Analysis 1. Vorlesungsausarbeitung zum WS 2000/01. von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis

Transkript

1 Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 1 Kapitel 2 Stetigkeit Vorlesungsausarbeitung zum WS 2000/01 von Prof Dr Klaus Fritzsche Inhaltsverzeichnis 1 Metrische Räume 43 2 Stetige Abbildungen 53 3 Unendliche Reihen 61 4 Folgen und Reihen von Funktionen 73 5 Potenzreihen 77 6 Elementare Funktionen 84 7 Der Fundamentalsatz der Algebra 91 Diese Ausarbeitung darf nur für den privaten Gebrauch kopiert oder gedruckt werden Jede unauthorisierte kommerzielle Nutzung wird strafrechtlich verfolgt!

2 1 Metrische Räume 43 1 Metrische Räume Definition Es sei X eine beliebige nicht-leere Menge Unter einer Metrik (oder Abstandsfunktion) auf X versteht man eine Funktion d : X X R mit folgenden Eigenschaften: 1 d(x, y) 0 für alle x, y X 2 d(x, y) = 0 x = y 3 d(x, y) = d(y, x) für alle x, y X (Symmetrie) 4 d(x, y) d(x, z) + d(z, y) für x, y, z X (Dreiecks-Ungleichung) Ein metrischer Raum ist eine Menge X, zusammen mit einer Metrik d auf X Beispiele 1 Klassisches Beispiel ist die Menge X = R mit der Abstandsfunktion d(x, y) := x y Die ersten drei Eigenschaften sind offensichtlich erfüllt Die Dreiecksungleichung zeigt man mit dem üblichen Trick: d(x, y) = x y = (x z) + (z y) x z + z y = d(z, x) + d(y, z) 2 Sei (X, d X ) ein metrischer Raum und Y X Dann ist auch (Y, d X Y ) ein metrischer Raum Insbesondere kann man jede Teilmenge von R als einen metrischen Raum auffassen 3 Sei X die Menge der Einwohner von Hamburg und d : X X R definiert durch { 0 falls x = y, d(x, y) := 1 sonst Auch dies ergibt einen metrischen Raum 4 Sei X = R 2 := {x = (x 1, x 2 ) : x i R für i = 1, 2} Das ist das mathematische Modell der Anschauungsebene Wir setzen d(x, y) := max( x 1 y 1, x 2 y 2 ) Die Eigenschaften einer Metrik sind erfüllt, wie man leicht nachrechnet Aber es handelt sich natürlich nicht um den anschaulichen Abstandsbegriff Den behandeln wir im folgenden Beispiel

3 44 Kapitel 2 Stetigkeit 5 Als Menge legen wir den Raum R n = {(x 1,, x n ) : x i R für i = 1,, n} der geordneten n-tupel reeller Zahlen zugrunde In der Linearen Algebra lernt man, daß R n ein reeller Vektorraum ist, dh man kann die Elemente von R n addieren und mit reellen Zahlen multiplizieren: (x 1,, x n ) + (y 1,, y n ) := (x 1 + y 1,, x n + y n ) und r (x 1,, x n ) := (rx 1,, rx n ) Bezüglich der Addition ist R n eine kommutative Gruppe, mit dem Nullelement 0 = (0,, 0) und dem Negativen (x 1,, x n ) = ( x 1,, x n ) Außerdem gilt: (r + s) x = r x + s x für r, s R, x R n, r (x + y) = r x + r y für r R, x, y R n, r (s x) = (rs) x für r, s R, x R n und 1 x = x für x R n Die Einheitsvektoren e 1 = (1, 0,, 0),, e n = (0,, 0, 1) bilden eine Basis des R n, dh jeder Vektor x R n besitzt eine eindeutige Darstellung als Linearkombination der e i : x = (x 1,, x n ) = x 1 e x n e n Das Skalarprodukt zweier Vektoren x, y R n wird definiert als x y := n x i y i i=1 Es gilt: (a) x y = y x (klar!) (b) (x + y) z = x z + y z Beweis: (x + y) z = n (x i + y i )z i = i=1 n x i z i + i=1 n y i z i = x z + y z i=1 (c) (r x) y = r(x y) n (d) x x = x 2 i 0 für alle x R n i=1 Und offensichtlich ist x x = 0 genau dann, wenn x = 0 ist

4 1 Metrische Räume 45 Auf die anschauliche Bedeutung des Skalarproduktes können wir an dieser Stelle nicht eingehen, wir betrachten es einfach als eine Rechengröße Die Zahl x := x x = x x 2 n nennt man die Norm von x Im Falle n = 1 ist x = x, im Falle n = 2 oder n = 3 kommt die euklidische Länge des Vektors x heraus, gemäß Pythagoras Die Norm erfüllt folgende Eigenschaften: (a) Es ist immer x 0, und es ist x = 0 genau dann, wenn x = 0 ist (b) Ist r R, so ist r x = r x (c) Es gilt die Schwarzsche Ungleichung : (x y) 2 x 2 y 2 Gleichheit tritt genau dann auf, wenn x und y linear abhängig sind, dh wenn x ein Vielfaches von y oder y ein Vielfaches von x ist Die Schwarzsche Ungleichung müssen wir beweisen: Ist y = 0, so ergibt sich auf beiden Seiten die Null Daher können wir voraussetzen, daß y 0 ist Wir benutzen eine beliebige reelle Zahl t und erhalten: Setzen wir t := x y y 2 0 x + t y 2 = (x + t y) (x + t y) 0 x x + = x x + t 2 y y + 2t x y ein, so ergibt sich: (x y)2 (x y)2 2 = x 2 (x y)2 y 2 y 2 y 2 Multiplikation mit y 2 liefert die Schwarzsche Ungleichung Offensichtlich gilt die Gleichheit genau dann, wenn x + t y = 0 ist, also x = t y Behauptung: x + y x + y (Dreiecksungleichung) Beweis: Es ist x + y 2 = (x + y) (x + y) = x x + 2 x y + y y x x y + y 2 x x y + y 2 = ( x + y ) 2 Jetzt können wir endlich den euklidischen Abstandsbegriff einführen:

5 46 Kapitel 2 Stetigkeit dist(x, y) := y x Offensichtlich erfüllt dist die ersten drei Eigenschaften einer Metrik Außerdem ist dist(x, y) = y x = (y z) + (z x) Ausführlich geschrieben haben wir y z + z x = dist(z, y) + dist(x, z) dist(x, y) = (y 1 x 1 ) (y n x n ) 2 Das ist eine n-dimensionale Version des Pythagoras 6 Ein Spezialfall ist die komplexe Ebene C = R 2 Ist z eine komplexe Zahl, so nennt man z := zz den Betrag der komplexen Zahl Er entspricht der Norm des Vektors z Durch d(z, w) := w z wird eine Metrik auf C definiert Sie stimmt mit der euklidischen Metrik des R 2 überein Es sei nun (X, d) irgend ein metrischer Raum Definition die ε-umgebung von x 0 Sei x 0 ein Punkt aus X und ε > 0 eine reelle Zahl Dann heißt U ε (x 0 ) := {x X : d(x, x 0 ) < ε} In R ist U ε (x 0 ) = (x 0 ε, x 0 +ε) ein offenes Intervall In R 2 (oder C) ist U ε (x 0 ) eine Kreisscheibe, wir schreiben dann auch D ε (x 0 ) ( D für das englische Wort disk ) In R 3 ist U ε (x 0 ) eine Kugel, wir schreiben auch B ε (x 0 ) ( B für ball ) Der Rand gehört jeweils nicht zu der Menge Eine beliebige Teilmenge M X heißt eine Umgebung von x 0, falls es ein ε > 0 mit U ε (x 0 ) M gibt Der Punkt x 0 hat dann einen Sicherheitsabstand zum Rand der Umgebung M seinerseits kann eine beliebige Gestalt haben Jede ε-umgebung von x 0 ist auch eine allgemeine Umgebung von x 0 Der Durchschnitt von zwei Umgebungen eines Punktes ist wieder eine Umgebung dieses Punktes 11 Hausdorffscher Trennungssatz Sind x, y X zwei Punkte mit x y, so gibt es Umgebungen U von x und V von y, so daß U V = ist Beweis: Wegen x y ist r := d(x, y) > 0 Nun sei 0 < ε < r/2, U = U ε (x) und V = U ε (y) Wäre z ein Punkt in U V, so wäre d(x, y) d(x, z) + d(z, y) < 2ε < r

