1 Mehrdimensionale Analysis

Beispiel: Die Gesamtmasse der Erde ist eine Funktion der Erddichte ρ Erde und des Erdradius
r Erde Die Gesamtmasse der Erde ist dann

m Erde = VErde · ρ Erde

Das Volumen einer Kugel mit Radius r ist V = 34 πr3 (warum?) , also

4 3
m Erde = πr ρ
3 Erde Erde

Oberflächegestein hat eine mittlere Dichte von 2, 7t/m3 , der mittlere Erdradius ist 6371km.
Damit ergäbe sich Gesamtmasse der Erde zu 2, 92 · 1021 t . Das tatsächliche Gesamtgewicht
der Erde beträgt aber 5, 974 · 1021 t. Daraus kann man schließen, daß der Erdkern eine sehr
viel höhere Dichte hat, als das Oberflächengestein.
Definition: Ein Ausdruck der Form

∑ ai1 ,...,in x1i1 · . . . · xnin

i1 ,...,in

mit i1 , . . . , in ∈ {i ∈ N0 |i ≤ d}, ai1 ,...,in ∈ R heißt ein Polynom in den n Unbestimmten

x1 , . . . , xn . Durch ein solches Polynom wird mittels Einsetzen von λ1 , . . . , λn eine Funktion
Rn → R definiert.
Der (Total-)grad eines solchen Polynoms ist das Maximum aller i1 + . . . + in , mit ai1 ,...,in 6= 0.
Kurzschreibweise mit Multiindizes:
∑ ai~xi
i ∈Nn

Zwei Polynome ∑i ai~xi und ∑i b~i i sind genau dann gleich, wenn ai = bi für alle i gilt. Multi-
plikation und Addition sind gemäß der üblichen Rechenregeln definiert.
Beispiel: Das Polynom 2z3 x2 y + 5x2 z + x ist ein Polynom in drei Unbestimmten vom Grad
6.
Bemerkung: Aus dem Distributivgesetz

( a1 + a2 )(b1 + b2 ) = a1 b1 + a1 b2 + a2 b1 + a2 b2

folgt das allgemeine Distributivgesetz:

∑ ai ∑ b j = ∑ ai b j
i j i,j

 
a
Besipiel: Sei f ( x, y) = ∑k,l akl x k yl ein Polynom in zwei Unbestimmten. Sei ~a = ∈ R2 .
b
Dann gilt:
∑ akl ((x − a) + a)
k
f ( x, y) = ((y − b) + b)l
 k   l  
k k −i l
= ∑ akl ∑ i a ( x − a) ∑ j bl − j (y − b) j
i

k,l i =0 j =0

  
k l k −i l − j
= ∑ aklk,l ∑ a b ( x − a )i ( y − b ) j
i,j
i k

k+l
= ∑ bij ( x − a)i (y − b) j
i + j =0

Wir betrachten nur die folgenden Summanden für i + j = 0, 1, 2

i = j = 0 : ∑k,l akl ak bl = f ( a, b)
i = 1, j = 0 : ∑k,l akl (k−k!1)!1! ak−1 ( x − a)bl = ∑k,l kak−1 bl ( x − a) =: f x ( a, b)( x − a)

i = 0, j = 1 :∑k,l akl ak lbl −1 (y − b) := f y ( a, b)(y − b)

k ( k −1) k −2 l
i = 2, j = 0 :∑k,l akl (k−k!2)!2! ak−2 ( x − a)2 bl = ∑k,l akl 2 a b (x − a)2 =: 12 f xx ( a, b)( x − a)2
l ( l −1) k l −2
i = 0, j = 2 : ∑k,l akl 2 a b (y − b)2 =: 12 f yy ( a, b)(y − b)2
i = 1, j = 1 : ∑k.l akl klak−1 bl −1 ( x − a)(y − b) =: f xy ( a, b)( x − a)(y − b)
Damit können wir f ( x, y) schreiben als:
 

x−a
f ( x, y) = f ( a, b) + f x ( a, b), f y ( a, b) +
y−b
   k+l
1 f xx ( a, b) f xy ( a, b) x−a
2
( x − a, y − b)
f xy ( a, b) f yy ( a, b) y−b
+ ∑ bij ( x − a)i (y − b) j
i + j >2
 
f xx ( a, b) f xy ( a, b)
D2 f ( a, b)


