Professional Documents
Culture Documents
(a) von R
n
in sich. Die Matrix von f
(a) ist
((
k
f
j
)(a))
j,k=1,...,n
und ist somit quadratisch. Mit solchen Funktionen befate
sich der Satz von den lokalen Inversen; auch beim Satz von den impliziten Funk-
tionen kamen sie vor: Man kann ja eine Funktion F: X Y R
m
mit X R
p
,
Y R
m
als eine ganze Familie von Funktionen f
x
: Y R
m
auassen, die durch
Vektoren x X parametrisiert ist, und die f
x
sind wieder von dem besagten
Typ. Nun erlauben diese Funktionen f: X R
n
, X R
n
eine in gewissem Sinne
anschauliche Interpretation, die bei vielen Problemen, etwa in der Physik sehr
n utzlich ist.
2 5. The so-called vector calculus (in German)
Wir betrachten die Menge X R
n
als disjunkte Vereinigung der Mengen T
x
=
xR
n
, und jede davon ist ein Vektorraum der zu R
n
isomorph ist, wenn wir z.B.
(x, v) +(x, w) = (x, v +w) und r(x, v) = (x, rv) setzen. Die Funktion f: X R
n
ordnet jedem Punkt x X einen Vektor
_
x, f(x)
_
T
x
zu.
Die Argumente aus der Menge X sind wegen X R
n
insbesondere Punkte im
R
n
, etwa
x = (x
1
, . . . , x
n
). Wir konnen uns den Vektorraum T
x
als die Menge R
n
vorstellen,
aber mit dem Urspung x. Dies machen wir uns jedesmal dann zunutze machen,
wenn wir einen Vektor am Punkt x anheften und als Pfeil mit Ursprung x zeich-
nen.
Figure 5.1
Figure 5.2
Wir k onnen im Bildbereich R
n
der ja mit dem umfassenden Vektorraum des
Denitionsbereiches X ubereinstimmtin jedem Punkt x X den Bildvektor
f(x) ,,anlegen, d.h. also, dass wir ihn als Element
_
(x, f(x)
_
von T
x
betrachten.
Man eine solche Funktion f: X R
n
, X R
n
auch ein Vektorfeld. Man halte
sich also stets vor Augen: Ein Vektorfeld ist nichts anderes als eine besondere
Art von Funktion. Es ist darin nichts Geheimnisvolles verborgen. Insbesondere
kann man daher ohne weiteres von stetigen, dierenzierbaren, stetig dierenzier-
baren, n-mal dierenzierbaren Vektorfeldern sprechen, denn alle diese Begrie
sind ja schon langst f ur Funktionen in groerer Allgemeinheit diskutiert wor-
den. Also noch einmal: Die Ableitung f
x=a
_
j,k=1,...,n
beschrieben, die man auch
Funktionalmatrix oder auch Jacobische Matrix nennt.
Von der linearen Algebra wissen wir, da man einer linearen Abbildung gewisse
Invarianten zuordnen kann, die von der Wahl einer Basis unabh angig sind.
Erstes Beispiel: Die Determinante. Diese Invariante konnen wir sofort auf
die Ableitung eines Vektorfeldes anwenden und bekommen die Zahl det f
(a) =
det
__
(
k
f
j
)(a)
_
j,k=1,...,n
(a)(e
1
) + o(h), . . . , hf
(a)(e
n
) + o(h)) =
h
n
D(f
(a)(e
1
), . . . , f
(a)(e
n
)) + o(h).
Nun bemerken wir aber, da f
(a)(e
j
) nichts anderes ist als die j-te Spalte der
Funktionalmatrix ((D
k
f
i
)(a))
i,k=1,...,n
. Damit erkennen wir nun
D(f
(a)(e
1
), . . . , f
(a)(e
n
)) = det f
(a).
Somit haben wir das folgende Ergebnis gefunden:
Bemerkung 5.1. Ist W(h) der W urfel a +
n
j=1
t
j
he
j
: (t
1
, . . . , t
n
) [0, 1]
n
und W
f
(h) der W urfel f(a) +
n
j=1
t
j
(f(a + he
j
) f(a)): (t
1
, . . . , t
n
) [0, 1]
n
so gilt Vol
_
W
f
(h)
_
= Vol
_
W(h)
_
det f
(a) + o(h) = h
n
det f
(a) + o(h). .