6 1 Metrische Räume 47 Das ist ein Widerspruch Definition Eine Menge M X heißt offen, falls es zu jedem x M ein ε > 0 gibt, so daß U ε (x) M ist Eine Menge M ist also genau dann offen, wenn sie für jeden ihrer Punkte eine Umgebung darstellt 12 Satz Jede ε-umgebung ist eine offene Menge Beweis: Sei y U ε (x 0 ) Wir suchen eine δ-umgebung von y, die noch ganz in U ε (x 0 ) enthalten ist Dazu sei r := d(y, x 0 ) Dann ist 0 r < ε Man kann eine positive reelle Zahl δ < ε r finden Ist x U δ (y), also d(x, y) < δ, so ist d(x, x 0 ) d(x, y)+d(y, x 0 ) < δ +r < (ε r)+r = ε Das zeigt, daß U δ (y) U ε (x 0 ) ist 13 Satz Die offenen Mengen in einem metrischen Raum besitzen folgende Eigenschaften: 1 X und die leere Menge sind offen 2 Der Durchschnitt endlich vieler offener Mengen ist wieder offen 3 Die Vereinigung beliebig vieler offener Mengen ist wieder offen Beweis: 1) Für X und ist der Beweis trivial 2) Seien M 1,, M n offen und M := M 1 M n Ist x M, so gibt es Zahlen ε i > 0 mit U εi (x) M i für i = 1,, n Setzt man ε := min(ε 1,, ε n ), so liegt U ε (x) in M 3) Es sei M = {M ι : ι I} eine Familie von offenen Mengen, M = ι I M ι deren Vereinigung, x ein Element von M Dann gibt es ein ι mit x M ι Also gibt es auch ein ε > 0, so daß U ε (x) M ι ist Aber dann ist erst recht U ε (x) M Definition Eine Menge M X heißt abgeschlossen, falls X \ M offen ist 14 Satz Die abgeschlossenen Mengen in einem metrischen Raum besitzen folgende Eigenschaften: 1 X und die leere Menge sind abgeschlossen 2 Die Vereinigung endlich vieler abgeschlossener Mengen ist wieder abgeschlossen

7 48 Kapitel 2 Stetigkeit 3 Der Durchschnitt beliebig vieler abgeschlossener Mengen ist wieder abgeschlossen Der Beweis ergibt sich unmittelbar aus den Regeln der Komplement-Bildung Definition Sei M X eine beliebige Teilmenge Ein Punkt x 0 X heißt ein Häufungspunkt der Menge M, falls in jeder Umgebung von x 0 unendlich viele (verschiedene) Punkte von M liegen Eine endliche Menge besitzt keine Häufungspunkte Auch Z hat keinen Häufungspunkt in R Aber jede reelle Zahl ist ein Häufungspunkt von Q Beispiel Sei M R eine nach oben beschränkte Menge, x 0 := sup(m) Nun gibt es zwei Möglichkeiten: Entweder existiert ein ε > 0, so daß M U ε (x 0 ) = {x 0 } ist, oder für jedes ν N kann man ein Element x ν M mit x 0 1 ν x ν < x 0 finden (denn sonst wäre x 0 nicht die kleinste obere Schranke von M) Im ersten Fall muß x 0 zu M gehören, und man nennt x 0 einen isolierten Punkt von M Zugleich ist dann x 0 = max(m) Im zweiten Fall wollen wir zeigen, daß x 0 ein Häufungspunkt von M ist Sei ε > 0 vorgegeben Wenn es nur endlich viele x ν in M U ε (x 0 ) gäbe, so könnten wir darunter ein größtes Element finden, etwa x n0 Aber da x 0 x n0 > 0 ist, gibt es ein n 1 N mit 1/n 1 < x 0 x n0 Und dann gibt es ein x n1 M mit x n0 < x 0 1/n 1 x n1 < x 0 Das ist ein Widerspruch Analoges gilt für das Infimum einer nach unten beschränkten Menge 15 Satz Eine Teilmenge M eines metrischen Raumes X ist genau dann abgeschlossen, wenn sie alle ihre Häufungspunkte enthält Beweis: 1) Sei M abgeschlossen und x 0 ein Häufungspunkt von M Wenn x 0 nicht zu M gehört, dann liegt x 0 in der offenen Menge X \ M Also existiert ein ε > 0, so daß auch noch U := U ε (x 0 ) zu X \ M gehört Das ist ein Widerspruch 2) Es sei M eine Menge, die alle ihre Häufungspunkte enthält Wir betrachten einen beliebigen Punkt x 0 X \ M Da x 0 kein Häufungspunkt von M ist, gibt es eine Umgebung V = V (x 0 ) X, die höchstens endlich viele Punkte y 1,, y m M enthält Wegen der Hausdorffschen Trennungs-Eigenschaft gibt es Umgebungen U i = U i (y i ) und V i = V i (x 0 ) mit U i V i =, für i = 1,, m Dann ist W := V V 1 V m eine Umgebung von x 0, die keinen Punkt von M enthält Weil so etwas mit jedem Punkt x 0 X \ M geht, ist X \ M offen und M selbst abgeschlossen

8 1 Metrische Räume 49 Definition Ist M X eine beliebige Teilmenge und H(M) die Menge aller Häufungspunkte von M, so nennt man M := M H(M) die abgeschlossene Hülle oder den Abschluß von M 16 Satz Sei M eine beliebige Teilmenge eines metrischen Raumes X Dann gilt: 1 M ist abgeschlossen 2 M ist genau dann abgeschlossen, wenn M = M ist Beweis: 1) Ein Punkt x 0 X liegt genau dann in M, wenn M U ε (x 0 ) für jedes ε > 0 gilt Man nennt einen solchen Punkt auch einen Berührungspunkt von M x 0 ist genau dann kein Berührungspunkt von M, wenn es ein ε > 0 gibt, so daß M U ε (x 0 ) = ist Ist y U ε (x 0 ), so gibt es ein δ > 0, so daß U δ (y) U ε (x 0 ) X \ M ist Aber dann kann y kein Häufungspunkt von M sein Das bedeutet, daß X \ M offen ist, also M abgeschlossen 2) Es ist M M Ist M abgeschlossen, so ist H(M) M, also sogar M = M Ist umgekehrt diese Gleichheit gegeben, so ist M abgeschlossen, nach (1) Es ist (a, b) = [a, b], und im R n ist U ε (x 0 ) = {x X : d(x, x 0 ) ε} In einem beliebigen metrischen Raum gilt ia nur So ist zb im metrischen Raum Z jede Teilmenge zugleich offen und abgeschlossen, und es ist dort U 1 (0) = {z Z : z < 1} = {0}, U 1 (0) = {0} und {z Z : z 1} = { 1, 0, 1} Definition Eine Folge (x ν ) von Punkten in X konvergiert gegen einen Punkt x 0, falls folgende Bedingung erfüllt ist: Man schreibt dann: lim ν x ν = x 0 ε > 0 ν 0, so daß ν ν 0 gilt: d(x ν, x 0 ) < ε Man kann auch sagen: (x ν ) konvergiert in X gegen x 0, falls d(x ν, x 0 ) in R gegen 0 konvergiert Im metrischen Raum R ergibt das den bereits bekannten Konvergenzbegriff Wie dort folgt auch in beliebigen Räumen, daß der Grenzwert eindeutig bestimmt ist Betrachten wir jetzt den R n mit der euklidischen Metrik Ist x ν = (x (ν) 1,, x (ν) eine Punktfolge und x 0 = (x (0) 1,, x (0) n ) ein fester Punkt, so ist dist(x ν, x 0 ) = x ν x 0 = (x (ν) 1 x (0) 1 ) (x (ν) n x (0) n ) 2 n )

