Formelsammlung

Jan Krieger
28. Januar 2005
1
.
The time has come, the Walrus said,
To talk of many things:
Of shoes and ships and sealingwax
Of cabbages and kings
And why the sea is boiling hot
And whether pigs have wings.
Tweedldee in Through the Looking-Glass by Lewis Carrol
Inhaltsverzeichnis
1 Arithmetik und Algebra ... 5
1.1 Summenformeln ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Binome, Trinome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Fakult aten, Binomialkoefzient ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 wichtige Ungleichungen ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Mittelwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Normen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.7 Folgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.8 Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.9 Komplexe Zahlen: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Lineare Algebra 8
2.1 Grundbegriffe der linearen Algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.1 Mengen, Gruppen, Ringe, K orper ... . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.2 Vektorr aume, Rang, Basis ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.3 Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Lineare Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Homorphismen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.2 lineare Abbildungen und Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.3 Isomorphismen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.4 lineare Gruppe eines Vektorraumes . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Determinanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.1 Denition und Grundeigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.2 Determinanten von Endomorphismen endlich dimensionaler Vektorr aume . . 19
2.4 Eigenvektoren und charakteristisches Polynom . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.1 Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.2 Eigenwert und Eigenvektor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.3 charakteristisches Polynom . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.4 Diagonalisierbare Endomorphismen . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.5 Satz von CAYLEY-HAMILTON und Minimalpolynom . . . . . . . . . . . . . . . 21
2.4.6 Trigonalisierbare Endomorphismen . . . . . . . . . . . . . . . . . . . . . . . . . 21
3 Geometrie und Vektorrechnung 22
3.1 Vektorrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.1 Vektorprodukte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4 Differential- und Integralrechnung 24
4.1 Differentiation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.1.1 grundlegende Regeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.1.2 Differentiale einfacher Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2
3
4.2 Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.3 Integral-Transformationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.3.1 FOURIER-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4 Entwicklungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.4.1 TAYLOR-Entwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.4.2 Reihenentwicklung nach orthogonalen Funktionensystemen . . . . . . . . . . . 25
4.4.3 FOURIER-Entwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.5 Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5.1 Variation der Konstanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5.2 gew ohnliche LEGENDREsche Differentialgleichung . . . . . . . . . . . . . . . . 27
4.5.3 zugeordnete LEGENDREsche Differentialgleichung . . . . . . . . . . . . . . . . 27
4.5.4 HERMITEsche Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . 28
4.6 Variationsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5 Funktionen 29
5.1 Einfache Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.1.1 Signum-/Vorzeichenfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.1.2 Heavysidesche Sprungfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.2 Delta-Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.3 Exponentialfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.4 Logarithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.5 Trigonometrische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.5.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.5.2 (Additions-)Theoreme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.6 hyperbolische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.6.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.6.2 (Additions-)Theoreme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.6.3 Zusammenhang zwischen hyperb. und trigon. Funktionen . . . . . . . . . . . . 33
5.7 LEGENDREsche Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.7.1 gew ohnliche LEGENDREsche Polynome . . . . . . . . . . . . . . . . . . . . . . 33
5.7.2 zugeordnete LEGENDREsche Funktionen . . . . . . . . . . . . . . . . . . . . . . 35
5.8 Kugel achenfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.9 Breit-Wigner-Verteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6 Vektoranalysis 38
6.1 Koordinatensysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.1.1 Polarkoordinaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.1.2 Zylinderkoordinaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.1.3 Kugelkoordinaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.1.4 Zusammenhang zwischen den Koordinaten . . . . . . . . . . . . . . . . . . . . 39
6.1.5 allg. Koordinatentransformation . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.2 Vektoroperatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.2.1 Karthesische Koordinaten u = (x, y, z) . . . . . . . . . . . . . . . . . . . . . . . . 40
6.2.2 Zylinder-Koordinaten u = (r, , z) . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.2.3 Kugel-Koordinaten u = (r, , ) . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.2.4 S atze und Rechenregeln f ur den

-Operator . . . . . . . . . . . . . . . . . . . . 41
6.3 Integrals atze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4
7 Stochastik und Statistik 43
7.1 Wahrscheinlichkeitsmae . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
7.2 Zufallsvariablen: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.3 Grundlegende Formeln/Gr oen der Statistik . . . . . . . . . . . . . . . . . . . . . . . . 45
7.3.1 allgemeine Denitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.3.2 Spezialf alle f ur Gleichverteilung: . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.3.3 TSCHEBYSCHEFFsche Ungleichung . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.4 Verteilungsfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
7.4.1 Hypergeometrische Verteilung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
7.4.2 Binomialverteilung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
7.4.3 Poisson-Verteilung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
7.4.4 Gau-Verteilung: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
7.5 Tabellen zu Verteilungsfunktionen: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.5.1 Tabellen zur hypergeometrischen Verteilung . . . . . . . . . . . . . . . . . . . . 49
7.6 Statistische Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7.6.1 Signikanztests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7.7 Fehlerrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8 Fun 54
8.1 sch onste Formel der Mathematik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
8.2 Limericks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
9 Konstanten 55
9.1 mathematische Konstanten: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
9.2 physikalische Konstanten: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Kapitel 1
Arithmetik und Algebra ...
1.1 Summenformeln ...
Doppelsummen:
m

j=1
_
n

k=1
a
jk
_
=
m

j=1
n

k=1
a
jk
=
n

k=1
_
m

j=1
a
jk
_
Summenprodukt:
_
m

j=1
a
j
_

_
n

k=1
b
k
_
=
m

j=1
n

k=1
a
j
b
k
1.2 Binome, Trinome
(a +b)
2
= a
2
+2ab +b
2
(a +b)
3
= a
3
+3a
2
b +3ab
2
+b
3
(a b)
2
= a
2
2ab +b
2
(a b)
3
= a
3
3a
2
b +3ab
2
b
3
(a +b +c)
2
= a
2
+b
2
+c
2
+2ab +2ac +2bc
a
2
+b
2
in R nicht zerlegbar a
3
+b
3
= (a +b)(a
2
ab +b
2
)
a
2
b
2
= (a +b)(a b) a
3
b
3
= (a b)(a
2
+ab +b
2
)
a
n
b
n
= (a b)(a
n1
+a
n2
b +a
n3
b
2
+. . . +ab
n2
+b
n1
)
5
6
1.3 Fakult aten, Binomialkoefzient ...
Fakult at: n! = 1 2 3 ... n mit n N; 0! = 1; 1! = 1
Binomialkoefzient:
_
n
k
_
=
_
n!
k!(nk)!
f ur k n
0 f ur k > n
_
n
0
_
:= 1 =:
_
n
n
_
;
_
n+1
k+1
_
=
_
n
k
_
+
_
n
k+1
_
Binomischer Satz: (a +b)
n
=
_
n
0
_
a
n
+
_
n
1
_
a
n1
b +... +
_
n
n1
_
ab
n1
+
_
n
n
_
b
n
=
n

m=1
_
n
m1
_
a
n+1m
b
m1
1.4 wichtige Ungleichungen ...
Dreiecksungleichung: |a +b| |a| + |b|
|a b| ||a| |b||
Ungleichung von BERNOULLI: (1 +x)
n
1 +nx f ur x R, x > 1, x ,= 0; n N, n > 1
YOUNGsche Ungleichung: 2 |ab| a
2
+
1
b
2
f ur R
+
1.5 Mittelwerte
f ur beliebige n f ur n=2
arithmetisches Mittel: m :=
a
1
+a
2
+...+a
n
n
m :=
a
1
+a
2
2
geometrisches Mittel: g :=
n

a
1
a
2
... a
n
g :=

a
1
a
2
harmonisches Mittel:
1
h
:=
1
n

_
1
a
1
+
1
a
2
+... +
1
a
n
_
1
h
:=
1
n

_
1
a
1
+
1
a
2
_
1.6 Normen
Normeigenschaften: Eine Norm auf einem Raum V = K
n
ist eine Funktion | | : V R,
sodass f ur alle x, y V und K gilt (K: R oder C):
1. |0| = 0 und |x| > 0 f ur x ,= 0 (Denitheit)
2. |x| = || |f| (Homogenit at)
3. |x +y| |x| +|y| (Dreiecksungleichung)
Norm aquivalenz: Auf K
n
gibt es f ur alle Normen | | zwei positive Konstanten m, M, sodass:
m|x|

|x| M|x|

Skalarprodukt induziert die Norm|x| := (x, x)

1/2
7
Maximumnorm: |x|

:= max
i=1,..,n
|x
i
|
l
p
-Norm: |x|
p
:= (

n
i=1
|x
i
|
p
)
1/p
1.7 Folgen
lim
n
n

c = 1 c > 0
lim
n
n

n! =
lim
k
_
1 +
1
k
_
k
= e
1.8 Reihen

k=1
1
n
(harmonische Reihe)

k=1
x
k
=
1
1x
|x| < 1 (geomtretrische Reihe)

k=1
(1)
k1
k
= ln(2) (alternierende harmonische Reihe)

k=1
(1)
k
2k+1
=
1
4
(Leibniz Reihe);
1.9 Komplexe Zahlen:
komplexe Einheit: i
2
= 1, also i
2m
= (1)
m
und i
2m+1
= (1)
m
i
komplexe Zahl: z = a +ib; mit a = Re(z) und b = Im(z)
konjugierte komplexe Zahl: z

= z = a ib mit z z

= |z|
2
Polarform: z = a +ib = |z| (cos +i sin) = |z| E()
mit = arg(z) und tan =
b
a
a = |z| cos und b = |z| sin
EULERsche Formel: E() = e
i
also: z = a +ib = |z| e
i
Satz von MOIVRE: [E()]
n
= E(n) f ur alle R, n N
Kapitel 2
Lineare Algebra
2.1 Grundbegriffe der linearen Algebra
2.1.1 Mengen, Gruppen, Ringe, K orper ...
Mengen
M = |M|: M achtigkeit der Menge M (Anzahl der enthaltenen Elemente)
{} = : leere Menge
N = {1, 2, 3, ...}: Menge der nat urlichen Zahlen
Z = {0, 1, 2, 3, ...}: Menge der ganzen Zahlen
Q =
_
p
q
|p Z; q N
_
: Menge der rationalen Zahlen
R: Menge der reellen Zahlen
C =
_
a +ib|a, b R und i
2
= 1
_
: Menge der komplexen
K[X]: Polynomring in der unbestimmten X uber K.
Seien M
1
und M
2
Mengen:
M
1
ist Teilmenge von M
2
(M
1
M
2
), wenn x M
1
x M
2
Schnittmenge: M
1
M
2
= {x|x M
1
und x M
2
}
Vereinigungsmenge: M
1
M
2
= {x|x M
1
oder x M
2
}
Differenzmenge: M
1
M
2
= {x|x M
1
und x / M
2
}
kartesisches Produkt: M
1
M
2
= {(x
1
, x
2
)|x
1
M
1
und x
2
M
2
}
zwei Mengen heien disjunkt, wenn M
1
M
2
=

Aquivalenzrelationen und -klassen

Eine

Aquivalenzrelation auf einer Menge M ist eine beziehung zwischen ihren Elementen,
mit den Eigenschaften (a, b, c M):
a a (Reexivit at)
8
9
a b b a (Symmetrie)
a b, b c b c (Transitivit at)
Eine

