zum Binomialkoeffizienten<br />
• k > n ⇒ n<br />
k = 0, d.h. es gibt keine größeren Teilmengen als X selbst.<br />
• n<br />
0 = 1, d.h. es gibt immer nur eine nullelementige Teilmenge.<br />
• n<br />
1 = n, d.h. es gibt genau n 1-elementige Teilmengen von X.<br />
<br />
= 1, d.h. es gibt genau eine n-elementige Teilmenge von X.<br />
• n<br />
n<br />
• 0 ≤ k ≤ n ⇒ n k<br />
• <br />
n n n+1<br />
k + k+1 = k+1<br />
=<br />
n!<br />
k!(n−k)! = n<br />
n−k<br />
• ∀ a, b, ∈ R und n ∈ N : (a + b) n = n<br />
i=0<br />
1.16 Potenzmengen<br />
n<br />
i ai bn−i • Seien X eine Menge mit #X = x und Y eine Menge mit #Y = y. Dann definiert<br />
man eine Menge:<br />
Y X := { l | l : X → Y } mit #(Y X ) = y x<br />
10
• ” Die“ Potenzmenge einer Menge, z.B. N, ist die Menge aller Teilmengen von N:<br />
P (N) := {A | A ⊆ N}<br />
Diese Potenzmenge ist übrigens überabzählbar unendlich.<br />
• Diese Potenzmenge P (N) kann man auch als 2 N schreiben. Dabei wird jede dieser<br />
Teilmengen A mit einer Binärfolge aus Nullen und Einsen identifiziert, die aussagt,<br />
ob die 1 drin ist, die 2, die 3, die 4, die 5 u.s.w.. Wenn eine Zahl drin ist, gibts<br />
ne 1, wenn nicht, gibts ne Null. Damit wird jede Teilmenge A zu einer binären<br />
Zahlenfolge (ak)k∈N. Und die Potenzmenge wird zu einer Menge von Binärfolgen:<br />
1.17 Der Satz des Archimedes<br />
P (N) = 2 N = {(ak)k∈N | ak ∈ {0, 1} ∀k ∈ N}<br />
Seien a, b ∈ R und a > 0. Irgendwann ist ein Vielfaches von a größer als b.<br />
1.18 Der Satz des Eudoxos<br />
∃ n ∈ N mit n · a > b<br />
Zu jeder positiven reellen Zahl gibt es einen Bruch (<br />
1.19 Begrff der Norm<br />
∀ ɛ > 0 ∃ n ∈ N :<br />
1<br />
natürliche Zahl<br />
1<br />
< ɛ<br />
n<br />
) , der kleiner ist:<br />
Der mathematische Begriff der Norm ist die Verallgemeinerung des geometrischen Begriffs<br />
der Länge eines Vektors. Eine Norm ist eine Funktion, die jedem Element eines<br />
Vektorraums eine nichtnegative reelle Zahl zuordnet<br />
f : X → R + 0<br />
und eine Reihe weiterer Eigenschaften (unter anderem die Dreiecksungleichung) erfüllt.<br />
Der Vektorraum, auf dem die Norm definiert ist, wird dann normierter Raum oder auch<br />
normierter Vektorraum genannt.<br />
Beispiel: Standardnorm auf den komplexen Zahlen:<br />
1.20 Die Dreiecksungleichung<br />
f : C → R + 0 mit (a + bi) ↦→ a 2 + b 2<br />
Seien a und b komplexe Zahlen. Wir betrachten die Betragsnorm in C. Dann gilt:<br />
|a + b| ≤ |a| + |b|<br />
Anwendung: bei allen möglichen Abschätzungen.<br />
11
1.21 Die Bernoulli-Ungleichung<br />
Seien α ∈ R mit α ≥ −1 und n ∈ N. Dann gilt:<br />
(1 + α) n ≥ 1 + n · α<br />
Anwendung: bei allen möglichen Abschätzungen.<br />
1.22 Der Binomische Satz<br />
Dieser Satz (den ich mir hoffentlich irgendwann merken kann) besagt für z ∈ R:<br />
(1 + z) n n<br />
<br />
n<br />
= z<br />
i<br />
i<br />
i=0<br />
1.23 Geometrisches und Arithmetisches Mittel<br />
Wir wollen aus zwei Zahlen x und y den Mittelwert bilden. Doch was heißt ” mitteln“?<br />
Geometrisches Mittel von x und y:<br />
√ xy<br />
Arithmetisches Mittel von x und y: x+b<br />
2<br />
Zusammenhang der beiden Mittel:<br />
√ xy ≤ x+b<br />
2<br />
Wie kann man sich das anschaulich merken? Antwort: An einem Thaleskreis!<br />
1.24 Metrische Räume<br />
Sei X eine Menge. Sei folgendes d eine Abbildung:<br />
d : X × X → R + 0<br />
:= {x ∈ R : x ≥ 0}<br />
Dann nennt man (X,d) metrischen Raum und d Metrik, wenn gilt:<br />
12
1. d(x, y) ≥ 0 ∀ x, y ∈ X und d(x, y) = 0 ⇔ x = y<br />
2. d(x, y) = d(y, x) ∀ x, y, ∈ X<br />
3. ∀x, y, z ∈ X : d(x, z) ≤ d(x, y) + d(y, z)<br />
Beispiel: Abstandsmetrik in den reellen Zahlen:<br />
(R, d) mit d(x, y) := |x − y| ist ein metrischer Raum.<br />
2 Folgen<br />
2.1 Definition<br />
Sei X eine unendliche Menge. Unendlich viele Elemente x aus dieser Menge in bestimmter<br />
Reihenfolge nennt man ” Folge“. Das kann man notieren mit: (xn)n∈N = (x1, x2, x3, . . .)<br />
Man kann eine Folge auch auffassen als eine Abbildung, die jeder natürlichen Zahl ein<br />
x ∈ X zuordnet:<br />
f : N → X<br />
Eine Folge ist somit ein Element aus der Potenzmenge: (xn)n∈N ∈ X N<br />
2.2 Konvergenz von Folgen<br />
Eine Folge besteht aus Folgengliedern. Wenn man sich nun immer weiter hinten liegende<br />
Glieder anschaut, kann es passieren, das sich diese irgendwann einem gewissen Wert<br />
unendlich dicht annähern (Dieser Wert kann dabei auch angenommen werden!). Dann<br />
spricht man von Konvergenz:<br />
Sei (X,d) ein metrischer Raum und (xn)n∈N eine Folge in X. Äquivalente Aussagen:<br />
• (xn)n∈N konvergiert gegen x0 ∈ X<br />
• (xn)n∈N → x0 für n → ∞<br />
• limn→∞(xn)n∈N = x0<br />
• ∀ ɛ > 0 ∃ n0 ∈ N : d(xn, x0) < ɛ ∀n ≥ n0<br />
• ∀ ɛ > 0 ∃ n0 ∈ N : xn ∈ (x0 − ɛ, x0 + ɛ) ∀n ≥ n0<br />
• ∀ ɛ > 0 : Höchstens endlich viele Folgenglieder liegen nicht in (x0 − ɛ, x0 + ɛ)<br />
• ∀ ɛ > 0 : Fast alle xn liegen in der ɛ-Umgebung von x0<br />
Bemerkungen:<br />
• Im Konvergenzfall heißt der Punkt x der Grenzwert oder Limes der Folge.<br />
• Wenn ein Grenzwert existiert,dann ist er eindeutig.<br />
13
• Die Folge heißt konvergent ⇔ Es existiert ein Grenzwert.<br />
• Das Gegenteil von Konvergenz nennt man Divergenz. Das kann bedeuten: Die Folge<br />
” schießt gegen ± unendlich“ (sogenannte bestimmte Divergenz) oder sie springt hin<br />
und her (sogenannte unbestimmte Divergenz). Es kann auch passieren, dass der<br />
Grenzwert nicht zum Ausgangsbereich gehört,z.B. bei Cauchyfolgen.<br />
• Bei einer endlichen Indexverschiebung ändert sich an der Konvergenz nichts:<br />
(an)n∈N konvergiert ⇔ (an+k)n∈N konvergiert ∀ k ∈ N<br />
• Eine Folge, die gegen Null konvergiert, nennt man Nullfolge (N.F.)<br />
2.3 Beispiele<br />
Folge A hat den Grenzwert Null. Sie ist also konvergent.<br />
Folge B geht gegen +∞. Sie ist also divergent.<br />
Folge C springt zwischen zwei Werten immer hin und her. Sie ist also divergent.<br />
2.4 Wie führe ich einen Konvergenzbeweis?<br />
