Lektion 2.4

Totale Differenzierbarkeit und Kettenregel

45 min Lesezeit
Lesen anpassen

Nach dieser Lektion kannst du

  • die totale Ableitung als beste lineare Näherung erklären und die Jacobi-Matrix berechnen,

  • beweisen, dass total differenzierbare Funktionen stetig und partiell differenzierbar sind,

  • mit stetigen partiellen Ableitungen die totale Differenzierbarkeit nachweisen,

  • die Kettenregel als Produkt von Jacobi-Matrizen anwenden, zum Beispiel bei Polarkoordinaten,

  • die Tangentialebene an den Graphen einer Funktion zweier Veränderlicher aufstellen.

Vorausgesetzt: Partielle Ableitungen und Gradient, Matrizenmultiplikation, Skalarprodukt und Norm

Die partiellen Ableitungen der letzten Lektion haben sich als zu schwach erwiesen: Die Funktion xyx2+y2\frac{xy}{x^2 + y^2} hat im Ursprung beide, ist dort aber nicht einmal stetig. Partielle Ableitungen schauen nur auf zwei Geraden, die Funktion kann sich daneben beliebig verhalten.

In Analysis I gibt es eine zweite Sicht auf die Ableitung, die sich gut verallgemeinern lässt. ff ist in aa differenzierbar mit Ableitung f′(a)f'(a) genau dann, wenn

f(a+h)=f(a)+f′(a) h+r(h)mitr(h)h→0 (h→0).f(a + h) = f(a) + f'(a)\,h + r(h) \quad \text{mit} \quad \frac{r(h)}{h} \to 0 \ (h \to 0).

Die Abbildung h↦f′(a) hh \mapsto f'(a)\,h ist linear, und der Fehler r(h)r(h) ist klein gegen hh. Differenzierbar heißt also: In der Nähe von aa sieht ff aus wie eine lineare Abbildung plus Konstante.

Im Rn\mathbb{R}^n sind lineare Abbildungen Matrizen. Die Idee dieser Lektion: Eine Funktion ist differenzierbar, wenn sie sich in der Nähe eines Punktes in allen Richtungen zugleich durch eine Matrix annähern lässt.

Vermute zuerst

Sei f(x,y)=x2+y2f(x, y) = x^2 + y^2 und a=(1,2)a = (1, 2), also f(a)=5f(a) = 5. Welcher Ausdruck ist die lineare Näherung von f(1+h1,2+h2)−5f(1 + h_1, 2 + h_2) - 5 für kleine h=(h1,h2)h = (h_1, h_2)?

Definition

Totale Differenzierbarkeit

Sei D⊆RnD \subseteq \mathbb{R}^n offen, f ⁣:D→Rmf\colon D \to \mathbb{R}^m und a∈Da \in D. ff heißt (total) differenzierbar in aa, wenn es eine Matrix A∈Rm×nA \in \mathbb{R}^{m \times n} gibt mit

lim⁡h→0∥f(a+h)−f(a)−Ah∥∥h∥=0.\lim_{h \to 0} \frac{\|f(a + h) - f(a) - Ah\|}{\|h\|} = 0.

Gleichwertig: f(a+h)=f(a)+Ah+r(h)f(a + h) = f(a) + Ah + r(h) mit einem Rest, für den ∥r(h)∥∥h∥→0\frac{\|r(h)\|}{\|h\|} \to 0 gilt. Die lineare Abbildung h↦Ahh \mapsto Ah heißt totale Ableitung oder Differential von ff in aa und wird Df(a)Df(a) geschrieben. ff heißt differenzierbar, wenn ff in jedem Punkt von DD differenzierbar ist.

Für n=m=1n = m = 1 ist AA eine 1×11 \times 1-Matrix, also eine Zahl, und die Definition ist die aus Analysis I. Der Grenzwert h→0h \to 0 läuft hier über alle h∈Rn∖{0}h \in \mathbb{R}^n \setminus \{0\} mit a+h∈Da + h \in D, aus allen Richtungen zugleich; das ist der Unterschied zu den partiellen Ableitungen.

Satz

Was aus totaler Differenzierbarkeit folgt

Sei f=(f1,…,fm)f = (f_1, \dots, f_m) in aa total differenzierbar mit Matrix A=(aij)A = (a_{ij}). Dann gilt:

(a) ff ist in aa stetig.