Aquivalenzklasse [a] auf einer Menge Mist deniert als: [a] := {b M| b a} mit a M.
Abbildungen
Eine Abbildung f : A B, a f(a) ordnet jedem Element der Menge A genau ein Element der
Menge B zu.
Eine Abbildung heit injektiv oder eindeutig, wenn a
1
, a
2
A b B : ((a
1
, b), (a
2
, b) f
a
1
= a
2
). D.h. eine injektive Abbildung ordnet jedem Element a A eindeutig ein b B zu,
sodass keine zwei unterschiedlichen a
1
, a
2
A auf das selbe b abgebildet werden. Zu jedem
b B l asst sich also nur genau ein a A nden, dass auf b durch f abgebildet wird.
Eine Abbildung heit surjektiv, wenn b B a A : ((a, b) f) bzw. f(A) = B. D.h. Jedes
Element der Ergebnismenge B muss durch f(a) mit einem a A ausgedr uckt werden k onnen.
B l asst sich also vollst andig aus A durch die Abbildung f

erzeugen.
Eine Abbildung heit bijektiv, wenn sie sowohl injektiv, als auch surjektiv ist.
Komposition: f(g(x)) f g
Identit at: f(g(x)) = x f g = id
x
Ist eine Abbildung f : X Y bijektiv, dann existiert eine Umkehrfunktion f
1
: Y X mit
f
1
(f(x)) = x bzw. f
1
f = id
x
und f f
1
= id
y
mit x X und y Y.
Alternativdenition f ur Injektivit at, Surjektivit at, Bijektivit at (f : X Y):
f injektiv es existiert eine Abbildung g : Y X mit g f = id
x
f surjektiv es existiert eine Abbildung g : Y X mit f g = id
y
f bijektiv es existiert eine Abbildung g : Y X mit g f = id
x
und f g = id
y
, also ist
g = f
1
.
Gruppen
Eine Gruppe ist ein Paar (G, ) bestehend aus einer nicht-leeren Menge Gund einer Verkn upfung
auf G, d.h. einer Abbildung
:
_
GG G
(a, b) a b
mit folgenden Gruppenaxiomen:
G1: Assoziativgesetz a (b c) = (a b) c.
G2: Es gibt ein neutrales Element e derart, dass: f ur alle a G: a e = a = e a.
G3: zu jedem a G gibt es ein inverses Element a
1
G mit a a
1
= e = a
1
a.
Es gibt genau ein neutrales Element e G.
10
Zu jedem a G gibt es genau ein inverses Element a
1
G zu jedem a G. Weiterhin gilt
(a
1
)
1
= a und (a b)
1
= a
1
b
1
f ur a, b G.
Eine Gruppe (G, ) heit abelsche Gruppe (kommutativ), falls das Kommutativgesetz gilt, d.h.
a b = b a f ur alle a, b G.
Sei (G, ) eine nicht-leere Menge mit einer assoziativen Verkn upfung. Dann gilt (G, ) ist eine
Gruppe zu je zwei Elementen a, b G gibt es ein x, y G mit x a = b und a y = b.
Ringe
Ein Ring (R, +, ) besteht aus einer Menge R und zwei Verknpfungen:
+ :
_
R R R
(a, b) a +b
; :
_
R R R
(a, b) a b
so dass gilt:
R1: (R, +) ist eine abelsche Gruppe. 0 bezeichnet das neutrale Element.
R2: (R, ) ist assoziativ und besitzt neutrales Element 1 ,= 0.
R3: Das Distributivgesetz zu a, b, c R gilt:
(a +b) c = a c +b c
a (b +c) = a b +a c
(R, +, ) heit kommutativer Ring, falls (R, ) kommutativ (a b = b a) ist.
(R, +, ) heit nullteilerfrei, falls f ur alle a, b R gilt: a b = 0 a = 0 oder b = 0.
Die menge aller invertierbaren Elemente eines Ringes R bezeichnet man mit R

. Sie heien
Einheiten von R.
K orper
Ein K orper (K, +, ) ist eine Menge mit zwei Verknpfungen + und mit
K1: (K, +) ist eine abelsche Gruppe mit neutralem Element 0.
K2: (K, ) ist abelsche Gruppe mit neutralem Element 1 ,= 0.
K3: Das Distributivgesetz zu a, b, c R gilt:
(a +b) c = a c +b c
a (b +c) = a b +a c
Jeder K orper ist ein Ring.
Jeder K orper enth allt also neben den Elementen (a, b, ...) selbst noch die 0, die 1 und die Inver-
sen bez uglich der Addition (a, b, ...) und der Multiplikation (a
1
, b
1
, ...)
es gilt: a 0 = 0 = 0 a, (a) b = a b, a b = 0 =a = 0 oder b = 0, also (K, +, ) ist ein
nullteilerfreier Ring.
11
Die Charakteristik char(K) einer K orpers K ist folgendermaen deniert:
Gibt es ein n N mit m 1 = 1 + 1 + ... + 1 = 0, so ist char(K) = p, wobei p N die kleinste
Zahl mit p 1 = 0 ist. Andernfalls char(K) = 0.
Ist char(K) = p ,= 0, so ist p eine Primzahl.
Ein K orper K heit algebraisch abgeschlossen, wenn jedes nicht konstante Polynom f K[X]
eine Nullstelle in K besitzt. D.h. jedes von Null verschiedene Polynom aus K[X] zerf allt uber K
vollst andig in Linearfaktoren.
12
2.1.2 Vektorr aume, Rang, Basis ...
Im folgenden bezeichnet V immer einen Vektorraum uber dem K orper K.
Vektorr aume
Ein Vektorraum (linearer Raum) V uber einem K orper K ist ein Menge f ur die es eine Addition
und eine skalare Multiplikation
+ :
_
V V V
(a, b) a +b
; :
_
K V V
(a, x) a x
gibt, so dass:
V1: (V, +) ist eine abelsche Gruppe mit neutralem Element 0 (Nullvektor).
V2: 1 x = x f ur alle x V, (a b) x = (b x) a f ur alle a, b K, x V.
V3: a (x +y) = ax +ay und (a +b) x = ax +bx f ur alle x, y V, und alle a, b K.
Sei W V ein Teilmenge. W heit Untervektorraum oder Teilraum von V, falls folgendes gilt:
UV1: W ,= .
UV2: v, w W v +w W (d.h. abgeschlossen gegen uber der Addition).
UV3: v W, K v W (d.h. abgeschlossen gegen uber der skalaren Multiplikation).
V ist ein Teilraum. heit trivialer Teilraum.
Seien U
1
, U
2
, ..., U
r
Teilr aume eines Vektorraumes V. Besitzt dann jedes v V genau eine Dar-
stellung der Gestalt
v = u
1
+u
2
+... +u
r
mit u
i
U
i
so sagt man V ist die direkte Summe der Unterr aume U
1
, U
2
, ..., U
r
und man schreibt:
V = U
1
U
2
... U
r
=
r
i=1
U
i
Die Summe von Teilr aumen ist deniert als: U
1
+U
2
:= {u
1
+u
2
|u
1
U
1
, u
2
U
2
}.
Komplement arraum: Zu jedem Teilraum U eines endlich-dimensionalen vektorraumes V gibt
es einen Teilraum W von V, der folgende Eigenschaften besitzt:
(i) U W = {0}.
(ii) U+W = V.
Genau dann ist W ein Komplement arraumzu Uin V, wenn sich jeder Vektor v aus V eindeutig
darstellen l at, als:
v = u +w mit u U, w W
Dimensionsformel f ur Teilr aume: Seien U und U

Teilr aume eines endlich-dimensionalen K-

Vektorraumes V. Dann gilt die Formel:
dim(U+U

) = dimU+ dimU

dim(U U

)
U

heit transversal zu U in V, genau dann wenn: dim(U+U

) = dimU+ dimU

.
U

ist Komplement arraumzu Uin V, genau dann wenn: dimV = dim(U+U

) = dimU+dimU

.
13
Linearkombination von Vektoren
Seien u
1
, ..., u
m
Vektoren ein K-Vektorraumes V. Ein Vektor v V heit Linearkombination
von u
1
, ..., u
m
, falls es Elemente a
1
, ..., a
m
K gibt, so dass v = a
1
u
1
+... +a
m
u
m
ist.
Sei M V eine Teilmenge. So heit LinM := {v V | v ist Linearkombination von Vektoren aus M}
lineare H ulle von M. Lin := {0}.
Es gilt:
M LinM, M = LinMM ist Teilraum.
Lin(LinM) = LinM.
M M

LinM LinM

.
LinM ist der kleinste Teilraum von V, der die Menge M enth allt.
Sei V ein K-Vektorraum, so heien die Vektoren v
1
, ..., v
n
V linear unabh angig, falls gilt:

1
v
1
+
2
v
2
+... +
n
v
n
= 0
1
=
2
= ... =
n
= 0
andernfalls heien sie linear abh angig.
Isomorphie von VRs
Gibt es f ur K-Vektorr aume V und W einen Isomorphismus f : V W, so heit V isomorph zu
W, in Zeichen: V W (

Aquivalenzrelation !).
Fundamentalsatz f ur endlich erzeugte Vektorr aume: Jeder endlich erzeugte K-Vektrorraum
ist isomorph zu einemK
n
. Endloch erzeugte K-Vektrorr aume sind genau dann isomorph, wenn
gilt:
V W dimV = dimW
Erzeugendensystem und Basis
Seien u
1
, ..., u
n
Vektorewn aus V. u
1
, ..., u
n
heien Erzeugendensystemvon V, wenn Lin(u
1
, ..., u
n
) =
V.
Enth allt ein Erzeugendensystem endlich viele Vektoren, so heit der aufgespannte Raum end-
lich erzeugt.
Ein Erzeugendensystem b
1
, ..., b
n
V (V ist K-Vektorraum) heit Basis von V, falls b
1
, ..., b
n
linear unabh angig sind.
Folgende Aussagen sind aquivalent:
B ist Basis von V.
B erzeugt V und B ist linear unabh angig.
B ist ein minimales Erzeugendensystem von V.
B ist eine maximalen linear unabh angige Teilmenge von V.
Jeder Vektorraum besitzt eine Basis.
Jeder endlich erzeugte Vektorraum besitzt eine endliche Basis.
14
Basiserg anzungssatz: Jede linear unabh angige Teilmenge eine K-Vektorraumes V l asst sich zu
einer Basis erg anzen.
Koordinatenvektor: Sei V ein endlich erzeugter Vektorraum und sei b = {b
1
, ..., b
n
} eine Basis
von V. Jeder Vektor u V besitzt eine eindeutige Darstellung der Form
u =
n

i=1

i
b
i
=
1
b
1
+
2
b
2
+... +
n
b
n
Das n-Tupel (
1
, ...,
n
) heit Koordinatenvektor bzgl. der Basis B.
Rang und Dimension
Sei (u
1
, ..., u
m
) ein m-Tupel von Vektoren aus V (nicht notwendig paarweise verschieden). Der
Rang von (u
1
, ..., u
m
) ist r (r = Rang(u
1
, ..., u
m
)), falls
1. {u
1
, ..., u
m
} besitzt linear unabh angige Teilmenge aus r Vektoren.
2. Jede Teilmenge von {u
1
, ..., u
m
} aus r +1 Vektoren ist linear abh angig.
Rang(u
1
, ..., u
m
) ist also die maximale Anzahl von linear unabh angigen Vektoren in (u
1
, ..., u
m
).
Alle Basen von V haben die selbe Anzahl an Elementen. In Zeichen:
Seien B = {b
1
, ..., b
n
} und C = c
1
, ..., c
m
Basen von V, dann gilt n = m.
V hat die Dimension n = dim
K
V, falls V eine Basis aus n Elementen besitzt (also alle seine
Basen n Elemente enthalten). Es gilt:
V = 0 dim
K
V = 0
ist V nicht endlich erzeugt, so sagt man V ist unendlich dimensional (dim
K
V = inf).
Sei dim
K
V = n und (u
1
, ..., u
m
) ein m-Tupel aus Vektoren aus V. Dann gilt:
B = {u
1
, ..., u
m
} ist Basis von V Rang(u
1
, ..., u
m
) = n und n = m
2.1.3 Matrizen
Rang einer Matrix: Der (Spalten-)Rang einer beliebigen n m-Matrix A mit den Spalten-
Vektoren u
1
, ..., u
n
ist gegeben durch:
RangA = Rang(u
1
, ..., u
n
)
Der Zeilenrang ist entsprechend deniert und es gilt:
Zeilenrang = Spaltenrang
Der Rang einer Matrix ist die maximale Zahl ihrer linear unabh angigen Zeilen-/Spaltenvektoren.
Die Gesamtheit aller n n-Matrizen uber einem K orper K wird mit M(n, K) bezeichnet und
ist ein Ring.
Die transponierte Matrix
t
A zu einer mn-Matrix A berechnet sich, wie folgt:
A =
_
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
_

t
A =
_
_
_
_
_
_
_
a
11
a
21
. . . a
m1
a
12
a
22
. . . a
m2
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
. . . a
mn
_
_
_
_
_
_
_
15
2.2 Lineare Abbildungen
2.2.1 Homorphismen
Seien V, W K-Vektorr aume. Eine Abbildung f : V W heit Homomorphismus (lineare Ab-
bildung), falls (x, y V und a K):
f(x +y) = f(x) +f(y)
f(a y) = a f(x)
Ein Homomorphismus f : V V heit Endomorphismus.
Ein Homomorphismus f : V W heit Isomorphismus, falls f bijektiv ist.
Man sagt V und W sind isomorph (In Zeichen: V