Also erst einmal gibt es verschiedene Methoden, einen Konvergenzbeweis zu führen.<br />
Die folgende ist aber das ” Standard“-Schema.<br />
Sei ɛ > 0 beliebig. Wähle nun n0 = n0(ɛ) = . Dann gilt ∀ n ≥ n0 :<br />
| Folge - Grenzwertkandidat | = . . . abschätzen . . . < ɛ und das sogar für alle Epsilon.<br />
Wie genau das n0 aussehen muss, bekommt man in einer Nebenrechnung raus. Darin<br />
formt man den Term | Folge - Grenzwertkandidat | durch abschätzen so um, dass nur<br />
noch ein n vorkommt, schätz das gegen n0 ab und erhält wiederum einen Term, dem<br />
man jetzt Epsilon nennt. Das von Epsilon abhängende n0, was wir jetzt rausgefunden<br />
haben, setzen wir nachträglich oben in die Lücke ein.<br />
2.5 Wie führe ich einen Divergenzbeweis?<br />
Hier gibt es auch verschiedene Methoden. Vorschlag für eine Divergenz gegen +∞:<br />
Zu zeigen: Es gibt ein n0 ∈ N, ab dem alle an größer als ein beliebig großes M werden.<br />
14
Sei M > 0 beliebig. Wähle nun n0 = n0(M) = . Dann gilt ∀ n ≥ n0 :<br />
|an| = . . . abschätzen . . . > M<br />
2.6 Monotonie von Folgen<br />
Den Monotoniebegriff kennen wir schon aus der Schule:<br />
• Eine Folge (an)n∈N heißt monoton wachsend, wenn: an+1 ≥ an ∀ n ∈ N<br />
• Eine Folge (an)n∈N heißt streng monoton wachsend, wenn: an+1 > an ∀ n ∈ N<br />
• Eine Folge (an)n∈N heißt monoton fallend, wenn: an+1 ≤ an ∀ n ∈ N<br />
• Eine Folge (an)n∈N heißt streng monoton fallend, wenn: an+1 < an ∀ n ∈ N<br />
2.7 Grenzwerte konkreter Folgen<br />
• limn→∞(1 + 1<br />
n )n =: e ≈ 2, 71828 übrigens : (= ∞<br />
n=0 1<br />
n! )<br />
• limn→∞( n√ n) = 1<br />
• limn→∞( n√ c) = 1 für alle c ∈ R\{0}<br />
⎧<br />
n.def.<br />
⎪⎨<br />
0<br />
falls a ≤ −1<br />
falls − 1 1<br />
mit a ∈ R<br />
Teilfolgen (ank )k∈N bestehen aus Folgenglieder einer Ursprungsfolge (an)n∈N.<br />
Beispiel:<br />
Ursprungsfolge = (1, 2, 3, 4, 5, 6, 7, 8, 9, ...)<br />
Eine mögliche Teilfolge wäre dann = (2, 4, 6, 8, . . .)<br />
Warum notiert man eine Teilfolge ausgerechnet mit diesem komischen (ank )k∈N ?<br />
Antwort: Wenn wir eine Folge haben, dann stehen die a1, a2, . . . , an ja bereits fest. Jetzt<br />
brauche ich, um das erste, zweite u.s.w. Glied der Teilfolge festzulegen, neue Indizes.<br />
Genau diese Indizes sind meine k! Also sagen uns die Indizes n1, n2,, welche Glieder der<br />
Gesamtfolge benutz werden, um die Teilfolge zu ” bauen“. Beispiel: n1 = 4 meint, dass<br />
das vierte Folgenglied das erste Glied der Teilfolge ist. Dabei durchläuft das k ganz N.<br />
15
2.9 Rekursive Definition von Folgen<br />
Eine rekursive Definition zeichnet sich dadurch aus, dass uns ein Startwert gegeben wird<br />
und eine Vorschrift, wie wir von einem Folgenglied auf das nächste schließen können.<br />
Beispiel:<br />
a0 = 1 ist der Startwert und die Vorschrift an+1 = 2·an liefert uns induktiv die restlichen<br />
Folgenglieder.<br />
2.10 Nützliche Sätze zur Folgenkonvergenz<br />
• Eine Folge konvergiert gegen g ⇔ Alle Teilfolgen konvergieren gegen g.<br />
• Sei (an)n∈N ∈ R N mit alle an = 0. Dann gilt: |(an)n∈N| → +∞ ⇔ 1<br />
(an)n∈N<br />
• Jede konvergente Folge ist in ihrem metrischen Raum beschränkt.<br />
• Jede nach oben beschränkte monoton steigende Folge ist konvergent mit<br />
limn→∞(an)n∈N = sup{an|n ∈ N}<br />
• Jede nach unten beschränkte monoton fallende Folge ist konvergent mit<br />
limn→∞(an)n∈N = inf{an|n ∈ N}<br />
• Nullfolge · beschränkte Folge = Nullfolge<br />
• ” Sandwich-Methode“ / ” Quetsch-Lemma“:<br />
Wenn wir 3 reelle Folgen (an)n∈N,(bn)n∈N und (cn)n∈N haben mit<br />
an ≤ bn ≤ cn für fast alle n ∈ N, dann wissen wir:<br />
(an)n → x und (cn)n → x ⇒ (bn)n → x<br />
2.11 Grenzwertrechengesetze<br />
Diese Grenzwertsätze können NUR für endlich viele Grenzwerte angewandt werden!<br />
Seien (an)n∈N ∈ C N konvergent gegen a und (bn)n∈N ∈ C N konvergent gegen b und c ∈ C.<br />
Dann können wir folgende Zusammenhänge nutzen:<br />
• ((an) ± (bn))n∈N ist konvergent und zwar gegen a ± b<br />
• (c · an)n∈N ist konvergent und zwar gegen c · a<br />
• ((an) · (bn))n∈N ist konvergent und zwar gegen a · b<br />
• Für b = 0 gilt: ( an<br />
bn )n∈N ist konvergent und limn→∞( an<br />
bn )n∈N = a<br />
b<br />
• Die komplexe Folge (an + i · bn)n∈N ∈ C N konvergiert in C mit Grenzwert a + i · b<br />
16<br />
→ 0
2.12 Der Auswahlsatz von Bolzano<br />
Man nennt diesen Satz auch: ” Satz von Bolzano-Weiherstrass“. Sei (an)n∈N ∈ R N .<br />
Hier bitte aufpassen! Der Satz ist nur für reelle Folgen anwendbar! Dann gilt:<br />
(an)n∈N beschränkt ⇒ ∃ mindestens eine konvergente Teilfolge (ank )k∈N<br />
Beispiel:<br />
Urspungsfolge: (an)n∈N = (+1, −1, +1, −1, +1, . . .)<br />
konv. Teilfolge: (ank )k∈N = (+1, +1, +1, . . .) (konstante Folgen sind konvergent)<br />
Hier sieht man auch, dass für die Gesamtkonvergenz nicht die Beschränktheit reicht<br />
(denn da finden wir lediglich eine konvergente Teilfolge), sondern wir brauchen noch die<br />
Monotonie.<br />
2.13 Cauchy-Folgen<br />
Sei (X, d) ein metrischer Raum. Eine Folge (xn)n∈N ∈ X N heißt ” Cauchy-Folge“ genau<br />
dann, wenn:<br />
∀ ɛ > 0 ∃ n0 = n0(ɛ) mit d(xn, xm) < ɛ ∀ n, m ≥ n0<br />
Anschaulich:<br />
Ab n0 liegen keine zwei Folgenglieder mehr als ɛ auseinander, egal, wie weit sie von n0<br />
oder voneinander entfernt sind.<br />
Sätze:<br />
• Jede konvergente Folge ist eine Cauchy-Folge.<br />
• Jede Cauchy-Folge in einem metrischen Raum ist beschränkt.<br />
• Deshalb gibt es in einem metrischen Raum auch immer eine Cauchy-Teilfolge.<br />
Tolle Eigenschaft: Bei einer Cauchyfolge braucht nur eine Teilfolge konvergieren<br />
und schon konvergiert die ganze Cauchy-Folge gegen denselben Grenzwert! :D<br />
• Jede Cauchy-Folge in R konvergiert auch in R.<br />
2.14 Vollständige Räume<br />
Ein metrischer Raum heißt vollständig, wenn ” Cauchy-Folge“ und ” konvergente Folge“<br />
äquivalent sind, also wenn jede Cauchy-Folge konvergiert.<br />
Bsp: Die komplexen Zahlen C mit d(z, z ′ ) = |z − z ′ |<br />
2.15 Häufungspunkte<br />
Ein Häufungspunkt ist ein Punkt, um den in jeder beliebigen Umgebung unendlich viele<br />