(b) Alle partiellen Ableitungen ∂jfi(a)\partial_j f_i(a) existieren, und aij=∂jfi(a)a_{ij} = \partial_j f_i(a). Insbesondere ist AA eindeutig bestimmt.

(c) Für jeden Einheitsvektor vv existiert die Richtungsableitung, und ∂vf(a)=Av\partial_v f(a) = Av. Für m=1m = 1 heißt das ∂vf(a)=⟨∇f(a),v⟩\partial_v f(a) = \langle \nabla f(a), v \rangle.

Definition

Jacobi-Matrix

Existieren alle partiellen Ableitungen der Komponenten von f ⁣:D→Rmf\colon D \to \mathbb{R}^m in aa, so heißt die m×nm \times n-Matrix

Jf(a)=(∂1f1(a)⋯∂nf1(a)⋮⋮∂1fm(a)⋯∂nfm(a))J_f(a) = \begin{pmatrix} \partial_1 f_1(a) & \cdots & \partial_n f_1(a) \\ \vdots & & \vdots \\ \partial_1 f_m(a) & \cdots & \partial_n f_m(a) \end{pmatrix}

die Jacobi-Matrix von ff in aa. Die ii-te Zeile ist der Gradient der Komponente fif_i, die jj-te Spalte enthält die Ableitungen nach xjx_j. Für m=1m = 1 ist Jf(a)J_f(a) die Zeile ∇f(a)\nabla f(a).

Nach dem Satz gilt: Ist ff in aa total differenzierbar, so ist Df(a)Df(a) die Multiplikation mit Jf(a)J_f(a). Die Umkehrung gilt nicht: Die Jacobi-Matrix kann existieren, ohne dass ff differenzierbar ist.

Beispiel

Jacobi-Matrix und Näherung

Sei f(x,y)=(x2y, x+sin⁡y)f(x, y) = \bigl(x^2 y,\ x + \sin y\bigr). Dann ist

Jf(x,y)=(2xyx21cos⁡y),Jf(1,0)=(0111).J_f(x, y) = \begin{pmatrix} 2xy & x^2 \\ 1 & \cos y \end{pmatrix}, \qquad J_f(1, 0) = \begin{pmatrix} 0 & 1 \\ 1 & 1 \end{pmatrix}.

Mit f(1,0)=(0,1)f(1, 0) = (0, 1) und h=(0,1; 0,05)h = (0{,}1;\ 0{,}05) ergibt die lineare Näherung

f(1,1; 0,05)≈(0,1)+Jf(1,0) h=(0,05; 1,15).f(1{,}1;\ 0{,}05) \approx (0, 1) + J_f(1,0)\,h = (0{,}05;\ 1{,}15).

Der wahre Wert ist (1,21⋅0,05; 1,1+sin⁡0,05)≈(0,0605; 1,14998)(1{,}21 \cdot 0{,}05;\ 1{,}1 + \sin 0{,}05) \approx (0{,}0605;\ 1{,}14998).

Der Fehler liegt bei etwa 0,010{,}01, das ist von der Größenordnung ∥h∥2≈0,0125\|h\|^2 \approx 0{,}0125, also klein gegen ∥h∥≈0,11\|h\| \approx 0{,}11. Dass ff hier wirklich total differenzierbar ist, folgt aus dem nächsten Satz.

Kurz geprüft

Sei f(x,y)=(xy, x2−y2)f(x, y) = (xy,\ x^2 - y^2). Berechne die Determinante der Jacobi-Matrix im Punkt (2,1)(2, 1).

Satz

Stetige partielle Ableitungen genügen

Sei D⊆RnD \subseteq \mathbb{R}^n offen und f ⁣:D→Rmf\colon D \to \mathbb{R}^m. Existieren alle partiellen Ableitungen ∂jfi\partial_j f_i in einer Kugel um aa und sind sie in aa stetig, so ist ff in aa total differenzierbar mit Df(a)=Jf(a)Df(a) = J_f(a). Sind alle partiellen Ableitungen auf ganz DD stetig, heißt ff stetig differenzierbar; dann ist ff in jedem Punkt total differenzierbar.