= W).
Ein Isomorphismus f : V V heit Automorphismus.
Seien V und W K-Vektorr aume. Dann bezeichnet Hom
K
(V, W) die Menge aller linearer Abbil-
dungen (Homomorphismen) von V nach W.
Hom
K
(V, W) ist ein K-Vektorraum durch folgende Denition (f
1
, f
2
Hom
K
(V, W), a K):
f
1
+f
2
: V W, x (f
1
+f
2
)(x) := f
1
(x) +f
2
(x)
a f
a
: V W, x (a f
2
)(x) := a f
1
(x)
Sind V und W Vektorr aume uber K, so ist auch Hom
K
(V, W) ein Vektorraum uber K.
Rechenregeln f ur Homomorphismen:
Distributivgesetze: g (f
1
+f
2
= g f
1
+g f
2
und (g
1
+g
2
) f = g
1
f +g
2
f
Assozitaivgesetz: h (g f) = (h g) f und a(g f) = (ag) f = g (af), a K
Es existiert eine identische Abbildung id mit: idf = f id = f.
Der Endomorphismenring ist deniert durch: End
K
(V) := Hom
K
(V, V)
Es ist weder kommutativ, noch nullteilerfrei.
Sei f : V W ein Homomorphismus. Dann sei:
Ker f := {v V | f(v) = 0} Kern von f,
Imf := {w W | Es gibt ein v V mit f(v) = w} Bild von f,
Rangf := dim(Imf)
Weiterhin gilt:
Sei F : V W linear und B
1
, ..., b
n
Basis von V, sowie a
i
:= f(b
i
) f ur i = 1, ..., n, so gilt:
dim(Imf) = Rang(a
1
, ..., a
n
)
Dimensionsformel f ur lineare Abbildungen: Sei f : V W linear und V endlich erzeugt,
dann gilt:
dim(Imf) + dim(Ker f) = dimV.
Weitere Kriterien f ur Injektivit at/Surjektivit at einer linearen Abbildung f : V W:
f injektiv Ker f = {0}
f surjektiv Imf = W
16
2.2.2 lineare Abbildungen und Matrizen
Sei f : V W linear, B = (b
1
, ..., b
n
) Basis von V und C = (c
1
, ..., c
n
) Basis von W. Dann
beschreibt die Matrix der Form:
A =
_
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
_
mit durch f(b
i
) = a
i
=
m

j=1
a
ij
c
j
, i = 1, ..., n eindeutig bestimmten Zahlen a
ij
die Abbildung f
bez uglich der Basen B und C und heit Koordinatenmatrix. Auerdem gilt:
Rang(f) = Rang(A)
Alle Rechenregeln f ur Homomorphismen ubertragen sich auf Matrizen, also gilt (wenn
die Matrixprodukte deniert sind!):
A(B
1
+B
2
) = AB
1
+AB
2
(A
1
+A
2
)B = A
1
B +A
2
B
a(AB) = (aA)B = A(aB), a K
A(BC) = (AB)C
Die identische Abbildung id wird durch die n n-Einheitsmatrix dargestellt:
E
n
=
_
_
_
_
_
_
_
1 0 . . . 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 . . . 0 1
_
_
_
_
_
_
_
=
_
1 0
0 1
_
2.2.3 Isomorphismen
Seien V und W vektorr aume mit dimV = n und dimW = m. F ur eine lineare Abbildung
f : V W sind dann aquivalent:
1. f ist Isomorphismus (also bijektiv).
2. Es gilt: m = n und Rang(f) = n.
3. Eine Matrix A K
n,n
f ur welche die lin. Abbildung A : K
n
K
n
eine Isomorphismus ist,
nennt man invertierbar.
Stellt eine n n-Matrix A den Isomorph

Ubergangsmatrix: Sei V ein n-dimensionaler K-Vektorraummit den Basen B = (b
1
, ..., b
n
) und
B

= (b

1
, ..., b

n
), dann gilt:
b

i
=
n

j=1
s
ji
b
j
i = 1, ..., n
17
Die Matrix S = (s
pq
)
p,q
mit durch oben eindeutig bestimmten Elementen heit

Ubergangsma-
trix von B nach B

.
Die

Ubergangsmatrix von B

nach B ist die Inverse S

1
zu S.
Transformation der Koordinatenmatrix bei Basiswechsel: Es sein V eine n-dimensionaler K-
Vektrorraum mit Basen B und B

und W ein m-dimensionaler K-Vektorraum mit Basen C und

C

. A sei die Koordinatenmatrix einer lin. Abbildung f : V W bzgl. B und C. Dann besitzt F
bzgl. B

und C

die Koordinatenmatrix
A

= T
1
AS
wobei S die

Ubergangsmatrix von B nach B

und T die

Ubergangsmatrix von C nach C

be-
zeichnet.
F ur Endomorphismen f : V V gilt analog:
A

= S
1
AS

Aquivalenz von Matrizen: Zwei n m-Matrizen A und A

heien aquivalent, wenn es inver-

tierbare Matrizen S K
n,n
und T K
m,m
gibt, so dass A

= T
1
AS gilt. Man schreibt dann
A A

(

Aquivalenzrelation!).

Ahnlichkeit von Matrizen: Zwei n n-Matrizen A und A

heien ahnlich, wenn es eine in-

vertierbare Matrix S K
n,n
gibt, so dass A

= S
1
AS gilt. Man schreibt dann A A

(

Aquiva-
lenzrelation!).
Es sei V ein n-dimensionaler K-Vektorraum. F ur ein f End
K
(V) sind aquivalent:
1. f : V V ist Isomorphismus
2. f ist invertierbar in End
K
(V)
3. Es gibt ein g End
K
(V) mit g f = id
V
4. Es gibt ein h End
K
(V) mit f h = id
V
5. Es ist f ,= 0, und f ist kein Nullteiler in End
K
(V)
6. Rangf = n
7. f : V V ist surjektiv
8. f : V V ist injektiv
analoges gilt f ur n n-Matrizen.
2.2.4 lineare Gruppe eines Vektorraumes
Die Gruppe der invertierbaren Elemente imEndomorphismenring End
K
(V) eines K-Vektorraumes
V wird als lineare Gruppe GL
K
(V) bezeichnet und es gilt: GL
K
(V) := End
K
(V)

. F ur n n-
Matrizen uber K heit die lineare Gruppe GL(n, K).
(Es gilt: A GL(n, K) det A ,= 0)
Die spezielle lineare Gruppe SL(n, K) ist die Gruppe aller Matrizen A M
n
(K) mit det(A) = 1.
18
2.3 Determinanten
2.3.1 Denition und Grundeigenschaften
Denition: Eine Abbildung d : K
n,n
K heit Determinantenfunktion, wenn sie folgende
Eigenschaften besitzt:
1. Geht A

K
n,n
aus A K
n,n
durch Multiplikation einer Spalte mit a K hervor (also:
A

= (u
1
, ..., a u
i
, ..., u
n
)), so gilt d(A

) = a d(A).
2. Geht A

K
n,n
aus A K
n,n
durch Addition einer Spalte zu einer anderen hervor (also:
A

= (u
1
, ..., u
j
+u
i
, ..., u
n
), u
j
+u
i
an i-ter Stelle), so gilt d(A

) = d(A).
3. F ur die Einheitsmatrix E
n
K
n,n
gilt: d(E
n
) = 1.
Weiterhin gilt f ur jede Determinantenfunktion d : K
n,n
K: d ist linear in jeder Spalte, also
gilt: d(v
1
, ..., av
i
+bw
i
, ..., v
n
) = a d(v
1
, ..., v
i
, ..., v
n
) +b d(v
1
, ..., w
i
, ..., v
n
). Desweiteren gibt
es zu jeder Zahl n genau eine Determinantenfunktion. Sie wird mit det(A) bezeichnet, wobei
A k
n,n
.
Entwicklung nach der n-ten Spalte: F ur jede Determinante einer n n-Matrix gilt:
det(A) = |A| =
n

j=1
(1)
nj
a
nj
det(A
nj
)
Wobei A
ij
diejenige (n 1) (n 1)-Matrix beschreibt, die durch streichen der i-ten Spalte
und j-ten Zeile entsteht. Als Merkhilfe f ur die Vorzeichen:
+ + . . .
+ + . . .
+ + . . .
+ + . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Determinantenkriterium f ur invertierbare Matrizen: Eine Matrix n n-Matrix A ist genau
dann invertierbar, wenn det(A) ,= 0.
Rechenregeln f ur Determinanten: F ur alle A, B M
n
(K) gilt jeweils:
Multiplikationssatz: det(AB) = det(A) det(B).
det(AB) = det(BA)
det(A
2
) = det(A)
1
Symmetrie von Determinanten: det(A) = det(
t
A).
Durch Addition von zwei Spalten/Zeilen von A verndert sich det(A) nicht.
Bei Vertauschung von zwei Spalten/Zeilen von A gilt det(A

) = det(A).
Bei Multiplikation einer Spalte/Zeile von A mit x K gilt det(A

) = x det(A).
det(x A) = x
n
det(A).
Rang(A) < n det(A) = 0
19
Determinanten verallgemeinerter Dreiecksmatrizen: Hat eine Matrix A die Gestalt
A =
_
_
_
_
_
_
_
B
1

B
2
.
.
.
0 B
r
_
_
_
_
_
_
_
mit quadratischen Matrizen B
1
, ..., B
r
, so gilt: |A| = |B
1
| |B
2
| ... |B
r
|.
2.3.2 Determinanten von Endomorphismen endlich dimensionaler Vektorr aume
Denition: Es sei V ein N-dimensionaler K-Vektorraum und f : V V ein Endomorphismus
von V. dann ist det(f) := det(A), wobei A eine Koordinatenmatrix von f bzgl. einer Basis von
V ist.
Spur einer Matrix: F ur jede quadratische n n-Matrix A ist ihre Spur, wie folgt deniert:
Spur(A) :=
n

i=1
a
ii
und es gilt:
Spur(AB) = Spur(BA)
Spur(S
1
AS) = Spur(A), wobei S GL(n, K) invertierbar.
Spur(f) := Spur(A)
2.4 Eigenvektoren und charakteristisches Polynom
2.4.1 Polynome
Division mit Rest: Es sei f ,= 0 eine Polynomaus K[X], dessen h ochster Koefzient eine Einheit
von K ist. Zu jedem Polynom g K[X] gibt es dann Polynome q, r K[X] mit
g = qf +r und grad(r) < grad(f)
Es sei g K[X] ein Polynom mit der Nullstelle a K (d.h. g(a) = 0), dann gibt es ein q K[X]
mit
g(X) = (X a) q(X)
Ist K ein K orper, so hat Polynom (f ,= 0) K[X] vom Grad n h ochstens n Nullstellen in K.
2.4.2 Eigenwert und Eigenvektor
Eigenvektor: Es sei f : V V ein Endomorphismus eines K-Vektorraumes V. Ein Vektor x ,= 0
aus V heit Eigenvektor von f, falls es eine Zahl K gibt mit
fx = x
20
Eigenwert: Es sei f : V V ein Endomorphismus eines K-Vektorraumes V. Eine Zahl K
heit Eigenwert von f, falls es zu einen Vektor x ,= 0 aus V gibt, mit
fx = x
Eigenraum: Ist ein Eigenwert von f : V V, so heit der Teilraum
Eig(, f) := Ker( id
V
f) = {x V|fx = x}
von V, Eigenraum zum Eigenwert von f.
F ur jeden Eigenwert gilt: dimEig(, f) ord

(
f
).
Es sei f ein Endomorphismus eines n-dimensionalen K-Vektorraumes V, und A sei die Koor-
dinatenmatrix von f bez uglich einer basis von V. Es gilt:
det( E
n
A) = 0 K ist Eigenwert von f
jedes System von Eigenvektoren zu verschiedenen Eigenwerten eines Endomorphismus f ei-
nes bel. K-Vektorraumes ist linear unabh angig.
2.4.3 charakteristisches Polynom
Es sei A M
n
(K). Das charakteristische Polynom
A
von A ist deniert als:

a
(X) := det(X E
n
A) K[X]
Das charakteristische Polynom eines Endomorphismuses f, dessen Koordinatenmatrix bzgl.
einer Basis A ist, ist deniert als
f
:=
A
.
Das charakteristische Polynom einer n n-Matrix A uber K ist ein normiertes Polynom vom
Grade n. Es gilt also:
A
(X) = X
n
+s
1
X
n1
+... +s
n1
X+s
n
mit wohlbestimmten Koefzienten
s
i
.
Eigenwertkriterium: Eine Zahl K ist genau dann ein Eigenwert eines Endomorphismus f,
wenn
f
() = 0.
K astchenform f ur das charakteristische Polynom: Die quadratische Matrix A M
n
(K) habe
die Gestalt
A =
_
M C
0 M

_
mit quadratischen Matrizen M M
r
(K) und M

M
s
(K), dann gilt:
A
=
M

M
.
2.4.4 Diagonalisierbare Endomorphismen
Diagonalisierbarkeit: Ein Endomorphismus f uber einem n-dimensionalen K-Vektorraum V
heit diagonalisierbar, wenn es eine Basis von V gibt, bez uglich welcher die Koordinatenmatrix
von f eine Diagonalmatrix ist, also folgende Gestalt hat:
_
_
_
_
_
_
_

