Kurs:Maßtheorie auf topologischen Räumen/Differenzierbarkeit in Analysis und Funktiontheorie

Einführung

Bevor die Differenzierbarkeit allgemein auf topologischen Vektorräumen zu definieren, betrachten den Begriff der Differenzierbarkeit aus der Analysis und erweitern diesen dann auf topologische Vektoräume.

Tangente - dynamisch dargestellt

Differenzierbarkeit in der reellen Analysis

Als Differenzierbarkeit bezeichnet man in der Mathematik die Eigenschaft einer Funktion, sich lokal um einen Punkt in eindeutiger Weise linear approximieren zu lassen.

Graph der differenzierbaren Funktion $\frac{1}{4}{x}^3+\frac{3}{4}{x}^2-\frac{3}{2}x-2$

Differenzierbarkeit mit mehreren Veränderlichen

Der Begriff Differenzierbarkeit ist nicht nur für reellwertige Funktionen auf der Menge der reellen Zahlen erklärt, sondern auch für Funktionen mehrerer Variablen, für komplexe Funktionen, für Abbildungen zwischen reellen oder komplexen Vektorräumen und für viele andere Typen von Funktionen und Abbildungen. Für manche Typen von Funktionen (zum Beispiel für Funktionen mehrerer Variablen) gibt es mehrere verschiedene Differenzierbarkeitsbegriffe.

Thematische Einordnung der Differenzierbarkeit

Die Frage nach der Differenzierbarkeit gehört zu den Problemstellungen der Differentialrechnung, eines Teilgebiets der Analysis. In diesem Kurs wird Differenzierbarkeit auf unitalen topologischen Algebren mit einem unital positiven Gaugefunktionalsystem betrachtet.

Reellwertige Funktionen einer reellen Veränderlichen

Definitionen

Schwarz: Graph der Funktion f
Rot: Graph der linearen Funktion g, die f in der Nähe der Stelle x₀ approximiert

Zur 2. Definition der Differenzierbarkeit

Differenzierbare Funktionen sind genau diejenigen Funktionen, die lokal durch genau eine lineare Funktion approximierbar sind.

Im einfachsten Fall betrachtet man eine reellwertige Funktion einer reellen Variablen, also eine Funktion $f:D\to ℝ$, deren Funktionswerte reelle Zahlen sind und deren Definitionsbereich $D\subset ℝ$ ein offenes Intervall reeller Zahlen ist. Eine solche Funktion $f$ ist differenzierbar an einer Stelle $x_0$ aus ihrem Definitionsbereich, wenn die Ableitung von $f$ an dieser Stelle existiert. Es gibt im Wesentlichen zwei äquivalente Definitionen für die Existenz der Ableitung:

1. Definition: Grenzwert Differenzenquotient

Eine Funktion $f$ ist genau dann differenzierbar an der Stelle $x_0$ ihres Definitionsbereichs, wenn der beidseitige Grenzwert der Differenzenquotienten

$\underset{x\to x_0}{\lim }\frac{f(x)-f(x_0)}{x-x_0}=\underset{h\to 0}{\lim }\frac{f(x_0+h)-f(x_0)}{h}$

existiert. Diesen Grenzwert bezeichnet man als die Ableitung von $f$ an der Stelle $x_0$, geschrieben $f^{\prime }(x_0)$.

2. Definition: Taylorentwicklung bis zur 1. Ableitung

Eine Funktion $f$ ist genau dann differenzierbar an der Stelle $x_0$ ihres Definitionsbereichs, wenn eine reelle Zahl $m$ (die von $x_0$ abhängen darf) und eine (ebenfalls von $x_0$ abhängige) Funktion $r$ (Fehler der Approximation) mit folgenden Eigenschaften existieren:

• $f(x_0+h)=f(x_0)+m\cdot h+r(h)$
• Für $h\to 0$ geht $r(h)$ schneller als linear gegen 0, das heißt: $\underset{h\to 0}{\lim }\frac{r(h)}{h}\to 0$

Bemerkung zur Taylorentwicklung

Die Funktion $f$ lässt sich also in der Nähe von $x_0$ durch eine lineare Funktion $g$ mit

$g(x_0+h)=f(x_0)+m\cdot h$

bis auf den Fehler $r(h)$ approximieren. Den Wert $m$ bezeichnet man als die Ableitung von $f$ an der Stelle $x_0$.

Bemerkung zur Geschichte der Definition

Differenzierbare Funktionen sind damit genau diejenigen Funktionen, die sich lokal durch lineare Funktionen approximieren lassen (siehe Abbildung). Diese Definition geht auf Karl Weierstraß zurück und wird Weierstraßsche Zerlegungsformel genannt.

Definition: Differenzierbare Funktion

Eine Funktion $f^{\prime }:𝔻\to 𝕎$ heißt genau dann differenzierbar (ohne Einschränkung auf einen speziellen Punkt), wenn sie an jeder Stelle $x_o\in 𝔻$ ihres Definitionsbereichs $𝔻$ differenzierbar ist. Die Funktion $f^{\prime }:𝔻\to 𝕎$ ordnet jedem $x\in 𝔻$ und die Ableitung $f^{\prime }(x)\in 𝕎$ zu. $f^{\prime }$ heißt dann Ableitungsfunktion oder kurz Ableitung von $f$.