9 50 Kapitel 2 Stetigkeit dist(x ν, x 0 ) konvergiert offensichtlich genau dann gegen 0, wenn x (ν) i x (0) i für jedes i gegen Null konvergiert Die Folge (x ν ) konvergiert also genau dann, wenn alle Komponenten (x (ν) i ) konvergieren 17 Satz Eine Teilmenge M in einem metrischen Raum X ist genau dann abgeschlossen, wenn gilt: Ist (x ν ) eine Folge in M, die in X konvergiert, so liegt der Grenzwert ebenfalls in M Beweis: 1) Sei M abgeschlossen, (x ν ) eine Folge in M und x 0 = lim x ν Ist die ν Menge der Folgeglieder endlich, so muß x 0 eines dieser Folgeglieder sein und daher in M liegen Ist sie unendlich, so ist x 0 ein Häufungspunkt von M und es folgt ebenfalls, daß x 0 in M liegt 2) M erfülle das Kriterium und x 0 sei ein Häufungspunkt von M Dann liegt in jeder (1/ν)-Umgebung von x 0 ein Punkt x ν M Offensichtlich konvergiert (x ν ) gegen x 0 Also liegt x 0 schon in M Wir haben gezeigt, daß M abgeschlossen ist Eine Menge M R n heißt beschränkt, falls es ein R > 0 gibt, so daß M in der Kugel B R (0) = {x R n : d(x, 0) < R} enthalten ist Eine Folge im R n heißt beschränkt, wenn die Menge der Folgeglieder beschränkt ist Es gilt folgende Verallgemeinerung des Satzes von Bolzano-Weierstraß: 18 Satz Sei x ν = (x (ν) 1,, x (ν) n ) eine beschränkte Folge im R n Dann besitzt (x ν ) eine konvergente Teilfolge Beweis: Es gibt ein R > 0, so daß alle x ν in B R (0) liegen Aber dann liegen sie erst recht in I n = I I, mit I := [ R, R] (x (ν) 1 ) besitzt eine konvergente Teilfolge (x (ν(i 1)) 1 ) mit einem Grenzwert x (0) 1 I (x (ν(i 1)) 2 ) besitzt eine konvergente Teilfolge (x (ν(i 2)) 2 ) mit einem Grenzwert x (0) 2 I, usw Schließlich erhält man eine konvergente Teilfolge (x ν(in)) von (x ν ) Definition Eine Folge (x ν ) in einem metrischen Raum X heißt eine Cauchy- Folge, falls folgende Bedingung erfüllt ist: ε > 0 ν 0, so daß ν, µ ν 0 gilt: d(x ν, x µ ) < ε 19 Satz Ist (x ν ) konvergent, so ist (x ν ) eine Cauchyfolge Beweis: Sei x 0 der Grenzwert der Folge, ε > 0 vorgegeben und ν 0 so gewählt, daß d(x ν, x 0 ) < ε/2 für ν ν 0 ist Dann folgt für ν, µ ν 0 :

10 1 Metrische Räume 51 Also ist (x ν ) eine Cauchy-Folge d(x ν, x µ ) d(x ν, x 0 ) + d(x 0, x µ ) < ε Definition Ein metrischer Raum X heißt vollständig, falls jede Cauchyfolge in X einen Grenzwert in X hat Beispiele 1 R ist vollständig Um das zu zeigen, betrachten wir eine Cauchyfolge (x ν ) Wir müssen einen Grenzwert finden Zunächst ist (x ν ) beschränkt: ist ε > 0 vorgegeben, so gibt es ein ν 0, so daß x ν x ν0 < ε für alle ν ν 0 ist Ist außerdem r := max(ε, x 1 x ν0,, x ν0 1 x ν0 ), so liegen alle Folgeglieder in [x ν0 r, x ν0 + r] Wir wissen nun, daß eine Teilfolge (x νi ) existiert, die gegen eine reelle Zahl x 0 konvergiert Sei ε > 0 vorgegeben Es gibt ein ν 0, so daß x ν x µ < ε/2 für ν, µ ν 0 ist Und es gibt ein i 0 mit ν i0 ν 0 und x νi0 x 0 < ε/2 Daraus folgt: x ν x 0 x ν x νi0 + x νi0 x 0 < ε/2 + ε/2 = ε (x ν ) konvergiert selbst gegen x 0 Das liefert das Cauchy-Kriterium für die Konvergenz von Zahlenfolgen: Eine Folge (x ν ) in R ist genau dann konvergent, wenn gilt: ε > 0 ν 0 sd ν, µ ν 0 : x ν x µ < ε Dies ist eine weitere Möglichkeit, die Konvergenz einer Zahlenfolge festzustellen, ohne den Grenzwert zu kennen 2 Da die Konvergenz von Vektorfolgen auf die Komponenten zurückgeführt werden kann, ergibt sich auch, daß der R n (und insbesondere C) vollständig ist 3 Jede abgeschlossene Teilmenge eines vollständigen Raumes ist wieder ein vollständiger Raum 4 Ein offenes Intervall in R ist nicht vollständig Auch die Menge Q der rationalen Zahlen ist nicht vollständig

11 52 Kapitel 2 Stetigkeit Definition Eine Teilmenge K eines metrischen Raumes X heißt kompakt, falls jede Punktfolge in K eine (in K) konvergente Teilfolge besitzt 110 Satz von Heine-Borel Eine Teilmenge K des R n ist genau dann kompakt, wenn sie abgeschlossen und beschränkt ist Beweis: 1) Sei K kompakt Ist K nicht beschränkt, so gibt es eine Punktfolge (x ν ) in K mit x ν > ν Dann ist auch jede Teilfolge von (x ν ) unbeschränkt Das ist ein Widerspruch Sei nun x 0 ein Häufungspunkt von K Dann gibt es für jedes ν einen Punkt x ν K B 1/ν (x 0 ) Die Folge (x ν ) konvergiert gegen x 0, und nach Voraussetzung konvergiert eine Teilfolge gegen ein Element von K Das muß dann aber x 0 sein Also ist K abgeschlossen 2) Sei jetzt K als abgeschlossen und beschränkt vorausgesetzt Eine Punktfolge in K ist dann ebenfalls beschränkt und eine Teilfolge davon konvergiert gegen ein x 0 X Aber weil K abgeschlossen ist, liegt x 0 in K Bemerkung Genau wie im R n beweist man auch in beliebigen metrischen Räumen: Jede kompakte Teilmenge ist abgeschlossen 111 Satz Ein kompakter metrischer Raum ist vollständig Beweis: Ist (x ν ) eine Cauchyfolge in einem kompakten Raum X, so besitzt sie eine konvergente Teilfolge Wie im Beweis der Vollständigkeit von R zeigt man nun, daß bereits die ursprüngliche Folge gegen den Grenzwert der Teilfolge konvergiert Umgekehrt braucht ein vollständiger metrischer Raum nicht kompakt zu sein, wie man am Beispiel X = R sieht Beispiele 1 In R ist jedes abgeschlossene Intervall kompakt Im R n ist jede abgeschlossene Kugel B r (x 0 ) = {x R n : x x 0 r} kompakt Vorsicht! In einem beliebigen metrischen Raum braucht eine solche abgeschlossene Kugel nicht kompakt zu sein! Auch dann nicht, wenn oben die Gleichheit gilt 2 Jede endliche Teilmenge eines metrischen Raumes ist kompakt 3 Sei (x ν ) eine konvergente Punktfolge in einem metrischen Raum X, mit Grenzwert x 0 Dann ist M := {x 0 } {x ν : ν N} kompakt Man sieht das so: Jede Folge in M ist eine Teilfolge von (x ν ), oder die Folgeglieder nehmen nur endlich viele Werte an In beiden Fällen gibt es eine Teilfolge, die in M konvergiert

12 2 Stetige Abbildungen 53 4 Ist X ein kompakter metrischer Raum und M X eine abgeschlossene Teilmenge, so ist auch M kompakt Der Beweis ist trivial 2 Stetige Abbildungen Definition Sei f : X Y eine Abbildung zwischen zwei metrischen Räumen f heißt stetig in x 0 X, falls gilt: ε > 0 δ > 0 sd x X mit d X (x, x 0 ) < δ gilt: d Y (f(x), f(x 0 )) < ε f heißt stetig, falls f in jedem Punkt von X stetig ist Ist M R, so ist eine Funktion f : M R stetig in x 0, falls gilt: ε > 0 δ > 0 sd gilt: Ist x x 0 < δ, so ist f(x) f(x 0 ) < ε Anschaulich bedeutet dies: Man kann eine beliebig kleine Schranke ε vorgeben Wenn x nur nahe genug bei x 0 ist, so sind die Bildpunkte f(x) und f(x 0 ) um weniger als ε voneinander entfernt 21 Satz Folgende Aussagen sind äquivalent: 1 f ist stetig in x 0 2 Zu jeder Umgebung V = V (f(x 0 )) gibt es eine Umgebung U = U(x 0 ) mit f(u) V 3 Für jede Folge (x ν ) in X mit lim ν x ν = x 0 gilt auch lim ν f(x ν ) = f(x 0 ) Beweis: (1) = (2): Ist V eine Umgebung von f(x 0 ), so enthält V eine ε-umgebung von f(x 0 ) Nach Definition der Stetigkeit gibt es ein δ > 0 mit f(u δ (x 0 )) U ε (f(x 0 )) Wir setzen U := U δ (x 0 ) (2) = (3): Sei (x ν ) eine Folge in X, die gegen x 0 konvergiert Außerdem sei ein ε > 0 vorgegeben Es gibt eine Umgebung U = U(x 0 ) mit f(u) U ε (f(x 0 )) Für ein geeignetes ν 0 liegen alle Folgeglieder x ν mit ν ν 0 in U Dann ist d Y (f(x ν ), f(x 0 )) < ε für ν ν 0 Das bedeutet, daß (f(x ν )) gegen f(x 0 ) konvergiert (3) = (1): Es sei das Folgenkriterium erfüllt Wir nehmen an, f sei nicht stetig in x 0 Dann gibt es ein ε > 0, so daß zu jedem ν N ein x ν mit d X (x ν, x 0 ) < 1/ν und d Y (f(x ν ), f(x 0 )) ε existiert Aber das kann nicht sein Auch für die globale Stetigkeit haben wir äquivalente Formulierungen 22 Satz Folgende Aussagen über f : X Y sind äquivalent:

13 54 Kapitel 2 Stetigkeit 1 f ist stetig 2 Ist M Y offen, so ist auch f 1 (M) X offen 3 Ist A Y abgeschlossen, so ist auch f 1 (A) X abgeschlossen Beweis: (1) = (3): Sei f stetig, A Y abgeschlossen und (x ν ) eine Punktfolge in f 1 (A), die gegen ein x 0 X konvergiert Dann liegen die Punkte y ν := f(x ν ) in A, und die Folge (y ν ) konvergiert gegen f(x 0 ) Weil A abgeschlossen ist, gehört f(x 0 ) auch zu A, also x 0 zu f 1 (A) Das bedeutet, daß f 1 (A) abgeschlossen ist (3) = (2): Trivial, weil X \ f 1 (M) = f 1 (Y \ M) ist (2) = (1): Sei x 0 X und y 0 := f(x 0 ) Sei außerdem ein ε > 0 vorgegeben Nach Voraussetzung ist f 1 (U ε (y 0 )) eine offene Menge, die den Punkt x 0 enthält Also gibt es ein δ > 0 mit U δ (x 0 ) f 1 (U ε (y 0 )), also f(u δ (x 0 )) U ε (f(x 0 )) Das ergibt die Stetigkeit in x 0 und damit in jedem beliebigen Punkt von X 23 Satz Es seien f : X Y und g : Y Z Abbildungen zwischen metrischen Räumen Ist f stetig in x 0 X und g stetig in y 0 := f(x 0 ) Y, so ist auch g f : X Z stetig in x 0 Beweis: Sei z 0 := g(y 0 ) = (g f)(x 0 ) und W = W (z 0 ) Z eine Umgebung Dann gibt es eine Umgebung V = V (y 0 ) Y mit g(v ) W, sowie eine Umgebung U = U(x 0 ) X mit f(u) V Es folgt, daß (g f)(u) W ist, also g f stetig in x 0 Beispiele 1 Besteht Y nur aus einem einzigen Punkt y 0, so ist jede Abbildung f : X Y stetig, denn es ist f 1 (Y ) = X und Y die einzige offene Umgebung von y 0 Insbesondere ist jede konstante Funktion auf R stetig 2 Ist X ein metrischer Raum, so ist die identische Abbildung id X : X X stetig, denn id 1 X (M) = M für jede (und insbesondere jede offene) Teilmenge von X Speziell ist die Funktion f(x) = x auf R stetig 3 Ist f : X Y stetig (in x 0 ) und M X eine Teilmenge (mit x 0 M), so ist auch f M : M Y stetig (in x 0 )

14 2 Stetige Abbildungen 55 Es seien nun eine Zahl x 0 R und zwei Funktionen f 1 : (, x 0 ] R und f 2 : [x 0, + ) R gegeben Sind f 1, f 2 beide stetig und f 1 (x 0 ) = f 2 (x 0 ), so ist auch { f1 (x) für x x f(x) := 0, f 2 (x) für x > x 0 stetig auf R Dazu brauchen wir nur das Verhalten bei x 0 zu untersuchen Sei y 0 := f(x 0 ) = f 1 (x 0 ) = f 2 (x 0 ) Sei ε > 0 vorgegeben Es gibt Zahlen δ 1, δ 2 > 0, so daß f 1 (x) y 0 < ε für x x 0 und x x 0 < δ 1 ist, sowie f 2 (x) y 0 < ε für x > x 0 und x x 0 < δ 2 Setzen wir δ := min(δ 1, δ 2 ), so ist f(x) y 0 < ε für x x 0 < δ 4 Eine Abbildung f : R n R m heißt linear, falls gilt: f(x + y) = f(x) + f(y), für x, y R n, und f(λx) = λ f(x) für λ R, x R n Bezeichnen wir die Einheitsvektoren im R n mit e 1,, e n, so erhalten wir für x = x 1 e x n e n die Abschätzung f(x) = n x i f(e i ) i=1 n x i f(e i ) i=1 C max x i i C x, wobei C = n i=1 f(e i) eine nur von f abhängige Konstante ist Aus der gewonnenen Ungleichung leitet man sofort ab, daß f im Nullpunkt stetig ist Es ist jetzt aber auch f(x) f(y) = f(x y) C x y Daraus folgt, daß f überall stetig ist Insbesondere ist jede Funktion f(x) := ax (mit a 0) stetig Zusammen mit dem vorigen Beispiel ergibt das auch die Stetigkeit der Funktion f(x) := x 5 Es sei X ein metrischer Raum, und es seien stetige Abbildungen f, g : X R m gegeben Dann sind auch die Abbildungen f + g : X R m und f g : X R (mit (f g)(x) := f(x) g(x)) stetig Beweis: Man braucht nur die Stetigkeit in einem Punkt zu untersuchen und benutzt am besten das Folgenkriterium und die Konvergenzsätze, zb:

15 56 Kapitel 2 Stetigkeit Aus x ν x 0 folgt: f(x ν ) f(x 0 ) und g(x ν ) g(x 0 ), und dann (f + g)(x ν ) = f(x ν ) + g(x ν ) f(x 0 ) + g(x 0 ) = (f + g)(x 0 ) Daraus folgt zb, daß alle reellen Polynome stetig sind 6 Eine Abbildung f = (f 1,, f m ) : X R m ist genau dann stetig, wenn alle Komponenten-Funktionen f i : X R stetig sind Eine komplexe Funktion f ist deshalb genau dann stetig, wenn Realteil und Imaginärteil stetig sind, und dann folgt, daß auch f stetig ist Mit ähnlichen Argumenten wie oben folgt, daß auch alle komplexen Polynome stetig sind 24 Satz Sei X ein metrischer Raum und f : X R eine stetige Funktion Dann ist die Menge M := {x X : f(x) > 0} offen Beweis: Sei x 0 M, r 0 := f(x 0 ) Ist 0 < ε < r 0, so gibt es ein δ > 0, so daß f(x) f(x 0 ) < ε für x U δ (x 0 ) ist Für jedes x U δ (x 0 ) ist dann 0 < r 0 ε = f(x 0 ) ε < f(x), also x M Daraus folgt, daß M offen ist 25 Folgerung 1 f, g : X R seien stetig Dann gilt: 1 {x X : f(x) < g(x)} ist offen 2 {x X : f(x) = g(x)} und {x X : f(x) g(x)} sind abgeschlossen Beweis: 1) {f < g} = {g f > 0} ist offen, wegen des Satzes 2) Da auch {f > g} offen ist, muß {f g} offen sein, also {f = g} abgeschlossen Schließlich ist {f g} das Komplement von {f > g}, also ebenfalls abgeschlossen 26 Folgerung 2 Sei f : X R stetig, x 0 X und f(x 0 ) 0 Dann gibt es eine Umgebung U = U(x 0 ) X, so daß f(x) 0 für x U ist Die auf U definierte Funktion 1 f ist stetig in x 0 Beweis: Der erste Teil der Aussage folgt sofort aus den obigen Resultaten Die Stetigkeit von 1/f ergibt sich aus dem Folgenkriterium und den Konvergenzsätzen 27 Folgerung 3 Sind f und g reelle Polynome, so ist die rationale Funktion f/g stetig auf der Menge {x R : g(x) 0} 28 Satz Sei f : X Y eine stetige Abbildung zwischen metrischen Räumen Ist K X kompakt, so ist auch f(k) kompakt Beweis: Sei (y ν ) eine Folge von Punkten in f(k) Dann gibt es zu jedem ν einen Punkt x ν K mit f(x ν ) = y ν Weil K kompakt ist, besitzt die Folge (x ν ) eine