Schreiben wir noch ∇ f ( a, b) := f x ( a, b), f y ( a, b) und :=
f xy ( a, b) f yy ( a, b)
   
x a
(eine symmetrische Matrix), sowie ~x := und ~a := , so lautet dies:
y b

1 t
f (~x ) = f (~a) + ∇ f (~a) · (~x −~a) + (~x − a~) D2 f (~a)(~x −~a) + Rest
2

Erinnerung: Für ein univariates Polynom galt:

d  
1 00 d
f ( x ) = f ( a) + f ( a)( x − a) + f ( a)( x − a) + ∑
0 2
( x − a)d
2 k =3
k

Das oben gesagte gilt analog für Polynome in beliebig vielen Unbestimmte x1 , . . . , xn . Das
gibt Anlaß zu den folgenden Definitionen.
Definition: Für f (~x ) = ∑i ai~xi , i ∈ Nn ist
∂f
∑ ik ai x11 · . . . · xkk
i i −1
(~a) := · . . . · x in
∂xk i
die partielle Ableitung von f nach der k −ten Variable. Der Zeilenvektor
 
∂f ∂f
∇ f (~a) := (~a), . . . , (~a)
∂x1 ∂xn

ist der Gradient von f . Die Ausdrücke

∂2 f
 
∂ ∂
(~a) := f (~a)
∂xk ∂xl ∂xk ∂xi

sind die zweiten partiellen Ableitungen von f .

Die symmetrische n × n−Matrix
∂2 f
 
2
D f (~a) = (~a)
∂xk ∂xl k,l =1...n

heißte Hessematrix von f .

Beispiel:i) Sei f ( x ) = |~x |2 . Dann ist ∇ f = 2~x t und D2 f (~x ) = 2 · En
ii) Ist ~v ∈ Rn , so ist ist die Abbildung

f (~x ) = a + ~vt · ~x = a + v1 x1 + . . . + vn xn

ein Polynom vom (Total-)grad 1.

iii) Sind A ∈ Mn , ~v ∈ Rn , so ist die Abbildung f : Rn → R
n n
f (~x ) = a + ~vt~x + ~x t A~x = a + ∑ vi xi + ∑ aij xi x j
i =1 i,j=1

ein Polynom vom (Total-)grad 2.

Bemerkung: Ist f ein Polynom in n Unbestimmten und ~e ein Einheitsvektor, so beschreibt
g(t) = ~a + t~e die Gerade durch den Punkt ~a ∈ Rn in Richtung ~e. Dann ist

f (~a + t~e) = f (~a) + ∇ f ( a)(t~e) + Terme höheren Grades

Definition: Der Ausdruck

∂f ∂f
D~e f (~a) = ( (~a), . . . , (~a)) ·~e
∂x1 ∂xn

heißt Richtungsbleitung von f im Punkt ~a in Richtung ~e.

Bemerkung Da ~e ein Einheitsvektor ist, gilt cos ∠(∇ f (~a), ~e) = D~e f (~a). Daher zeigt der
Gradient in Richtung des stärksten Anstiegs von f .
 
F1 (~x )
Bemerkung: Ist F : Rn → Rm , F (~x ) =  ..
 , mit Polynomen F1 , . . . , Fm , so gilt die
 
.
Fm (~x )
obige Darstellung komponentenweise. Es ist also:
F1 (~a) + ∇ F1 (~a) · (~x −~a) + 21 (~x −~a)t D2 F1 (~a)(~x −~a) + Rest1
 

F (~x ) = 
 .. 
. 
1 t 2
Fm (~a) + ∇ Fm (~a) · (~x −~a) + 2 (~x −~a) D Fm (~a)(~x −~a) + Restm
Läßt man nun auch noch die Terme zweiter Ordnung weg, so erhält man:
 
∇ F1 (~a)
F (~x ) ' F (~a) +  ..
 (~x −~a)
 
.
∇ Fm (~a)

Definition: Die m × n−Matrix

 
∂F1 ∂F1
···
 
∇ F1 (~a) ∂x1 (~a ) ∂xn (~a )
D f ( a~) :=  ..   .. .. .. 
=

.  . . . 

∇ Fm (~a) ∂Fm
∂x (~a ) · · ·
∂Fm
∂xn (~a )
1

heißt Jacobimatrix von f . Insbesondere gilt für m = 1: D f (~a) = ∇ f (~a).