Folgenglieder liegen.<br />
Äquivalent: Es gibt eine gegen diesen Punkt konvergierende Teilfolge.<br />
17
Beispiel: Hier sind die Häufungspunkte 1 und 4.<br />
Wenn eine Folge nur einen Häufungspunkt hat, dann ist sie konvergent.<br />
Noch ein Beispiel für einen Häufungspunkt:<br />
Sei f : N → Q eine Abzählung von Q<br />
Die Folge sei f(n). Dann ist jede reelle Zahl ein Häufungspunkt der Folge.<br />
2.16 Limes Superior und Limes Inferior<br />
Unter diesen beiden Begriffen verstehen wir den größten bzw. kleinsten Häufungspunkt<br />
einer reellen, beschränkten Folge. Warum können wir diese Relation herstellen? Klar!<br />
Wegen der Ordnungsrelation in R.<br />
lim sup(an)n∈N<br />
= limn→∞(an)n∈N := max{Häufungspunkte von (an)n∈N}<br />
n→∞<br />
lim inf<br />
n→∞ (an)n∈N = lim n→∞(an)n∈N := min{Häufungspunkte von (an)n∈N}<br />
Wenn also die beiden gleich sind, dann hat die Folge nur einen Häufungspunkt, also<br />
konvergiert sie.<br />
Für den Limes Superior gilt: ∀ɛ > 0<br />
• unendlich viele Folgeglieder größer als limsup − ɛ<br />
• nur endlich viele größer als limsup + ɛ<br />
Für den Limes Inferior gilt: ∀ɛ > 0<br />
• unendlich viele Folgeglieder kleiner als liminf + ɛ<br />
• nur endlich viele kleiner als liminf − ɛ<br />
Durch diese Formulierungen wird gewährleistet, dass es nicht noch einen größeren/ kleineren<br />
Häufungspunkt gibt.<br />
18
2.17 Implikationsübersicht<br />
3 Unendliche Reihen<br />
3.1 Definition<br />
Unendliche Reihen sind nichts anderes als Folgen spezieller Bauart: Sei (an)n∈N eine<br />
komplexe Zahlenfolge.<br />
Dann betrachten wir einfach mal die Summe:<br />
sn := a1 + a2 + . . . + an =<br />
Diese Summe heißt auch n-te Partialsumme. Wenn wir nun dieses n laufen lassen, erhalten<br />
wir ganz viele Partialsummen, die immer ein Folgenglied mehr enthalten als ihr<br />
Vorgänger. Diese Folge von Partialsummen nennt man ” Unendliche Reihe“. Sie ist aus<br />
eine aus einer Zahlenfolge (an)n∈N hervorgegangene Zahlenfolge.<br />
(sn)n∈N = (<br />
n<br />
ai)n∈N =:<br />
Die an heißen Glieder der Reihe. Die sn heißen Partialsummen der Reihe.<br />
i=1<br />
19<br />
n<br />
i=1<br />
ai<br />
∞<br />
n=1<br />
an
3.2 Konvergenz von Reihen<br />
Eine Reihe ist eine Folge von Partialsummen. Also: Die Reihe konvergiert, wenn die<br />
Partialsummenfolge konvergiert!<br />
Man verwendet für das Symbol der Reihe und für den Grenzwert der Reihe dieselbe<br />
Notation:<br />
∞<br />
an = a<br />
n=1<br />
Das macht auch Sinn! Denn das Symbol der Reihe bezeichnet ja sozusagen das un-<br />
”<br />
endlichste Reihenglied“. Und wenn die Reihe konvergiert, dann ist das eben genau der<br />
Grenzwert! Der Grenzwert der Reihe wird auch mit Reihenwert bezeichnet. Wenn die<br />
Reihe bestimmt divergiert, schreibt man:<br />
∞<br />
an = +∞ bzw. − ∞<br />
3.3 Absolute Konvergenz<br />
n=1<br />
Eine komplexwertige Reihe heißt absolut konvergent, wenn auch die Reihe der Absolutbeträge<br />
konvergiert:<br />
∞<br />
∞<br />
an absolut konvergent :⇔ |an| konvergent<br />
n=1<br />
Nützlicher Satz:<br />
∞<br />
an konvergiert absolut ⇔<br />
n=0<br />
3.4 Die Geometrische Reihe<br />
∞<br />
n=0<br />
n=1<br />
an<br />
1 + an<br />
konvergiert absolut<br />
Die geometrische Reihe wird oft bei der Grenzwertsuche von Reihen verwendet.<br />
. Dabei ist q ∈ R.Sie sieht wie folgt aus:<br />
Sie konvergiert für |q| < 1 gegen 1<br />
1−q<br />
∞<br />
n=0<br />
q n = 1<br />
1 − q<br />
Für |q| ≥ 1 divergiert die geometrische Reihe.<br />
3.5 Die harmonische Reihe<br />
∀ |q| < 1<br />
Die harmonische Reihe divergiert gegen +∞, und zwar äußerst ” langsam“.<br />
Zum Bsp. beträgt das 10.000ste Glied erst 9,79 !<br />
∞<br />
n=1<br />
1<br />
= +∞<br />
n<br />
20
3.6 Die alternierende harmonische Reihe<br />
Die alternierende harmonische Reihe<br />
∞ (−1) n+1<br />
n=1<br />
konvergiert, aber nicht absolut, weil eben die Betragsfolge genau der divergenten harmonischen<br />
Reihe entspricht. Der Grenzwert ist (Beweis schwierig) gleich ln 2.<br />
3.7 Die Riemannsche Zeta-Funktion<br />
Die Reihe der Riemannschen Zeta-Funktion<br />
• konvergiert genau dann, wenn s > 1<br />
• divergiert genau dann, wenn s ≤ 1<br />
3.8 Die Binomialreihe<br />
∞<br />
n=1<br />
Die Binomialreihe konvergiert per Quotientenkriterium absolut für alle komplexen Zahlen<br />
z mit |z| < 1 und divergiert für |z| > 1:<br />
Bs(z) :=<br />
∞<br />
n=0<br />
→ siehe dazu auch: Konvergenzradien<br />
n<br />
1<br />
n s<br />
<br />
s<br />
z<br />
n<br />
n = (1 + z) s<br />
3.9 Konvergenzkriterien für Zahlenreihen<br />
s, z ∈ C<br />
Es gibt nicht DAS Verfahren, um Reihen auf Konvergenz hin zu überprüfen. Es gibt<br />
jedoch verschiedene Konvergenzkriterien, die je nach Problem eingesetzt werden können.<br />
3.9.1 Notwendige Bedingung für die Konvergenz<br />
Die Urfolge (an)n∈N muss eine Nullfolge sein. Denn wie könnten die Partialsummen sich<br />
sonst irgendwann einem Wert annähern? Diese Bedingung ist aber nicht hinreichend<br />
für die Konvergenz einer Folge, z.B. hat die harmonische Reihe als Urfolge die Nullfolge<br />
1/n, ist aber selber divergent.<br />
21
3.9.2 Monotoniekriterium<br />
Wir haben eine Reihe<br />
Dann gilt:<br />
∞<br />
n=0<br />
an<br />
an ≥ 0 ∀ n ∈ N<br />
• Ist die Reihe monoton wachsend und oberhalb beschränkt, dann konvergiert sie<br />
gegen das Supremum ihrer Partialsummen.<br />
• Ist die Reihe monoton fallend und unterhalb beschränkt, dann konvergiert sie gegen<br />
das Infimum ihrer Partialsummen.<br />
3.9.3 Cauchy-Kriterium<br />
∞<br />
an konvergiert ⇔ ∀ ɛ > 0 ∃ n0(ɛ) : |<br />
n=0<br />
k<br />
an+i| < ɛ ∀n ≥ n0 , ∀k ≥ 0<br />
Anschaulich: Ab einem gewissen n0 wird die Summe aller folgenden an-Terme nicht<br />
größer als Epsilon, egal, wie weit ich summiere.<br />
∞<br />
an konvergiert absolut ⇔ ∀ ɛ > 0 ∃ n0(ɛ) :<br />
n=0<br />
3.9.4 Leibnitz-Kriterium<br />
i=0<br />
k<br />
|an+i| < ɛ ∀n ≥ n0 , ∀k ≥ 0<br />