Mit anderen Worten: Bis auf einen sehr kleinen Fehler ist die Funktionaldeter-
minante det f
(a)(e
j
) gleich o(h) ist, d urfen wir W
f
(h) als eine gute
Approximation des Bildes f
_
W(h)
_
ansehen. Wenn es erlaubt ware, vom Volumen
des Bildes des W urfels W(h) bei der Abbildung f zu sprechen, so m ute dieses in
der Nahe von W
f
(h) zu nden sein. (Volumenbestimmung von allgemeinen Men-
gen im R
n
ist aber ein Problem f ur sich, dem man sich bei der Integrationstheorie
in mehreren Variablen zuwenden muss.) In diesem Sinne ist nun die Funktionalde-
terminante von f im Punkte a der Verzerrungsfaktor des Volumens sehr kleiner
W urfel bei a.
Wir sind immer noch bei der Betrachtung von Gr oen, die einer linearen Ab-
bildung L: R
n
R
n
invariant zugeordnet sind und haben uns eben mit der De-
terminante befat.
Zweites Beispiel: Die Spur Tr L (man schreibt Tr L f ur trace, kann aber
auch die Schreibweise SpL lesen). Die Spur von L berechnet sich aus der Matrix
(a
jk
)
j,k=1,...,n
von L sofort als die Summe der Diagonalelemente Tr L = a
11
+a
22
+
+ a
nn
. Die Spur ist aber von der Matrixdarstellung unabh angig, da sie auch
zugleich die Summe der mit ihrer Vielfachheit gezahlten Eigenwerte von L ist, und
die Eigenwerte sind ja basisunabh angig. Die Determinante det(L id) ist ein
Polynom n-ten Grades in , das sogenannte charakteristische Polynom. Dieses ist
oenbar basisunabh angig, da die Determinante basisunabh angig ist. Da man sehr
rasch
det(L id) = (1)
n
n
+ (1)
n1
Tr(L)
n1
+ + det L
nachpr uft, hat man somit einen alternativen Beweis f ur die Basisunabh angigkeit
der Spur. (Die Menge aller Eigenwerte von L heit auch das Spektrum von L;
deswegen vermeiden wir lieber die Bezeichnung SpL f ur die Spur!) Im Einzelnen
werden alle diese Begrie in der linearen Algebra besprochen. Wir weisen hier nur
5. The so-called vector calculus (in German) 5
noch darauf hin, da wir die Spur mit Hilfe des Skalarproduktes auf R
n
und mit
Hilfe der Grundvektoren e
1
= (1, 0, . . . , 0), . . . , e
n
wie folgt angeben konnen:
Tr L = (L(e
1
) [ e
1
) + + (L(e
n
) [ e
n
),
denn es ist ja in der Tat (L(e
j
) [ e
j
) = a
jj
, j = 1, . . . , n. Die Vorschrift
L Tr L: Lin(R
n
) R ist eine Linearform auf dem Vektorraum aller linearen
Abbildungen von R
n
in sich, und sie erf ullt die Bedingungen Tr 1
R
n = n = dimR
n
und Tr(L
1
L
2
) = Tr(L
2
L
1
) f ur alle L
1
, L
2
Hom(R
n
, R
n
). (
Ubungsaufgabe!).
Tatsachlich ist die Linearform ,,Spur durch diese Bedingungen schon vollstandig
bestimmt; es gibt also nur eine Linearform mit diesen Eigenschaften, namlich
die Spur. Leider ist eine geometrisch intuitive Interpretation der Spur nicht
anzugeben. An der Wichtigkeit der Spur ist indessen kein Zweifel erlaubt.
Und so kommt der Spur der Ableitung f
a
f = Tr f
(a) = (D
1
f
1
)(a) + + (D
n
f
n
)(a)
=
f
1
x
1
x=a
+ +
f
n
x
n
x=a
= (f
(a)(e
1
) [ e
1
) + + (f
(a)(e
n
) [ e
n
).
