0% fanden dieses Dokument nützlich (0 Abstimmungen)

3 Ansichten112 Seiten

01 Math-Tutorial Ge-En

Das Dokument ist ein Mathe-Tutorium, das verschiedene Themen der Mathematik abdeckt, einschließlich elektromagnetischer Felder, komplexer Zahlen, spezieller Funktionen und linearer Algebra. Es enthält detaillierte Kapitel zu Themen wie Differential- und Integralrechnung, Fourier-Transformation und Matrizenrechnung. Die Inhalte sind für das Wintersemester 2019/20 an der Hochschule München unter der Leitung von Prof. Dr. Alfred Kersch strukturiert.

Hochgeladen von

ramraaj752

Wir nehmen die Rechte an Inhalten ernst. Wenn Sie vermuten, dass dies Ihr Inhalt ist, beanspruchen Sie ihn hier.

Verfügbare Formate

Als PDF, TXT herunterladen oder online auf Scribd lesen

0% fanden dieses Dokument nützlich (0 Abstimmungen)

3 Ansichten112 Seiten

01 Math-Tutorial Ge-En

Hochgeladen von

ramraaj752

Wir nehmen die Rechte an Inhalten ernst. Wenn Sie vermuten, dass dies Ihr Inhalt ist, beanspruchen Sie ihn hier.

Verfügbare Formate

Als PDF, TXT herunterladen oder online auf Scribd lesen

Mathe-Tutorium (german)

Math-Tutorial (english)
MNM, POM
Fakultät 06
Hochschule München
Prof. Dr. Alfred Kersch
WS 19/20
Version 9.10.2019
Contents
1 Elektromagnetische Felder und Bewegung von Teilchen 1
1.1 Elektrostatische und Magnetostatische Felder . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Elektrostatische Felder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Kräfte in elektrischen Feldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1 Drehmomente und Kräfte auf Dipole . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Kräfte in magetischen Feldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Larmorradius und Massenspektrometer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6 Penning-Falle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Maxwell-Gleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Magnetfelder von Stromleitern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1 Electromagnetic …elds and motion of particles 9

2 (*) Komplexe Zahlen, Funktionen einer Veränderlicher, Funktionenreihen 9

2.1 Komplexe Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Euler-Formel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Di¤erentialrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4 Integralrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5 Funktionenfolgen und Funktionenreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6 Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6.1 Berechnung der Fourier-Koe¢ zienten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6.2 Fourier-Reihe gitterperiodischer Funktionen in 3D . . . . . . . . . . . . . . . . . . . . 18
2.6.3 Konvergenz von Fourierreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.7 Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.8 Laplace-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.9 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2 (*) Complex numbers, functions of a single variable, function series 24

2.1 Complex numbers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Euler-formula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Di¤erential calculus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4 Integral calculus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5 Funktionenfolgen und Funktionenreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.6 Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6.1 Berechnung der Fourier-Koe¢ zienten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6.2 Fourier-Reihe gitterperiodischer Funktionen in 3D . . . . . . . . . . . . . . . . . . . . 33
2.6.3 Konvergenz von Fourierreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.7 Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.8 Laplace-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.9 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

2 (*) Spezielle Funktionen 39

2.1 Gauss-Funktion, Fehler-Funktion und Momente . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3 (*) Special functions 42

3.1 Gaussian-function, error-function and moments . . . . . . . . . . . . . . . . . . . . . . . . . . 42

4 Lineare Algebra 45
4.1 Vektorräume, Erzeugendensysteme und Basen . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2 Matrizenrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Matrizen und Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3.1 Drehmatrizen, orthogonale und unitäre Matrizen . . . . . . . . . . . . . . . . . . . . . 51
4.3.2 Streckmatrizen, symmetrische und hermitesche Matrizen . . . . . . . . . . . . . . . . . 51
4.3.3 Basiswechsel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.3.4 Transformation der Abbildung bei Basiswechsel . . . . . . . . . . . . . . . . . . . . . . 53
4.3.5 Tensoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

i
4.4 Lineare Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.1 Gauß -Algorithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.2 Lösbarkeit linearer Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.5 Diagonalisierung und Hauptachsentransformation . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.1 Eigenwertproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.6 Komplexe Hilberträume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.6.1 Vektoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.6.2 Skalarprodukte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.6.3 Qbit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

4 Linear algebra 60
4.1 Vector spaces, linear hull and bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.2 Matrix algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.3 Matrices and mappings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.1 Rotation matrices, orthogonal and unitäry matrices . . . . . . . . . . . . . . . . . . . 65
4.3.2 Stretching matrices, symmetric and hermitean matrices . . . . . . . . . . . . . . . . . 66
4.3.3 Change of basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3.4 Transformation of the mapping for change of basis . . . . . . . . . . . . . . . . . . . . 67
4.3.5 Tensoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.4 Linear system of equation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.4.1 Gauß -algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4.2 Solvability of linear system of equations . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 Diagonalization and principle axis transformation . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.5.1 Eigenvalue problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