16 2 Stetige Abbildungen 57 konvergente Teilfolge (x νi ), ihr Grenzwert in K sei mit x 0 bezeichnet Wegen der Stetigkeit von f konvergiert (y νi ) gegen f(x 0 ), und dieser Punkt liegt in f(k) 29 Folgerung Sei X ein kompakter metrischer Raum Dann nimmt jede Funktion f : X R auf X ihr Maximum und ihr Minimum an Beweis: f(x) R ist kompakt, also abgeschlossen und beschränkt Demnach existieren y := inf f(x) und y + := sup f(x), und sie sind in f(x) enthalten Also gibt es Punkte x und x + in X mit f(x ) = y und f(x + ) = y + Insbesondere nimmt eine stetige Funktion f : [a, b] R (auf einem abgeschlossenen Intervall) Maximum und Minimum an und ist demnach beschränkt Zwischen dem minimalen und dem maximalen Wert gibt es keine Lücken, wie die folgenden Sätze zeigen 210 Satz von Bolzano Sei f : [a, b] R stetig, f(a) < 0 und f(b) > 0 Dann gibt es ein x 0 [a, b] mit f(x 0 ) = 0 Beweis: Die Menge N := {x [a, b] : f(x) < 0} ist nicht leer und nach oben beschränkt, also existiert x 0 := sup(n), und es ist a x 0 b Weil N offen in [a, b] ist, muß x 0 > a sein Daher gibt es eine Folge (x ν ) in N mit a < x ν < x 0 und lim x ν = x 0 Weil f(x ν ) < 0 für alle ν ist, muß auch f(x 0 ) 0 sein Insbesondere ν ist x 0 < b Wäre f(x 0 ) < 0, so wäre x 0 N Aus der Offenheit von N folgt dann, daß x 0 keine obere Schranke von N sein kann Das ist ein Widerspruch Es muß f(x 0 ) = 0 sein 211 Zwischenwertsatz Sei f : [a, b] R stetig und f(a) < c < f(b) Dann gibt es ein x [a, b] mit f(x) = c Beweis: Sei F (x) := f(x) c Dann ist F (a) < 0 und F (b) > 0, und nach dem Satz von Bolzano existiert ein x [a, b] mit F (x) = 0 Also ist f(x) = c Insbesondere folgt, daß das stetige Bild eines abgeschlossenen Intervalls wieder ein abgeschlossenes Intervall ist Definition Eine Abbildung f : X Y zwischen metrischen Räumen heißt ein Homöomorphismus oder eine topologische Abbildung, falls gilt: 1 f ist stetig, 2 f ist bijektiv, 3 f 1 ist ebenfalls stetig

17 58 Kapitel 2 Stetigkeit 212 Satz Sei X kompakt und f : X Y stetig und bijektiv Dann ist f ein Homöomorphismus Beweis: Da f bijektiv ist, existiert f 1 : Y X Zu zeigen bleibt, daß diese Abbildung stetig ist Dazu sei A X abgeschlossen Dann ist A sogar kompakt, und auch (f 1 ) 1 (A) = f(a) ist kompakt und insbesondere abgeschlossen Unter einem Intervall in R verstehen wir hier eine Menge der Gestalt [a, b], (a, b), [a, b), (a, b], (, b], (, b), [a, ), (a, ) oder R = (, ) Definition Sei I R ein Intervall Eine Funktion f : I R heißt monoton (bzw streng monoton) wachsend, falls für beliebige Elemente x 1, x 2 I gilt: x 1 < x 2 = f(x 1 ) f(x 2 ) (bzw f(x 1 ) < f(x 2 )) Analog heißt f monoton (bzw streng monoton) fallend, falls gilt: x 1 < x 2 = f(x 1 ) f(x 2 ) (bzw f(x 1 ) > f(x 2 )) In beiden Fällen sagen wir, f ist monoton (bzw streng monoton) 213 Satz Die folgenden Aussagen über eine stetige Funktion f : [a, b] R sind äquivalent: 1 f ist streng monoton 2 f ist injektiv 3 f : [a, b] f([a, b]) ist ein Homöomorphismus Beweis: (1) = (2) ist trivial (2) = (3): f : [a, b] f([a, b]) ist nach Voraussetzung stetig und bijektiv Weil [a, b] kompakt ist, ist f sogar ein Homöomorphismus (3) = (1): Aus der Voraussetzung folgt insbesondere, daß f injektiv ist Also ist f(a) f(b), und wir können annehmen, daß f(a) < f(b) ist Nun betrachten wir zwei beliebige Zahlen x 1, x 2 mit a x 1 < x 2 b und bilden die Funktion g(t) := f(a + t(x 1 a)) f(b t(b x 2 )), für 0 t 1 g ist als Zusammensetzung stetiger Funktionen selbst wieder stetig Es ist g(0) = f(a) f(b) < 0 und g(1) = f(x 1 ) f(x 2 ) Wäre g(1) > 0, so müßte nach Bolzano g(t) = 0 für ein t [0, 1] gelten, also f(a + t(x 1 a)) = f(b t(b x 2 )) Da a a + t(x 1 a) x 1 < x 2 b t(b x 2 ) b ist, ergäbe sich ein Widerspruch zur Injektivität von f Da auch g(1) = 0 unmöglich ist, muß g(1) < 0 sein, also f(x 1 ) < f(x 2 ) f ist streng monoton wachsend Wären wir von der Ungleichung f(a) > f(b) ausgegangen, so hätten wir herausbekommen, daß f streng monoton fällt

18 2 Stetige Abbildungen 59 Wir haben gezeigt, daß eine streng monotone stetige Funktion umkehrbar ist und daß die Umkehrfunktion wieder stetig und streng monoton ist Da f(x) := x n für x 0 streng monoton wachsend ist, ist n x ebenfalls stetig und streng monoton Als Anwendung erhält man zb, daß z z stetig auf C und x x stetig auf dem R n ist Bemerkung Eine monotone Funktion braucht nicht stetig zu sein Allerdings hat sie keine zu schlimmen Unstetigkeitsstellen, wie wir weiter unten sehen werden Definition Sei X ein metrischer Raum, M X eine beliebige Teilmenge, x 0 X ein Häufungspunkt von M (der zu M gehören kann, aber nicht muß) und f : M R eine Funktion Wir sagen, der Grenzwert von f(x) für x gegen x 0 existiert, falls es eine reelle Zahl c gibt, so daß die Funktion f : M {x 0 } R mit stetig in x 0 ist Wir schreiben dann: f(x) := { f(x) für x x0 c für x = x 0 lim f(x) = c x x0 Der Grenzwert von f(x) für x x 0 existiert genau dann, wenn es ein c gibt, so daß für alle Folgen (x ν ) in M mit x ν x 0 und lim x ν = x 0 gilt: lim f(x ν ) = c ν ν Bei Funktionen, die auf einer Teilmenge von R definiert sind, kann man zusätzlich zwischen Annäherung von links und von rechts unterscheiden Sei x 0 R, U = U(x 0 ) R eine Umgebung und f : U \ {x 0 } R eine Funktion Gibt es ein c R, so daß für alle Folgen (x ν ) in U mit x ν < x 0 und x ν x 0 der Grenzwert lim f(x ν ) ν existiert und = c ist, so sagt man, daß der linksseitige Grenzwert lim f(x) =: f(x 0 ) x x 0 existiert (und = c ist) Analog definiert man den rechtsseitigen Grenzwert f(x 0 +) = lim f(x) Wenn beide Grenzwerte existieren und übereinstimmen, so ist f stetig x x 0 + in x 0 (den sehr einfachen Beweis dafür möge sich jeder selbst überlegen) Wenn die Grenzwerte existieren, aber verschieden sind, dann sprechen wir von einer Sprungstelle (der Höhe f(x 0 +) f(x 0 ) ) Ist nun f eine monoton wachsende Funktion auf einem Intervall I und x 0 I kein Randpunkt des Intervalls, so folgt schon, daß der linksseitige und der rechtsseitige Limes von f(x) in x 0 existiert, und es ist f(x 0 ) f(x 0 ) f(x 0 +) Zum Beweis betrachte man die Menge M := {f(x) : x I und x < x 0 } Offensichtlich ist M nicht leer und durch f(x 0 ) nach oben beschränkt Also existiert y0 := sup(m) f(x 0 ) Ist ε > 0 vorgegeben, so gibt es ein x 0 < x 0 mit