Erläuterungen 1 - Steigung der Tangente

Grafisch lässt sich die Eigenschaft Differenzierbarkeit so deuten, dass eine Funktion genau dann an der Stelle $x_0$ differenzierbar ist, wenn im zugehörigen Punkt $(x_0,f(x_0))$ des Graphen von $f$ genau eine Tangente existiert. Die Tangente ist der Graph, der in der 2. Definition genannten linearen Funktion $g$ mit:

$g(x_0+h)=f(x_0)+f^{\prime }(x_o)\cdot h.$

Erläuterungen 2 - Steigung der Tangente - Steigung Sekante

Die Ableitung $f^{\prime }(x_o)$ von $f$ an der Stelle $x_0$ ist die Steigung dieser Tangente. Die in der ersten Definition genannten Differenzenquotienten sind die Steigungen von Sekanten durch den Punkt $(x_0,f(x_0))$ und einen anderen Kurvenpunkt $(x,f(x))$. Die Funktion $f$ ist also an der Stelle $x_0$ differenzierbar, wenn die Steigungen dieser Sekanten beim Grenzübergang $x\to x_0$ gegen die Steigung der Tangente konvergieren.

Erläuterungen 3 - Zusammenhang Stetigkeit und Differenzierbarkeit

Aus Differenzierbarkeit folgt Stetigkeit: Jede an einer Stelle differenzierbare Funktion ist dort auch stetig. Jede auf ihrem Definitionsbereich differenzierbare Funktion ist stetig. Die Umkehrung gilt nicht. Die Betragsfunktion ist z.B. keine überall differenzierbaren Funktionen, obwohl diese an jeder Stelle stetig ist.

Beispiele für differenzierbare Funktionen

Aus den Ableitungsregeln folgt:

• Jede Funktion, die sich durch ein Polynom darstellen lässt, ist differenzierbar.
• Summen, Produkte und Quotienten von differenzierbaren Funktionen sind differenzierbar.
• Verkettungen von differenzierbaren Funktionen sind differenzierbar.

Ableitung der Umkehrfunktion

Die Umkehrfunktion $f^{-1}$ einer bijektiven differenzierbaren Funktion $f$ ist genau dann an der Stelle $y_0=f(x_0)$ differenzierbar, wenn $f^{\prime }(x_0)\ne 0$ ist.

Berechnung der Ableitung einer Funktion

Die Parabelfunktion $f(x)=x^2$ ist für alle $x\in ℝ$ differenzierbar. Sei $x_0\in ℝ$ dann ist

$\underset{h\to 0}{\lim }\frac{f(x_0+h)-f(x_0)}{h}=\underset{h\to 0}{\lim }\frac{(x_0+h{)}^2-x_0^2}{h}=\underset{h\to 0}{\lim }\frac{2x_{0}h+h^2}{h}=\underset{h\to 0}{\lim }(2x_0+h)=2x_0$

und ihre Ableitung ist $f^{\prime }(x)=2x$.

Potenzreihen und Differenzierbarkeit

Aus den Grenzwertsätzne für Potenzreihen folgt:

• Jede Funktion, die lokal durch eine Potenzreihe dargestellt werden kann, ist differenzierbar.
• In der komplexen Analysis liefert die einmalige komplexe Differenzierbarkeit (Holomorphie) auf einer offenen Menge $U$ auch, dass die Funktion unendlich oft differenzierbar ist. Damit lassen sich holomorphe Funktionen lokal in Potenzreihen entwickeln.

Beispiele für nicht differenzierbare Funktionen

Die Heaviside-Funktion ist an der Stelle 0 nicht stetig und deshalb auch nicht differenzierbar.

Da jede differenzierbare Funktion stetig ist, ist umgekehrt jede unstetige Funktion (zum Beispiel eine Treppenfunktion oder die Dirichlet-Funktion) ein Beispiel für eine nicht differenzierbare Funktion. Es gibt aber auch Funktionen, die zwar stetig sind, aber nicht oder nicht überall differenzierbar.

Wurzelfunktion

Graph der Wurzelfunktion

Die Wurzelfunktion $f:[0,\mathrm{\infty })\to ℝ$, $f(x)=\sqrt{x}$ ist an der Stelle $x_0=0$ nicht differenzierbar. Der Differenzenquotient

$\frac{\sqrt{x}-\sqrt{0}}{x-0}=\frac{\sqrt{x}}{x}=\frac{1}{\sqrt{x}}$

strebt für $x\to 0$ gegen unendlich, konvergiert also nicht. Der Graph der Funktion hat an der Stelle $x_0$ eine Tangente, diese verläuft aber vertikal und besitzt deshalb keine Steigung.

Betragsfunktion

Funktionsgraph und Graph der Ableitung von $f(x)=|x|$

Die Betragsfunktion $f(x)=|x|$ ist an der Stelle $0$ nicht differenzierbar.

Für $x>0$ ist $f(x)=x$ und damit

$\underset{x\searrow 0}{\lim }\frac{f(x)-f(0)}{x-0}=\underset{x\searrow 0}{\lim }\frac{x-0}{x-0}=1$.

Für $x<0$ ist dagegen $f(x)=-x$ und folglich

$\underset{x\nearrow 0}{\lim }\frac{f(x)-f(0)}{x-0}=\underset{x\nearrow 0}{\lim }\frac{-x-0}{x-0}=-1$.

Betragsfunktion - rechtsseitige und linksseitige Grenzwerte

Da der links- und der rechtsseitige Grenzwert nicht übereinstimmen, existiert der Grenzwert nicht. Die Funktion $f$ ist somit an der betrachteten Stelle nicht differenzierbar.