Beispiel: Es sei f ( x, y) = x2 + y2 . Dann gilt für ~a = ~0:
 2
∂2 f

∂ f
2 (0, 0) ∂x∂y (0, 0)
 
1 x
f ( x, y) = f (0, 0) + ∇ f (0, 0) · ~x + ( x, a)  ∂∂x2 f ∂2 f

2 (0, 0) (0, 0) y
∂x∂y ∂y2

 
2 0
Es ist ∇ f ( x, y) = (2x, 2y) und D2 f ( x, y) = . Also lautet der obige Ausdruck
0 2
  
1 2 0 x
f ( x, y) = ( x, y) = x 2 + y2
2 0 2 y

was trivialerweise richtig ist. Ist f : R → R, so gilt

f (~x ) ≈ f (~a) + ∇ f (~a) + (~x −~a)t D2 f (~a)(~x −~a)

Da D2 f (~a) eine symmetrische


2
 ist, gibt es eine orthogonale Matrix P, mit D f (~a) =
Matrix
λ1
.. √
P ∆P, mit ∆ = 
t
. . Sind alle λi ≥ 0, so definieren wir ∆ :=
 

λn
 √ 
λ1
.. .
.
 
√

λn
Dann gilt:
√ t√
f (~x ) ≈ f (~a) + ∇ f (~a)(~x −~a) + (~x −~a)t Pt ∆ ∆P(~x −~a)
√
Der letzte Summand ist aber | ∆P(~x −~a)|2 ≥ 0. Man kann zeigen: Ist |~x −~a| klein, sind
alle λi > 0 und gilt ∇ f (~a) = ~0t , so gilt

f (~x ) ≥ f (~a)

Also hat in diesem Falle die Funktion f ein (striktes lokales) Minimum in ~a.
Rechenregeln: Sind f , g : Rn → Rm Abbildungen, deren Koeffizientenabbildungen Poly-
nome sind, so gilt:
D ( f + g)(~a) = D f (~a) + Dg(~a)
D (λ f )(~a) = λD f (~a)

Ist h : Rm → R p , so gilt die Kettenregel:

D (h ◦ f )(~a) = Dh( f (~a)) · D f (~a)

Grund: Übung
Beispiel: Ein wichtiger Spezialfall der Kettenregel ist f : R → Rm , g : Rm → R. Dann ist
( g ◦ f )(t) = g( f 1 (t), . . . , gm (t)) und somit ( g ◦ f )0 (t) = ∇ g( f (t)) · f 0 (t) = ∑m ∂g
j=1 ∂x j ( f ( t )) ·
f j ( t ).
Bemerkung: Unter den Vektorfunktionen f : Rn → Rn mit polynomialen Koorordinaten-
funktionen sind wiederum diejenigen vom Grad 1 die einfachsten, also
 
a1 + a11 x1 + . . . + a1n xn
..
f ( x1 , . . . , x n ) =   = ~a + A · ~x
 
.
an + an1 x1 + . . . + ann xn

     
a1 x1 a11 · · · a1n
mit ~a =  ...  , ~x =  ...  und A =  ... ... .. .
    
. 
an xn an1 · · · ann
Tabelle der Ableitungen
Funktion Name d. Funktion Ableitung Name der Ableitung
f :R→R - D f ( a) = f 0 ( a) Ableitung
f 10 ( a)
 

f : R → Rn Kurve D f ( a) = 
 ..  Tangentenvektor
. 
0
f n ( a)
∂f ∂f
f : Rn → R Skalarenfeld D f (~a = ∇ f (~a) = ( ∂x (~a), . . . ∂xn (~a)) Gradient (Nabla)
1
f : Rn → Rn Vektorfeld D f (~a) Jacobische
f : Rn → Rm - D f (~a) Jacobische
Klassifizierung von linearen 2D-Vektorfeldern: Für das charakeristische Polynom einer
2 × 2− Matrix gibt es die folgenden Möglichkeiten
(die eingezeichneten Linien sind Flußlinien, also Kurven, deren Tangente das Vektorfeld im
gegebenen Punkt sind).
 Nullstellen sind: Beispiel

 
1 1
beide Nullstellen reell und positiv
0 2

 
−1 −1
beide Nullstellen reell und negativ
0 −2

 
1 1
beide Nullstellen reell, von verschiedenem Vorzeichen
0 −2

 
0 1
beide Nullstellen rein imaginär Ze
−4 0

 
1 1
beide Nullstellen komplex, mit positivem Realteil
−4 1

 
−1 −1
beide Nullstellen komplex, mit negativem Realteil
4 −1