19 60 Kapitel 2 Stetigkeit f(x 0) > y 0 ε Sei (x ν ) eine Folge, die von unten gegen x 0 konvergiert Dann gibt es ein ν 0, so daß x 0 < x ν < x 0 für ν ν 0 ist Aber dann folgt: also f(x ν ) y 0 < ε Es ist rechten Seite von x 0 y 0 ε < f(x 0) f(x ν ) y 0 < y 0 + ε, lim f(x) = x x 0 y 0 Genauso funktioniert es auf der Für monoton fallende Funktionen gelten entsprechende Aussagen Allgemein hat eine monotone Funktion also höchstens Sprungstellen als Unstetigkeitsstellen 214 Satz f, g seien reelle Polynome, x 0 R eine gemeinsame Nullstelle Ist die Ordnung der Nullstelle von f größer oder gleich der Ordnung der Nullstelle von g, so existiert der Limes von f(x)/g(x) für x x 0 Beweis: Nach Voraussetzung gibt es Zerlegungen f(x) = (x x 0 ) k u(x) und g(x) = (x x 0 ) l v(x), mit k l, u(x 0 ) 0 und v(x 0 ) 0 Für x x 0 ist dann und die rechte Seite ist stetig in x 0 f(x) g(x) = (x x 0) k l u(x) v(x), Man sagt dann, f/g hat in x 0 eine hebbare Definitionslücke Definition Eine Abbildung f : X Y zwischen metrischen Räumen heißt gleichmäßig stetig, falls f folgende Eigenschaft besitzt: ε > 0 δ > 0, sd x, y X mit d X (x, y) < δ gilt: d Y (f(x), f(y)) < ε Beispiel Ist f : R n R m linear, so gibt es eine Konstante C > 0, so daß f(x) f(y) C x y ist, für alle x, y R n Ist nun ein ε > 0 gegeben, so wähle man δ < ε C Ist x y < δ, so ist f(x) f(y) < ε Also ist f gleichmäßig stetig Trivialerweise gilt: Ist f gleichmäßig stetig, so ist f auch stetig Die Umkehrung ist ia falsch, wie das Beispiel der Funktion f(x) := x 2 zeigt: für festes h > 0 strebt (x + h) 2 x 2 = 2xh + h 2 für x gegen Unendlich Zu festem ε braucht man mit wachsendem x ein immer kleineres δ f ist also nicht gleichmäßig stetig Allerdings gilt:

20 3 Unendliche Reihen Satz Ist X kompakt und f : X Y stetig, so ist f gleichmäßig stetig Beweis: Wir nehmen an, f ist nicht gleichmäßig stetig Dann gibt es ein ε > 0, so daß für alle ν N Punkte x ν, y ν X existieren, so daß gilt: d(x ν, y ν ) < 1 ν und d(f(x ν ), f(y ν )) ε Da X kompakt ist, gibt es eine Teilfolge (x νi ) von (x ν ), die gegen einen Punkt x 0 X konvergiert Dann ist d(y νi, x 0 ) d(y νi, x νi ) + d(x νi, x 0 ), und die rechte Seite strebt gegen Null Das bedeutet, daß auch (y νi ) gegen x 0 konvergiert Weil f stetig ist, konvergieren nun f(x νi ) und f(y νi ) beide gegen f(x 0 ) Das ist ein Widerspruch 3 Unendliche Reihen Definition Sei (a n ) eine Folge von (reellen oder komplexen) Zahlen Mit N S N := a n bezeichnet man die N-te Partialsumme der a n Die Folge (S N ) der Partialsummen nennt man eine unendliche Reihe und bezeichnet sie mit dem Symbol a n Die Reihe heißt konvergent (bzw divergent), falls die Folge (S N ) konvergent (bzw divergent) ist Der Grenzwert der Reihe wird wenn er existiert ebenfalls mit dem Symbol a n bezeichnet Aus den Regeln für die Konvergenz von Folgen ergeben sich analoge Regeln für Reihen: 1 Konvergieren die Reihen a n und b n gegen a bzw b, so konvergiert auch (a n + b n ), und zwar gegen a + b 2 Ist c eine feste Zahl, so konvergiert (c a n ) gegen c a

21 62 Kapitel 2 Stetigkeit Beispiele 1 Sei q R, 0 < q < 1 Dann ist 1 Das bedeutet, daß die sogenann- 1 q 1 1 q konvergiert S N = qn+1 1 konvergiert gegen q 1 te geometrische Reihe q n gegen N q n = qn+1 1, und die Folge q 1 Im Falle q = 1/2 erhält man zb: ( ) n 1 = = 2, also = 1 2 Eine Anwendung ist die Behandlung periodischer Dezimalbrüche, zb 2 Die Reihe n=1 1 n = 10 n n=1 ( 1 = 3 10 n=1 ( 1 = = = 1 3 ) n ) 1 wird als harmonische Reihe bezeichnet Für die Partialsummen S N mit N = 2 k gilt folgende Abschätzung: S 2 k = ( ) ( ) ( k ) 2 k > k 1 = 1 + k 1 2 k 2, und dieser Ausdruck wächst über alle Grenzen Die harmonische Reihe divergiert Ein notwendiges Kriterium für die Konvergenz einer Reihe ist schnell gefunden: 31 Satz Ist a n konvergent, so ist (a n ) eine Nullfolge Beweis: Die Folgen S N und T N := S N 1 konvergieren beide gegen den gleichen Grenzwert, eine Zahl a Aber dann konvergiert a N := S N T N gegen a a = 0

22 3 Unendliche Reihen 63 Daß dieses Kriterium nicht hinreicht, zeigt das Beispiel der harmonischen Reihe In einem besonderen Spezialfall kommt man fast mit dem notwendigen Kriterium aus: 32 Leibniz-Kriterium Es sei (a n ) eine monoton fallende Nullfolge reeller Zahlen Dann ist die alternierende Reihe ( 1) n a n konvergent Beweis: Wir betrachten die Folgen u N := S 2N 1 und v N := S 2N Dann gilt: u N+1 = S 2N+1 = S 2N 1 + a 2N a 2N+1 S 2N 1 = u N v N+1 = S 2N+2 = S 2N a 2N+1 + a 2N+2 S 2N = v N Weiter ist v N = S 2N = S 2N 1 + a 2N u N, denn die a n müssen alle 0 sein Zusammen ergibt das die folgende Ungleichungskette: u N u N+1 v N+1 v N Nach dem Satz von der monotonen Konvergenz strebt also u N gegen eine Zahl u und v N gegen eine Zahl v Da außerdem v N u N = a 2N gegen Null konvergiert, muß u = v sein Es ist klar, daß dann auch S N gegen diese Zahl konvergiert Beispiel Die alternierende harmonische Reihe ( 1) n+1 1 konvergiert! Über den n Grenzwert können wir allerdings im Augenblick noch nichts aussagen n=1 Eine besonders wichtige Rolle spielt bei den Reihen das Cauchy-Kriterium: 33 Satz (Cauchy-Kriterium für Reihen) Die Reihe (reeller oder komplexer Zahlen) a n konvergiert genau dann, wenn gilt: N ε > 0 N 0, so daß N > N 0 gilt: a n < ε n=n 0 +1

23 64 Kapitel 2 Stetigkeit N Beweis: Da a n = S N S N0 n=n 0 +1 unmittelbar aus dem für Folgen ist, folgt das Cauchy-Kriterium für Reihen Der Vorteil des Cauchy-Kriteriums besteht darin, daß man es mit endlichen Summen zu tun hat! Definition Eine Reihe (reeller oder komplexer Zahlen) a n heißt absolut konvergent, falls die Reihe a n konvergiert 34 Satz Eine absolut konvergente Reihe konvergiert auch im gewöhnlichen Sinne Zum Beweis verwendet man das Cauchy Kriterium Es ist N n=n 0 +1 a n N n=n 0 +1 a n Konvergiert die Reihe der Absolutbeträge, so wird die rechte Seite bei großem N 0 beliebig klein, und das gilt dann erst recht für die linke Seite Die Umkehrung dieses Satzes ist falsch, wie das Beispiel der alternierenden Leibnizreihe zeigt Man beachte: Unter dem Grenzwert einer absolut konvergenten Reihe versteht man immer den Grenzwert der Reihe im Sinne der gewöhnlichen Konvergenz Wir werden aber später sehen, daß es bei einer absolut konvergenten Reihe nicht auf die Reihenfolge der Summation ankommt Besonders häufig wird das folgende Vergleichskriterium benutzt: 35 Satz (Majoranten Kriterium) Ist a n eine konvergente Reihe nichtnegativer reeller Zahlen, und ist (c n ) eine Folge reeller oder komplexer Zahlen, so daß c n a n für fast alle n N gilt, so konvergiert die Reihe c n absolut! Beweis: Wir können annehmen, daß c n a n für alle n N gilt Dann ist N n=n 0 +1 c n N n=n 0 +1 a n, für N > N 0 Für genügend großes N 0 wird die rechte Seite nach dem Cauchy Kriterium beliebig klein, also auch die linke Seite