Häufige Fehler

Jacobi-Matrix vorhanden, also differenzierbar

Man rechnet die partiellen Ableitungen aus, schreibt sie in eine Matrix und schließt, ff sei total differenzierbar mit dieser Ableitung.

Richtig ist

Die Jacobi-Matrix existiert schon, wenn nur die partiellen Ableitungen existieren. Bei xyx2+y2\frac{xy}{x^2+y^2} ist Jf(0,0)=(0  0)J_f(0,0) = (0\ \ 0), aber ff ist im Ursprung nicht einmal stetig. Totale Differenzierbarkeit weist man nach, indem man den Grenzwert der Definition prüft, oder mit dem hinreichenden Kriterium: Alle partiellen Ableitungen sind in einer Umgebung vorhanden und im Punkt stetig.

Satz

Kettenregel

Seien D⊆RnD \subseteq \mathbb{R}^n und E⊆RmE \subseteq \mathbb{R}^m offen, f ⁣:D→Rmf\colon D \to \mathbb{R}^m mit f(D)⊆Ef(D) \subseteq E in aa differenzierbar und g ⁣:E→Rkg\colon E \to \mathbb{R}^k in b=f(a)b = f(a) differenzierbar. Dann ist g∘fg \circ f in aa differenzierbar, und

Jg∘f(a)=Jg(f(a))⋅Jf(a)(k×m mal m×n).J_{g \circ f}(a) = J_g\bigl(f(a)\bigr) \cdot J_f(a) \qquad (k \times m \text{ mal } m \times n).
Schritt für Schritt

Kettenregel mit Polarkoordinaten

Ein Punkt der Ebene lässt sich durch Abstand r>0r > 0 zum Ursprung und Winkel φ\varphi zur positiven xx-Achse beschreiben: Φ(r,φ)=(rcos⁡φ, rsin⁡φ)\Phi(r, \varphi) = (r\cos\varphi,\ r\sin\varphi). Für eine differenzierbare Funktion f(x,y)f(x, y) sei F(r,φ)=f(Φ(r,φ))F(r, \varphi) = f(\Phi(r, \varphi)), dieselbe Funktion in Polarkoordinaten.

  1. Die Jacobi-Matrix von Φ\Phi:

    JΦ(r,φ)=(cos⁡φ−rsin⁡φsin⁡φrcos⁡φ),det⁡JΦ=r.J_\Phi(r, \varphi) = \begin{pmatrix} \cos\varphi & -r\sin\varphi \\ \sin\varphi & r\cos\varphi \end{pmatrix}, \qquad \det J_\Phi = r.
Schritt 1 von 4
Kurz geprüft

Sei f(x,y)=x2yf(x, y) = x^2 y und γ(t)=(cos⁡t,sin⁡t)\gamma(t) = (\cos t, \sin t). Berechne (f∘γ)′(0)(f \circ \gamma)'(0) mit der Kettenregel.

Definition

Tangentialebene

Sei f ⁣:D→Rf\colon D \to \mathbb{R}, D⊆R2D \subseteq \mathbb{R}^2 offen, in (a,b)(a, b) differenzierbar. Die Tangentialebene an den Graphen von ff im Punkt (a,b,f(a,b))(a, b, f(a, b)) ist der Graph der linearen Näherung:

z=f(a,b)+fx(a,b) (x−a)+fy(a,b) (y−b).z = f(a, b) + f_x(a, b)\,(x - a) + f_y(a, b)\,(y - b).

Ein Normalenvektor der Ebene ist (fx(a,b), fy(a,b), −1)\bigl(f_x(a,b),\ f_y(a,b),\ -1\bigr). Die totale Differenzierbarkeit sagt genau: Der senkrechte Abstand zwischen Graph und Ebene über (a+h1,b+h2)(a + h_1, b + h_2) ist klein gegen ∥h∥\|h\|.

Beispiel

Tangentialebene an die Schüssel

Für f(x,y)=x2+y2f(x, y) = x^2 + y^2 im Punkt (1,2)(1, 2) ist f(1,2)=5f(1, 2) = 5, fx(1,2)=2f_x(1, 2) = 2, fy(1,2)=4f_y(1, 2) = 4. Die Tangentialebene ist

z=5+2(x−1)+4(y−2)=2x+4y−5.z = 5 + 2(x - 1) + 4(y - 2) = 2x + 4y - 5.

