Lektion 2.3

Partielle Ableitungen und Gradient

45 min Lesezeit
Lesen anpassen

Nach dieser Lektion kannst du

  • partielle Ableitungen berechnen, indem du alle Veränderlichen bis auf eine festhältst,

  • den Gradienten und Richtungsableitungen bestimmen und geometrisch deuten,

  • begründen, warum der Gradient in Richtung des stärksten Anstiegs zeigt und senkrecht auf den Höhenlinien steht,

  • an einem Beispiel zeigen, dass eine partiell differenzierbare Funktion nicht stetig sein muss,

  • höhere partielle Ableitungen bilden und den Satz von Schwarz mit seinen Voraussetzungen anwenden.

Vorausgesetzt: Grenzwerte und Stetigkeit in mehreren Veränderlichen, Differenzierbarkeit und Ableitung, Der Mittelwertsatz und seine Folgen

Du stehst an einem Hang. Die Höhe des Geländes über dem Punkt (x,y)(x, y) der Karte sei h(x,y)h(x, y), die xx-Achse zeige nach Osten, die yy-Achse nach Norden. Gehst du genau nach Osten, so bleibt yy fest, und du läufst auf dem Graphen der Funktion x↦h(x,y0)x \mapsto h(x, y_0) einer Veränderlichen. Ihre Steigung kennst du aus Analysis I: die Ableitung. Dasselbe gilt für den Weg nach Norden.

Aber in welche Richtung geht es am steilsten bergauf? Wie steil ist der Weg nach Nordosten? Und was haben diese Steigungen mit den Höhenlinien auf der Karte zu tun?

Diese Lektion beginnt mit den Ableitungen längs der Achsen, den partiellen Ableitungen. Aus ihnen wird der Gradient, ein Vektor, der die Antworten auf alle drei Fragen enthält, wenn die Funktion gutartig genug ist. Wie wenig die partiellen Ableitungen allein über eine Funktion verraten, zeigt ein Beispiel aus der letzten Lektion.

Definition

Partielle Ableitung

Sei D⊆RnD \subseteq \mathbb{R}^n offen, f ⁣:D→Rf\colon D \to \mathbb{R} und a∈Da \in D. Mit eie_i bezeichnen wir den ii-ten Standardbasisvektor (eine 11 an der Stelle ii, sonst Nullen). Die partielle Ableitung von ff nach xix_i in aa ist

∂f∂xi(a)=lim⁡t→0f(a+tei)−f(a)t,\frac{\partial f}{\partial x_i}(a) = \lim_{t \to 0} \frac{f(a + t e_i) - f(a)}{t},

falls der Grenzwert existiert. Das ist die gewöhnliche Ableitung der Funktion t↦f(a1,…,ai+t,…,an)t \mapsto f(a_1, \dots, a_i + t, \dots, a_n) an der Stelle 00: Alle Veränderlichen außer xix_i werden festgehalten. Weil DD offen ist, liegt a+teia + t e_i für kleine ∣t∣|t| in DD.

Andere Schreibweisen: ∂if(a)\partial_i f(a), fxi(a)f_{x_i}(a), bei zwei Veränderlichen fxf_x und fyf_y. ff heißt partiell differenzierbar, wenn alle partiellen Ableitungen in allen Punkten von DD existieren.

Beispiel

Partielle Ableitungen ausrechnen

Für f(x,y)=x2y+sin⁡(xy)f(x, y) = x^2 y + \sin(xy) behandelt man beim Ableiten nach xx die Variable yy wie eine Konstante, und umgekehrt:

fx(x,y)=2xy+ycos⁡(xy),fy(x,y)=x2+xcos⁡(xy).f_x(x, y) = 2xy + y\cos(xy), \qquad f_y(x, y) = x^2 + x\cos(xy).

Für g(x,y,z)=x eyzg(x, y, z) = x\,e^{yz} ergibt sich mit der Kettenregel in einer Veränderlichen

gx=eyz,gy=xz eyz,gz=xy eyz.g_x = e^{yz}, \qquad g_y = xz\,e^{yz}, \qquad g_z = xy\,e^{yz}.

Alle Regeln aus Analysis I (Summe, Produkt, Quotient, Kette) gelten für partielle Ableitungen, denn es sind gewöhnliche Ableitungen, in denen die anderen Variablen nur Zahlen sind.

Kurz geprüft

Berechne die partielle Ableitung von f(x,y)=x3y2+4xyf(x, y) = x^3 y^2 + 4xy nach xx.

Potenzen mit ^, Wurzel als sqrt(x), Brüche mit / und Klammern.