Sei (an)n∈N ∈ R N eine monoton fallende Nullfolge mit an ≥ 0 ∀ n ∈ N.<br />
Dann konvergiert folgende Reihe:<br />
3.9.5 Wurzel-Kriterium<br />
i=0<br />
∞<br />
(−1) n · an = −a1 + a2 − a3 ± . . .<br />
n=1<br />
Sei folgende Reihe eine komplexe Zahlenreihe:<br />
∞<br />
n=0<br />
• lim sup n→∞ n |an| < 1 ⇒ Die Reihe ist absolut konvergent.<br />
• Falls n |an| ≥ 1 für fast alle n ⇒ Die Reihe divergiert.<br />
(denn dann kann (an)n∈N keine Nullfolge mehr sein)<br />
22<br />
an
3.9.6 Quotientenkriterium<br />
Sei folgende Reihe eine komplexe Zahlenreihe mit an = 0 für fast alle n:<br />
∞<br />
n=0<br />
an<br />
• lim supn→∞ | an+1 | < 1 ⇒ Die Reihe ist absolut konvergent.<br />
an<br />
• ∃n0 ∈ N mit |an+1| ≥ |an| ∀ n ≥ n0 ⇒ Die Reihe divergiert.<br />
3.9.7 Majoranten- und Minorantenkriterium<br />
Das Majorantenkriterium<br />
Wenn wir eine Urfolge finden, die größer ist als unsere an-Folge und deren Reihe immer<br />
noch konvergiert, dann muss unsere kleinere Reihe auch konvergieren (sogar absolut)!<br />
Sei folgende Reihe gegeben:<br />
∞<br />
|an| ≤ |bn| ∀ n ∈ N ∧<br />
n=0<br />
an<br />
∞<br />
bn konvergiert ⇒<br />
n=0<br />
∞<br />
n=0<br />
an konvergiert<br />
Diese größere Reihe heißt dann auch ” Majorante“ von unserer Ursprungsreihe.<br />
Das Minorantenkriterium<br />
Da sucht man eine Folge, die kleiner als unserer Urfolge ist und weist die Divergenz<br />
derer Reihe nach. Demnach kann unsere größere Reihe auch nur divergieren. Diese kleinere<br />
Reihe heißt dann ” Minorante“ unserer Ursprungsreihe.<br />
3.10 Der Riemannsche Umordnungssatz<br />
Hier ändert man die Reihenfolge der Ursprungsfolgenglieder. Damit ändert sich auch die<br />
Reihe (weil sich ja die Partialsummen ändern). Die Umordnung kann sogar das Konvergenzverhalten<br />
der Reihe und den Grenzwert ändern! Muss sie aber nicht! Doch durch<br />
solche Umordnungen kann man die Reihe zur Konvergenz gegen jeden möglichen Grenzwert<br />
bringen! Genau das ist der Gedanke hinter dem Riemannschen Umordnungssatz.<br />
Wie sieht das aus?<br />
Wenn man z.B. bei der alternierenden harmonischen Reihe die an-Terme auf eine be-<br />
· ln 2 !<br />
stimmte Weise umordnet, wird aus dem Grenzwert ln 2 plötzlich 3<br />
2<br />
Satz dazu:<br />
23
Sei ∞<br />
n=0 an eine konvergente Reihe reeller Zahlen. Dann gilt:<br />
Die Reihe ist genau dann absolut konvergent, wenn jede Umordnung wieder eine konvergente<br />
Reihe mit demselben Grenzwert liefert.<br />
3.11 Teleskopsummen<br />
Bei einer Teleskopsumme kürzen sich alle inneren Summenglieder gegenseitig raus und<br />
übrig bleibt nur noch ” Erstes + Letztes“. Beispiel: bei der Herleitung der geometrischen<br />
Reihe kommt eine Teleskopsumme vor:<br />
(1 − a) · (1 + a + . . . a n ) = (1 + a − a + a 2 − a 2 + . . . + a n − a n − a n+1 ) = 1 − a n+1<br />
3.12 Rechenregeln für unendliche Reihen<br />
Das ist wieder ziemlich analog zu den Grenzwertsätzen bei Folgen.<br />
Seien c ∈ C und folgende Reihen [absolut] konvergent:<br />
Dann gilt auch:<br />
∞<br />
n=0<br />
an<br />
• ∞<br />
n=0 (an + bn) konvergiert [absolut]<br />
• ∞<br />
n=0 c · (an) konvergiert [absolut]<br />
3.13 Das Cauchy-Produkt<br />
und<br />
Seien folgende beiden Reihen absolut konvergent:<br />
∞<br />
an und<br />
n=0<br />
Dann ist auch das sogenannte ” Cauchy-Produkt“ der beiden Reihen wieder eine absolut<br />
konvergente Reihe:<br />
∞ ∞<br />
( an) · ( bn) =<br />
n=0<br />
n=0<br />
∞<br />
n=0 i=0<br />
∞<br />
n=0<br />
bn<br />
n<br />
(ai · bn−i) =<br />
3.14 Dezimalbereichsentwicklung reeller Zahlen<br />
∞<br />
n=0<br />
bn<br />
∞<br />
i,j≥0 , i+j=n<br />
ai · bj<br />
Kerngedanke: Jede reelle Zahl besitzt eine eindeutige n-adische Entwicklung.<br />
Bei der n-adischen Darstellung verwenden wir im Gegensatz zur uns bekannten ” normalen“<br />
dekadischen Darstellung einer Zahl die ersten n Zahlen.<br />
Beispiel: Bei der 6-adischen Darstellung entspricht eine Dezimalstelle also nicht 10, sondern<br />
6, denn nach der ” 6 kommt wieder die 1“. Dabei brauchen wir für die Entwicklung<br />
24
dieser Darstellung eine Reihe.<br />
Rechenbeispiel: Berechne c = 2, 01 in der 3-adischen Darstellung<br />
c = 2, 01<br />
= 2 · 3 0 + 0 · 3 −1 + 1 · 3 −2 + 0 · 3 −3 + 1 · 3 −4 + . . .<br />
= 2 + 0 + 3 −2 + 0 + 3 −4<br />
∞<br />
= 2 + ( 1<br />
3 )2n ∞<br />
= 2 + ( 1<br />
n=1<br />
∞<br />
= 2 + (<br />
n=0<br />
1<br />
9 )n 0<br />
− (<br />
n=0<br />
1<br />
∞<br />
= 2 + (<br />
n=0<br />
1<br />
9 )n − 1<br />
∞<br />
= 1 + ( 1<br />
n=0<br />
9 )n<br />
n=1<br />
9 )n<br />
Hier sehen wir: Diese soeben gewonnene Reihe ist die geometrische Reihe. Weil der<br />
| < 1, konvergiert diese Reihe gegen 1 . Also erhalten wir:<br />
Term | 1<br />
9<br />
3.15 Potenzreihen<br />
c = 1 + 1<br />
1 − 1<br />
9<br />
9 )n<br />
= 17<br />
8<br />
Betrachte z ∈ C , (an)n ∈ C N Dann ist folgendes Konstrukt eine sogenannte Potenzreihe:<br />
P (z) =<br />
∞<br />
n=0<br />
1− 1<br />
9<br />
an · z n = a0 + a1z + a2z 2 + . . .<br />
In diese Potenzreihe kann ich nun verschiedene komplexe Zahlen z einsetzen.<br />
Das hat Einfluss auf die Konvergenz.<br />
3.16 Konvergenzradien<br />
Wenn die Potenzreihe für eine komplexe Zahl z konvergiert, so konvergiert sie auch für<br />
alle komplexen Zahlen z ′ mit |z ′ | < |z|. Das bedeutet anschaulich: Innerhalb einer offenen<br />
Kreisscheibe des Radius z in der komplexen Zahlenebene kann ich alle z’ einsetzen<br />
und das Ding konvergiert immer noch!<br />
Den maximalen Radius, für den das klappt (also das maximale z), nennt man ” Konvergenzradius“.<br />
Außerhalb dieses Radius divergiert die Potenzreihe, innerhalb konvergiert<br />
sie absolut. Auf der Kreislinie ist keine Aussage über Konvergenz/Divergenz möglich.<br />
Der Konvergenzradius wird mit R(P ) bezeichnet und ist als reelle Zahl definiert. Genauer:<br />
25
∞<br />
R(P ) := sup{r ∈ [0, ∞)| an · r n konvergiert}<br />
n=0<br />
• R(P ) = +∞ ist gut! dann konvergiert die Potenzreihe für alle komplexen Zahlen.<br />