1
0

2
.
.
.
0
n
_
_
_
_
_
_
_
21
Dies entspricht der Aussage, dass V eine Basis besitzt, die nur aus Eigenvektoren besteht.
Auerdem hat bei einer diagonalisierbaren Matrix das charakteristische Polynom die Gestalt:

f
(X) =
n

i=1
(X
i
).
F ur einen Endomorphismus f eines n-dimensionalen K-Vektorraumes sind folgende Aussagen
aquivalent:
1. f ist diagonalisierbar
2. Das charakteristische Polynom
f
von f zerf allt uber K vollst andig in Linearfaktoren und
f ur jede Nullstelle von
f
gilt:
ord

(
f
) = dimEig(, f)
3. Das Minimalpolynom
f
von f zerf allt uber K vollst andig in Linearfaktoren und
f
besitzt
nur einfache Nullstellen.
4. V =
r
i=1
Eig(
i
, f)
5. dimV =
r

i=1
dimEig(
i
, f)
2.4.5 Satz von CAYLEY-HAMILTON und Minimalpolynom
Satz von CAYLEY-HAMILTON: Jeder Endomorphismus f eines n-dimensionalen K-Vektorraumes
gen ugt seiner eigenen charakteristischen Gleichung:

f
(f) = 0 bzw.
A
(A) = 0 mitA M
n
(K)
Minimalpolynom: Sei f ein Endomorphismus eines n-dimensionalen K-vektorraumes. Dann
gibt es genau ein normiertes Polynom
f
K[X] mit
f
(f) = 0 und folgender Eigenschaft:
Ist g K[X] ein beliebiges Polynom mit g(f) = 0, so ist g durch
f
teilbar.
Das Polynom
f
heit Minimalpolynom des Endomorphismus f.
Weiterhin gilt:
Das Minimalpolynom
f
eines Endomorphismus f teilt also immer sein charakteristisches
Polynom
f
.
Die Polynome
f
und
f
eines Endomorphismus f haben die gleichen Nullstellen in K,
allerdings gilt f ur jede Nullstelle : ord

(
f
) ord

(
f
)
2.4.6 Trigonalisierbare Endomorphismen
Trigonalisierbarkeit: Ein Endomorphismus f uber einem n-dimensionalen K-Vektorraum V
heit trigonalisierbar, wenn es eine Basis von V gibt, bez uglich welcher die Koordinatenmatrix
von f eine obere Dreiecksmatrix ist, also folgende Gestalt hat:
_
_
_
_
_
_
_

2
.
.
.
0
n
_
_
_
_
_
_
_
Ein Endomorphismus f uber einem n-dimensionalen K-Vektorraum V ist genau dann trigona-
lisierbar, wenn das charakteristische Polynom
f
von f uber K vollst andig in Linearfaktoren
zerf allt.
Kapitel 3
Geometrie und Vektorrechnung
3.1 Vektorrechnung
3.1.1 Vektorprodukte
Im folgenden seien a,

b, c,

d R
3
und R.
a
b

b
a
a b

Skalarprodukt: a

b = a
1
b
1
+a
2
b
2
+a
3
b
3
mit den Rechenregeln:
Kommutativgesetz: a

b =

b a
Assoziativgesetz: ( a

b) = (

b a) = a (

d)
Distributivgesetz: ( a +

b) c = a c +

b c
a

b = | a| |

b| cos mit = ( a,

b)
Kreuzprodukt: a

b =
_
_
_
_
a
2
b
3
a
3
b
2
a
3
b
1
a
1
b
3
a
1
b
2
a
2
b
1
_
_
_
_
=

e
1
e
2
e
3
a
1
a
2
a
3
b
1
b
2
b
3

mit den Rechenregeln:

Antikommutativit at:

b a = a

b
Assoziativgesetz: ( a

b) = (

b a) = a (

d)
Distributivgesetz: ( a +

b) c = a c +

b c
| a

b| = | a| |

b| sin mit = ( a,

b)
Diese Produkte lassen sich geometrisch interpretieren:
22
23
b
a
c
b
a
c
a

b a

b = 0 (senkrechte Vektoren)
a||

b a

b = 0 (kollineare Vektoren)
mit c = ( a

b) gilt, dass c a und c

b.
Fl acheninhalt F eines Dreieckes ABC:
F =
1
2

AB

AC

Fl acheninhalt F eines Parallelogrammes, aufgespannt von a und

b:
F =

AB

AC

Volumen eines Spates (Parallelach), aufgespannt von a,

b und c:
V = a

b c

a
2
a
2
a
3
b
1
b
2
b
3
c
1
c
2
c
3

Volumen einer dreiseitigen Pyramide, aufgespannt von a,

b und c:
V =
1
6
a

b c

F ur diese Produkte gelten allgemein folgende Rechenregeln/S atze:

a (

b c) =

b (c a) = c ( a

b)
a (

b c) = ( a c)

b ( a

b)c
( a

b) (c

d) = ( a c)(

d) ( a

d)(

b c)
( a

b)
2
= a
2
b
2
( a

b)
2
( a

b) c = (

b c) a;
Kapitel 4
Differential- und Integralrechnung
4.1 Differentiation
4.1.1 grundlegende Regeln
Produktregel: f(x) = u(x) v(x) f

(x) = u

(x) v(x) +u(x) v

(x)
Quotientenregel: f(x) =
u(x)
v(x)
f

(x) =
u

(x)v(x)u(x)v

(x)
[v(x)]
2
Kettenregel: h

(x) = (gf)

(x) = g

(f(x)) f

(x)
4.1.2 Differentiale einfacher Funktionen
f(x) f

(x) f(x) f

(x)
x
n
, (n R) n x
n1
sinx cos x cos x sinx
tanx
1
cos
2
x
cot x
1
sin
2
x
arcsinx
1

1x
2
arccos x
1

1x
2
arctanx
1
1+x
2
arccotx
1
1+x
2
a
x
, (a > 0) a
x
lna e
x
e
x
log
b
x,
_
b > 0
b ,= 1
1
xln b
lnx
1
x
4.2 Integration
4.3 Integral-Transformationen
4.3.1 FOURIER-Transformation
Die Fourier-Transformierte
^
(k) einer Funktion (x) ist gegeben durch:
T[(x); k] =
^
(k) =
_

(x) e
ikx
dx
24
25
Die R ucktransformation ist:
(x) =
1
2
_

^
(k) e
ikx
dk =
1
2
T[
^
(k); x]
Es gelten folgende Rechenregeln:
Linearit at:
T[(x) +(x); k] = T[(x); k] + T[(x); k]
Verschiebung:
T[(x a); k] = e
ika
T[(x); k]
Streckung:
T[(a x); k] =
1
a
T[(x); k]
Spiegelung:
T[(x); k] = T[(x); k]
Einige Fourier-Transformationen:
(x) T[(x); k] =
^
(k)
Kasten:
_
A a x b
0 sonst
iA
2k
_
e
iak
e
ibk
_
4.4 Entwicklungen
4.4.1 TAYLOR-Entwicklung
TAYLOR-Entwicklung um x
0
:
f(x) =

k=0
f
(k)
(x
0
)
k!
(x x
0
)
k
f ur x
0
= 0 : f(x) =

k=0
f
(k)
(0)
k!
x
k
Entwicklungen einiger wichtiger Funktionen:
Funktion Entwicklung
1

1+x
1
1
2
x +
3
8
x
2
...
4.4.2 Reihenentwicklung nach orthogonalen Funktionensystemen
Imfolgenden betrachten wir ein abgeschlossenes Intervall (a, b) mit einer Variable (a, b). Auer-
dem sei ein Satz unendlich vieler orthonormaler (komplexer) Funktionen U
n
() mit n N gegeben.
Die Orthogonalit atsbedingung ist:
_
b
a
U

n
() U
m
() d =
nm
26
Eine beliebige, auf (a, b) quadratintegrable Funktion f() l asst sich dort in eine Reihe von orthonor-
malen Funktionen U
n
() entwickeln. Es gilt:
f() =

n=1
a
n
U
n
() mit: a
n
:=
_
b
a
U

n
() f() d
Entwicklungen sind unter anderem nach folgenden Funktionensystemen m oglich:
trigonometrische Funktionen, komplexe Exponentialfunktionen FOURIER-Entwicklung
HERMITEsche Polynome
LEGENDREsche Polynome
4.4.3 FOURIER-Entwicklung
trigonometrische FOURIER-Entwicklung ..:
F
f
(x) =
1
2
a
0
+

n=0
(a
n
cos(n x) +b
n
sin(n x))
mit: a
0
=
1

f(x) dx; a
k
=
1

f(x) cos(kx) dx; b

k
=
1

f(x) sin(kx) dx
trigonometrische FOURIER-Entwicklung l..l:
F
f
(x) =
1
2
a
0
+

n=0
_
a
n
cos
nx
l
+b
n
sin
nx
l
_
mit: a
n
=
1
l
l
_
l
f(x) cos
nx
l
dx; b
n
=
1
l
l
_
l
f(x) sin
nx
l
dx
komplexe FOURIER-Entwicklung ..:
F
f
(x) =

n=
c
n
e
inx
l
mit: c
n
=
1
2l
l
_
l
f(x) e
inx
l
dx
komplexe FOURIER-Entwicklung l..l:
F
f
(x) =

n=
c
n
e
inx
mit: c
n
=
1
2

f(x) e
inx
dx
27
4.5 Differentialgleichungen
4.5.1 Variation der Konstanten
Man l ose die lineare Differentialgleichung 1. Ordnung:
d
dx
y(x) = p(x) y(x) +q(x)
y

= p x +q
Dazu bestimmt man zuerst die L osung der homogenen DGl y

= p x:
y

= p y
y

y
= p
dy
y
= p dx
x = lny lny
0
=
_
x
x
0
p() d y(x) = y
0
exp
__
x
x
0
p() d
_
= y
0
e
I(x)
Nun mache man f ur die inhomogene Gleichung den Ansatz y = C(x) e
I
:
y

= C

e
I
+C I

e
I
= C

e
I
+C p e
I
Durch Einsetzen in die DGl erh alt man:
C

e
I
+C p e
I
= p C e
I
+q
C

= q e
I
C =
_
q(x) e
I(x)
dx
4.5.2 gew ohnliche LEGENDREsche Differentialgleichung
Die gew ohnliche LEGENDREsche Differentialgleichung f ur die Funktion y y(x) hat mit n N
0
die Form:
(1 x
2
) y

2x y

+n(n +1) y = 0

d
dx
_
(1 x
2
)
dy(x)
dx
_
+n(n +1) y(x) = 0
Die LEGENDREsche Polynome bzw. Kugelfunktionen 1. Art sind partikul are L osungen dieser DGl.
Nach der Formel von RODRIGUEZ lassen sie sich berechnen zu:
P
n
(x) =
1
2
n
n!

d
n
_
x
2
1
_
n
dx
n
4.5.3 zugeordnete LEGENDREsche Differentialgleichung
Die zugeordnete LEGENDREsche Differentialgleichung f ur die Funktion y y(x) hat mit l N
0
und m Z die Form:
d
dx
_
(1 x
2
)
dy(x)
dx
_
+
_
n(n +1)
m
2
1 x
2
_
y(x) = 0
Die zugeordneten LEGENDRE-Polynome P
m
l
(x) sind partikul are L osungen dieser DGl. Sie ergeben
sich zu:
P
m
l
(x) = (1)
m
(1 x
2
)
m
2

d
m
P
l
(x)
dx
m
28
4.5.4 HERMITEsche Differentialgleichungen
Differentialgleichungen der Form (n N
0
):
d
2
dx
2
y(x) x
d
dx
y(x) +n y(x) = 0
y

2 x y

+2n y = 0
Haben die sog. HERMITEschen Polynome als partikul are L osungen:
H
n
(x) = (1)
n
e
x
2
/2

d
n
dx
2
_
e
x
2
/2
_
=
= x
n

_
n
2
_
x
n2
+1 3
_
n
4
_
x
n4
1 3 5
_
n
6
_
x
n6
+...
F ur die HERMITEschen Polynome gelten folgende Beziehungen/Rechenregeln:
Rekursionsformel f ur n 1, mit H
0
(x) = 1 und H
1
(x) = x: H
n1
(x) = x H
n
(x) n H
n1
(x)
Differentiation:
H
n
(x)
x
= 2n H
n1
(x)
Integration:
_
H
n
(x) dx =
1
2n+2
H
n+1
(x)
Die HERMITEschen Polynome bilden ein orthogonales Funktionensystem mit der Orthogona-
lit atsrelation:

e
x
2
/2
H
m
(x) H
n
(x) dx =
_
0 f ur m ,= n
n!