Uber die Bedeutung dieser Divergenz wird im Zusammenhang mit den groen
Integralsatzen die Rede sein m ussen. Es gibt da noch eine Merkregel, der im
: X R
n
mit p
(x) = grad
x
p ein Vektorfeld. Gradienten sind
also Vektorfelder. Wir wissen: Dieses Vektorfeld liefert uns in jedem Punkt x von
X die Richtung des groten Anwachsens der Funktion p und die Wachstumsrate.
Die Vektoren des Vektorfeldes f: X R
n
, f(x) = grad
x
p stehen in jedem Punkt
auf den Hohen achen (bzw. Hohenlinien) der Funktion p senkrecht. (Wir sagen
6 5. The so-called vector calculus (in German)
,,Hohen achen, meinen aber dabei nat urlich ,,Hohenmengen, wenn n > 2 ist.
Diese Dinge sind in aller Exaktheit durchdiskutiert, zuletzt mit dem Satz 3.30
Eine nicht von der Hand zu weisenden Frage erhebt sich an dieser Stelle:
Sind vielleicht alle Vektorfelder f: X R
n
von der Form f(x) = p
(x) f ur eine
Hohenfunktion p: X R, die man in diesem Zusammenhang gelegentlich auch ein
skalares Feld nennt.
Uberlegen wir: Wenn wir f = p
(x) = p
(x)
eine lineare Abbildung R
n
R
n
ist, die wir uns als n mal n-Matrix mit den Koef-
zienten D
k
f
j
(x) = (D
k
D
j
p)(x), j, k = 1, . . . , n denken d urfen. Wenn wir nun f
und damit p
als stetig vorausgesetzt denken, dann konnen wir jetzt den Satz 4.1
anwenden und schlieen, da
k
f
j
(x) = (
k
j
p)(x) = (
j
k
p)(x) =
j
f
k
(x) sein
mu. Mit anderen Worten:
Eine notwendige Bedingung daf ur, da ein Vektorfeld f der Gradient eines Skalar-
feldes p ist, ist die Symmetrie der Ableitung f
j
p)(x)f ur alle x X.
Selbstverstandlich wollen wir jetzt auch wissen, ob diese Bedingung auch hinre-
ichend ist, d. h. ob wir zu einem gegebenen Vektorfeld f: X R
n
auf einer oenen
Menge X des R
n
mit symmetrischer Ableitung f
u
= x
_
f(a + t(u a)) [ u a
_
. Nun ist
_
f(a+t(xa)) [ xa
_
= (x
1
a
1
)f
1
(a+t(xa))+
n
j=2
(x
j
a
j
)f
j
(a+t(xa)).
Die Ableitung der ersten Summanden nach x
1
ist nach der Produktregel und Ket-
tenregel f
1
(a + t(x a)) + (x
1
a
1
)(grad
a+t(xa)
f
1
u
1
u=x
(a + t(u a))) =
f
1
(a +t(xa)) +t(x
1
a
1
)(
1
f
1
)(a +t(xa)). Die Ableitung der nachfolgenden
Summanden nach x
1
ist einfacher: Sie ist (x
j
a
j
)(
1
f
j
)(a +t(x a)) f ur j > 1.
Aber nun kommt unsere Hauptvoraussetzung ins Spiel: Es ist n amlich
1
f
j
=
j
f
1
.
Damit aber bekommen wir (
1
p)(x) =
_
1
0
f
1
(a+t(xa))dt +
_
1
0
n
j=1
t(
j
f
1
)(x+
t(x a))(x
j
a
j
) =
_
1
0
f
1
(a +t(x a))dt +
_
1
0
t(grad
a+t(xa)
f
1
[ x a)dt. Setzen
wir vor ubergehend F(t) = f
1
(a + t(x a)), dann gilt F
(t) = (grad
a+t(xa)
f
1
[
x a) und mit Hilfe der partiellen Integration 5.29 in Analysis I bekommen wir
_
1
0
t(grad
a+t(xa)
f
1
[ x a)dt =
_
1
0
tF
(t)dt = tF(t)[
1
0
_
1
0
F = F(1)
_
1
0
f
1
(a +
t(x a))dt. Es ergibt sich (
1
p)(x) = F(1) = f
1
(x), da sich die ubrigen Sum-
manden gerade wegheben. In genau der gleichen Weise nden wir ganz allgemein
(
j
p)(x) = f
j
(x) und somit p
= f, d.h.
mit f(x) = grad
x
p f ur alle x X. .