• R(P ) = 0 ist schlecht! Dann konvergiert die Potenzreihe nur für Null.<br />
• R(P ) ∈ (0, ∞) ist ein Zwischenfall<br />
Eine Berechnung des Konvergenzradius ist mit der Wurzel- oder Quotientenformel<br />
möglich. Für die Anwendung der beiden Formeln brauchen wir eine Potenzreihe.<br />
Die muss aber nicht bei n = 0 loslaufen, es kann um endlich viele Glieder verschoben sein.<br />
Bemerkungen:<br />
• Man braucht manchmal eine Substitution beim Berechnen von R(P). Das kommt<br />
daher, dass in der Reihe z.B. statt z n ein z 2n vorkommt. Einfach machen und am<br />
Ende resubstituieren.<br />
• Im Berechnen kann es vorkommen, dass man z.B. ein x aus der Summe rauszieht,<br />
um eine Potenzreihe zu erhalten und damit weiterzurechnen. Das ist ok, denn<br />
das ” Rausziehen“von diesem x ändert zwar den Grenzwert, nicht aber das Konvergenzverhalten<br />
der Reihe. Weil uns der Konvergenzradius nur sagt, für welche<br />
komplexen Zahlen die Reihe konvergiert, nicht aber, wogegen, dürfen wir das tun.<br />
3.16.1 Wurzelformel<br />
Sei L := lim sup n |an|.<br />
• L = 0 ⇒ R(P ) = +∞, weil dann auch (an)n Nullfolge ist und (an · z n )n → null<br />
• L ∈ (0, ∞) ⇒ R(P ) = 1<br />
L<br />
• L = +∞ ⇒ R(P ) = 0<br />
3.16.2 Quotientenformel<br />
Sei q := limn→∞ | an+1 |, falls dieser existiert. Dann gilt:<br />
an<br />
• q = 0 ⇒ R(P ) = 1<br />
q<br />
• q = 0 ⇒ R(P ) = +∞<br />
Die Quotientenformel kann man sich über das Quotientenkriterium für eine Potenzreihe<br />
herleiten:<br />
limn→∞ |<br />
an+1·x n+1<br />
an·x n<br />
| = limn→∞ | an+1 | · |x| an<br />
26
Wenn dieser Ausdruck < 1 ist, dann konvergiert die Reihe nach Quotientenkriterium.<br />
Wenn er > 1 ist, dann divergiert die Reihe. Dies ist äquivalent zu:<br />
|x| < bzw. ><br />
1<br />
limn→∞ | an+1 an<br />
| = R<br />
Wenn also|x| < R ist, dann konvergiert die Reihe . Wenn er > R ist, dann divergiert die<br />
Reihe.<br />
3.17 Exponentialreihen<br />
Die Exponentialreihe ist eine spezielle Potenzreihe. Hier ist das an = 1<br />
n! . Also:<br />
e z :=<br />
∞<br />
n=0<br />
1<br />
· zn<br />
n!<br />
Aufpassen: Dieses e z ist nur ein Symbol für die Potenzreihe.<br />
Was e und was ” hoch“ ist, wissen wir hier noch gar nicht.<br />
Verwende Quotientenformel:<br />
q = lim<br />
n→∞ |an+1<br />
an<br />
| = lim<br />
n→∞ |<br />
n!<br />
| = lim<br />
(n + 1)! n→∞ |<br />
1<br />
| = 0 ⇒ R(P ) = +∞<br />
n + 1<br />
Das bedeutet: Die Exponentialreihe konvergiert für alle komplexen Zahlen!<br />
4 Funktionen<br />
4.1 Grundlagen<br />
Sei X eine beliebige Menge. Dann heißt:<br />
f : X → C komplexwertige Funktion<br />
f : X → R reellwertige Funktion<br />
X heißt Definitionsmenge von f, man sagt auch: f ist definiert auf X.<br />
R bzw. C ist die Zielmenge von f. {f(x)|x ∈ X} ist die Wertemenge von f.<br />
Die Funktion f kann mit ihrem Graphen<br />
identifiziert werden.<br />
graph(f) := {(x, y) ∈ X × C : y = f(x)}<br />
Wir betrachten als Definitionsmenge ab jetzt nur noch komplexe Mengen X ⊆ C.<br />
27
4.2 Polynome<br />
Seien a0, a1, . . . , an ∈ C.<br />
Dann nennt man folgende komplexwertige Funktion ” Polynom“:<br />
P (z) = an · z n + an−1 · z n−1 + · · · + a1 · z 1 + ao<br />
Jedem z wird durch das Polynom ein P(z) zugeordnet.<br />
Wenn n der höchste Exponent ist, also an = 0 und an+1, an+2, · · · = 0,<br />
so sagt man: Das Polynom hat den Grad n (deg(P ) = n).<br />
Die Menge aller Polynome (d.h. beliebiger endlicher Grad) wird mit C[z] bezeichnet.<br />
Ein ausgezeichnetes Polynom ist das Nullpolynom. Es hat keine wohldefinierten Grad.<br />
4.3 Division mit Rest<br />
Sei g ∈ C[z]\{Nullpolynom}, also deg(g) ≥ 0.<br />
Sei f ∈ C[z] beliebig.<br />
Dann existieren eindeutige Polynome q, r ∈ C[z] mit:<br />
• f = q · g + r<br />
• r = 0 oder deg(r) < deg(g)<br />
1. Falls kein Rest r übrig bleibt, also r = 0, so sagen wir: ” g teilt f“. Notation: g|f<br />
2. Falls kein Polynom q vom Grad ≥ 1 existiert, sodass q|f und q|g, dann heißen f<br />
und g teilerfremd.<br />
3. Ist α Nullstelle eines Polynoms f, also f(α) = 0, so teilt z − α dieses Polynom.<br />
4. Ein Polynom f des Grades k > 0 hat höchstens k viele Nullstellen.<br />
5. Seien f und g vom gleichen Grad n. Wenn sie bei n+1 paarweise verschiedenen<br />
Argumenten das gleiche liefern, so sind sie als Polynome gleich.<br />
4.4 Der Fundamentalsatz der Algebra<br />
Jedes komplexe Polynom lässt sich vollständig in Linearfaktoren faktorisieren.<br />
Jeder dieser Linearfaktoren repräsentiert eine Nullstelle des Polynoms.<br />
f(z) = (z − α1) n1 · (z − α2) n2 · . . . · (z − αr) nr<br />
α1, . . . , αr ∈ C sind die Nullstellen des Polynoms.<br />
n1, . . . , nr ∈ N , deg(f) = n1 + . . . + nr<br />
Je nach dem, welches n im Nullstellenterm vorkommt, spricht man von der ” Ordnung“<br />
der Nullstelle.<br />
28
Beispiel:<br />
x 2 + 1 ist in den reellen Zahlen nicht faktorisierbar. In den komplexen Zahlen schon:<br />
x 2 + 1 = (x − i) · (x + i)<br />
Satz: Jedes reelle Polynom lässt sich in reelle Polynome vom Grad ≤ 2 faktorisieren.<br />
4.5 Rationale Funktionen<br />
4.5.1 Definition<br />
Seien f, g ∈ C[z] und g = 0.<br />
Dann heißt folgender formale Ausdruck Rationale Funktion:<br />
R = f<br />
g<br />
Die Menge aller rationalen Funktionen wird mit C(z) = { f<br />
g<br />
bezeichnet.<br />
| f, g ∈ C[z] , g = 0}<br />
Eine Nullstelle der Ordnung k des Nenners heißt Pol oder Polstelle der Ordnung k der<br />
rationalen Funktion.<br />
4.5.2 Hauptteil und Rest einer rationalen Funktion<br />
Wenn man eine rationale Funktion R(z) mit dem Pol α der Ordnung n hat, so kann man<br />
einen Hauptteil H(z) mit diesem α abspalten und eine rationale Restfunktion R0(z)<br />
bleibt übrig, die keinen Pol in α hat! Diese Zerlegung ist sogar eindeutig!<br />
R(z) = H(z) + R0(z)<br />
=<br />
an an−1<br />
a1<br />
+<br />
+ . . . +<br />
(z − α) n (z − α) n−1 z − α<br />
Die a1, a2, . . . , an sind komplexe Zahlen mit an = 0<br />
H heißt Hauptteil von R bezüglich dem Pol α.<br />