Es existieren an der Stelle $0$ jedoch die rechtsseitige Ableitung

$f{\text{'}}_{+}(0)=\underset{x\searrow 0}{\lim }\frac{f(x)-f(0)}{x-0}=\underset{x\searrow 0}{\lim }\frac{x-0}{x-0}=1$

und die linksseitige Ableitung

$f{\text{'}}_{-}(0)=\underset{x\nearrow 0}{\lim }\frac{f(x)-f(0)}{x-0}=\underset{x\nearrow 0}{\lim }\frac{-x-0}{x-0}=-1$.

Anschauliche Beschreibung

Der Funktionsgraph hat an der Stelle $0$ einen Knick. Es gibt sozusagen eine linksseitige Tangente mit Steigung $-1$ und eine rechtsseitige mit Steigung $+1$. Zu jeder Steigung zwischen $-1$ und $+1$ gibt es eine Gerade, die den Funktionsgraph im Punkt $(0,0)$ „berührt“, aber sich nicht „anschmiegt“.

Dies ist ein typisches Verhalten für abschnittsweise definierte Funktionen, wo an den Nahtstellen zwar die Funktionswerte zusammenpassen, aber nicht die Ableitungen. Die Graphen von differenzierbaren Funktionen haben demgegenüber keine Knicke.

Beispiel - stetig - in einem Punkt nicht differenzierbar

Graph der Funktion $f$ mit $f(x)=x\sin (1/x)$ für $x\ne 0$ und $f(0)=0$.

Die Funktion

$f(x)=\{\begin{array}{cc}x\sin \left(\frac{1}{x}\right)& x\ne 0\\ 0& x=0\end{array}$

ist an der Stelle 0 stetig, aber nicht differenzierbar (aber überall sonst). Für den Differenzenquotient an der Stelle 0 gilt

$\frac{f(x)-f(0)}{x-0}=\frac{x\sin \left(\frac{1}{x}\right)-0}{x-0}=\sin \left(\frac{1}{x}\right).$

Der Limes für $x\to 0$ existiert nicht. Es existieren auch keine einseitigen Grenzwerte. Vielmehr pendelt der Differenzenquotient, wenn $x$ gegen 0 geht, unendlich oft zwischen den Werten −1 und 1 und nimmt dabei jeden Zwischenwert unendlich oft an.

Weierstraß-Funktion - stetig - nirgends differenzierbar

Die nach ihrem Entdecker benannte Weierstraß-Funktion

$f(x)=\sum _{k=1}^{\mathrm{\infty }}\frac{2^k\sin (2^{k}x)}{3^k}$

ist überall stetig, aber nirgends differenzierbar.

Wiener-Prozess

Weitere Beispiele liefert die mathematische Brownsche Bewegung: Fast jeder Pfad eines Wiener-Prozesses ist als Funktion $X_{\cdot }(\omega ):ℝ\to ℝ,t\mapsto X_t(\omega )$ stetig, aber nirgends differenzierbar.

Pfad eines Wienerprozesses

Stetige Differenzierbarkeit und höhere Ableitungen

Beispiel einer nicht stetig differenzierbaren Funktion

Die Funktion $f:ℝ\to ℝ$ mit $f(x)=x^2\sin \left(\frac{1}{x}\right)$ für $x\ne 0$ und $f(0)=0$ ist differenzierbar, aber nicht stetig differenzierbar

Eine Funktion heißt stetig differenzierbar, wenn sie differenzierbar ist und ihre Ableitung stetig ist. Selbst wenn eine Funktion überall differenzierbar ist, muss die Ableitung nicht stetig sein. Zum Beispiel ist die Funktion

$f(x)=\{\begin{array}{cc}{x}^2\cos \left(\frac{1}{x}\right)& x\ne 0\\ 0& x=0\end{array}$

an jeder Stelle, inklusive $x=0$, differenzierbar

Differenzierbarkeit im Nullpunkt

Die Funktion $f$ ist u.a. in 0 differenzierbar, weil

$f^{\prime }(0)=\underset{h\to 0}{\lim }\frac{h^2\cos \left(\frac{1}{h}\right)-0}{h}=0.$

Ableitung im Nullpunkt nicht stetig

Die Ableitung

$f^{\prime }(x)=\{\begin{array}{cc}2x\cos \left(\frac{1}{x}\right)+\sin \left(\frac{1}{x}\right)& x\ne 0\\ 0& x=0\end{array}$

ist aber an der Stelle 0 nicht stetig.

Definition: n-fache Differenzierbarkeit

Eine Funktion $f$ heißt zweimal differenzierbar, wenn ihre Ableitungsfunktion $f^{\prime }$ differenzierbar ist. Entsprechend wird dreimal, viermal, …, $k$-mal differenzierbar definiert. Die höheren Ableitungen werden mit $f^{″}$, $f^{‴}$, $f^{(4)}$, …, $f^{(k)}$ bezeichnet.

Differenzierbarkeit impliziert Stetigkeit

Da aus der Differenzierbarkeit einer Funktion die Stetigkeit folgt, sind bei einer zweimal differenzierbaren Funktion die Funktion $f$ selbst und die erste Ableitung $f^{\prime }$ automatisch stetig. Die zweite Ableitung $f^{″}$ braucht jedoch nicht stetig zu sein. Entsprechend sind bei einer $k$-mal differenzierbaren Funktion die Funktion selbst und alle Ableitungen $f^{\prime }$, $f^{″}$, … bis zur $(k-1)$-ten Ableitung $f^{(k-1)}$ stetig. Für die $k$-te Ableitung $f^{(k)}$ braucht dies jedoch nicht zu gelten. Ist diese auch stetig, so nennt man $f$ $k$-mal stetig differenzierbar. Sind alle Ableitungen wieder differenzierbar, so nennt man die Funktion unendlich oft differenzierbar oder glatt.

