Aloha :)
Die Jacobi-Matrix einer Vektorfunktionf=⎝⎜⎜⎛f1(r)⋮fn(r)⎠⎟⎟⎞enthält die Gradienten der Komponentenfunktionen als Zeilenvektoren:Jf=⎝⎜⎜⎛gradf1(r)⋮gradfn(r)⎠⎟⎟⎞
Da du hier eine Funktion f : R2→R hast, die nach R abbildet, gibt es nur eine Komponentenfunktion mit zwei Variablen. Also hat die Jacobi-Matrix eine Zeile und zwei Spalten:Jf=(∂x∂f∂y∂f)=(−(x2+y2+1)23x−(x2+y2+1)23y)
In der Hesse-Matrix wird die erste Zeile der Jacobi-Matrix nach x1, die zweite Zeile nach x2 und so weiter abgeleitet:
Hf=⎝⎛∂x∂x∂2f∂y∂x∂2f∂x∂y∂2f∂y∂y∂2f⎠⎞=⎝⎜⎜⎛(x2+y2+1)252x2−y2−1(x2+y2+1)253xy(x2+y2+1)253xy(x2+y2+1)25−x2+2y2−1⎠⎟⎟⎞
Wenn die Abbildung zwischen endlich-dimensionalen Vektorräumen stattfindet, wie hier, ist Frechet-Differenzierbarkeit gleich der totalen Differenzierbarkeit. Da die Jacobi-Matix zwei stetige Funktionen enthält, ist f stetig partiell differenzierbar und daraus folgt die totale Differenzierbarkeit.