Definition

Gradient und Richtungsableitung

Existieren in aa alle partiellen Ableitungen, so heißt der Vektor

∇f(a)=(∂1f(a),…,∂nf(a))∈Rn\nabla f(a) = \bigl(\partial_1 f(a), \dots, \partial_n f(a)\bigr) \in \mathbb{R}^n

der Gradient von ff in aa (gelesen "Nabla ff"). Für f(x,y)=x2+y2f(x, y) = x^2 + y^2 ist ∇f(x,y)=(2x,2y)\nabla f(x, y) = (2x, 2y).

Sei v∈Rnv \in \mathbb{R}^n ein Einheitsvektor, ∥v∥=1\|v\| = 1. Die Richtungsableitung von ff in aa in Richtung vv ist

∂vf(a)=lim⁡t→0f(a+tv)−f(a)t,\partial_v f(a) = \lim_{t \to 0} \frac{f(a + tv) - f(a)}{t},

die Steigung von ff längs der Geraden durch aa mit Richtung vv. Für v=eiv = e_i ist das die partielle Ableitung ∂if(a)\partial_i f(a). Man verlangt ∥v∥=1\|v\| = 1, damit tt die zurückgelegte Strecke misst; sonst würde die Steigung mit der Länge von vv skaliert.

Vermute zuerst

Sei f(x,y)=x2+y2f(x, y) = x^2 + y^2 und a=(1,2)a = (1, 2). Die Höhenlinien von ff sind Kreise um den Ursprung. In welche Richtung steigt ff von aa aus am stärksten?

Beispiel

Eine Richtungsableitung direkt ausgerechnet

Sei wieder f(x,y)=x2+y2f(x, y) = x^2 + y^2, a=(1,2)a = (1, 2) und v=(35,45)v = (\frac{3}{5}, \frac{4}{5}); es ist ∥v∥=925+1625=1\|v\| = \sqrt{\frac{9}{25} + \frac{16}{25}} = 1. Dann ist

f(a+tv)=(1+35t)2+(2+45t)2=5+225t+t2.f(a + tv) = \bigl(1 + \tfrac{3}{5}t\bigr)^2 + \bigl(2 + \tfrac{4}{5}t\bigr)^2 = 5 + \tfrac{22}{5}t + t^2.

Der Differenzenquotient ist f(a+tv)−f(a)t=225+t→225\frac{f(a + tv) - f(a)}{t} = \frac{22}{5} + t \to \frac{22}{5}. Also ∂vf(a)=225=4,4\partial_v f(a) = \frac{22}{5} = 4{,}4.

Vergleiche mit dem Gradienten: ⟨∇f(a),v⟩=2⋅35+4⋅45=225\langle \nabla f(a), v \rangle = 2 \cdot \frac{3}{5} + 4 \cdot \frac{4}{5} = \frac{22}{5}. Dieselbe Zahl. Der folgende Satz sagt, wann das allgemein gilt.

Satz

Richtungsableitung aus dem Gradienten

Sei D⊆RnD \subseteq \mathbb{R}^n offen, a∈Da \in D, und f ⁣:D→Rf\colon D \to \mathbb{R} habe in einer Kugel Br(a)⊆DB_r(a) \subseteq D alle partiellen Ableitungen, die in aa stetig sind. Dann gilt für jeden Einheitsvektor vv:

∂vf(a)=⟨∇f(a),v⟩=∑i=1n∂if(a) vi.\partial_v f(a) = \langle \nabla f(a), v \rangle = \sum_{i=1}^n \partial_i f(a)\, v_i.
Satz

Der Gradient zeigt in Richtung des stärksten Anstiegs

Unter den Voraussetzungen des letzten Satzes sei ∇f(a)≠0\nabla f(a) \neq 0. Dann ist ∂vf(a)≤∥∇f(a)∥\partial_v f(a) \leq \|\nabla f(a)\| für jeden Einheitsvektor vv, und Gleichheit gilt genau für v=∇f(a)∥∇f(a)∥v = \frac{\nabla f(a)}{\|\nabla f(a)\|}. Der stärkste Abstieg −∥∇f(a)∥-\|\nabla f(a)\| liegt in Richtung −∇f(a)-\nabla f(a).

Kurz geprüft

Sei f(x,y)=x2yf(x, y) = x^2 y, a=(1,3)a = (1, 3) und v=(45,−35)v = (\frac{4}{5}, -\frac{3}{5}). Berechne ∂vf(a)\partial_v f(a) als Dezimalzahl.