24 3 Unendliche Reihen 65 Bemerkung Ist a n divergent und c n a n für alle n, so kann noch im gewöhnlichen Sinne, aber nicht mehr absolut konvergieren c n zwar Wenn nun eine Reihe nicht zufällig das Leibniz Kriterium erfüllt, so wird man ia versuchen, die Konvergenz mit Hilfe des Majoranten Kriteriums auf die absolute Konvergenz einer Vergleichsreihe zurückzuführen Zur Feststellung der absoluten Konvergenz gibt es zahlreiche Untersuchungsmethoden, wir beginnen mit einer der populärsten 36 Satz (Quotienten Kriterium) Es sei (a n ) eine Folge von (reellen oder komplexen) Zahlen 0 Außerdem gebe es eine reelle Zahl q mit 0 < q < 1, so daß Dann ist die Reihe a n+1 q für fast alle n gilt a n a n absolut konvergent Beweis: Für fast alle n gilt bedeutet hier: Es gibt ein n 0, so daß für n n 0 gilt: Nach Voraussetzung haben wir also: n 0 N, so daß für n n 0 gilt: a n+1 a n q < 1 Dann ist a n0 +k q a n0 +k 1 q k a n0 Also ist q n a n0 eine Majorante der Reihe a n0 +n Die erstere konvergiert, es handelt sich ja um eine geometrische Reihe Nach dem Majorantenkriterium konvergiert dann die zweite Reihe absolut, und damit auch die Ausgangsreihe, die lediglich ein paar Anfangsterme mehr besitzt Bemerkung In der Praxis kommt man oft schon mit folgendem Kriterium aus: Ist a n 0 für fast alle n und lim a n+1 < 1, so konvergiert a n absolut n Das ist aus folgendem Grund richtig: Wenn die Quotienten a n+1 a n gegen ein q < 1 konvergieren, so gibt es ein ε > 0 und ein n 0 N, so daß gilt: a n a n+1 a n q + ε < 1 für n n 0 Setzt man nun q := q + ε, so ist das Quotientenkriterium mit diesem q erfüllt Es gilt auch folgendes:

25 66 Kapitel 2 Stetigkeit Ist a n 0 und a n+1 1 für fast alle n, so divergiert die Reihe a n Das ist klar, denn die Glieder a n bilden keine Nullfolge a n Achtung! Ist lim a n+1 = 1, so kann man zumindest mit dem Quotientenkriterium keine Aussage n a n machen! Beispiel Sei z 0 eine beliebige komplexe Zahl und c n := zn Dann ist n! c n+1 c n = z n+1 n! (n + 1)! z n = z n + 1 z n Dieser Ausdruck konvergiert gegen Null Also konvergiert für jedes n! z C absolut (für z 0 nach dem Quotientenkriterium und für z = 0 trivialerweise) Die Funktion exp : C C mit exp(z) := Exponentialfunktion z n n! nennt man die (komplexe) Speziell muß exp(1) = jetzt ermitteln 1 n! Wir wissen, daß die Folge a n := eine reelle Zahl sein Diesen Wert wollen wir ( n) n monoton wachsend gegen die Eulersche Zahl e konvergiert Nach der binomischen Formel ist außerdem a n = = = < n k=0 n k=0 n k=0 n k=0 ( ) n 1 k n k 1 (n k + 1) (n 1) n k! n k 1 k! n 1 n 2 n k + 1 n n n 1 k! < exp(1)

26 3 Unendliche Reihen 67 Also ist e = lim n a n exp(1) Nun wenden wir einen kleinen Trick an! Ist m 2 irgend eine feste natürliche Zahl und n > m, so gilt: a n = n k=0 m k=0 1 k! n 1 n 2 n k + 1 n n n 1 k! n 1 n 2 n n n k + 1 n m 1 Die rechte Seite strebt (bei festem m) für n gegen Also ist k! k=0 m 1 auch e, für jedes m 2 Nun lassen wir m gegen Unendlich gehen k! k=0 und erhalten die Ungleichung e exp(1) Zusammen mit der weiter oben gewonnenen Abschätzung ergibt das die Beziehung ( e = lim n = n n) 1 n! = exp(1) Manchmal ist auch das folgende Kriterium nützlich: 37 Satz (Wurzelkriterium) Es sei (a n ) eine Folge von positiven reellen Zahlen und α := lim n a n Ist α < 1, so konvergiert die Reihe a n Ist α > 1, so divergiert sie Beweis: Ist α < 1, so gibt es ein q R mit 0 < q < 1, so daß n a n < q für fast alle n ist Dann ist die geometrische Reihe q n eine Majorante von a n, und auch diese Reihe konvergiert Ist α > 1, so gibt es unendlich viele n mit a n > 1, und die Reihe kann nicht konvergieren Beispiele 1 Sei a n := { 2 k für n = 2k 1 3 k für n = 2k, n = 1, 2, 3, Wir untersuchen die Reihe a n Für n = 2k gilt: n=1

27 68 Kapitel 2 Stetigkeit a n+1 a n = 2 (k+1) 3 k = 1 2 ( ) k 3 2 Also ist das Quotientenkriterium nicht anwendbar Wir versuchen es mit dem Wurzelkriterium Es ist n an = { ( 2) n+1 n ( 2) 1 für ungerades n, ( 3) 1 für gerades n Also ist lim n a n = ( 2) 1 < 1, und die Reihe konvergiert 2 Wir betrachten die Reihe n=1 1 Der Quotient n2 a n+1 a n = n 2 (n + 1) 2 = n 2 n 2 + 2n + 1 = n + 1 n 2 konvergiert gegen 1, also sagt das Quotientenkriterium nichts aus Wir versuchen es mit dem Wurzelkriterium Offensichtlich ist lim n 1 n 2 = 1 Also versagt auch das Wurzelkriterium Man kann aber wie folgt abschätzen: N n=1 1 n = 1 + N 1 n(n 1) N ( 1 n 1 1 ) n n=2 n=2 = N 2 Die Folge der Partialsummen ist monoton wachsend und beschränkt, also konvergent Den Grenzwert können wir hier leider noch nicht bestimmen Eine andere Möglichkeit, die Konvergenz zu beweisen, sieht so aus:

28 3 Unendliche Reihen 69 ( 1 S 2 k 1 = ) ( ) + 49 ( ) 1 + (2 k 1 ) (2 k 1) 2 < k 1 (2 k 1 ) 2 k 1 ( ) n 1 = = 2 2 Auch hier kommt man mit dem Satz von der monotonen Konvergenz zum Ziel Man kann übrigens mit der gleichen Abschätzung beweisen, daß jede 1 Reihe der Gestalt mit einer rationalen Zahl q > 1 konvergiert nq n=1 Absolut konvergente Reihen verhalten sich sehr gutartig, was die Reihenfolge der Summation betrifft 38 Umordnungssatz Ist die Reihe a n absolut konvergent, etwa gegen A, so konvergiert auch jede Umordnung der Reihe gegen A Beweis: Die Summation möge bei 1 beginnen Eine Umordnung der Reihe erreicht man mit Hilfe einer bijektiven Abbildung τ : N N Die umgeordnete Reihe ist dann die Reihe a τ(n) n=1 Sei ε > 0 vorgegeben Wegen der absoluten Konvergenz der Ausgangsreihe können wir ein n 0 > 1 finden, so daß a n < ε n 2 und 0 1 a n A < ε ist Wählt man 2 n=n 0 n=1 nun N so groß, daß ist, so gilt für M N : {1, 2,, n 0 1} {τ(1),, τ(n)} M M a τ(n) A a τ(n) n=1 n=1 n 0 1 n=1 max(τ(1),,τ(m)) n 0 1 a n + n=n 0 a n + ε 2 n=n 0 a n + ε 2 < ε Das zeigt, daß die umgeordnete Reihe gegen A konvergiert n=1 a n A