Eine Funktion p mit der in (2) angegebenen Eigenschaft wird auch ein Potential
f ur f genannt und ein Vektorfeld f, das die Bedingung (2) erf ullt, wird auch
Gradientenfeld genannt. Mit jeder Potentialfunktion p f ur ein Gradientenfeld f
ist auch die Funktion x p(x) + c f ur jede feste Zahl c ein Potential. Zwei
Potentiale f ur ein Gradientenfeld unterscheiden sich nur durch eine Konstante,
denn ihre Dierenz ist eine H ohenfunktion mit der Ableitung 0. Nach Satz 2.10
(und die nachfolgende Beobachtung folgt daraus sofort das Verschwinden einer
solchen Funktion.
Wir erinnern uns an die Drehung A der Ebene R
2
um 90
(x, y) = q
(F(x, y)) F
(x, y) = G
_
F(x, y)
_
1
ein f ur allemal bekannt. Man
rechne als
Ubungsaufgabe F
und G
Ubungsaufgabe: G
(r, t) =
_
cos t r sint
sint r cos t
_
, F
(x, y) =
_
x/r y/r
y/r
2
x/r
2
_
,
r
2
= x
2
+y
2
, r > 0.)
Ist uns ein gen ugend glattes Vektorfeld f: X E, E = R
n
auf einer oe-
nen Menge M von E gegeben, so stellt sich nat urlich die Frage, ob von jedem
Punkt a eine dierenzierbare Kurve ausgeht, etwa u: ], [ R
n
mit der Eigen-
schaft, da die Ableitung u
(t) = f
_
u(t)
_
mit der Anfangswertbedingung u(0) = a
durch eine geeignete Kurve losbar ist. Dieses Problem ist ein typischen Prob-
lem aus der Theorie der gewohnlichen Dierentialgleichungen, mit dem wir uns
demnachst eingehend befassen werden. Wir werden dann sehen, da dieses Prob-
lem weitgehend losbar ist. In der Physik treten als Losungskurven des Problems
f ur ein gegebenes Vektorfeld, welches als Kraftfeld aufgefat wird, als sogenannte
,,Kraftlinien in Erscheinung. Man kann diese im Fall eines Magnetfeldes sogar
mehr oder weniger sichtbar machen. Man erinnere sich dabei an die einschl agigen
Versuche mit Eisenfeilsp anen.
10 5. The so-called vector calculus (in German)
Figure 5.6
Ist das Feld ein Gradientenfeld, so stehen die ,,Feldlinien, deren Tangen-
tialvektoren ja gerade die Vektoren f(x) des gegebenen Feldes f sind, auf den
Hohenlinien (,,H ohen achen!) der zugehorigen Potentialfunktion p, f ur die f = p
genau die
Potentialhyperachen zu dem Gradientenvektorfeld f.
Nun sei f: M E = R
n
ein Gradientenvektorfeld mit der Potentialfunktion
f = p
. wir k onnen uns fragen, was die Divergenz des Vektorfeldes f f ur das
Potential p bedeutet. Wir haben
a
f =
a
grad
a
p = Tr
_
p
(a)
_
mit der Spur
Tr L einer linearen Abbildung L Hom(E, E). Wir konnen die Zahl Tr
_
p
(a)
_
durch die partiellen Ableitungen ausdr ucken:
Tr
_
p
(a)
_
= (
2
1
p)(a) + + (partial
2
n
p)(a) =
2
p
2
1
x=a
+ +
2
p
2
n
x=a
.