2 f ur m = n
Die ersten 10 HERMITEschen Polynome lauten:
n H
n
(x)
1 2x
2 2 +4x
2
3 12x +8x
3
4 12 48x
2
+16x
4
5 120x 160x
3
+32x
5
6 120 +720x
2
480x
4
+64x
6
7 1680x +3360x
3
1344x
5
+128x
7
8 1680 13440x
2
+13440x
4
3584x
6
+256x
8
9 30240x 80640x
3
+48384x
5
9216x
7
+512x
9
10 30240 +302400x
2
403200x
4
+161280x
6
23040x
8
+1024x
10
4.6 Variationsrechnung
Problem: Man nde x(t) so, dass
_
F (x (t) , x

(t) , t) dt mit x

(t) =
d
dt
x(t) minimal werde
L osung: l ose die EULER-Gleichung:
d
dr
_
F
x

F
x
= 0
Kapitel 5
Funktionen
5.1 Einfache Funktionen
5.1.1 Signum-/Vorzeichenfunktion
sgn(x) :=
_

_
+1 x > 0
0 x = 0
1 x < 0
5.1.2 Heavysidesche Sprungfunktion
(x) :=
_
0 x 0
1 x > 0
Eigenschaften:
(x) =
1
2
(sgn(x) +1)
(x) = 1 (x), x R
5.2 Delta-Distribution
5.3 Exponentialfunktion
Denition:
exp(x) e
x
:= lim
n
_
1 +
x
n
_
n
=

n=0
x
n
n!
, (|x| < )
mit e = 2, 718281828...und x R
-1
0
1
2
3
4
5
6
7
8
-4 -3 -2 -1 0 1 2
exp(x)e
x
29
30
komplexe Argumente: (z := (a +ib) C):
e
i
= cos() +i sin() e
i
= cos() i sin() e
z
= e
a
(cos b +i sinb)
Umwandlung in Zehnerpotenz:
y = e
ax
= 10
axlog
10
(e)
y = 10
ax
= e
axln(10)
Rechenregeln:
e
ax
e
bx
= e
(a+b)x
, e
ax+2ni=a
ax
, n N
0
Reihenentwicklung:
e
x
:=

n=0
x
n
n!
= 1 +x +
x
2
2
+
x
3
3!
+...
Differentiation und Integration:
d
dx
(e
ax
) = a e
ax
x
_
x
0
e
ax
dx =
e
ax
e
ax
0
a
Differentialgleichungen:
y

+ay = 0 y = A e
ax
y

+ay = b y = b/a +A e
ax
y

a
2
y = 0 y = A
1
e
ax
+A
2
e
ax
5.4 Logarithmus
Denition:
Seien a R
+
, b R
+
\ {1}. Dann ist:
log
b
a = x : b
x
= a
-10
-8
-6
-4
-2
0
2
4
-1 0 1 2 3 4 5 6 7
ln(x)log
e
(x)
log
10
(x)
komplexe Argumente: (z := (a +ib) C)
ln(z) = ln(a +ib) =
1
2
ln(a
2
+b
2
) +i arctan
b
a
+n 2i, n N
ln(z) = ln
_
r e
i
_
= lnr +i+n 2i, n N
31
Rechenregeln:
log
b
(u v) = log
b
u + log
b
v log
b
_
u
v
_
= log
b
u log
b
v
log
b
(u
z
) = z log
b
u log
b
_
z

u
_
=
1
z
log
b
u
log
c
a =
log
b
a
log
b
c
Reihenentwicklung:
ln(1 +x) := x
x
2
2
+
x
3
3

x
4
4
+ + ..., 1 < x 1
Differetiation und Integration:
d
dx
_
log
b
(x)
_
=
1
xln b
_
lnx dx = x lnx x
5.5 Trigonometrische Funktionen
5.5.1 Denition
Seien x R und z = (a +ib) C. Dann ist:
cos(x) :=

n=0
(1)
n
(2n)!
x
2n
=
1
2
_
e
ix
+e
ix
_
cos(z) :=
(
e
b
+e
b
)
cos(a)+i
(
e
b
e
b
)
sin(a)
2
sin(x) :=

n=0
(1)
n
(2n+1)!
x
2n+1
=
1
2i
_
e
ix
e
ix
_
sin(z) :=
(
e
b
e
b
)
cos(a)+i
(
e
b
+e
b
)
sin(a)
2i
-1
1

2
0

2

3
2
2
sin(x)
cos(x)
-10
-5
0
5
10

2
0

2

tan(x)

-1 -0.5 0 0.5 1
sin
1
(x)
cos
1
(x)

2
-10 -5 0 5 10
tan
1
(x)
32
0

6

2

3
2
sin 0
1
2
1
2

2
1
2

3 1 0 1
cos 1
1
2

3
1
2

2
1
2
0 1 0
tan 0
1
3

3 1

3 nicht def. 0 nicht def.

5.5.2 (Additions-)Theoreme
sin
2
+ cos
2
= 1 tancot = 1 ( ,= k 90

)
sin( +) = sincos + cos sin cos ( +) = cos cos sinsin
sin( ) = sincos cos sin cos ( ) = cos cos + sinsin
tan( +) =
tan +tan
1tan tan
tan( ) =
tan tan
1+tan tan
sin2 = 2 cos sin cos 2 = cos
2
sin
2

tan2 =
2tan
1tan
2

sin
2
=
1
2
(1 cos 2) cos
2
=
1
2
(1 + cos 2)
sin
3
=
1
4
(3 sin sin3) cos
3
=
1
4
(cos 3 3 cos )
sin + sin = 2 sin
+
2
cos

2
sin sin = 2 cos
+
2
sin

2
cos + cos = 2 cos
+
2
cos

2
cos cos = 2 sin
+
2
sin

2
2 sinsin = cos( ) cos( +)
2 cos cos = cos( ) + cos( +)
2 sincos = sin( ) + sin( +)
5.6 hyperbolische Funktionen
5.6.1 Denition
Seien x R und z = (a +ib) C. Dann ist:
33
cosh(x) =

n=0
1
(2n+1)!
x
2n+1
=
1
2
(e
x
+e
x
)
sinh(x) =

n=0
1
(2n)!
x
2n
=
1
2
(e
x
e
x
)
-30
-20
-10
0
10
20
30
-4 -3 -2 -1 0 1 2 3 4
sinh(x)
cosh(x)
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1

2
0

2

tanh(x)
-5
-4
-3
-2
-1
0
1
2
3
4
5
-30 -20 -10 0 10 20 30
sinh
1
(x)
cosh
1
(x)
cosh
1
(x)

-1 -0.5 0 0.5 1
tanh
1
(x)
5.6.2 (Additions-)Theoreme
cosh
2
sinh
2
= 1
sinh( ) = sinhcosh coshsinh cosh( ) = coshcosh sinhsinh
5.6.3 Zusammenhang zwischen hyperb. und trigon. Funktionen
cos z = i coshiz coshz = i cos iz
sinz = i sinhiz sinhz = i siniz
tanz = i tanhiz tanhz = i taniz
5.7 LEGENDREsche Polynome
5.7.1 gew ohnliche LEGENDREsche Polynome
Denition
Die LEGENDREsche Differentialgleichung f ur die Funktion y y(x) hat mit n N
0
die Form:
d
dx
_
(1 x
2
)
dy(x)
dx
_
+n(n +1) y(x) = 0
34
Die LEGENDREsche Polynome bzw. Kugelfunktionen 1. Art sind partikul are L osungen dieser DGl.
Nach der Formel von RODRIGUEZ lassen sie sich berechnen zu:
P
n
(x) =
1
2
n
n!

d
n
_
x
2
1
_
n
dx
n
Die ersten 11 LEGENDRE-Polynome P
n
(x) sind:
n P
n
(x)
0 1
1 x
2
1
2
_
3x
2
1
_
3
1
2
_
5x
3
3x
_
4
1
8
_
35x
4
30x
2
+3
_
5
1
8
_
63x
5
70x
3
+15x
_
6
1
16
_
231x
6
315x
4
+105x
2
5
_
7
1
16
_
429x
7
693x
5
+315x
3
35x
_
8
1
128
_
35 1260x
2
+6930x
4
12012x
6
+6435x
8
_
9
1
128
_
315x +11x
3
_
420 +13x
2
_
126 180x
2
+85x
4
___
10
1
256
_
63 +11x
2
_
315 +13x
2
_
210 +630x
2
765x
4
+323x
6
___
Eigenschaften
Die LEGENDRE-Polynome P
n
(x) haben folgende Eigenschaften:
35
Symmetrie: P
n
(x) = (1)
n
P
n
(x)
Normierung: P
n
(1) = 1
Sie bilden ein orthogonales Funktionensystem mit der Orthogonalit atsrelation:
_
1
1
P
n
(x) P
m
(x) dx =
_
0 f ur m ,= n
2
2n+1
f ur m = n
Nullstellensatz:
Alle n Nullstellen von P
n
(x) sind reell und einfach und liegen im Intervall (1, 1).
Rekursionsformeln:
(n +1) P
n+1
(x) = (2n +1)x P
n
(x) n P
n1
(x)
(x
2
1)
dP
n
(x)
dx
= n [xP
n
(x) P
n1
(x)]
Ableitung und Integral
d
dx
P
l
(x) =
l x P
l
(x) l P
l1
(x)
x
2
1
_
P
l
(x) dx =
P
l+1
(x) P
l1
(x)
2l +1
Entwicklung nach LEGENDRE-Polynomen
Da die LEGENDRE-Polynome P
n
(x) ein orthogonales Funktionensystem bilden, kann man quadra-
tintegrable Funktionen f() auf 1 1 nach ihnen entwickeln. Die zu P
n
(x) geh orenden nor-
mierten Funktionen U
n
(x) sind:
U
n
(x) =
_
2n +1
2
P
n
(x)
Damit ergibt sich die Reihenentwicklung:
f() =

n=0
a
n
P
n
() mit: a
n
:=
2n +1
2

_
1
1
P
n
(x) f(x) dx
5.7.2 zugeordnete LEGENDREsche Funktionen
Denition
Die zugeordnete LEGENDREsche Differentialgleichung f ur die Funktion y y(x) hat mit l N
0
und m Z die Form:
d
dx
_
(1 x
2
)
dy(x)
dx
_
+
_
n(n +1)
m
2
1 x
2
_
y(x) = 0
Die zugeordneten LEGENDRE-Polynome P
m
l
(x) sind partikul are L osungen dieser DGl. Sie ergeben
sich zu:
P
m
l
(x) = (1)
m
(1 x
2
)
m
2

d
m
P
l
(x)
dx
m
Die ersten P
m
l
(x) sind:
36
m = 0 m = 1 m = 2 m = 3
l = 0 1
l = 1 z (x 1)
_
1+x
1x
l = 2
1
2
(3x
2
1) 3(x
2
x)
_
1+x
1x
3x
2
+3
l = 3
1
2
(5x
3
3x)
3
2
(5x
3
5x
2
z +1)
_
1+x
1x
15(x
3
x) 15(z +1)(z 1)
2
_
1+x
1x
Eigenschaften
P
m
l
(x) = (1)
m
(lm)!
(l+m)!
P
m
l
(x)
Orthogonalit atsrelation:
_
1
1
P
m
l
(x)P
m
l
(x)dx =
2
2l +1
(l +m)!
(l m)!

l
5.8 Kugel achenfunktionen
Die Kugel achenfunktionen Y
m
l
(, ) sind deniert als:
Y
m
l
(, ) =
1
2

2l +1
2
(l m)!
(l +m)!
P
m
l
(cos )e
im
.
Dabei sind P
m
l
die zugeordneten Legendre-Polynome. Die ersten Kugel achenfunktionen sind:
Y
0
0
(, ) =
1

4
,
Y
0
1
(, ) =
_
3
4
cos , Y
1
1
(, ) =
_
3
8
sin e
i
Y
0
2
(, ) =
_
5
16
_
3 cos
2
1
_
,
Y
1
2
(, ) =
_
15
8
sin cos e
i
, Y
2
2
(, ) =
_
15
32
sin
2
e
2i
37
Eigenschaften:
Orthogonalit atsrelation:

_
=0
2
_
=0
Y
m

l
(, ) Y
m
l
() sin dd =
l

m
Parit at: r r hat in Kugelkoordinaten folgende Gestalt: (r, , ) (r, , +). Unter
dieser Transfomration verhalten sich die Kugel achenfunktionen wie folgt:
Y
m
l
( , +) = (1)
l
Y
m
l
(, )
Komplexe Konjugation:
[Y
m
l
(, )]

= (1)
m
Y
m
l
(, )
Entwicklung in Kugel achenfunktionen: Die Kugel achenfunktionen bilden eine vollst andige
Basis des Raumes der Funktionen f(, ), imSinne der Kugelkoordinaten. Damit k onnen alle f(, )
nach den Y
m
l
(, ) entwickelt werden:
f(, ) =

l=0
+l

m=l
c
l,m
Y
m
l
(, ), mit c
l,m
=
2
_
=0

_
=0
Y
m
l
(, ) f(, ) sin d d
5.9 Breit-Wigner-Verteilung
Die Breit-Wigner-Verteilung hat die Form:
P(E) =