5 (*) Quantum Mechanics 72

5.1 Postulates of quantum mechanics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2 Dirac Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2.1 Hilbert space . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2.2 Choice of basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2.3 Representations of quantum mechanics . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.2.4 Representation by quantum numbers . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.3 Schrödinger equation of a single particle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.4 Operators and Eigenvalues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.5 Correspondence principle - heuristic explanation . . . . . . . . . . . . . . . . . . . . . . . . . 77

6 Gewöhnliche Di¤erentialgleichungen 78
6.1 De…nition und Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2 Anfangswertprobleme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.3 Randwertprobleme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.4 Wichtige Di¤erentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.5 Reduktion der Ordnung der DGL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.6 Separation der Variablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.7 Lösung mit Ansatz: Variation der Konstanten . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.8 Lineare DGL 1. Ordnung: allgemeines Lösungsverfahren . . . . . . . . . . . . . . . . . . . . . 84
6.9 Reduktion der Ordnung der DGL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.10 Eigenwertproblem einer DGL und Reihenentwicklung: Das Sturm-Liouville-Problem . . . . . 85
6.11 Die Wellengleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6.12 Frobenius-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.13 Bessel-Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.14 Sphärische Bessel-Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

ii
7 (*) Vektoranalysis 92
7.1 De…nitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
7.2 Typen von Integralen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
7.3 Analyse eines Vektorfeldes mit Kontrollvolumen . . . . . . . . . . . . . . . . . . . . . . . . . . 99
7.4 Fluss eines Vektorfeldes und Divergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
7.5 Wegintegral über ein Vektorfeld und Rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
7.6 Hauptsatz der Vektoranalysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

8 (*) Krummlinige Koordinaten 101

8.1 Koordinatensysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
8.2 Di¤erentialoperatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

9 (*) Maxwell Gleichungen 104

9.1 Berandete und nicht-berandete Volumen, Flächen, Linien . . . . . . . . . . . . . . . . . . . . 104
9.2 Integrale Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
9.3 Materialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
9.4 Potentialfelder in Elektrostatik und Magnetostatik . . . . . . . . . . . . . . . . . . . . . . . . 106
9.5 Wellengleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

iii
1 Elektromagnetische Felder und Bewegung von Teilchen
1.1 Elektrostatische und Magnetostatische Felder
De…nition Feldstärke (Lorentzkraft)

F~ F~
F~ = q E
~ + ~v ~
B ~ =
E= E ~ =
B= B
q q j~v j

~ einer Punktladung Q und Kraftwirkung auf Ladung q nach Coulomb

Stärke elektrostatisches Feld E
1 Q
F~ = q E
~ ~ =
E ~er
4 0 r2
Stärke magnetostatisches Feld nach Biot-Savart

~ = 0 d~l ~r
dB I
4 r3

1.2 Elektrostatische Felder

Elektrisches Feld und Potential von Punktladungen Phänom enologie m agnetischer Felder

geladener Plattenkondensator m it elektrischen Feld E und strom durch‡ossene „Plattenspule” m it m agnetischer Induktion B

1
1.3 Kräfte in elektrischen Feldern

1cm

- - - - - - - - -

+ 3mm
Ablenkplatten
Papier
+ + + + + + +

Coulomb-Kraft zweier Ladungen (Q felderzeugende Ladung, q Testladung)

1 qQ 12
F = ~r = ~r2 ~r1 r = j~r2 ~r1 j 0 = 8:854 10 C 2N 1
m 2
4 0 r2
Die resultierende Kraft von Q1 und Q2 auf q nach dem Superpositionsprinzip

q Q1 Q2
F~ = r^1 + 2 r^2
4 0 r12 r2

1. Berechnen Sie das elektrische Feld, welches in einem Tintenstrahldrucker erforderlich ist, um Tinten-
tropfen abzulenken. Die Tropfen haben einen Durchmesser von 40 m, eine Austrittsgeschwindigkeit
von 40m=s können mit q = 2nC aufgeladen werden und werden auf einer Strecke von 1cm abgelekt.
Die Tropfen erreichen ihr Ziel, wenn sie innerhalb der Strecke der Ablenkplatten um 3mm abgelenkt
werden. Die Dichte der Tinte beträgt 1000kg=m3

Lösung: Das gesuchte Feld hängt mit der Ablenkkraft zusammen: E = F=q. Die Kraft zwischen den
Ablenkplatten bewirkt die Beschleunigung F = ma. Die vertikale Ablenkung ist wie beim schiefen Wurf

1 1 2v02 y (t)
y(t) = y0 + vy t + at2 = at2 x(t) = x0 + vx t = vx t =) a= 2
2 2 (x (t))

Die Masse eines Tropfens beträgt

4 3
m= V = r
3
Zusammen
8 kg 3
F ma 4
r3 2v02 y 3 103 m3 20 10 6
m 40 m
2
3 10 3
m N
3 s
E= = = = 2 = 1608:5
q q q x2 (2 10 9 C)
(10 2 m) C