Beispiel

Partiell differenzierbar, aber nicht stetig

Sei f(x,y)=xyx2+y2f(x, y) = \frac{xy}{x^2 + y^2} für (x,y)≠(0,0)(x, y) \neq (0, 0) und f(0,0)=0f(0, 0) = 0. Aus der letzten Lektion weißt du: ff ist in (0,0)(0, 0) nicht stetig, auf der Diagonalen ist f=12f = \frac{1}{2}.

Trotzdem existieren beide partiellen Ableitungen im Ursprung. Auf der xx-Achse ist f(t,0)=0f(t, 0) = 0 für alle tt, also

∂xf(0,0)=lim⁡t→0f(t,0)−f(0,0)t=lim⁡t→00t=0,\partial_x f(0, 0) = \lim_{t \to 0} \frac{f(t, 0) - f(0, 0)}{t} = \lim_{t \to 0} \frac{0}{t} = 0,

und genauso ∂yf(0,0)=0\partial_y f(0, 0) = 0. Der Gradient im Ursprung ist (0,0)(0, 0).

In schräge Richtungen existiert die Richtungsableitung nicht: Für einen Einheitsvektor vv mit v1v2≠0v_1 v_2 \neq 0 ist f(tv)=v1v2f(tv) = v_1 v_2 für t≠0t \neq 0, der Differenzenquotient v1v2t\frac{v_1 v_2}{t} hat für t→0t \to 0 keinen Grenzwert.

Partielle Ableitungen sehen nur, was auf den Achsenparallelen durch den Punkt geschieht. Über den Rest der Umgebung sagen sie nichts. Hier ist zum Beispiel fx(0,y)=1yf_x(0, y) = \frac{1}{y} für y≠0y \neq 0; fxf_x ist im Ursprung also nicht stetig, und der Satz über Richtungsableitungen greift nicht.

Häufige Fehler

Partielle Ableitungen wie in einer Veränderlichen behandeln

In Analysis I folgt aus der Differenzierbarkeit die Stetigkeit. Also sei jede partiell differenzierbare Funktion stetig, und man könne jede Richtungsableitung immer als ⟨∇f(a),v⟩\langle \nabla f(a), v \rangle ausrechnen.

Richtig ist

Beides ist falsch, wie xyx2+y2\frac{xy}{x^2 + y^2} zeigt: partiell differenzierbar, nicht stetig, Gradient 00, aber keine Richtungsableitung in Richtung (1,1)/2(1,1)/\sqrt{2}. Die Formel ∂vf(a)=⟨∇f(a),v⟩\partial_v f(a) = \langle \nabla f(a), v \rangle braucht eine Voraussetzung, etwa stetige partielle Ableitungen. Der richtige Ableitungsbegriff in mehreren Veränderlichen ist die totale Ableitung der nächsten Lektion.

Definition

Höhere partielle Ableitungen

Ist ff partiell differenzierbar und sind die Funktionen ∂if\partial_i f wieder partiell differenzierbar, so entstehen die zweiten partiellen Ableitungen

∂j∂if=∂∂xj(∂f∂xi)=∂2f∂xj ∂xi:\partial_j \partial_i f = \frac{\partial}{\partial x_j}\Bigl(\frac{\partial f}{\partial x_i}\Bigr) = \frac{\partial^2 f}{\partial x_j\, \partial x_i}:

erst nach xix_i, dann nach xjx_j ableiten. Bei zwei Veränderlichen schreibt man fxxf_{xx}, fyyf_{yy} und fxy=(fx)yf_{xy} = (f_x)_y, erst nach xx, dann nach yy. Die Reihenfolgekonventionen sind in Büchern nicht einheitlich; unter den Voraussetzungen des folgenden Satzes ist die Reihenfolge gleichgültig.

ff heißt zweimal stetig partiell differenzierbar, wenn alle partiellen Ableitungen bis zur zweiten Ordnung existieren und stetig sind.

Beispiel

Alle zweiten Ableitungen einer Funktion

Sei f(x,y)=x3y2+exyf(x, y) = x^3 y^2 + e^{xy}. Dann ist

fx=3x2y2+y exy,fy=2x3y+x exyf_x = 3x^2 y^2 + y\,e^{xy}, \qquad f_y = 2x^3 y + x\,e^{xy}

und weiter

fxx=6xy2+y2exy,fyy=2x3+x2exy,f_{xx} = 6xy^2 + y^2 e^{xy}, \qquad f_{yy} = 2x^3 + x^2 e^{xy},

fxy=(fx)y=6x2y+exy+xy exy,fyx=(fy)x=6x2y+exy+xy exy.f_{xy} = (f_x)_y = 6x^2 y + e^{xy} + xy\,e^{xy}, \qquad f_{yx} = (f_y)_x = 6x^2 y + e^{xy} + xy\,e^{xy}.