Der Operator
a
grad
a
hat eine eigene Abk urzung: Er heit Laplace-Operator und
wird
a
geschrieben:
a
p =
n
j=1
2
p
2
j
x=a
=
a
grad
a
p.
Funktionen p mit divergenzfreiem Gradientenfeld f = p
(x)(u) = s
(x)(u)x + s(x)u.
Also haben wird
Tr f
(x) =
n
j=1
_
s
(x)(e
j
)(x [ e
j
) +s(x)(e
j
[ e
j
)
_
=
n
j=1
s
(x)(e
j
)(x [ e
j
) +ns(x).
Nehmen wir insbesondere z.B. s(x) = |x|
m1
so ist
s
(x)(u) =
m1
|x|
m+3
(x [ u)
und
n
j=1
(s
(x)(e
j
)(x [ e
j
) =
m1
|x|
m+3
n
j=1
(x [ e
j
)
2
=
m1
|x|
m+1
,
so da wir Tr f
(x) =
x
f =
m1
x
m+1
+
n
x
m+1
bekommen. F ur m = n1 ist diese
Funktion identisch null, d.h. f ist divergenzfrei. Nun ist aber f(x) =
x
x
m+1
ein
Gradientenfeld mit dem Potential
p(x) =
_
log |x| falls m = 1,
1
(m1)x
m1
falls m 2.
Zusammenfassend haben wir also die folgende Beobachtung:
Bemerkung IV.1.88. Die Funktionen p: R
n
0: R
n
, die durch
p(x) =
_
log |x| falls m = 2,
1
(m2)x
m2
falls m 3
gegeben sind sind allesamt harmonisch, d.h. sie gen ugen der Laplace-Gleichung
p = 0. Die aus ihnen abgeleiteten Gradientenfelder p
(x) =
x
|x|
n
=
1
|x|
n1
x
|x|
. .
Das Newtonsche Schwerkraftgesetz kann also nur im dreidimensionalen Raum
aus einem harmonischen Potential begeleitet werden, nicht aber in einem euklidis-
chen Raum einer von 3 verschiedenen Dimension.
(z) = lim
h0
1
h
_
f(z + h) f(z)
_
existiert f ur alle z U. Setzt man
12 5. The so-called vector calculus (in German)
X = (x, y) R
2
: x+yi U und deniert man u, v: X R durch f(x+yi) =
u(x, y) +v(x, y)i, dann sind u und v harmonische Funktionen. .
Wir werden diesen Sachverhalt spater systematisch untersuchen. Jedenfalls
haben wir hier eine reiche Quelle harmonischer Funktionen auf oenen Mengen
des R
2
.
Vertauschung von Dierentiation und Integration
Wir haben die Frage, um die es hier geht, schon im Beweis des Satzes 5.2 erkannt.
Wir haben eine Funktion f: I [a, b] R mit einem Intervall I R (also eine
Hohenfunktion in zwei Variablen auf einem Rechtecksbereich der Ebene). Wir
setzen f
s
(t) = f(s, t) und betrachten damit die Funktion f als eine parametrisierte
Familie von Funktionen f
s
: [a, b] R einer Variablen, die durch den ,,Parameter
s durchnumeriert sind, der die Menge I durchlauft, die wir hier einfacherweise als
Intervall angenommen haben. Nun nehmen wir an, alle Funktionen f
s
, s I seien
Riemannsch integrierbar. Wenn man diese Voraussetzung durch die Funktion f
selber ausdr ucken will, so heit dies doch, da wir voraussetzen, die Funktion f
sei auf allen vertikalen Strecken des Rechtecks I [a, b] in der zweiten Variablen
integrierbar. Damit bekommen wir nun eine Funktion F: I R, die durch F(s) =
_
b
a
f
s
=
_
b
a
f(s, t)dt gegeben ist.
F ur diese Funktion stellen sich nun die ublichen Fragen: Ist F stetig? Ist F
dierenzierbar? Wenn ja, wie berechnen wir die Ableitung? Diese Fragen wollen
wir im Folgenden behandeln.