Vektorraum von differenzierbaren Funktionen

Sei $𝕂=ℝ,ℂ$ ein Körper. ${𝒞}^k(D,𝕂)$ bezeichnet die Menge aller $k$-mal stetig differenzierbaren Funktionen mit der Definitionsmenge $D$ und dem Wertebereich $𝕂$. Die Menge der unendlich oft differenzierbaren Funktionen heißt ${𝒞}^{\mathrm{\infty }}(D,𝕂)$. Eine $k$-mal stetig differenzierbare Funktion nennt man daher auch Funktion der Differentiationsklasse ${𝒞}^k$, kurz: Funktion der Klasse ${𝒞}^k$ oder ${𝒞}^k$-Funktion. Eine unendlich oft differenzierbare Funktion heißt entsprechend Funktion der (Differentiations-)Klasse ${𝒞}^{\mathrm{\infty }}$ oder ${𝒞}^{\mathrm{\infty }}$-Funktion.

Beispiel 1 - einmal stetig differenzierbare Funktion

Die Funktion

$f(x)=x\cdot |x|=\{\begin{array}{cc}-x^2& x<0\\ x^2& x\ge 0\end{array}$

ist differenzierbar, ihre Ableitung ist die Funktion $f^{\prime }(x)=2|x|$, die stetig, aber an der Stelle 0 nicht differenzierbar ist. Die Funktion $f$ ist also stetig differenzierbar, aber an der Stelle 0 nicht zweimal differenzierbar.

Beispiel 2 - k-fach stetig differenzierbare Funktion

Entsprechend ist die Funktion

$f(x)=x^k\cdot |x|=\{\begin{array}{cc}-x^{k+1}& x<0\\ x^{k+1}& x\ge 0\end{array}$

$k$-mal stetig differenzierbar, aber an der Stelle 0 nicht $k+1$-mal differenzierbar.

Komplexe Funktionen

Für komplexe Funktionen, also komplexwertige Funktionen einer komplexen Variablen, definiert man Differenzierbarkeit ganz analog zu reellen Funktionen. Es sei $U\subset ℂ$ eine offene Teilmenge der komplexen Ebene und $z_0\in U$ ein Punkt dieser Teilmenge. Eine Funktion $f:U\to ℂ$ heißt komplex differenzierbar im Punkt $z_0$, falls der Grenzwert

$\underset{h\to 0}{\lim }\frac{f(z_0+h)-f(z_0)}{h}=\underset{z\to z_0}{\lim }\frac{f(z)-f(z_0)}{z-z_0}$

existiert. In diesem Fall bezeichnet man diesen Grenzwert als $f^{\prime }(z_0)$.

Eine Funktion $f$ heißt holomorph im Punkt $z_0$, falls eine Umgebung von $z_0$ existiert, in der $f$ komplex differenzierbar ist. Holomorphe Funktionen sind automatisch unendlich oft komplex differenzierbar und sogar analytisch.

Reellwertige Funktionen mehrerer Variablen

Für Funktionen mehrerer Veränderlicher, also Funktionen, die auf offenen Teilmengen des euklidischen Raums definiert sind, gibt es mehrere verschieden starke Begriffe der Differenzierbarkeit. Im Folgenden sei $U\subset {ℝ}^n$ eine offene Menge. Die Elemente des ${ℝ}^n$ können als $n$-Tupel $x=(x_1,\dots ,x_n)$ geschrieben werden. Weiter sei eine Funktion $f:U\to ℝ$ gegeben. Wir betrachten einen festen Punkt $a=(a_1,\dots ,a_n)\in U$ und betrachten Differenzierbarkeit im Punkt $a$.

Partielle Differenzierbarkeit

Dies ist der schwächste Differenzierbarkeitsbegriff. Die Funktion $f$ heißt partiell differenzierbar am Punkt $a$ in Richtung $x_i$, falls die partielle Ableitung

$\frac{\partial f}{\partial x_i}(a)=\underset{h\to 0}{\lim }\frac{f(a_1,\dots ,a_{i-1},a_i+h,a_{i+1},\dots ,a_n)-f(a)}{h}$

existiert. Man betrachtet also alle Variablen bis auf $x_i$ als konstant und betrachtet die so erhaltene Funktion einer Veränderlichen.

Die Funktion $f$ heißt partiell differenzierbar, wenn in jedem Punkt alle partiellen Ableitungen existieren. Sie heißt stetig partiell differenzierbar, falls alle partiellen Ableitungen stetige Funktionen von $U\subset {ℝ}^n$ nach $ℝ$ sind.

Bemerkung - partielle Differenzierbarkeit und Stetigkeit

Aus partieller Differenzierbarkeit folgt nicht die Stetigkeit, sondern nur Stetigkeit in Richtung der Koordinatenachsen.

Richtungsableitung

Ist $v\in {ℝ}^n$ ein Einheitsvektor, so ist die (beidseitige) Richtungsableitung von $f$ in Richtung $v$ an der Stelle $a$ definiert als

$D_{v}f(a)=\underset{h\to 0}{\lim }\frac{f(a+hv)-f(a)}{h}$.

Einseitige Richtungsableitung

Betrachtet man nur positive $h$, so erhält man die einseitige Richtungsableitung

$D_v^{+}f(a)=\underset{h\searrow 0}{\lim }\frac{f(a+hv)-f(a)}{h}$.