R0 heißt Rest von R bezüglich dem Pol α.<br />
4.5.3 Partialbruchzerlegung<br />
Bei der Partialbruchzerlegung formt man eine rationale Funktion um, sodass einzelne<br />
” Nullstellenterme“ rauskommen. Genauer gesagt sind das einzelne Hauptteile der rationalen<br />
Funktion. Dazu bestimmt man die Nullstellen des Nenners (Pole) und formt auf<br />
Hauptteile um, die durch Plus verbunden sind.<br />
Beispiel:<br />
29
Die folgende rationale Funktion hat die Nennernullstellen (Pole) -1 und 3.<br />
5(z − 1)<br />
(z − 3)(z + 1)<br />
Nun setzen wir sie mit der Partialbruchzerlegung, die wir erhalten wollen, gleich. Dazu<br />
brauchen wir soviele Terme, wie der Nenner Nullstellen hat und setzen in deren Nenner<br />
wiederum Linearfaktoren für die entsprechenden Nullstellen ein. A und B bleiben unbestimmt.<br />
5(z − 1) A B<br />
= +<br />
(z − 3)(z + 1) z − 3 z + 1<br />
Um A und B zu bestimmen, bringt man die rechte Seite auf einen Hauptnenner.<br />
Nun klammern wir günstig aus:<br />
Man sieht:<br />
5(z − 1) A(z + 1) + B(z − 3)<br />
=<br />
(z − 3)(z + 1) (z − 3)(z + 1)<br />
5z − 5 z(A + B) + (A − 3B)<br />
=<br />
(z − 3)(z + 1) (z − 3)(z + 1)<br />
5 = A + B und − 5 = A − 3B<br />
Damit haben wir (über ein einfaches lineares Gleichungssystem):<br />
A = B = 5<br />
2<br />
Und damit haben wir auch unsere Partialbruchzerlegung gefunden! Hurra!:<br />
5(z − 1)<br />
(z − 3)(z + 1) =<br />
5<br />
2<br />
z − 3 +<br />
5<br />
2<br />
z + 1<br />
So eine Partialbruchzerlegung ist also nichts Anderes als die Zerlegung in Hauptteile!<br />
Diese Partialbruchzerlegung gibt es immer, wir müssen sie nur finden.<br />
4.6 Stetigkeit von Funktionen<br />
Anschaulich betrachtet ist eine Funktion stetig, wenn ihr Graph innerhalb des Definitionsbereiches<br />
” keine Sprünge“ aufweist.<br />
30
4.6.1 Beispielfunktionen<br />
Bei diesen Funktionen stellt ein ausgemalter Punkt einen Funktionswert dar, ein nicht<br />
ausgemalter Punkt gehört nicht zur Funktion.<br />
• Funktion A<br />
Diese Funktion ist stetig. Sie weist in ihrem Definitionsbereich keine Sprünge auf.<br />
• Funktion B<br />
Diese Funktion ist stetig. Sie weist in ihrem Definitionsbereich keine Sprünge auf.<br />
Die Lücken, die man sieht, gehören nämlich nicht zum Definitionsbereich.<br />
• Funktion C<br />
Diese Funktion ist nicht stetig. Sie hat einen Sprung.<br />
• Funktion D<br />
Diese Funktion ist stetig. Sie weist in ihrem Definitionsbereich keine Sprünge auf.<br />
Sie hat zwar eine Lücke, aber sie springt“ dort nicht. Es gibt nämlich keinen<br />
”<br />
” letzten“ Wert vor der Lücke.<br />
• Funktion E<br />
Diese Funktion ist gar keine!.Einem Argument werden 2 Werte zugeordnet! Also:<br />
Stetigkeitsfrage überflüssig.<br />
• Funktion F<br />
Diese Funktion (soll ein Tangens sein) ist stetig. Sie weist in ihrem Definitionsbereich<br />
keine Sprünge auf.<br />
4.6.2 Definition der Stetigkeit<br />
Sei f : D ⊆ C → C eine Funktion. f heißt stetig in z0 ∈ D genau dann, wenn:<br />
∀ ɛ > 0 ∃ δ = δ(ɛ, z0) > 0 : |f(z) − f(z0)| < ɛ ∀z ∈ D mit |z − z0| < δ<br />
31
Stetigkeit ist eine punktuelle Eigenschaft.<br />
Anschaulich: Egal, wie breit ich den ɛ-Streifen an der y-Achse mache, ich finde immer<br />
ein δ, sodass alle x in diesem δ-Streifen auf der x-Achse als Bilder f(x) wieder in<br />
diesem ɛ-Streifen sind.<br />
Das δ − ɛ - Verhältnis hängt wesentlich von z0 ab.<br />
Außerdem: Stetigkeit in einem Punkt z0 ist eine Eigenschaft von (komplexen) Funktionen<br />
in Verbindung mit der Grenzwertbildung, die uns erlaubt, in z0 Grenzwert und<br />
Funktion zu vertauschen!<br />
lim<br />
n→∞ f(zn) = f( lim<br />
n→∞ zn) = f(z0)<br />
Ein Beispiel hierfür: Die Wurzelfunktion ist stetig!:<br />
<br />
lim 1 +<br />
n→∞<br />
1<br />
n =<br />
<br />
1<br />
lim 1 +<br />
n→∞ n =<br />
<br />
lim 1 + lim<br />
n→∞ n→∞<br />
1<br />
n = √ 1 + 0 = 1<br />
Eine Funktion heißt stetig, wenn sie in allen Argumenten stetig ist.<br />
Wenn ich ab jetzt von einer ” stetigen“ Funktion rede, meine ich, dass sie in allen Argumenten<br />
z0 stetig ist.<br />
Im Moment kennen wir die Stetigkeit nur für C → C. Der Begriff der Stetigkeit kann<br />
auch für Funktionen zwischen beliebigen metrischen Räumen definiert werden. Alles,<br />
was wir dazu brauchen sind Metriken im Start- und Zielraum.<br />
4.6.3 Wie führe ich einen Stetigkeitsbeweis?<br />
Der Grundgedanke ist wieder genauso wie beim Konvergenzbeweis:<br />
32
Sei ɛ > 0 beliebig. Sei δ = δ(ɛ, z0) = .<br />
Dann gilt für alle z ∈ D mit |z − z0| < δ:<br />
|f(z) − f(z0)| = . . . abschätzen . . . < ɛ<br />
Hier ist wieder klar: Die Betrachtung des Terms liefert uns durch Abschätzen einen<br />
Term, der nur noch von Epsilon und/oder z0 abhängt. Damit erhalten wir unser Delta<br />
und tragen es nachträglich in die Lücke oben ein.<br />
4.6.4 Gleichmäßige Stetigkeit<br />
Bei Gleichmäßiger Stetigkeit hängt das δ nicht von ɛ und x0, sondern lediglich von ɛ ab.<br />
Gleichmäßige Stetigkeit ist damit keine punktuelle Eigenschaft, sondern eine absolulte<br />
Eigenschaft für die Funktion. Damit sind gleichmäßig stetige Funktionen erst recht ” normal“<br />
stetig!<br />
Es gilt außerdem: Stetige Funktionen sind in einem beschränkten Interval sogar gleichmäßig<br />
stetig.<br />
4.6.5 Lipschitz-Stetigkeit<br />
Die Lipschitz-Stetigkeit ist eine andere Form der Stetigkeit, die, weil sie in Verbindung<br />
mit der ” gleichmäßigen“ und ” normalen“ Stetigkeit steht, uns auch was nützt. Mit der<br />
Lipschitz-Stetigkeit dürfen wir zwischen beliebigen metrischen Räumen rechnen, dabei<br />
ist aber immer L ∈ R.<br />
f heißt Lipschitz-stetig ⇔ ∃ L > 0 : |f(x) − f(y)| ≤ L · |x − y|<br />
Lipschitz-stetige Funktionen sind gleichmäßig stetig und damit stetig!<br />
Wähle dazu einfach das δ = ɛ<br />
L , dann folgt daraus: |f(x) − f(y)| ≤ L · δ = ɛ<br />
Wir sehen: Das Delta hängt nur von Epsilon und nicht von einem x0 ab.<br />
Jede lineare Funktion ist lipschitz-stetig und damit auch stetig.<br />