Bei (1,1; 1,9)(1{,}1;\ 1{,}9) gibt die Ebene z=2,2+7,6−5=4,8z = 2{,}2 + 7{,}6 - 5 = 4{,}8, der Graph f(1,1; 1,9)=1,21+3,61=4,82f(1{,}1;\ 1{,}9) = 1{,}21 + 3{,}61 = 4{,}82.

Der Unterschied ist 0,02=h12+h220{,}02 = h_1^2 + h_2^2 mit h=(0,1; −0,1)h = (0{,}1;\ -0{,}1), genau der Rest aus der Vorhersage zu Beginn. Die Schüssel liegt überall über ihrer Tangentialebene.

Zusammenfassung

  • ff ist in aa total differenzierbar, wenn f(a+h)=f(a)+Ah+r(h)f(a + h) = f(a) + Ah + r(h) mit einer Matrix AA und ∥r(h)∥∥h∥→0\frac{\|r(h)\|}{\|h\|} \to 0.

  • Dann ist ff in aa stetig, partiell differenzierbar, und AA ist die Jacobi-Matrix Jf(a)=(∂jfi(a))J_f(a) = (\partial_j f_i(a)). Richtungsableitungen sind ∂vf(a)=Jf(a) v\partial_v f(a) = J_f(a)\,v.

  • Sind alle partiellen Ableitungen stetig, ist ff total differenzierbar. Die bloße Existenz der partiellen Ableitungen reicht nicht.

  • Kettenregel: Jg∘f(a)=Jg(f(a)) Jf(a)J_{g\circ f}(a) = J_g(f(a))\,J_f(a), das Produkt der Jacobi-Matrizen in der Reihenfolge der Verkettung.

  • Für Kurven: ddtf(γ(t))=⟨∇f(γ(t)),γ′(t)⟩\frac{d}{dt}f(\gamma(t)) = \langle \nabla f(\gamma(t)), \gamma'(t)\rangle.

  • Die Tangentialebene z=f(a,b)+fx(a,b)(x−a)+fy(a,b)(y−b)z = f(a,b) + f_x(a,b)(x - a) + f_y(a,b)(y - b) ist der Graph der linearen Näherung.

Übungen

Aufgabe 1Numerisch

Sei f(x,y,z)=(xyz, x+y2)f(x, y, z) = (xyz,\ x + y^2). Welchen Eintrag hat die Jacobi-Matrix Jf(1,2,3)J_f(1, 2, 3) in Zeile 11, Spalte 33?

Aufgabe 2Multiple Choice

Seien f ⁣:R3→R2f\colon \mathbb{R}^3 \to \mathbb{R}^2 und g ⁣:R2→R4g\colon \mathbb{R}^2 \to \mathbb{R}^4 differenzierbar. Welche Formel für die Jacobi-Matrix von g∘fg \circ f in aa ist richtig?

Aufgabe 3Term eingeben

Stelle die Tangentialebene an den Graphen von f(x,y)=x2yf(x, y) = x^2 y im Punkt (1,3,3)(1, 3, 3) auf.

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

Aufgabe 4Numerisch

Sei f(x,y)=x2+3xyf(x, y) = x^2 + 3xy und γ(t)=(1+t, t2+2t)\gamma(t) = (1 + t,\ t^2 + 2t). Berechne (f∘γ)′(0)(f \circ \gamma)'(0).

Aufgabe 5Multiple Choice

Welche Aussage über eine Funktion f ⁣:R2→Rf\colon \mathbb{R}^2 \to \mathbb{R} ist richtig?

Aufgabe 6Freitext

Zeige direkt mit der Definition, dass f(x,y)=xyf(x, y) = xy in jedem Punkt (a,b)(a, b) total differenzierbar ist, und gib Df(a,b)Df(a, b) an.

Aufgabe 7Freitext

Zeige, dass f(x,y)=∣xy∣f(x, y) = \sqrt{|xy|} im Ursprung nicht total differenzierbar ist, obwohl beide partiellen Ableitungen dort existieren.