Die beiden gemischten Ableitungen stimmen überein, obwohl sie auf verschiedenen Wegen entstanden sind. In (fx)y(f_x)_y kommt exy+xy exye^{xy} + xy\,e^{xy} aus der Produktregel für y exyy\,e^{xy}.

Satz

Satz von Schwarz

Sei D⊆RnD \subseteq \mathbb{R}^n offen und f ⁣:D→Rf\colon D \to \mathbb{R} zweimal stetig partiell differenzierbar. Dann gilt in jedem Punkt von DD für alle i,ji, j:

∂j∂if=∂i∂jf.\partial_j \partial_i f = \partial_i \partial_j f.
Kurz geprüft

Berechne fxy=(fx)yf_{xy} = (f_x)_y für f(x,y)=x2y3+xsin⁡yf(x, y) = x^2 y^3 + x \sin y.

Potenzen mit ^, Wurzel als sqrt(x), Brüche mit / und Klammern.

Zusammenfassung

  • Die partielle Ableitung ∂if(a)\partial_i f(a) ist die gewöhnliche Ableitung in der Variablen xix_i, alle anderen Variablen fest.

  • Der Gradient ∇f(a)\nabla f(a) fasst die partiellen Ableitungen zu einem Vektor zusammen. Die Richtungsableitung ∂vf(a)\partial_v f(a) ist die Steigung längs eines Einheitsvektors vv.

  • Sind die partiellen Ableitungen in einer Umgebung vorhanden und in aa stetig, so ist ∂vf(a)=⟨∇f(a),v⟩\partial_v f(a) = \langle \nabla f(a), v\rangle.

  • Dann zeigt ∇f(a)\nabla f(a) in Richtung des stärksten Anstiegs, ∥∇f(a)∥\|\nabla f(a)\| ist diese größte Steigung, und ∇f(a)\nabla f(a) steht senkrecht auf der Höhenlinie durch aa.

  • Partiell differenzierbar heißt nicht stetig: xyx2+y2\frac{xy}{x^2 + y^2} hat im Ursprung den Gradienten 00 und ist dort unstetig.

  • Satz von Schwarz: Bei zweimal stetig partiell differenzierbaren Funktionen kommt es auf die Reihenfolge der Ableitungen nicht an. Ohne Stetigkeit kann sie es.

Übungen

Aufgabe 1Term eingeben

Berechne für f(x,y)=x2e3yf(x, y) = x^2 e^{3y} die partielle Ableitung nach yy.

Potenzen mit ^, Wurzel als sqrt(x), Brüche mit / und Klammern.

Aufgabe 2Term eingeben

Berechne für f(x,y)=ln⁡(x2+y2)f(x, y) = \ln(x^2 + y^2) auf R2∖{(0,0)}\mathbb{R}^2 \setminus \{(0, 0)\} die partielle Ableitung nach xx.

Potenzen mit ^, Wurzel als sqrt(x), Brüche mit / und Klammern.

Aufgabe 3Numerisch

Berechne die Richtungsableitung von f(x,y)=xy2f(x, y) = x y^2 im Punkt (2,1)(2, 1) in Richtung v=12(1,1)v = \frac{1}{\sqrt 2}(1, 1). Runde auf zwei Nachkommastellen.

Aufgabe 4Numerisch

Wie groß ist die größte Richtungsableitung (über alle Einheitsvektoren vv) von f(x,y)=3x2+2y2f(x, y) = 3x^2 + 2y^2 im Punkt (1,2)(1, 2)?

Aufgabe 5Multiple Choice

Sei f(x,y)=x2−y2f(x, y) = x^2 - y^2. Welcher Vektor ist ein Tangentenvektor an die Höhenlinie von ff durch den Punkt (2,1)(2, 1)?

Aufgabe 6Term eingeben

Berechne fxy=(fx)yf_{xy} = (f_x)_y für f(x,y)=xsin⁡(xy)f(x, y) = x \sin(xy).

Potenzen mit ^, Wurzel als sqrt(x), Brüche mit / und Klammern.

Aufgabe 7Freitext

Sei f(x,y)=∣xy∣f(x, y) = \sqrt{|xy|}. Zeige: ff ist in (0,0)(0, 0) stetig und partiell differenzierbar mit ∇f(0,0)=(0,0)\nabla f(0, 0) = (0, 0), aber die Richtungsableitung in Richtung v=12(1,1)v = \frac{1}{\sqrt 2}(1, 1) existiert nicht.