Die Funktion $f$ heißt (einseitig) differenzierbar in Richtung von $v$, falls die (einseitige) Richtungsableitung von $f$ in Richtung $v$ existiert. Die Richtungsableitungen in Richtung der Einheitsvektoren der Standardbasis sind gerade die partiellen Ableitungen

$\frac{\partial f}{\partial x_i}(a)=D_{e_i}f(a)$.

Bemerkung - Einseitige Richtungsableitung

Die einseitigen Richtungsableitungen verallgemeinern den Begriff des rechtsseitigen und linksseitigen Grenzwertes für den Differenzenquotienten aus der elementaren Analysis mit eindimensionalem Definitionsbereich.

Totale Differenzierbarkeit

Die Funktion $f$ heißt total differenzierbar im Punkt $a$, falls eine lineare Abbildung $L:{ℝ}^n\to ℝ$ und eine Funktion $r$ existieren, so dass sich $f$ bis auf den Fehler $r$ durch $L$ approximieren lässt,

$f(a+v)=f(a)+Lv+r(v),$

und $r$ von höherer als erster Ordnung gegen 0 geht, das heißt $\frac{r(v)}{\Vert v\Vert }\to 0$ für $\Vert v\Vert \to 0$.

Totale Ableitung

Die lineare Abbildung $L$ heißt totale Ableitung von $f$ im Punkt $a$. Sie wird mit $Df(a)$ bezeichnet. Die Matrixdarstellung bezüglich der Standardbasis heißt Jacobi-Matrix und wird mit $J_f(a)$ oder auch $Df(a)$ bezeichnet. Die Funktion $f$ heißt total differenzierbar, falls sie in jedem Punkt total differenzierbar ist.

Bemerkung - totale Differenzierbarkeit und Stetigkeit

Eine total differenzierbare Funktion ist auch stetig.

In der neueren mathematischen Literatur spricht man statt von totaler Differenzierbarkeit meist einfach von Differenzierbarkeit. Die totale Ableitung wird auch Differential genannt.

Zusammenhänge zwischen den verschiedenen Differenzierbarkeitsbegriffen

• Ist $f$ beidseitig differenzierbar in jede Richtung, so ist $f$ insbesondere partiell differenzierbar.
• Ist $f$ total differenzierbar, so ist $f$ differenzierbar in jede Richtung (also insbesondere auch partiell differenzierbar). Die Einträge der Jacobi-Matrix sind die partiellen Ableitungen

  $J_f(a)=(\frac{\partial f}{\partial x_1}(a)\dots \frac{\partial f}{\partial x_n}(a))$.

Man erhält die Richtungsableitung in Richtung $v=(v_1,\dots ,v_n)$, indem man die totale Ableitung (eine lineare Abbildung) auf den Vektor $v$ anwendet.

$D_{v}f(a)=Df(a)v=\sum _{i=1}^n\frac{\partial f}{\partial x_i}(a)v_i$

Umkehrungen ohne Stetigkeit der Ableitungen

Die Umkehrungen gelten nicht:

• Aus der partiellen Differenzierbarkeit folgt weder die totale Differenzierbarkeit noch die beidseitige oder einseitige Differenzierbarkeit in Richtungen, die keine Koordinatenrichtungen sind.
• Auch aus der beidseitigen Differenzierbarkeit in alle Richtungen folgt nicht totale Differenzierbarkeit. Selbst dann nicht, wenn der Kandidat für die totale Ableitung, die Abbildung $v\in {ℝ}^n\mapsto D_{v}f(a)$, linear ist.

Umkehrungen mit Stetigkeit der Ableitungen

Anders ist es, wenn man nicht nur die Existenz, sondern auch die Stetigkeit der partiellen Ableitungen voraussetzt.

• Ist $f$ stetig partiell differenzierbar, so ist $f$ auch total differenzierbar.

Man nennt stetig partiell differenzierbare Funktionen deshalb auch einfach stetig differenzierbar. Auch hier gilt die Umkehrung nicht:

• Aus totaler Differenzierbarkeit folgt nicht die Stetigkeit der partiellen Ableitungen.

Implikationen für Differenzierbarkeitseigenschaften

Insgesamt gilt somit:

stetige partielle Differenzierbarkeit $\to$ totale Differenzierbarkeit $\to$ Differenzierbarkeit in jede Richtung $\to$ partielle Differenzierbarkeit,

Es gelten jedoch keine der Umkehrungen.

Beispiele

• Jede Funktion, die sich als Polynom in den Variablen $x_1,\dots ,x_n$ darstellen lässt, ist stetig differenzierbar.
• Summen, Produkte, Quotienten und Verkettungen von stetig differenzierbaren Funktionen sind stetig differenzierbar.

Gegenbeispiele

Alle Gegenbeispiele sind Funktionen auf dem ${ℝ}^2$. Die Koordinaten werden mit $x$ und $y$ bezeichnet statt mit $x_1$ und $x_2$. Von Interesse ist hier nur die Differenzierbarkeit und Stetigkeit am Ursprung $(0,0)$. Überall sonst sind die Funktionen stetig differenzierbar.

Partiell differenzierbar, aber nicht stetig und nicht alle Richtungsableitungen

Graph der Funktion $f_1$

Die Funktion

$f_1(x,y)=\{\begin{array}{cc}\frac{2xy}{x^2+y^2}& (x,y)\ne (0,0)\\ 0& (x,y)=(0,0)\end{array}$

ist an der Stelle (0,0) partiell differenzierbar. Auf den Koordinatenachsen hat die Funktion konstant den Wert 0, das heißt für alle $x$ und $y$ gilt

$f_1(x,0)=f_1(0,y)=0$.

