Totale Differenzierbarkeit und Kettenregel
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 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. ist in differenzierbar mit Ableitung genau dann, wenn
Die Abbildung ist linear, und der Fehler ist klein gegen . Differenzierbar heißt also: In der Nähe von sieht aus wie eine lineare Abbildung plus Konstante.
Im 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.
Sei und , also . Welcher Ausdruck ist die lineare Näherung von für kleine ?
Totale Differenzierbarkeit
Sei offen, und . heißt (total) differenzierbar in , wenn es eine Matrix gibt mit
Gleichwertig: mit einem Rest, für den gilt. Die lineare Abbildung heißt totale Ableitung oder Differential von in und wird geschrieben. heißt differenzierbar, wenn in jedem Punkt von differenzierbar ist.
Für ist eine -Matrix, also eine Zahl, und die Definition ist die aus Analysis I. Der Grenzwert läuft hier über alle mit , aus allen Richtungen zugleich; das ist der Unterschied zu den partiellen Ableitungen.
Was aus totaler Differenzierbarkeit folgt
Sei in total differenzierbar mit Matrix . Dann gilt:
(a) ist in stetig.
(b) Alle partiellen Ableitungen existieren, und . Insbesondere ist eindeutig bestimmt.
(c) Für jeden Einheitsvektor existiert die Richtungsableitung, und . Für heißt das .
(a) Nach Cauchy-Schwarz ist die -te Komponente von im Betrag höchstens , wobei die -te Zeile ist. Also ist mit . Damit
(c) Setze mit klein. Dann ist und
(b) Das ist (c) mit : Der Differenzenquotient in Richtung konvergiert gegen , die -te Spalte von . In der -ten Komponente heißt das .
Jacobi-Matrix
Existieren alle partiellen Ableitungen der Komponenten von in , so heißt die -Matrix
die Jacobi-Matrix von in . Die -te Zeile ist der Gradient der Komponente , die -te Spalte enthält die Ableitungen nach . Für ist die Zeile .
Nach dem Satz gilt: Ist in total differenzierbar, so ist die Multiplikation mit . Die Umkehrung gilt nicht: Die Jacobi-Matrix kann existieren, ohne dass differenzierbar ist.
Jacobi-Matrix und Näherung
Jacobi-Matrix und Näherung
Sei . Dann ist
Mit und ergibt die lineare Näherung
Der wahre Wert ist .
Der Fehler liegt bei etwa , das ist von der Größenordnung , also klein gegen . Dass hier wirklich total differenzierbar ist, folgt aus dem nächsten Satz.
Sei . Berechne die Determinante der Jacobi-Matrix im Punkt .
Stetige partielle Ableitungen genügen
Sei offen und . Existieren alle partiellen Ableitungen in einer Kugel um und sind sie in stetig, so ist in total differenzierbar mit . Sind alle partiellen Ableitungen auf ganz stetig, heißt stetig differenzierbar; dann ist in jedem Punkt total differenzierbar.
Beweisidee: Man darf annehmen, denn eine Funktion ist genau dann total differenzierbar, wenn jede Komponente es ist (komponentenweise Konvergenz). Für zerlegt man wie beim Satz über Richtungsableitungen die Differenz in zwei achsenparallele Schritte und wendet den Mittelwertsatz an:
mit Zwischenpunkten , die höchstens von entfernt sind. Zieht man ab und teilt durch , so bleibt wegen
Für gehen , und wegen der Stetigkeit der partiellen Ableitungen in geht die rechte Seite gegen .
Jacobi-Matrix vorhanden, also differenzierbar
Jacobi-Matrix vorhanden, also differenzierbar
Man rechnet die partiellen Ableitungen aus, schreibt sie in eine Matrix und schließt, sei total differenzierbar mit dieser Ableitung.
Die Jacobi-Matrix existiert schon, wenn nur die partiellen Ableitungen existieren. Bei ist , aber 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.
Kettenregel
Seien und offen, mit in differenzierbar und in differenzierbar. Dann ist in differenzierbar, und
Beweisidee: Setze die Näherung von in die Näherung von ein; die Fehler bleiben klein gegen .
Sei und . Es ist mit , und , wobei für und . Mit ist
Zu zeigen ist, dass die letzten beiden Summanden geteilt durch gegen gehen. Mit den Konstanten aus dem Beweis oben ist . Weiter ist für kleine beschränkt, und , weil in stetig ist; also . Das Produkt geht gegen . Damit ist .
Kettenregel mit Polarkoordinaten
Kettenregel mit Polarkoordinaten
Ein Punkt der Ebene lässt sich durch Abstand zum Ursprung und Winkel zur positiven -Achse beschreiben: . Für eine differenzierbare Funktion sei , dieselbe Funktion in Polarkoordinaten.
Die Jacobi-Matrix von :
Sei und . Berechne mit der Kettenregel.
Tangentialebene
Sei , offen, in differenzierbar. Die Tangentialebene an den Graphen von im Punkt ist der Graph der linearen Näherung:
Ein Normalenvektor der Ebene ist . Die totale Differenzierbarkeit sagt genau: Der senkrechte Abstand zwischen Graph und Ebene über ist klein gegen .
Tangentialebene an die Schüssel
Tangentialebene an die Schüssel
Für im Punkt ist , , . Die Tangentialebene ist
Bei gibt die Ebene , der Graph .
Der Unterschied ist mit , genau der Rest aus der Vorhersage zu Beginn. Die Schüssel liegt überall über ihrer Tangentialebene.
Zusammenfassung
ist in total differenzierbar, wenn mit einer Matrix und .
Dann ist in stetig, partiell differenzierbar, und ist die Jacobi-Matrix . Richtungsableitungen sind .
Sind alle partiellen Ableitungen stetig, ist total differenzierbar. Die bloße Existenz der partiellen Ableitungen reicht nicht.
Kettenregel: , das Produkt der Jacobi-Matrizen in der Reihenfolge der Verkettung.
Für Kurven: .
Die Tangentialebene ist der Graph der linearen Näherung.
Übungen
Sei . Welchen Eintrag hat die Jacobi-Matrix in Zeile , Spalte ?
Seien und differenzierbar. Welche Formel für die Jacobi-Matrix von in ist richtig?
Stelle die Tangentialebene an den Graphen von im Punkt auf.
Sei und . Berechne .
Welche Aussage über eine Funktion ist richtig?
Zeige direkt mit der Definition, dass in jedem Punkt total differenzierbar ist, und gib an.
Zeige, dass im Ursprung nicht total differenzierbar ist, obwohl beide partiellen Ableitungen dort existieren.