29 70 Kapitel 2 Stetigkeit Bemerkung Ist die Reihe a n konvergent, aber nicht absolut konvergent, so gibt es zu jedem x R eine Umordnung der Reihe, die gegen x konvergiert Wir verzichten hier auf einen Beweis dieser merkwürdigen Tatsache 39 Produktsatz für Reihen Die Reihen a n und b n seien absolut konvergent gegen a bzw b Für n N 0 sei c n := a i b j = a 0 b n + a 1 b n a n b 0 Dann ist die Reihe Beweis: i+j=n c n absolut konvergent gegen a b Es konvergiert A N := C N := N c n und a := N a n gegen a und B N := N b n gegen b Wir setzen noch a n (< wegen der absoluten Konvergenz) Setzen wir β N := B N b, so ist B N = b + β N, und es gilt: C N = a 0 b 0 + (a 0 b 1 + a 1 b 0 ) + + (a 0 b N + + a N b 0 ) = a 0 B N + a 1 B N a N B 0 = a 0 (b + β N ) + + a N (b + β 0 ) = A N b + (a 0 β N + + a N β 0 ) Wir wollen zeigen, daß (C N ) gegen a b konvergiert Das ist sicher der Fall, wenn γ N := a 0 β N + + a N β 0 gegen Null konvergiert Letzteres können wir tatsächlich beweisen: Sei ε > 0 vorgegeben Wir wählen ein δ mit 0 < δ < ε 2a Es gibt dann ein N 0, so daß β N δ für N N 0 ist (denn β N = B N b konvergiert ja gegen 0 ) Dieses N 0 halten wir fest Außerdem wählen wir ein C > 0, so daß β N C für alle N ist Dann gilt für N N 0 : γ N β 0 a N + + β N0 a N N0 + β N0 +1a N N β N a 0 C ( a N + + a N N0 ) + δ a < C ( a N + + a N N0 ) + ε 2

30 3 Unendliche Reihen 71 Der linke Summand wird bei festem N 0 und wachsendem N beliebig klein (Cauchy- Kriterium für die absolute Konvergenz der Reihe über die a n ) Also ist γ N bei hinreichend großem N kleiner als ε Das war zu zeigen Für die absolute Konvergenz der Produktreihe benutzt man die Abschätzung ( N N N ) ( N ) c n a i b j a i b j i+j=n Die rechte Seite ist durch das Produkt der absoluten Reihen beschränkt Bemerkung Die Konvergenz würde natürlich auch schon aus dem kurzen Schlußteil des Beweises folgen Der komplizierte Konvergenzbeweis am Anfang dient dazu, den genauen Grenzwert zu bestimmen i=0 j=0 310 Folgerung Die Exponentialfunktion hat folgende Eigenschaften: 1 exp(0) = 1 und exp(1) = e 2 exp(z + w) = exp(z) exp(w) für alle z, w C 3 Es ist exp(z) 0 und exp(z) 1 = exp( z) für alle z C 4 Es ist exp(z) = exp(z) für z C Beweis: 1) wurde schon gezeigt 2) Wir benutzen die absolute Konvergenz der Exponentialreihe und den Produktsatz für Reihen Danach ist ( ) ( z i ) w j z i w j exp(z) exp(w) = = i! j! i!j! i=0 j=0 i+j=n Andererseits ist 1 n! (z + w)n = 1 n n! i=0 n = i=0 = i+j=n ( ) n z i w n i i n! n!i!(n i)! zi w n i 1 i!j! zi w j Somit ist exp(z) exp(w) = exp(z + w) 3) Es ist 1 = exp(0) = exp(z + ( z)) = exp(z) exp( z) Damit ist exp(z) 0 und exp(z) 1 = exp( z)

31 72 Kapitel 2 Stetigkeit 4) Ist S N (z) die N-te Partialsumme der Exponentialreihe, so ist offensichtlich S N (z) = S N (z) Diese Beziehung bleibt erhalten, wenn man N gegen Unendlich gehen läßt Zum Schluß: Die Reihen-Maschine: (1) Eingabe: Reihe a n Zusammengesetzt? nein ja Bestandteile einzeln untersuchen! Spezieller Typ? nein Weiter bei (2) ja geometr Reihe qn, q < 1 altern Reihe ( 1)n a n Wechselsumme n=1 (a n a n 1 ) verallg harmon Reihe n=1 1/nα fertig! (2) Kein spezieller Typ: (a n ) Nullfolge? ja Quotientenkriterium anwendbar? nein Wurzelkriterium anwendbar? nein Konvergente Majorante zu sehen? nein Divergente Minorante zu sehen? nein Schwierige Reihe! Kreativ werden oder Experten fragen! nein ja ja ja ja divergent! fertig! fertig! konvergent divergent Ende

32 4 Folgen und Reihen von Funktionen 73 4 Folgen und Reihen von Funktionen Es sei X ein metrischer Raum und (f n ) eine Folge von (reell oder komplexwertigen) Funktionen auf X Definition Die Funktionenfolge (f n ) konvergiert auf X punktweise gegen eine Funktion f, falls gilt: x X : lim f n (x) = f(x) n Das Konvergenzverhalten wird also für jeden einzelnen Punkt x X gesondert behandelt Das globale Verhalten der beteiligten Funktionen spielt dabei keine Rolle Beispiel Sei I := [0, 1] R und f n : I R definiert durch f n (x) := x n Dann konvergiert diese Funktionenfolge punktweise gegen die Funktion { 0 für 0 x < 1, f(x) := 1 für x = 1 Obwohl alle Funktionen f n stetig sind, ist die Grenzfunktion f nicht stetig Das ist ein wenig wünschenswertes Verhalten Wir brauchen also einen besseren Konvergenzbegriff für Funktionenfolgen! Wechseln wir den Standpunkt! Sei K {R, C} Die Menge F(X, K) der K-wertigen Funktionen auf X bildet einen K-Vektorraum Jedem f in diesem Raum ordnen wir die (Supremums-)Norm zu: f := sup{ f(x) : x X} Dann ist 0 f +, und wir nennen f beschränkt, falls f < ist Die Menge B = B(X, K) := {f : X K : f beschränkt } bildet einen K-Untervektorraum von F(X, K) Für f B(X, K) ist f eine reelle Zahl 0, und es gilt: 1 f = 0 f = 0, 2 r f = r f für r K und f B, 3 f + g f + g für f, g B

33 74 Kapitel 2 Stetigkeit Die Eigenschaften leiten sich direkt aus den entsprechenden Eigenschaften der Betragsfunktion auf K her Durch d(f, g) = f g können wir jetzt aus B einen metrischen Raum machen Dann steht uns ein zweiter Konvergenzbegriff für Funktionen zur Verfügung Eine Folge (f n ) von Elementen aus B konvergiert gegen ein f B, wenn in jeder ε Umgebung von f fast alle Folgeglieder f n liegen: ε > 0 n 0 N, so daß n n 0 gilt: f n f < ε Tatsächlich wird hierbei nicht einmal die Beschränktheit von f und f n benötigt Nur die Differenzen f n f müssen beschränkt sein Wie kann man sich eine ε Umgebung einer Funktion vorstellen? Wir beschränken uns auf den Fall (beschränkter) reeller Funktionen auf einem Intervall I und betrachten die zugehörigen Graphen Wir definieren einen ε Schlauch um G f : S ε (f) := {(x, y) R 2 x I und f(x) ε < y < f(x) + ε} Die ε Kugel um f besteht nun aus allen (beschränkten) Funktionen g : I R, deren Graph ganz in S ε (f) liegt: B ε (f) = {g B(I, R) : g f < ε} = {g B(I, R) : x I ist g(x) f(x) < ε} = {g B(I, R) : x I ist f(x) ε < g(x) < f(x) + ε} = {g B(I, R) : x I ist (x, g(x)) S ε (f)} = {g B(I, R) : G g S ε (f)} Definition Eine Folge (f n ) von (nicht notwendig beschränkten) Funktionen konvergiert gleichmäßig auf X gegen eine Funktion f (auf X), wenn gilt: ε > 0 n 0 so daß für n n 0 und alle x X gilt: f n (x) f(x) < ε Die Folge (f n ) konvergiert also genau dann gleichmäßig gegen f, wenn in jedem ε Schlauch um f fast alle f n liegen Es ist klar, daß (f n ) dann auch punktweise konvergiert Daß wir den richtigen Konvergenzbegriff gefunden haben, zeigt der folgende Satz: 41 Satz (f n ) konvergiere auf X gleichmäßig gegen f, alle f n seien stetig Dann ist auch die Grenzfunktion f auf X stetig Beweis: Stetigkeit ist eine lokale Eigenschaft, die nur in der Nähe eines (beliebigen) Punktes x 0 X gezeigt werden muß