Daraus folgt

$\frac{\partial f_1}{\partial x}(0,0)=\frac{\partial f_1}{\partial y}(0,0)=0$.

Die Funktion ist jedoch bei (0,0) nicht stetig. Auf der ersten Winkelhalbierenden (mit Ausnahme des Ursprungs) hat $f_1$ konstant den Wert eins ($f_1(t,t)=1$). Nähert man sich dem Ursprung auf der ersten Winkelhalbierenden, so streben die Funktionswerte also gegen 1. Die Richtungsableitung in andere Richtungen als die der Koordinatenachsen existieren nicht.

Graph der Funktion $f_2$

Die Funktion

$f_2(x,y)=\{\begin{array}{cc}\frac{2xy}{\sqrt{x^2+y^2}}& (x,y)\ne (0,0)\\ 0& (x,y)=(0,0)\end{array}$

ist an der Stelle (0,0) partiell differenzierbar und stetig. Alle einseitigen Richtungsableitungen existieren, aber außer in die Koordinatenrichtungen nicht die beidseitigen.

Einseitige Ableitung - aber keine beidseitigen Richtungsableitungen

Graph der Funktion $f_3$

Die euklidische Norm

$f_3(x,y)=\sqrt{x^2+y^2}$

verallgemeinert die Betragsfunktion. Sie ist überall stetig.

Einseitige Richtungsableitung

Für jeden Einheitsvektor $v=(v_1,v_2)\in {ℝ}^2$ existiert die einseitige Richtungsableitung von $f_3$ in $(0,0)$ und es gilt

$D_v^{+}{f}_3(0,0)=\underset{h\searrow 0}{\lim }\frac{\sqrt{(h{v}_1{)}^2+(h{v}_2{)}^2}}{h}=\underset{h\searrow 0}{\lim }\frac{|h|}{h}\sqrt{v_1^2+v_2^2}=\underset{h\searrow 0}{\lim }\frac{|h|}{h}=1$

Der Grenzwert existiert nur einseitig, also existieren die beidseitigen Richtungsableitungen nicht. Insbesondere ist die Funktion auch nicht partiell differenzierbar.

Alle Richtungsableitungen existieren, aber definieren keine lineare Abbildung

Graph der Funktion $f_4$

$f_4(x,y)=\{\begin{array}{cc}\frac{3x^{2}y-y^3}{x^2+y^2}& (x,y)\ne (0,0)\\ 0& (x,y)=(0,0)\end{array}$

Hier existieren alle Richtungsableitungen, für die partiellen Ableitungen gilt

$\frac{\partial f_4}{\partial x}(0,0)=0,\frac{\partial f_4}{\partial y}(0,0)=-1.$

Die Abbildung $v\mapsto D_v{f}_4(0,0)$ ist jedoch nicht linear. Für den Einheitsvektor $v=(\frac{1}{2},\frac{\sqrt{3}}{2})$ gilt

$D_{(\frac{1}{2},\frac{\sqrt{3}}{2})}{f}_4(0,0)=0,$

während

$\frac{\partial f_4}{\partial x}(0,0)\cdot \frac{1}{2}+\frac{\partial f_4}{\partial y}(0,0)\cdot \frac{\sqrt{3}}{2}=-\frac{\sqrt{3}}{2}.$

Alle Richtungsableitungen existieren und definieren eine lineare Abbildung, aber nicht total differenzierbar

Graph der Funktion $f_5$

$f_5(x,y)=\{\begin{array}{cc}\frac{x{y}^3}{x^2+y^4}& (x,y)\ne (0,0)\\ 0& (x,y)=(0,0)\end{array}$

Hier existieren alle Richtungsableitungen, für jeden Vektor $v\in {ℝ}^2$ gilt $D_v{f}_5(0,0)=0$. Insbesondere ist $f_5$ partiell differenzierbar mit

$\frac{\partial f_5}{\partial x}(0,0)=\frac{\partial f_5}{\partial y}(0,0)=0$

und die Abbildung

$v\mapsto D_v{f}_5(0,0)=0$

ist die Nullabbildung, also trivialerweise linear.

Die Funktion ist auch stetig. Sie ist jedoch an der Stelle (0,0) nicht total differenzierbar. Wäre sie es, so wäre $L=Df(0,0)$ die Nullabbildung und für jeden Vektor $v=(v_1,v_2)$ gälte

$f_5(v_1,v_2)=f_5(0,0)+L(v_1,v_2)+r(v_1,v_2)=0+0+r(v_1,v_2)$.

Für das Fehlerglied $r(v)=r(v_1,v_2)$ gälte also

$r(v_1,v_2)=\frac{v_1{v}_2^3}{v_1^2+v_2^4}$.

Setzt man $v_1=h^2$ und $v_2=h$ mit $h>0$, so erhält man

$r(v)=\frac{h^2{h}^3}{h^4+h^4}=\frac{h}{2}$ und $\Vert v\Vert =\sqrt{h^4+h^2}=h\sqrt{1+h^2}$, also $\frac{r(v)}{\Vert v\Vert }=\frac{1}{2\sqrt{1+h^2}}$.

Für $h$ gegen 0 geht dieser Term gegen $\frac{1}{2}$ statt gegen 0.

Total differenzierbar, aber nicht stetig partiell differenzierbar

Graph der Funktion $f_6$

Diese Funktion ist der entsprechenden Beispielfunktion einer Variablen nachgebildet, der Nachweis verläuft im Prinzip genauso wie dort.