2
4
(E M)
2
+

2
4
Ihr Maximum (P(E
max
) = 1) liegt bei M. Die Verteilung weit eine charakteristische Breite von auf.
1
0.5
+

2
M
Breit-Wigner-Verteilung mit =1, M=0
Kapitel 6
Vektoranalysis
6.1 Koordinatensysteme
6.1.1 Polarkoordinaten
x
y
d

dr
r
d

dA
r
x
y

r
e

e
r
x = r cos
y = r sin
e
r
= (cos , sin)
e

= (sin, cos )
dA = r dr d
ds = (dr, r d)
r =
_
x
2
+y
2
=
_

_
arctan
y
x
+ x < 0,
arctan
y
x
x > 0,

2
x = 0 y > 0,

2
x = 0 y < 0,
unbestimmt x = y = 0.
6.1.2 Zylinderkoordinaten

d
rd
x
y
z
r
dz
dr
x
y
z
r
z
P(r, , z)
e
z
e
r
e

x = r cos
y = r sin
z = z
e
r
= (cos , sin, 0)
e

= (sin, cos , 0)
e
z
= (0, 0, 1)
dV = r dr d dz
d

A = e
r
(r d dz)
ds = (dr, r d, dz)
38
39
6.1.3 Kugelkoordinaten

d
r d
dr
rsind
r
x
y
z

r
x
y
z
e

e
r
x = r sin cos
y = r sin sin
z = r cos
e
r
= (sin cos , sin sin, cos )
e

= (cos cos , cos sin, sin)

e

= (sin, cos , 0)
d = sin d d
dV = r
2
sin dr d d
d

A = e
r
(r
2
sin d d)
ds = (dr, r d, r sin d)
6.1.4 Zusammenhang zwischen den Koordinaten
Hier ist (x) die Heavysidesche Sprungfunktion und sgn(x) die Vorzeichenfunktion.
kart. Koordinaten (x, y, z) Zylinderkoord. (r, , z) Kugelkoord. (r, , )
x = x = r cos = r sin cos
y = y = r sin = r sin sin
z = z = z = r cos
r =
_
x
2
+y
2
= r = r sin
= arctan
y
x
+
(x) sgn(y)
= =
z = z = z = r cos
r =
_
x
2
+y
2
+z
2
=

r
2
+z
2
= r
= arctan

x
2
+y
2
z
+
(x) sgn(y)
= arctan
r
z
=
= arctan
y
x
= =
6.1.5 allg. Koordinatentransformation
3-dimensionale Grundaufgabe: Man lse das Volumenintegral
_
V
f dV =
___
V
f(u, v, w) du dv dw
unter der Koordinatentransformation (u, v, w) (r, s, t) mit:
u = u(r, s, t), v = v(r, s, t), w = w(r, s, t)
So ist:
___
V
f(u, v, w) du dv dw =
___
V

f(r, s, t) |J| dr ds dt
40
dV

= |J| dV
Mit der Jacobi-Matrix:
J =
(u, v, w)
(r, s, t)
=
_
_
_
_
u
r
u
s
u
t
v
r
v
s
v
t
w
r
w
s
w
t
_
_
_
_
6.2 Vektoroperatoren
Im folgenden wird der sog. Nabla-Operator verwendet. Er ist deniert als

=
_
_
_
_
/x
/y
/z
_
_
_
_
.
Im folgenden sei R
3
u u(x) eine vektorwertige und R f(x) eine skalare Funktion.
Beide seien ein- bzw. zweimal stetig differenzierbar. Die von

abgeleiteten Vektoroperatoren haben
folgende Gestalt:
6.2.1 Karthesische Koordinaten u = (x, y, z)
Gradient:
grad =

=
_

x
,

y
,

z
_
Divergenz:
divu =

u =
u
x
x
+
u
y
y
+
u
z
z
Rotation:
rot u =

u =

e
1
e
2
e
3

z
u
x
u
y
u
z

Laplace:
= div(grad) =

_
=

2

x
2
+

2

y
2
+

2

z
2
6.2.2 Zylinder-Koordinaten u = (r, , z)
Gradient:
grad =

=
_

r
,
1
r

,

z
_
Divergenz:
divu =

u =
1
r
(r u
r
)
r
+
1
r
u

+
u
z
z
Rotation:
rot u =

u =
_
1
r
u
z

z
,
u
r
z

u
z
r
,
1
r
(r u

)
r

1
r
u
r

_
41
Laplace:
= div(grad) =
1
r

r
_
r

r
_
+
1
r
2

2
+

2

z
2
6.2.3 Kugel-Koordinaten u = (r, , )
Gradient:
grad =

=
_

r
,
1
r

,
1
r sin

_
Divergenz:
divu =

u =
1
r
2
(r
2
u
r
)
r
+
1
r sin
(sin u

+
1
r sin
u

Rotation:
rot
r
u =
1
r sin
(sin u

1
r sin
u

rot

u =
1
r sin
u
r

1
r
(r u

)
r
rot

u =
1
r
(r u

)
r

1
r
u
r

Laplace:
= div(grad) =
1
r
2

r
_
r
2

r
_
+
1
r
2
sin

2
_
sin

_
+
1
r
2
sin
2

2
6.2.4 S atze und Rechenregeln f ur den

-Operator
Im folgenden seien a,

b R
3
vektorwertige Funktionen

f(x) und = (x) eine skalare Funktion.
Sie seien jeweils ein- bzw. zweimal stetig differenzierbar. Es gelten folgende Zusammenh ange:

= rot(grad) = 0

a) = div(rot a) = 0

a) = rot(rot a) =

(

a) a

( a) = div( a) = a (

) +(

a)

( a) = rot( a) =

a +

( a

b) = grad( a

b) = ( a

)

b + (

b

) a + a (

b) +

b (

a)

( a

b) = div( a

b) =

b (

a) a (

b)

( a

b) = rot( a

b) = a(

b)

b(

a) + (

b

) a ( a

)

b
Betrachtet man radialsymmetrische Funktionen f(r) mit r = |r| =
_
x
2
+y
2
+z
2
undr = (x, y, z), so
ergeben sich folgende weiteren Regeln:

f(r) = grad(f(r)) =
df(r)
dr

r
r

1
r
= grad
_
1
r
_
=
r
r
2

1
r
= 4
(3)
(r)
42
6.3 Integrals atze
Im folgenden sei u u(x) eine stetig diffbare vektorwerige Funktion. Es seien , stetig diffbare
skalare Funktionen f(x). V beschreibt ein dreidimensionales Volumen mit dem Volumenelement
dV d
3
x. S = V sei seine zweidimensionale Geschlossene Ober ache mit dem Fl achenelement
dA und dem aueren Normalenvektor n, mit | n| = 1 und d

A = n dA. Es gelten folgende S atze und

Formeln:
Gauscher Satz:
_
V

u dV =
_
V
divu dV =
_
S
u d

_
V

dV =
_
V
grad dV =
_
S
d

_
V

u dV =
_
V
rot u dV =
_
S
n u dA
Erste Greensche Identit at:
_
V
(+



) dV =
_
S
n

dA
Greenscher Satz:
_
V
(+) dV =
_
S
(

) d

A
Im folgenden sei S eine offene Fl ache mit dem Rand C = S und dem Linienelement ds. Die
Richtung der Fl achennormale von S ist durch die Orientierung von C und die Rechte-Hand-Regel
festgelegt. Es gilt:
Stokesscher Satz:
_
S
(

u) d

A =
_
S
rot u d

A =
_
C
u ds

_
S
n (

) dA =
_
S
n grad dA =
_
C
ds
Kapitel 7
Stochastik und Statistik
7.1 Wahrscheinlichkeitsmae
Grundgesamtheit, Elementarereignis, Ereignis: bezeichnet die Menge aller m oglichen Ver-
suchsausg ange. Ein beliebige Element bezeichnet man als Elementarereignis. Eine Menge
A von Elementarereignissen bezeichnet man als Ereignis.
Axiome von KOLMOGOROW: Jedem Ereignis A wird eine Wahrscheinlichkeit P(A) R
zugeordnet. F ur eine solche Wahrscheinlichkeitsfunktion P : R m ussen die Axiome von
Kolmogorow erf ullt sein:
1. P(A) 0
2. P() = 1
3. P(

i
A
i
) =

i
P(A
i
), f ur disjunkte Ereignisse A
i
(also: A
i
A
j
= , i ,= j).
Verkn upfung von Ereignissen: Seien A, B zwei Ereignisse. Dann bezeichnet:
A B: Ereignis A oder Ereignis B treten ein.
A B: Ereignis A und Ereignis B treten (gleichzeitig) ein.
A: Das Ereignis A tritt nicht ein (das Komplement/Gegenereignis tritt ein).
LAPLACE-Ansatz: Der Ansatz:
P :=
Anzahl g unstige Ereignisse
Anzahl m ogliche Ereignisse
=
|A|
||
stellt eine Wahrscheinlichkeit im obigen Kolmogorovschen Sinne dar.
Satz von SYLVESTER: Dieser Satz gibt an, wie sich die Wahrscheinlichkeit von Vereinigungen
nicht-disjunkter Ereignisse E
i
berechnet:
P
_
n
_
i=1
E
i
_
=
n

i=1
P(E
i
)

i<j
P(E
i
E
j
) +

i<j<k
P(E
i
E
j
E
k
) ... + (1)
n1
P(E
1
E
2
... E
n
)
Spezialfall f ur n = 2:
P(E
1
E
2
) = P(E
1
) +P(E
2
) P(E
1
E
2
)
= P(E
1
\E
2
) +P(E
2
\E
1
) +P(E
1
E
2
)
43
44
bedingte Wahrscheinlichkeiten: Seien E, B Ereignisse. Wird dann das Eintreten von E
durch das Eintreten von B bedingt, kann also E nur eintreten, wenn B erf ullt ist, so gilt:
P
B
(E) P(E|B) =
P(E B)
P(B)
, mit P(B) ,= 0
und heit bedingte Wahrscheinlichkeit von E unter der Bedingung B. Es gilt:
Sei {B
1
, ..., B
n
} eine disjunkte Zerlegung von und A ein Ereignis. Dann gilt:
P(A) =
n

i=1
P
B
i
(A) P(B
i
) =
n

i=1
P(A B
i
)
Formel von BAYES: Bilden E
i
mit P(E
i
) ,= 0 0 < i n eine (disjunkte) Zerlegung von , so
gilt:
P
B
(E
i
) =
P
E
i
(B) P(E
i
)
P
E
1
(B) P(E
1
) +... +P
E
n
(B) P(E
n
)
Sonderfall f ur n = 2:
P
B
(E) =
P
E
(B) P(E)
P
E
(B) P(E) +P
E
(B) P(E)
statistische Unabh angigkeit: Zwei Ereignisse A und B heien statistisch unabh angig, wenn
P
A
(B) = P(B) P(A B) = P(A) P(B)
Wahrschenlichkeitsb aume: In einem Wahrschenlichkeitsbaum stellt sich die bedingte Wahr-
schenlichkeit anschaulich folgendermaen dar:
A
A
B
B
B
B
)
A
(
P
P
(
A
)
)
B (
PA
P
(B A )
P
( A B
)
) B (
PA
P(A B)
P(A B)
P(A B)
P(A B)
Im gezeichneten Baum wird ein Experiment durchgef uhrt (z.B. W urfelwurf), bei dem im er-
sten Versuch das Ereignis A eintreten kann, oder nicht (z.B. A = {Augenzahl gerade}. Da-
nach wird ein weiterer Versuch durchgef uhrt und auf das Ereignis B hin ausgewertet (z.B.
B = {Augenzahl 6}).
F ur solche Wahrscheinlichkeitsb aume gilt allgemein:
1. Jeder Knoten repr asentiert ein Ereignis. Die Kanten tragen die Wahrscheinlichkeit, dass das
folgende Ereignis eintritt.
2. Die Summe der Wharscheinlichkeiten p
i
aller n von einem Knoten ausgehenden Kanten
muss 1 ergeben:
n

i=1
p
i
= 1.
45
3. Die Wahrschenlichkeiten entlang eines Pfades durch den Baum werden multipliziert:
P(A B) = P(A) P
A
(B)
4. Die Wahrscheinlichkeiten mehrerer Pfade k onnen addiert werden. Also ist die Summe
aller Pfade in einem Baum wieder eins. Im obigen Beispiel ergibt sich etwa die Wahr-
schenlichkeit f ur das Eintreten des Ereignisses B zu:
P(B) = P(A B) +P(A B)
7.2 Zufallsvariablen:
7.3 Grundlegende Formeln/Gr oen der Statistik
Im folgenden sei w(x) die Wahrscheinlichkeitsdichtefunktion einer kontinuierlichen Gr oe x bzw.
p
k
die Wahrscheinlichkeit f ur das Auftreten des k-ten Ereignisses aus n Ereignissen x
1
, ..., x
n
.
7.3.1 allgemeine Denitionen
Erwartungswert:
X
= E(X) = x = X) =
_

k
x
k
p
k

x w(x) dx
Varianz: Var(X) =
2
X
= E
_
(X
X
)
2
_
=
_

k
(x
k

X
)
2
p
k

(x
X
)
2
f(x) dx
Standardabweichung:
X
=
_
Var(X)
7.3.2 Spezialf alle f ur Gleichverteilung:
Es gilt also p
k
= const bzw. f(x) = const. Dies gilt z.B. bei n-maliger, statistisch unabh angiger Mes-
sung einer Gr oe x:
Mittelwert: x =
x
1
+x
2
+...+x
n
n
=
1
n
n

k=1
x
k
Varianz: Var x =
1
n
n

k=1
(x
k
x)
2
Standardabweichung (mittlerer Fehler):
E
= S
E
(X) =

i=1
(x
i
x)
2
n1
mittlerer Fehler des Mittelwertes:
M
= S
M
(X) =
S
E
(X)

n
=

i=1
(x
i
x)
2
n(n1)
7.3.3 TSCHEBYSCHEFFsche Ungleichung
F ur eine Zufallsgr oe x mit Erwartungswert
x
und Standardabweichung
x
gilt f ur jedes > 0:
P(|x
x
| > ) <
1