Wie kann man sich Lipschitz-Stetigkeit vorstellen? Es gilt bekanntlich:<br />
|f(x) − f(y)| ≤ L · |x − y|<br />
x=y<br />
<br />
⇔ L ≥ |f(x) − f(y)|<br />
|x − y|<br />
Damit können wir sagen: Der ” Anstieg“ der Funktion ist durch L oberhalb beschränkt !<br />
4.6.6 Umgebungen<br />
Sei z0 ∈ D ⊆ C. Dann heißt eine kleinere Teilmenge U ⊆ D eine Umgebung von z0 ∈ D<br />
:⇔<br />
33
∃ δ > 0 : ∀ z ∈ D mit |z − z0| < δ : z ∈ U<br />
Anschaulich betrachtet:<br />
Ich habe eine Fläche D. Darin liegt ein z0. Eine Teilmenge U von D heißt genau dann<br />
D-Umgebung von z0, wenn ich um z0 eine Kreisscheibe malen kann, die immer noch<br />
komplett in U liegt!<br />
Übrigens:<br />
Sind U, U ′ beide D-Umgebungen von z0, so gilt das auch für U U ′ und U U ′ .<br />
4.6.7 Äquivalenzen und Sätze zur Stetigkeit<br />
Äquivalenzen:<br />
Sei wieder wie vorhin f : D ⊆ C → C und z0 ∈ D. Dann sind äquivalent:<br />
• f ist stetig in z0.<br />
• Es gilt: ∀ ɛ > 0 ∃ D-Umgebung U von z0, sodass: |f(z) − f(z0)| < ɛ ∀z ∈ U.<br />
Dies ist äquivalent zu:<br />
f(U) ⊆ Bɛ(f(zo)),also in der Kreisscheibe des Radius ɛ um f(z0).<br />
• ∀ Folgen (zn)n ∈ D N mit zn → z0 gilt: f(zn) → f(z0) (Folgenstetigkeit)<br />
Sätze:<br />
• Sind die Funktionen f, g : D → C stetig in einem z0,<br />
so sind auch f + g und f · g stetig in z0.<br />
• Für g(z0) = 0 gilt:<br />
f<br />
g : D\{z|g(z) = 0} → C ist ebenfalls stetig in z0.<br />
• Wenn f : D → C und das Bild von f in einem D ′ ⊆ C liegt und g : D ′ → C, dann<br />
können wir die Funktionen hintereinanderschalten. Wenn nun die Funktion f stetig<br />
in z0 und g stetig in f(z0) ist, dann gilt auch: Die Verknüpfung von f und g, also<br />
g ◦ f : D → C, ist auch stetig in z0.<br />
Anschaulich:<br />
D<br />
f<br />
→ D ′ g → C<br />
z0 ↦−→ f(z0) ↦−→ g(f(z0))<br />
• Rationale Funktionen sind stetig auf ihrem Definitionsbereich.<br />
(Polstellen ausgenommen, da ist Stetigkeitsfrage unnötig).<br />
Beispiel für eine Stetige Funktion:<br />
Funktion: z ↦→ z k mit k ∈ N<br />
34
Wieso ist die stetig? Der Term z k lässt sich ja schreiben als z · z . . . · z<br />
<br />
k mal<br />
Das heißt, wir können die Funktion z ↦→ z k als k-fache Multiplikation der identischen<br />
Funktion ansehen (Aufpassen: Nicht die Hintereinanderschaltung (auch: Komposition)<br />
von Abbildungen mit dem Produkt verwechseln!!! )<br />
f(z) = z k = id(z) · . . . · id(z)<br />
<br />
k mal<br />
= (id · id . . . · id)(z)<br />
<br />
k mal<br />
Weil die id eine stetige Funktion ist (Erinnerung: jede lineare Funktion ist Lipschitzstetig,<br />
also auch stetig), ist auch das k-fache Produkt davon eine stetige Funktion. Hurra!<br />
4.6.8 Stetige Fortsetzbarkeit<br />
Stetige Fortsetzbarkeit ist - wie Stetigkeit auch - eine punktuelle Eigenschaft. Diese besagt,<br />
dass man den Definitionsbereich einer stetigen Funktion erweitern kann und wieder<br />
eine stetige Funktion erhält!<br />
Beispiel: Hier kann eine Definitionslücke geschlossen werden, also der Definitionsbereich<br />
erweitert werden.<br />
Wie macht man das? Indem man der Funktion an dieser Stelle einfach einen Wert zuweist.<br />
Man sagt dann: Die Funktion f ist in x0 stetig forsetzbar.<br />
So ein ” Lückenfüller“ ist aber nur ein Spezialfall der Definitionsbereichserweiterung, wo<br />
die Fortsetzung eindeutig ist.<br />
Die Stetige Forsetzung muss aber nichts Eindeutiges sein!<br />
Bsp: Folgende Funktion ist auf R + 0 definiert und wir können sie auf viele Arten stetig<br />
fortsetzen:<br />
35
→ gutes Beispiel zur Stetigen Fortsetzbarkeit: ” Punktweise Konvergenz“<br />
4.6.9 Funktionalgleichung und Stetigkeit<br />
Wenn eine Funktion der Funktionalgleichung f(x + y) = f(x) + f(y) genügt und stetig<br />
in 0 ist, dann ist sie sogar stetig auf ganz R.<br />
4.7 Funktionengrenzwerte<br />
4.7.1 Häufungspunkte einer Menge<br />
Sei D ⊂ C und z0 ∈ C. Dann sind äquivalent:<br />
• z0 heißt Häufungspunkt von D<br />
• ∀δ > 0 ∃z ∈ D\{z0} : |z − z0| < δ<br />
• Jede Umgebung von z0 enthält mindestens ein z ∈ D\z0}<br />
Beispiel 1:<br />
D ist das reelle Intervall (a,b).<br />
Dann ist die Menge aller Häufungspunkte genau das geschlossene Intervall [a,b].<br />
Beispiel 2:<br />
D := { 1<br />
n |n ∈ N}<br />
Dann ist der einzige Häufungspunkt die Null!<br />
Denn für die anderen reellen Zahlen x findet sich nicht in jeder Umgebung ein x-fremder<br />
Funktionswert.<br />
36
4.7.2 Grenzwert in einem Punkt<br />
Sei f : D → C eine Funktion und z0 ∈ C ein Häufungspunkt von D.<br />
Dann sagen wir: Die Funktion f hat in z0 den Grenzwert a genau dann, wenn:<br />
<br />
f(z) für z = z0<br />
F (z) =<br />
ist stetig.<br />
a für z = z0<br />
Notation:<br />
lim f(z) = a oder f(z) → a für z → z0<br />
z→z0<br />
Also geht es hier um die stetige Fortsetzung in einem Häufungspunkt z0.<br />
Der Funktionswert in diesem Häufungspunkt ist a.<br />
Jetzt erinnern wir uns an die Folgenstetigkeit:<br />
• Wenn also für jede Folge, die gegen z0 geht, auch F (F olge) gegen F (z0) = a konvergiert,<br />
so ist f in z0 stetig fortsetzbar.<br />
• Wenn wir eine Folge finden, wo das nicht klappt, dann lässt sich f in z0 nicht stetig<br />
fortsetzen.<br />
4.7.3 Punktweise Konvergenz gegen eine Funktion<br />
Sei D ⊆ C und (fn)n∈N eine Folge von Funktionen, die von D nach C gehen.<br />
Sei f : D → C<br />
Die Funktionenfolge konvergiert punktweise gegenf ⇔ ∀ z ∈ D : lim<br />
n→∞ fn(z) = f(z)<br />
4.7.4 Beschränktheit einer Funktion<br />
Eine Funktion f : D → C heißt beschränkt, wenn ihr Bild f(D) beschränkt ist.<br />
37
4.7.5 Die Supremumsnorm einer Funktion:<br />
f∞ := sup |f| := sup{ |f(z)|<br />
D<br />
| z ∈ D} sofern wohldefiniert, also < ∞<br />
4.7.6 Normale Konvergenz<br />
Sei (fn)n∈N eine Folge von Funktionen. Daraus bauen wir uns eine Reihe: ∞<br />
n=1 fn.<br />
Die Reihe<br />
∞<br />
∞<br />
fn konvergiert normal ⇔ Die Reihe fn∞konvergiert<br />
n=1<br />
Es gilt außerdem: Normale Konvergenz ⇒ Punktweise Konvergenz<br />
4.7.7 Rechts-und Linksseitige Grenzwerte<br />