$f_6(x,y)=\{\begin{array}{cc}(x^2+y^2)\sin \frac{1}{x^2+y^2}& (x,y)\ne (0,0)\\ 0& (x,y)=(0,0)\end{array}$

Die Funktion ist an der Stelle (0,0) total differenzierbar, die Ableitung ist die Nullfunktion. Nähert man sich dem Nullpunkt, so divergieren jedoch die partiellen Ableitungen, zum Beispiel geht der Betrag von

$\frac{\partial f_6}{\partial x}(x,0)=2x\sin \frac{1}{x^2}-\frac{2}{x}\cos \frac{1}{x^2}$

gegen unendlich für $x$ gegen 0.

Abbildungen zwischen endlichdimensionalen Vektorräumen

Eine Abbildung $F$ von einer offenen Menge $U\subset {ℝ}^n$ in den Vektorraum ${ℝ}^m$ lässt sich durch ihre Komponentenfunktionen darstellen:

$F(x)=(f_1(x),\dots ,f_m(x))$ mit $f_i:U\to ℝ$ für $i=1,\dots ,m$.

Differenzierbarkeit von $F$ lässt sich dann auf Differenzierbarkeit der $f_i$ zurückführen. $F$ ist (im Punkt $a\in U$) genau dann partiell differenzierbar (differenzierbar in Richtung des Vektors $v$, total differenzierbar, stetig partiell differenzierbar), wenn alle Komponentenfunktionen $f_1,\dots ,f_m$ diese Eigenschaft haben.

Jakobi-Matrix

Ist $F$ im Punkt $a$ total differenzierbar, so ist $DF(a)$ eine lineare Abbildung von ${ℝ}^n$ nach ${ℝ}^m$. Ihre Darstellungsmatrix, die Jacobi-Matrix, besteht aus den partiellen Ableitungen der Komponentenfunktion $f_k$:

$J_F(a)=\left(\begin{array}{ccc}\frac{\partial f_1}{\partial x_1}& \dots & \frac{\partial f_1}{\partial x_n}\\ ⋮& & ⋮\\ \frac{\partial f_m}{\partial x_1}& \dots & \frac{\partial f_m}{\partial x_n}\end{array}\right)$

und die Richtungsableitung von $F$ im Punkt $a$ in Richtung $v$ ist das Bild des Vektors $v$ unter der linearen Abbildung $DF(a)$.

Funktionen und Abbildungen auf unendlichdimensionalen Vektorräumen

Auf unendlichdimensionalen Vektorräumen gibt es keine Koordinaten, deshalb gibt es keine partielle Differenzierbarkeit. Die Begriffe Richtungsableitung und totale Differenzierbarkeit lassen sich jedoch auf unendlichdimensionale Vektorräume verallgemeinern. Dabei spielt im Gegensatz zum Endlichdimensionalen die Topologie auf den Vektorräumen eine wichtige Rolle. Typische Beispiel für unendlichdimensionale Vektorräume sind Funktionenräume, also Vektorräume, deren „Vektoren“ Funktionen sind. Zur Unterscheidung nennt man die auf diesen Vektorräume definierten Funktionen Funktionale und nennt Abbildungen zwischen solchen Vektorräumen Operatoren.

Gâteaux-Differenzierbarkeit

Der Richtungsableitung entspricht die Gâteaux-Ableitung. Gegeben sei ein normierter Vektorraum $V$ (das heißt ein (typischerweise unendlichdimensionaler) Vektorraum zusammen mit einer Norm $\Vert \cdot \Vert$), eine offene Teilmenge $U\subset V$ und ein Funktional $F:U\to ℝ$. Die Gâteaux-Ableitung von $F$ an einem „Punkt“ $x_o\in U$ in Richtung eines Vektors $v\in V$ ist dann gegeben durch

$\delta F(a,v):=\underset{h\to 0}{\lim }\frac{F(x_o+hv)-F(x_o)}{h}$

falls der Grenzwert existiert.

Bemerkung - Normierte Gateaux-Ableitung

Der Wert der Ableitung ist in der Regel von der Länge von $v$ abhängig. Eine Normierung des Vektors $v$ mit mit $\Vert v\Vert =1$ entspricht der Normierung der partiellen Ableitung in Richtung der Einheitsvektoren. Im normierten Fall ergibt sich:

$\frac{\partial F}{\partial v}(x_o):=\underset{h\to 0}{\lim }\frac{F(x_o+hv)-F(x_o)}{h}\text{ mit }\Vert v\Vert =1$

Aufgaben

• Geben Sie eine Beispiel für eine Richtungsableitung an, bei dem sich die Richtungsableitung in Richtung $v$ und $2\cdot v$ unterscheiden.
• Sei $V:=𝒞([a,b],ℝ)$ der Vektorraum der stetigen Funktionen mit der Maximumsnorm $\Vert \cdot \Vert$ auf $V$ mit $\Vert f\Vert :=\underset{x\in [a,b]}{\max }|f(x)|$. Gegeben ist die Abbildung $F:V\to ℝ$ mit $F(f):=\underset{a}{\overset{b}{\int }}f(x)dx$. Betrachten Sie die Gateaux-Ableitung von $F$ an der Stelle $f_o$ in Richtung $v$ mit $f_o(x):=x^2$ und $v(x):=\frac{1}{b-a}$.

Gâteaux-Abbildung

Falls die Gâteaux-Ableitung für jedes $v\in V$ existiert, dann ist eine Abbildung $\delta F(a):V\to ℝ$, $v\mapsto \delta F(a,v)$ erklärt. Aus der Definition folgt sofort, dass diese Abbildung positiv homogen ist, also $\delta F(a,\lambda v)=\lambda \delta F(a,v)$ für alle $\lambda >0$.