2
46
P(|x
x
| < ) 68.27% P(|x
x
| < 1.96) 95%
P(|x
x
| < 2) 95.45% P(|x
x
| < 2.58) 99%
P(|x
x
| < 3) 99.73% P(|x
x
| < 3.29) 99.9%
7.4 Verteilungsfunktionen
Imfolgenden werden Nunabh angige Bernoulli-Experimente durchgefhrt. Dabei ist die Wahrschein-
lichkeit f ur das Eintreffen eines Ereignisses A P(A) = p. Zu bestimmen ist die Wahrscheinlichkeit
W(p, N, n) W(n), unter den N Experimenten genau n-mal das Ereignis A zu erhalten (bei diskre-
ten Verteilungen), bzw. die Wahrscheinlichkeitsdichte w(n,
n
) f ur eine Verteilung um den Mittel-
wert n, mit der Standardabweichung
n
bei kontinuierlichen Verteilungen.
Interpretation von Verteilungsfunktionen W(n) bzw. w(n):
diskrete Verteilung W(n) kontinuierliche Verteilung w(n)
P(n) W(n)
P(n < x)
x

k=1
W(k)
x
_

w(n) dn
P(a n < b)
b

k=a
W(k)
b
_
a
w(n) dn
0
P(n<x)
n
f(n)
x
7.4.1 Hypergeometrische Verteilung:
P
Hyp
(k; N, K, n) = W(k) =
_
K
k
_

_
NK
nk
_
_
N
n
_ , k = 0, 1, ..., n
Die hypergeometrische Verteilung geht von einer Grundgesamtheit von N Elementen aus, von de-
nen K markiert sind. Sie gibt die Wahrscheinlichkeit daf ur an, in einer Stichprobe von n Elementen
genau k markierte Elemente zu nden.
47
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2
k
0 . 1
0 . 2
0 . 3
0 . 4
0 . 5
PHyp k ; 2 0 , 1 8 , 1 0
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2
k
0 . 1
0 . 2
0 . 3
0 . 4
PHyp k ; 2 0 , 3 , 1 0
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2
k
0 . 0 5
0 . 1
0 . 1 5
0 . 2
0 . 2 5
0 . 3
0 . 3 5
PHyp k ; 2 0 , 1 0 , 1 0
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2
k
0 . 0 5
0 . 1
0 . 1 5
0 . 2
0 . 2 5
PHyp k ; 5 0 , 2 0 , 1 0
1 2 3 4 5
k
0 . 1
0 . 2
0 . 3
0 . 4
PHyp k ; 1 0 , 5 , 3
7.4.2 Binomialverteilung:
Allgemein gilt:
W(n) =
_
N
n
_
p
n
(1 p)
Nn
Dabei ist
_
N
n
_
die Anzahl der M oglichkeiten, A in N Versuchen genau n-mal zu erhalten. Der
Mittelwert n und die Varianz
2
uber N Versuche ergeben sich zu:
n = N p
2
= N p (1 p)
7.4.3 Poisson-Verteilung:
F ur kleine Wahrscheinlichkeiten p 0 und groe N geht die Binomialverteilung uber in die
Poisson-Verteilung:
W(n) =
n
n
n!
e
n
Die folgende Abbildung zeigt eine Poissonverteilung:
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
-10 -5 0 5 10
Poissonverteilung mit n=1.5
Gau-Verteilung mit n=1.5, =

1.5
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
-10 -5 0 5 10 15 20
Poissonverteilung mit n=8
Gau-Verteilung mit n=8, =

8
48
7.4.4 Gau-Verteilung:
F ur n geht dann die Poisson-Verteilung uber in die Gau-Verteilung:
w(n) =
1

2
exp
_

(n n)
2
2
2
_
Der Faktor
1

2
normiert die Verteilungsfunktion, sodass gilt:

w(n)dn = 1, d.h. das Experiment

hat auf jeden Fall irgendein Ergebnis.
0.1
0 n n n+
Gau-Verteilung mit n=0, =3
49
7
.
5
T
a
b
e
l
l
e
n
z
u
V
e
r
t
e
i
l
u
n
g
s
f
u
n
k
t
i
o
n
e
n
:
7
.
5
.
1
T
a
b
e
l
l
e
n
z
u
r
h
y
p
e
r
g
e
o
m
e
t
r
i
s
c
h
e
n
V
e
r
t
e
i
l
u
n
g
I
m
f
o
l
g
e
n
d
e
n
b
e
z
e
i
c
h
n
e
t
N
d
i
e
G
r

e
d
e
r
G
r
u
n
d
g
e
s
a
m
t
h
e
i
t
,
k
d
i
e
d
a
r
i
n
m
a
r
k
i
e
r
t
e
n
E
l
e
m
e
n
e
t
e
.
n
b
e
z
e
i
c
h
n
e
t
d
i
e
G
r

e
d
e
r
S
t
i
c
h
p
r
o
b
e
u
n
d
x
d
i
e
A
N
z
a
h
l
d
e
r
d
a
r
i
n
m
a
r
k
i
e
r
t
e
n
E
l
e
l
m
e
n
t
e
.
P
H
y
p
(
x
,
N
=
2
0
,
k
,
n
=
5
)
:
x
=
1
2
3
4
5
k
=
1
0
.
2
5
0
0
0
0
2
0
.
3
9
4
7
0
.
0
5
2
6
3
0
0
0
3
0
.
4
6
0
5
0
.
1
3
1
6
0
.
0
0
8
7
7
2
0
0
4
0
.
4
6
9
6
0
.
2
1
6
7
0
.
0
3
0
9
6
0
.
0
0
1
0
3
2
0
5
0
.
4
4
0
2
0
.
2
9
3
5
0
.
0
6
7
7
2
0
.
0
0
4
8
3
7
0
.
0
0
0
0
6
4
5
6
0
.
3
8
7
4
0
.
3
5
2
2
0
.
1
1
7
4
0
.
0
1
3
5
4
0
.
0
0
0
3
8
7
7
0
.
3
2
2
8
0
.
3
8
7
4
0
.
1
7
6
1
0
.
0
2
9
3
5
0
.
0
0
1
3
5
4
8
0
.
2
5
5
4
0
.
3
9
7
3
0
.
2
3
8
4
0
.
0
5
4
1
8
0
.
0
0
3
6
1
2
9
0
.
1
9
1
6
0
.
3
8
3
1
0
.
2
9
8
0
.
0
8
9
4
0
.
0
0
8
1
2
7
1
0
0
.
1
3
5
4
0
.
3
4
8
3
0
.
3
4
8
3
0
.
1
3
5
4
0
.
0
1
6
2
5
1
1
0
.
0
8
9
4
0
.
2
9
8
0
.
3
8
3
1
0
.
1
9
1
6
0
.
0
2
9
8
1
2
0
.
0
5
4
1
8
0
.
2
3
8
4
0
.
3
9
7
3
0
.
2
5
5
4
0
.
0
5
1
0
8
1
3
0
.
0
2
9
3
5
0
.
1
7
6
1
0
.
3
8
7
4
0
.
3
2
2
8
0
.
0
8
3
0
1
1
4
0
.
0
1
3
5
4
0
.
1
1
7
4
0
.
3
5
2
2
0
.
3
8
7
4
0
.
1
2
9
1
1
5
0
.
0
0
4
8
3
7
0
.
0
6
7
7
2
0
.
2
9
3
5
0
.
4
4
0
2
0
.
1
9
3
7
1
6
0
.
0
0
1
0
3
2
0
.
0
3
0
9
6
0
.
2
1
6
7
0
.
4
6
9
6
0
.
2
8
1
7
1
7
0
0
.
0
0
8
7
7
2
0
.
1
3
1
6
0
.
4
6
0
5
0
.
3
9
9
1
1
8
0
0
0
.
0
5
2
6
3
0
.
3
9
4
7
0
.
5
5
2
6
1
9
0
0
0
0
.
2
5
0
.
7
5
2
0
0
0
0
0
1
.
50
P
H
y
p
(
x
,
N
=
2
0
,
k
,
n
=
1
0
)
:
x
=
1
2
3
4
5
6
7
8
9
1
0
k
=
1
0
.
5
0
0
0
0
0
0
0
0
0
2
0
.
5
2
6
3
2
0
.
2
3
6
8
4
0
0
0
0
0
0
0
0
3
0
.
3
9
4
7
4
0
.
3
9
4
7
4
0
.
1
0
5
2
6
0
0
0
0
0
0
0
4
0
.
2
4
7
6
8
0
.
4
1
7
9
6
0
.
2
4
7
6
8
0
.
0
4
3
3
4
4
0
0
0
0
0
0
5
0
.
1
3
5
4
5
0
.
3
4
8
3
0
.
3
4
8
3
0
.
1
3
5
4
5
0
.
0
1
6
2
5
4
0
0
0
0
0
6
0
.
0
6
5
0
1
5
0
.
2
4
3
8
1
0
.
3
7
1
5
2
0
.
2
4
3
8
1
0
.
0
6
5
0
1
5
0
.
0
0
5
4
1
8
0
0
0
0
7
0
.
0
2
7
0
9
0
.
1
4
6
2
8
0
.
3
2
5
0
8
0
.
3
2
5
0
8
0
.
1
4
6
2
8
0
.
0
2
7
0
9
0
.
0
0
1
5
4
8
0
0
0
8
0
.
0
0
9
5
2
6
1
0
.
0
7
5
0
1
8
0
.
2
4
0
0
6
0
.
3
5
0
0
8
0
.
2
4
0
0
6
0
.
0
7
5
0
1
8
0
.
0
0
9
5
2
6
1
0
.
0
0
0
3
5
7
2
3
0
0
9
0
.
0
0
2
6
7
9
2
0
.
0
3
2
1
5
1
0
.
1
5
0
0
4
0
.
3
1
5
0
8
0
.
3
1
5
0
8
0
.
1
5
0
0
4
0
.
0
3
2
1
5
1
0
.
0
0
2
6
7
9
2
0
.
0
0
0
0
5
9
5
3
8
0
1
0
0
.
0
0
0
5
4
1
2
5
0
.
0
1
0
9
6
0
.
0
7
7
9
4
1
0
.
2
3
8
6
9
0
.
3
4
3
7
2
0
.
2
3
8
6
9
0
.
0
7
7
9
4
1
0
.
0
1
0
9
6
0
.
0
0
0
5
4
1
2
5
5
.
4
1
2
5