Bei der Losung dieser Fragen bewahrt sich unsere Auassung, die Menge aller
Riemann-integrierbaren Funktionen I[a, b] auf [a, b] als Banachraum aufzufassen
(s. Satz 1.14). Nun ist also f
s
I[a, b] f ur alle s I. Wir haben also in Wirk-
lichkeit eine Funktion g: I I[a, b], die durch g(s) = f
s
gegeben ist. (Mit dieser
Bezeichnung gilt dann g(s)(t) = f
s
(t) = f(s, t), und weiter F(s) =
_
b
a
g(s).)
Die Integrationsoperation h
_
b
a
h : I[a, b] R ist ihrerseits eine Funktion
J: I[a, b] R, und zwar eine lineare Abbildung. Wir konnen also nun sogar so
zusammenfassen:
(1) F = J g: I R, wo g(s)(t) = f(s, t) und J(h) =
_
b
a
h =
_
b
a
h(t)dt gilt.
Wegen J(h+k) = J(h)+J(k) ist J als lineare stetige Abbildung sogar dieren-
zierbar, und zwar mit der Ableitung J
(a)
bezeichnet. Dieser Dierenzierbarkeitsbegri ist wortlich der in der Hauptdenition 3.2
ausgedr uckte. Da sich unsere Theorie der Dierenzierbarkeit nur auf die oben f ur den all-
gemeineren Fall von Banachraumen wiederholten Hauptdenition 3.2 st utzt, bleiben un-
sere Satze auch f ur diesen allgemeineren Fall richtig, so etwa z. B. die Kettenregel 3.7 aber
auch die Regeln f ur die Summen und Skalarprodukte 3.6, die Produktregel 3.10 IV.1.47,
wo allerdings im allgemeinen Fall die Stetigkeit von B vorausgesetzt werden mu; der Mit-
telwertsatz in der Form 2.10. Alles was sich auf das Skalarprodukt im Bildraum bezieht,
wie etwa die Interpretation der ersten Ableitung
(a): B
1
R aufgefat werden, woran die Theorie kaum, aber die
geometrische Anschauung etwas leidet. Richtungsableitungen konnen wir nach wie vor
wie in Denition 3.16 denieren, aber ihre in 3.16 angegebene Berechnung als Skalarpro-
dukt erfordert einen Hilbertraum als B
1
. Ist der Raum B
1
nur ein Banachraum, so gilt
immer noch die Beziehung
a;e
=
(x) = J(g
(x) : R
n
(I[a, b], R)
so nden, da g(y) = g(x) + g
1
f(z(x, h, t), t) ist. Ist nun
1
f gleichgradig stetig, so existiert zu > 0 und x ein
> 0 derart, da f ur [x y[ < (und y I) allemal [(
1
f)(y, t) (
1
f)(x, t)[ <
gilt f ur alle t Y . Ist nun [h[ < , so ist z(x, h, t) ein solches y, woraus die
Behauptung folgt. .
Dieser Satz ist deswegen n utzlich, weil seine Voraussetzung immer schon dann
erf ullt ist, wenn Y = [a, b] ist und die partielle Ableitung
1
f auf I [a, b] stetig
ist. Dies ist eine Folge des nachstehenden Hilfssatzes:
Hilfssatz 5.7. Die Funktion p: X K Z sei stetig f ur metrische Raume X, Z
und einen kompakten metrischen Raum K. Dann ist sie auch gleichgradig stetig
in der ersten Variablen bez uglich der zweiten.
Proof. . Angenommen, dies sei nicht der Fall. Dann existiert ein x X und ein
> 0 derart, da eine Folge (x
n
, t
n
) X K derart, da x = limx
n
, aber (*)
d
_
p(x, t
n
), p(x
n
, t
n
)
_
gilt (in der Tat wahle man zu jedem =
1
n
ein x
n
X mit
d(x, x
n
) <
1
n
aber d
_
p(x
n
, t
n
), p(x
n
, t
n
)
_
f ur ein geeignetes t
n
, welches nach
der Annahme existieren mu.) Nun ist aber K kompakt, und die Folge t
n
hat
daher einen Haufungspunkt t (Denition III.1.31). Zu dem Punkt (x, t) X K
wahlen wir nun aufgrund der Stetigkeit von p ein > 0 derart, da aus d(y, x) <
und d(s, t) < (und s K) allemal d
_
p(y, s), p(x, t)
_
< /2 folgt. Sei N N so
gewahlt, da n > N stets d(x
n
, x) < zur Folge hat. Da t ein Haufungspunkt der
Folge t
n
ist, gibt es mindestens ein m > N mit d(t, t
n
) < . F ur dieses m gilt dann
d
_
p(x
m
, t
m
), p(x, t
m
)
_
d
_
p(x
m
, t
m
), p(x, t)
_
+ d
_
p(x, t), p(x, t
m
)
_
< /2 + /2.