Bemerkung - Existenz aller Richtungsableitungen

Wie im Endlichdimensionalen folgt aus der Existenz aller Richtungsableitungen nicht, dass $\delta F(a)$ additiv und damit linear ist. Auch wenn die Abbildung linear ist, folgt nicht, dass sie stetig ist.

Bemerkung - Unterschiedliche nicht verträgliche Definitionen

Für den Begriff Gâteaux-Differenzierbarkeit gibt es mehrere nicht verträgliche Konventionen:

Manche Autoren nennen ein Funktional $F$ Gâteaux-differenzierbar im Punkt $x_o$, falls alle $\delta F(a,v)$ existieren, und bezeichnen dann die Abbildung $\delta F(a)$ als Gateaux-Ableitung von $F$ im Punkt $x_o$. Andere fordern zusätzlich, dass $\delta F(a)$ linear und stetig ist.

Gâteaux-Differenzierbarkeit für Operatoren

Ganz analog definiert man Gâteaux-Differenzierbarkeit und Gâteaux-Ableitung für Operatoren $F:V\to W$ von einem normierten Vektorraum $(V,\Vert \cdot {\Vert }_V)$ in einen andern normierten Vektorraum $(W,\Vert \cdot {\Vert }_W)$ (typischerweise ein Banachraum). Die in der Definition der Gâteaux-Ableitung geforderte Konvergenz versteht sich dann im Sinne der Norm $\Vert \cdot {\Vert }_W)$ auf $W$. Entsprechendes gilt für die Stetigkeit von $\delta F(x_o,\cdot ):V\to W$.

Fréchet-Differenzierbarkeit

Der totalen Differenzierbarkeit im Endlichdimensionalen entspricht bei unendlichdimensionalen Vektorräumen die Fréchet-Differenzierbarkeit. Gegeben seien Banachräume $V$ und $W$, eine offene Teilmenge $U\subset V$, eine Abbildung $F:U\to W$ und ein Punkt $a\in U$.

Definition - Fréchet-differenzierbar

Die Abbildung $F$ heißt Fréchet-differenzierbar, wenn eine beschränkte (also stetige) lineare Abbildung $L:V\to W$ und eine Abbildung $r:U\to W$ existieren, sodass für alle $h\in V$ mit $x_o+h\in U$ gilt

$F(x_o+h)=F(x_o)+Lh+r(h)\text{ und }\underset{\Vert h\Vert \to 0}{\lim }\frac{\Vert r(h){\Vert }_{{}_W}}{\Vert h{\Vert }_{{}_V}}=0.$

Dabei steht im Zähler die Norm von $W$, im Nenner die von $V$.

Bezeichung - Fréchet-Ableitung

Der lineare Operator $L:V\to W$ heißt in diesem Fall Fréchet-Ableitung von $F$ an der Stelle $a$.

Zusammenhänge

Wie im Endlichdimensionalen ist jede Fréchet-differenzierbare Abbildung $F$ auch Gâteaux-differenzierbar und die Gâteaux-Ableitung stimmt mit der Fréchet-Ableitung überein. Umgekehrt braucht $F$ im Punkt $a$ selbst dann nicht Fréchet-differenzierbar zu sein, wenn die Gâteaux-Ableitung $\delta F(a)$ linear und stetig ist.

Begriffserweiterungen

Folgende Konzepte sind Verallgemeinerungen der Differenzierbarkeit:

• schwache Ableitungen
• Differenzierbarkeit im Sinne von Distributionen
• Radon-Nikodým-Ableitung

Literatur

Im Prinzip sämtliche einführende Literatur zu Analysis und/oder Differentialrechnung. Beispielsweise seien genannt:

• Otto Forster: Analysis 1. Differential- und Integralrechnung einer Veränderlichen. 7. Auflage. Vieweg, Braunschweig 2004, ISBN 3-528-67224-2.
• Otto Forster: Analysis 2. Differentialrechnung im Rⁿ. Gewöhnliche Differentialgleichungen. 6. Auflage. Vieweg, Braunschweig 2005, ISBN 3-528-47231-6.
• Konrad Königsberger: Analysis. 2 Bände. Springer, Berlin 2004, ISBN 3-540-41282-4.

Seiteninformation

Diese Lernresource können Sie als Wiki2Reveal-Foliensatz darstellen.

Wiki2Reveal

Dieser Wiki2Reveal Foliensatz wurde für den Lerneinheit Kurs:Maßtheorie auf topologischen Räumen' erstellt der Link für die Wiki2Reveal-Folien wurde mit dem Wiki2Reveal-Linkgenerator erstellt.

• Die Seite wurde als Dokumententyp PanDocElectron-SLIDE erstellt.
• Link zur Quelle in Wikiversity: https://de.wikiversity.org/wiki/Kurs:Ma%C3%9Ftheorie%20auf%20topologischen%20R%C3%A4umen/Differenzierbarkeit%20in%20Analysis%20und%20Funktiontheorie
• siehe auch weitere Informationen zu Wiki2Reveal und unter Wiki2Reveal-Linkgenerator.

Wikipedia2Wikiversity

Diese Seite wurde auf Basis der folgenden Wikipedia-Quelle erstellt:

• Differenzierbarkeit https://de.wikipedia.org/wiki/Differenzierbarkeit
• Datum: 2.12.2022
• Wikipedia2Wikiversity-Konverter: https://niebert.github.com/Wikipedia2Wikiversity