1
0

6
1
1
0
.
0
0
0
0
5
9
5
3
8
0
.
0
0
2
6
7
9
2
0
.
0
3
2
1
5
1
0
.
1
5
0
0
4
0
.
3
1
5
0
8
0
.
3
1
5
0
8
0
.
1
5
0
0
4
0
.
0
3
2
1
5
1
0
.
0
0
2
6
7
9
2
0
.
0
0
0
0
5
9
5
3
8
1
2
0
0
.
0
0
0
3
5
7
2
3
0
.
0
0
9
5
2
6
1
0
.
0
7
5
0
1
8
0
.
2
4
0
0
6
0
.
3
5
0
0
8
0
.
2
4
0
0
6
0
.
0
7
5
0
1
8
0
.
0
0
9
5
2
6
1
0
.
0
0
0
3
5
7
2
3
1
3
0
0
0
.
0
0
1
5
4
8
0
.
0
2
7
0
9
0
.
1
4
6
2
8
0
.
3
2
5
0
8
0
.
3
2
5
0
8
0
.
1
4
6
2
8
0
.
0
2
7
0
9
0
.
0
0
1
5
4
8
1
4
0
0
0
0
.
0
0
5
4
1
8
0
.
0
6
5
0
1
5
0
.
2
4
3
8
1
0
.
3
7
1
5
2
0
.
2
4
3
8
1
0
.
0
6
5
0
1
5
0
.
0
0
5
4
1
8
1
5
0
0
0
0
0
.
0
1
6
2
5
4
0
.
1
3
5
4
5
0
.
3
4
8
3
0
.
3
4
8
3
0
.
1
3
5
4
5
0
.
0
1
6
2
5
4
1
6
0
0
0
0
0
0
.
0
4
3
3
4
4
0
.
2
4
7
6
8
0
.
4
1
7
9
6
0
.
2
4
7
6
8
0
.
0
4
3
3
4
4
1
7
0
0
0
0
0
0
0
.
1
0
5
2
6
0
.
3
9
4
7
4
0
.
3
9
4
7
4
0
.
1
0
5
2
6
1
8
0
0
0
0
0
0
0
0
.
2
3
6
8
4
0
.
5
2
6
3
2
0
.
2
3
6
8
4
1
9
0
0
0
0
0
0
0
0
0
.
5
0
.
5
2
0
0
0
0
0
0
0
0
0
0
1
.
P
H
y
p
(
x
,
N
=
2
0
,
k
,
n
=
1
5
)
:
x
=
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
k
=
1
0
.
7
5
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2
0
.
3
9
4
7
0
.
5
5
2
6
0
0
0
0
0
0
0
0
0
0
0
0
0
3
0
.
1
3
1
6
0
.
4
6
0
5
0
.
3
9
9
1
0
0
0
0
0
0
0
0
0
0
0
0
4
0
.
0
3
0
9
6
0
.
2
1
6
7
0
.
4
6
9
6
0
.
2
8
1
7
0
0
0
0
0
0
0
0
0
0
0
5
0
.
0
0
4
8
3
7
0
.
0
6
7
7
2
0
.
2
9
3
5
0
.
4
4
0
2
0
.
1
9
3
7
0
0
0
0
0
0
0
0
0
0
6
0
.
0
0
0
3
8
7
0
.
0
1
3
5
4
0
.
1
1
7
4
0
.
3
5
2
2
0
.
3
8
7
4
0
.
1
2
9
1
0
0
0
0
0
0
0
0
0
7
0
0
.
0
0
1
3
5
4
0
.
0
2
9
3
5
0
.
1
7
6
1
0
.
3
8
7
4
0
.
3
2
2
8
0
.
0
8
3
0
1
0
0
0
0
0
0
0
0
8
0
0
0
.
0
0
3
6
1
2
0
.
0
5
4
1
8
0
.
2
3
8
4
0
.
3
9
7
3
0
.
2
5
5
4
0
.
0
5
1
0
8
0
0
0
0
0
0
0
9
0
0
0
0
.
0
0
8
1
2
7
0
.
0
8
9
4
0
.
2
9
8
0
.
3
8
3
1
0
.
1
9
1
6
0
.
0
2
9
8
0
0
0
0
0
0
1
0
0
0
0
0
0
.
0
1
6
2
5
0
.
1
3
5
4
0
.
3
4
8
3
0
.
3
4
8
3
0
.
1
3
5
4
0
.
0
1
6
2
5
0
0
0
0
0
1
1
0
0
0
0
0
0
.
0
2
9
8
0
.
1
9
1
6
0
.
3
8
3
1
0
.
2
9
8
0
.
0
8
9
4
0
.
0
0
8
1
2
7
0
0
0
0
1
2
0
0
0
0
0
0
0
.
0
5
1
0
8
0
.
2
5
5
4
0
.
3
9
7
3
0
.
2
3
8
4
0
.
0
5
4
1
8
0
.
0
0
3
6
1
2
0
0
0
1
3
0
0
0
0
0
0
0
0
.
0
8
3
0
1
0
.
3
2
2
8
0
.
3
8
7
4
0
.
1
7
6
1
0
.
0
2
9
3
5
0
.
0
0
1
3
5
4
0
0
1
4
0
0
0
0
0
0
0
0
0
.
1
2
9
1
0
.
3
8
7
4
0
.
3
5
2
2
0
.
1
1
7
4
0
.
0
1
3
5
4
0
.
0
0
0
3
8
7
0
1
5
0
0
0
0
0
0
0
0
0
0
.
1
9
3
7
0
.
4
4
0
2
0
.
2
9
3
5
0
.
0
6
7
7
2
0
.
0
0
4
8
3
7
0
.
0
0
0
0
6
4
5
1
6
0
0
0
0
0
0
0
0
0
0
0
.
2
8
1
7
0
.
4
6
9
6
0
.
2
1
6
7
0
.
0
3
0
9
6
0
.
0
0
1
0
3
2
1
7
0
0
0
0
0
0
0
0
0
0
0
0
.
3
9
9
1
0
.
4
6
0
5
0
.
1
3
1
6
0
.
0
0
8
7
7
2
1
8
0
0
0
0
0
0
0
0
0
0
0
0
0
.
5
5
2
6
0
.
3
9
4
7
0
.
0
5
2
6
3
1
9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
.
7
5
0
.
2
5
2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
.
51
P
Hyp
(x, N = 10, k, n = 2):
x = 1 2
k = 1 0.2 0
2 0.3556 0.02222
3 0.4667 0.06667
4 0.5333 0.1333
5 0.5556 0.2222
6 0.5333 0.3333
7 0.4667 0.4667
8 0.3556 0.6222
9 0.2 0.8
10 0 1.
P
Hyp
(x, N = 10, k, n = 3):
x = 1 2 3
k = 1 0.3 0 0
2 0.4667 0.06667 0
3 0.525 0.175 0.008333
4 0.5 0.3 0.03333
5 0.4167 0.4167 0.08333
6 0.3 0.5 0.1667
7 0.175 0.525 0.2917
8 0.06667 0.4667 0.4667
9 0 0.3 0.7
10 0 0 1.
P
Hyp
(x, N = 10, k, n = 4):
x = 1 2 3 4
k = 1 0.4 0 0 0
2 0.5333 0.1333 0 0
3 0.5 0.3 0.03333 0
4 0.381 0.4286 0.1143 0.004762
5 0.2381 0.4762 0.2381 0.02381
6 0.1143 0.4286 0.381 0.07143
7 0.03333 0.3 0.5 0.1667
8 0 0.1333 0.5333 0.3333
9 0 0 0.4 0.6
10 0 0 0 1.
P
Hyp
(x, N = 10, k, n = 5):
x = 1 2 3 4 5
k = 1 0.5 0 0 0 0
2 0.5556 0.2222 0 0 0
3 0.4167 0.4167 0.08333 0 0
4 0.2381 0.4762 0.2381 0.02381 0
5 0.09921 0.3968 0.3968 0.09921 0.003968
6 0.02381 0.2381 0.4762 0.2381 0.02381
7 0 0.08333 0.4167 0.4167 0.08333
8 0 0 0.2222 0.5556 0.2222
9 0 0 0 0.5 0.5
10 0 0 0 0 1.
P
Hyp
(x, N = 10, k, n = 6):
x = 1 2 3 4 5 6
k = 1 0.6 0 0 0 0 0
2 0.5333 0.3333 0 0 0 0
3 0.3 0.5 0.1667 0 0 0
4 0.1143 0.4286 0.381 0.07143 0 0
5 0.02381 0.2381 0.4762 0.2381 0.02381 0
6 0 0.07143 0.381 0.4286 0.1143 0.004762
7 0 0 0.1667 0.5 0.3 0.03333
8 0 0 0 0.3333 0.5333 0.1333
9 0 0 0 0 0.6 0.4
10 0 0 0 0 0 1.
52
P
Hyp
(x, N = 10, k, n = 8):
x = 1 2 3 4 5 6 7 8
k = 1 0.8 0 0 0 0 0 0 0
2 0.3556 0.6222 0 0 0 0 0 0
3 0.06667 0.4667 0.4667 0 0 0 0 0
4 0 0.1333 0.5333 0.3333 0 0 0 0
5 0 0 0.2222 0.5556 0.2222 0 0 0
6 0 0 0 0.3333 0.5333 0.1333 0 0
7 0 0 0 0 0.4667 0.4667 0.06667 0
8 0 0 0 0 0 0.6222 0.3556 0.02222
9 0 0 0 0 0 0 0.8 0.2
10 0 0 0 0 0 0 0 1.
7.6 Statistische Tests
Statistische Tests sind Verfahren zur Pr ufung von Hypothesen. ImAllgemeinen formuliert man zwei
Hypothesen:
1. Nullhypothese H
0
2. Alternativhypothese H
A
bzw. /
Beim Test eines Parameters (z.B. Mittelwert , Abweichung usw.) ist die Nullhypothese im All-
gemeinen von der Form
H
0
: =
0
.
Man mchte also uberpr ufen, ob der Parameter gleich einer vorgegebenen Gr oe
0
ist. F ur die
Alternativ-Hypothese gibt es dann im Allgemeinen zwei M oglichkeiten:
7.6.1 Signikanztests
Ablaufschema eines Signikanztests:
1. Aufstellen der Nullhypothese H
0
und der Alternativhypothese H
A
:
einseitiger Test: H
A
: >
0
oder H
A
: <
0
zweiseitiger Test: H
A
: ,=
0
2. Festlegen der Irrtumswahrscheinlichkeit : Dies ist die Wahrscheinlichkeit daf ur, dass wir die
Nullhypothese verwerfen, obwohl sie g ultig w ahre (Fehler 1.Art).
3. Stichprobe/Testgr oe T: Nun nimmt man eine Stichprobe X
1
, ..., X
n
vomUmfang nund berechnet
daraus die Testgr oe T.
4.

Uberprfen von T/Entscheidungsndung: Liegt T im kritischen Bereich, so wird H
0
abgelehnt und
H
A
angenommen, ansonsten umgekehrt H
A
verworfen und H
0
angenommen. Dazu benutzt
man eine vorher festgelegte Entscheidungsregel
Fehler beim Testen:
Fehler 1. Art: Obwohl H
0
zutrifft wird sie aufgrund der Stichprobe abgelehnt und H
A
angenommen. Die Wahrscheinlichkeit hierf ur heit Irrtumswahrscheinlichkeit
Fehler 2. Art: Obwohl H
0
falsch ist, wird sie aufgrund der STichprobe angenommen.
53
7.7 Fehlerrechnung
Fehlerfortpanzungsgesetz:
z =

_
f
x
x
_
2
+
_
f
y
y
_
2
+. . . mit z = f(x, y, . . .)
Fehlerformeln f ur einige einfach Funktionen (Voraussetzung: x, y sind nicht korellierte, fehler-
behaftete Gr oen):
Funktion absoluter Fehler relativer Fehler
z = a x; a = const z = a x
z
z
=
x
x
z = x y z =
_
(x)
2
+ (y)
2
z = x y z =
_
(y x)
2
+ (x y)
2
z
z
=
_
_
x
x
_
2
+
_
y
y
_
2
z =
x
y
z =
_
_
x
y
_
2
+
_
x
y
2
y
_
z
z
=
_
_
x
x
_
2
+
_
y
y
_
2
z = x
y
z =
_
(x y x
y1
)
2
+ (y x
y
lny)
2
z = e
x
z = x e
x
z = log
b
(x); b = const z =
x
xln b
z = lnx z =
x
x
z = sinx z = x cos x
z = cos x z = x sinx
z = tanx z = x
1
cos
2
x
z = cot x z = x
1
sin
2
x
z = sin
1
x z =
x

1x
2
z = cos
1
x z =
x

1x
2
z = tan
1
x z =
x
1+x
2
z = sinhx z = x coshx
z = coshx z = x sinhx
z = tanhx z = x
1
cosh
2
x
z = arcsinhx z =
x

1+x
2
z = arccoshx z =
x

x
2
1
z = arctanhx z =
x
1x
2
Kapitel 8
Fun
8.1 sch onste Formel der Mathematik
e
i
+1 = 0
Diese Formel enth alt alle wichtigen Zahlen der Mathematik ... und nur diese!
8.2 Limericks
12 +144 +20 +3

4
7
+5 11 = 9
2
+0
A Dozen, a Gross, and a Score,
plus three times the square root of four,
divided by seven,
plus ve times eleven,
equals nine squared and not a bit more.
Jon Saxton
_
_ 3

3
1
z
2
dz
_
cos
_
3
9
_
= log
_
3

e
_
Integral z-squared dz
from 1 to the cube root of 3
times the cosine
of three pi over 9
equals log of the cube root of e.
Betsy Devine and Joel E. Cohen
54
Kapitel 9
Konstanten
9.1 mathematische Konstanten:
9.2 physikalische Konstanten:
Avogadrozahl N
A
6.02214199(47) 10
23
mol
1
Boltzmann-Konstante k 1.3806503(24) 10
23
JK
1
55