Dies ist aber ein Widerspruch zu (*). .
Nun fassen wir aber unsere Diskussion zusammen:
Satz 5.8. Sei f: I [a, b] R eine Funktion, wobei I R ein Intervall ist; ferner
sei f bez uglich der zweiten Variablen in der ersten gleichgradig dierenzierbar. Ist
nun die Funktion t f(x, t): [a, b] R f ur jedes x Riemannsch integrierbar, so ist
auch die partielle Ableitung t (
1
f)(x, t) : [a, b] R f ur alle x I Riemannsch
integrierbar, und das Integral F(x) =
_
b
a
f(x, t)dt ist dierenzierbar und hat die
Ableitung
F
(x) =
_
b
a
(
1
f)(x, t)dt.
Die Voraussetzung der gleichgradigen Dierenzierbarkeit von f ist insbesondere
dann erf ullt, falls die partielle Ableitung
1
f: I [a, b] R stetig ist. .
Mit diesem Satz ist insbesondere die noch oen gebliebene Beweisl ucke von
Satz 5.2 geschlossen.
16 5. The so-called vector calculus (in German)
Wie man ein Vektorfeld als innitesimale Transformation auat
Sei E = R
n
und M eine oene Teilmenge von E, und sei f: M E eine dieren-
zierbres Funktion. (Man nennt eine solche Funktionen ja ein Vektorfeld). Wir
wissen dann
f(x +h) = f(x) +f
(x)
_
h
_
+ o(t),
_
exptf
(x)
_
)
_
h
_
= f(x) +tf
(x)
_
h
_
+ o(t).
Daher haben wir
f(x +th) =
_
exptf
(x)
_
(h) + o(t).
Die
Anderung des Vektors f(x) bei Ersetzung des Arguments x zu x +th = x +
tf(x) ist implementiert durch die Anwendung der linearen Abbildung exptf
(x)
auf h.
Setzen wir e = |h|
1
h unter der Annahme h = f(x) ,= 0, dann haben wir
x;e
f =
d
dt
f(x +te)
t=0
=
d
dt
f(x +t|h|
1
h)
t=0
=
d
dt
_
expt|h|
1
f
(x)
_
(h)
t=0
= f
(x)(e).
D.h., f
), und es gilt X = X
a
+X
s
.
Dann ist
exptX = exp t(X
a
+X
s
) =
_
exptX
a
__
exptX
s
_
+ o(t).
Somit
f(x +th) =
_
exptf
(x)
a
__
exptf
(x)
s
_
(h) + o(t).
Es existiert eine Drehung T auf R
n
derart, da die Matrix von Tf
(x
s
)T
1
gerade
die Diagonalmatrix
_
_
_
_
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
.
Damit ist
T
_
exptf
(x)
_
T
1
= exp
_
Tf
(x)T
1
_
=
_
_
_
_
e
t
1
0 0
0 e
t
2
0
.
.
.
.
.
.
.
.
.
0 0 e
t
n
_
_
_
_
.
5. The so-called vector calculus (in German) 17
Ferner ist D = exptf
(x)
a
wegen der Antisymmetrie eine Drehung, denn D
=
exptf
(x)
a
= exptf
(x)
a
= D
1
, und det
_
exptf
(x)
a
_
= e
t Tr f
(x)
a
= e
0
=
1.
Man nennt daher 2f
(x)
a
= f
(x) f
(x)
(x)
_
= e
t Tr f
(x)
= e
t
x
f
.