Sei D ⊆ R , f : D → C und x0 Häufungspunkt von D. Wir definieren:<br />
• D + := D (x0, +∞) = alle Punkte in D rechts von x0<br />
• D − := D (−∞, x0) = alle Punkte in D links von x0<br />
Dann hat f in x0 einen rechtsseitigen Grenzwert, wenn limx→x0 f| D + existiert.<br />
Dann hat f in x0 einen linksseitigen Grenzwert, wenn limx→x0 f| D− existiert.<br />
Man schreibt auch:<br />
limx→x0 f| D + =: limx↓x0 f(x) =: lim x→x +<br />
0<br />
limx→x0 f| D − =: limx↑x0 f(x) =: lim x→x −<br />
0<br />
4.7.8 Rechts-und Linksseitige Stetigkeit<br />
f(x)<br />
f(x)<br />
f heißt linksseitig stetig in x0 genau dann, wenn: limx↑x0 f(x) = f(x0)<br />
f heißt rechtsseitig stetig in x0 genau dann, wenn: limx↓x0 f(x) = f(x0)<br />
4.7.9 Uneigentliche Grenzwerte<br />
Uneigentliche Grenzwerte bezeichnen z.B. nicht wohldefinierte rechts- und linksseitige<br />
Grenzwerte. Hier ein Beispiel:<br />
f(x) = 1<br />
x<br />
mit x ∈ R\{0}<br />
38<br />
n=1
lim<br />
x↑0 f(x) = −∞ sowie lim<br />
x↓0 f(x) = +∞<br />
Also sind hier rechts- und linksseitiger Grenzwert erstens nicht wohldefiniert und zweitens<br />
sogar verschieden! Darum gibt es hier auch keine Punktgrenzwert (siehe 4.7.2). Also<br />
ist die Funktion nicht in 0 stetig forsetzbar.<br />
4.7.10 Zwischenwertsatz<br />
Sei f : [a, b] → R stetig. Dann nimmt f jeden Wert zwischen f(a) und f(b) an, d.h.:<br />
f(a) < f(b) ⇒ [f(a), f(b)] ⊂ f([a, b])<br />
Also liegt das Intervall zwischen f(a) und f(b) vollständig im Bild des Intervalls [a, b].<br />
Anschaulich:<br />
4.7.11 Fixpunkte<br />
Sei f : [a, b] → R stetig. Dann gilt ja der Zwischenwertsatz.<br />
Dann existiert ein sogenannter ” Fixpunkt“ x:<br />
∃ x ∈ [a, b] mit f(x) = x<br />
39
4.8 Die ” multiplikative Funktionalgleichung“<br />
4.9 Die Exponentialfunktion<br />
Die Funktion e z = ∞<br />
n=0 zn<br />
n!<br />
• Sie ist stetig auf C<br />
f(x + y) = f(x) · f(y) ∀x, y ∈ C<br />
ist die eindeutige Funktion auf C mit den Eigenschaften:<br />
• e (x+y) = e x · e y ∀x, y ∈ C (genügt obiger Funktionalgleichung)<br />
• lim z → 0 f(z)−f(0)<br />
z<br />
= 1<br />
• f(1) = e = ∞<br />
n=0 1<br />
n! = limn→∞(1 + 1<br />
n )n<br />
Die Umkehrfunktion der Exponentialfunktion e x ist auf R definiert als:<br />
ln : (0, +∞) → R oder ” natürlicher Logarithmus“<br />
Diese Funktion ist die eindeutig bestimmte stetige Funktion mit den Eigenschaften:<br />
• ln(x · y) = ln x + ln y ∀ x, y > 0 (Funktionalgleichung)<br />
• ln(e) = 1<br />
5 Differentiation<br />
5.1 Punktierte Umgebungen<br />
Sei D ⊂ C und z0 ∈ D.<br />
U heißt punktierte Umgebung von z0 in D ⇔ ∃ δ > 0 : {z ∈ D | 0 < |z−z0| < δ} ⊂ U<br />
Anschauliches Beispiel: Eine offen Kreisscheibe des Radius Delta ohne den Mittelpunkt!<br />
5.2 Differenzierbarkeit<br />
Sei f : D → C. Sei z0 ∈ D.<br />
f heißt differenzierbar in z0 ⇔ ∃ a ∈ C : f(z) = f(z0) + a · (z − z0) + o((z − z0) 1 )<br />
Folgendes ist mit diesem o gemeint:<br />
o((z − z0) 1 ) = Menge aller Funktionen r(z) mit lim<br />
z→z0<br />
40<br />
r(z)<br />
= 0<br />
z − z0
f(z)−f(z0)<br />
Dabei ist a = limz→z0 z−z0<br />
als Grenzwert eindeutig durch f und z0 bestimmt.<br />
Man schreibt auch: a =: f ′ (z0) =: df<br />
dz (z0) = Ableitung der Funktion an der Stelle z0.<br />
Eine Funktion heißt differenzierbar, wenn sie in allen Argumente diff’bar ist.<br />
5.3 Sätze zur Differenzierbarkeit<br />
Seien f, g : D → C Funktionen. Sei z0 ∈ D mit einer Umgebung U(z0) in R bzw. C mit<br />
U ⊆ D. Seien f und g differenzierbar in z0. Dann gilt:<br />
• (f + g) : D → C ist differenzierbar in z0.<br />
Es gilt: (f + g) ′ (z0) = f ′ (z0) + g ′ (z0)<br />
• ∀ λ ∈ C : (λ · f) : D → C ist differenzierbar in z0.<br />
Es gilt: (λ · f) ′ (z0) = λ · f ′ (z0)<br />
• (f · g) : D → C ist differenzierbar in z0.<br />
Es gilt: (f · g) ′ (z0) = f ′ (z0) · g(z0) + f(z0) · g ′ (z0)<br />
” Produktregel“ oder ” Leibniz-Regel“<br />
• Sei jetzt g(z0) = 0 . Dann gilt: ( f<br />
g ) : D → C ist in einer Umgebung von z0 wohldefiniert<br />
und differenzierbar in z0. Es gilt:<br />
( f<br />
g )′ (z0) = f ′ (z0)·g(z0)−f(z0)·g ′ (z0)<br />
(g(z0)) 2<br />
” Quotientenregel“<br />
• Wenn das Bild von f ganz im Definitionsbereich von g liegt, gilt:<br />
(g ◦ f) : D → C ist differenzierbar in z0.<br />
Es gilt: (g ◦ f) ′ (z0) = g ′ (f(z0)) · f ′ (z0)<br />
” Kettenregel“ oder Äußere mal innere Ableitung“<br />
”<br />
5.4 Notation für Funktionenmengen<br />
C 0 (D, C) := {f : D → C stetig}<br />
C 1 (D, C) := {f : D → C differenzierbar und f ′ : D → C ebenfalls stetig}<br />
41
6 Grundlagen: Mathematische Symbole und Formulierungen<br />
Symbol Bedeutung<br />
∀ für alle<br />
∃ es existiert ein<br />
∃! es existiert genau ein<br />
∈ Element von<br />
/∈ nicht Element von<br />
¬ Negation der Aussage<br />
⇒ logischer Folgepfeil<br />
⇔ logischer Äquivalenzpfeil<br />
⊆ Enthaltensein in einer Menge<br />
⊂<br />
<br />
echt Enthaltensein in einer Menge<br />
<br />
Vereinigung von Mengen<br />
<br />
Schnittmenge von Mengen<br />
<br />
Summe<br />
Produkt<br />
” fast alle“ alle bis auf endlich viele<br />
∧ und<br />
∨ oder<br />
: es gilt<br />
:= Linke Gleichungsseite wird definiert als ...<br />
(f + g)(x) dieser Ausdruck meint f(x) + g(x)<br />
(λ · f)(x) dieser Ausdruck meint λ · f(x)<br />
(f ◦ g)(x) dieser Ausdruck meint die Komposition f(g(x))<br />
{. . .} Mengenklammern<br />
A\A ′ Menge A ohne ihre Teilmenge A’<br />
7 Dankeschön<br />
Ein herzliches Dankeschön an:<br />
• Mathias Becker, der sich in seinen Seminaren stets viel Mühe gibt, uns was<br />
zu vermitteln und netterweise diese Übersicht Korrektur gelesen hat. Dankesehr<br />
Mathias! Du bist ein Arbeitstier!<br />
• Heiko Etzold, welcher ein sehr gutes und aufschlussreiches Seminar leitet. Danke<br />
dir Heiko, dass du immer für Fragen bereit stehst. Du wirst (bist) ein guter Lehrer!<br />
• Anne Neupert, die mir ihre <strong>Analysis</strong> - Übersichten ausgeliehen hat, um mein<br />
eigenes Zeug zu vervollständigen. Danke Schatz!<br />
In diesem Sinne: Viel Erfolg bei der Klausur!!!!<br />
42