2
1.3.1 Drehmomente und Kräfte auf Dipole

Dipol im homogenen Feld Dipol im inhomogenen Feld

~ = d F sin + d F sin = d F sin = d q E sin = p E sin

M
2 2
bzw. in vektorieller Form
M~ = p~ E~

2. Berechne die Arbeit, um den Dipol aus einer =2 = 90 quergestellten Position um den Winkel zu
verdrehen
Lösung:
Arbeit dW , um den Dipol um einen Winkel d zu verdrehen:
~ d = j~
dW = M ~ sin d
pj E

Die potentielle Energie Epot im Winkel ergibt sich durch Integration beginnend bei =2, weil wir die
potentielle Energie bei zum Feld senkrechtem Dipol auf Null kalibrieren möchten
Z Z
Epot = dW = ~ sin d = j~
pj E
j~ ~ cos
pj E = j~ ~ cos
pj E
2 2 2

damit wird die potentielle Energie in vektorieller Form

Epot = ~
p~ E
d.h. die potentielle Energie wird minimal, wenn sich das Dipolmoment parallel zum elektrischen Feld aus-
richtet.

Im inhomogenen Feld wirkt auf den ausgerichteten Dipol eine resutierende Kraft, weil die Ladungen
unterschiedlich starke Felder spüren. Wir beschränken uns hier auf den Fall, daßdas Feld in x Richtung
ausgerichtet ist und sich in x Richtung verändert
dE dE
F = F2 F1 = q E0 + d q E0 = p
dx dx

3
1.4 Kräfte in magetischen Feldern
Magnetische Felder können entweder von Permanentmagneten oder elektrischen Strömen hervorgerufen
werde. Die Stärke des Feldes kann durch die Kraftwirkung auf einen elektrisch geladenen Körper nachgewiesen
werden und wird durch die magnetische Induktion B ~ bezeichnet.

Bild: Wikipedia Experiment von Ampere

Auf eine Ladung q, die sich mit einer Geschwindigkeit v senkrecht zu einem Magnetfeld B bewegt, wirkt
die Lorentz-Kraft, die senkrecht sowohl zur Geschwindigkeit als auch zum Magnetfeld orientiert ist. Die
Richtung dieser Kraft hängt vom Vorzeichen der Ladung ab.

F~ = q~v ~
B
Bei der Bewegung von Elektronen mit einer negativen Ladung (Elektron) wird die Richtung der Kraft durch
die Linke-Hand Regel beschrieben

Linke Hand Regel Rechte Hand Regel

Damit läß
t sich die magnetische Induktion ähnlich wie die elektrische Feldstärke de…nieren

F~ F~
~ =
B= B ~ =
E= E
q j~v j q
Insgesamt machen sich elektrische und magnetische Felder wie folgt bemerkbar

F~ = q E
~ + ~v ~
B

An dieser Formulierung läß t sich vielleicht schon erahnen, daßmagnetische Felder eine Erscheinungsform
elektrischer Felder sind, die bei der Bewegung der Ladungen auftritt, und nicht ein komplett andersartiges
Feld. In einer relativistisch invarianten Formulierung der Feldtheorie verschwindet der Unterschied zwischen
beiden Erscheinungsformen. Für uns aber nicht...

4
1.5 Larmorradius und Massenspektrometer
Ein Elektron, welches über eine Potentialdi¤erenz von U beschleunigt wird, hat eine kinetische Energie und
Geschwindigkeit von r
1 2 2eU
eU = mv v=
2 m
In einem zu dieser Geschwindigkeit senkrechten Magnetfeld wirkt auf ein Teilchen die Lorentz-Kraft als
Zentripetalkraft (weil sie senkrecht zur Geschwindigkeit wirkt)

mv 2
Bev =
R
Damit ergibt sich der Krümmungsradius (Larmorradius)
r
1 m
R= 2U
B e

Bei bekannter Teilchenenergie kann aus dem Krümmungsradius das Verhältnis e=m bestimmt werden:
Thomson Experiment. Bei bekannter Ladung ist dies das Prinzip des Massenspektrometers. Vor-
raussetzung ist jedoch, daßdie Geschwindigkeit bekannt ist.
Im Geschwindigkeits…lter sind elektrische und magnetische Felder gekreuzt. Da die Lorentz-Kraft
senkrecht zum Magnetfeld wirkt, wirken die gekreuzten E und B Felder in die gleiche Richtung, aber
durchaus [Link]äß ig können sich die Felder nun aufheben und zwar wenn

~ = q j~v j B
q E ~

Sie heben sich genau dann auf, wenn

~
E
j~v j =
~
B

Dann ‡iegt das Teilchen (siehe Abbildung) geradeaus weiter, und kann in den Bereich mit dem homogenen
Magnetfeld gelangen. Hier hängt nun der Larmorradius bei vorgegebener Geschwindigkeit nur noch von der
Masse ab. Ein solcher Geschwindigkeits…lter heiß
t Wien-Filter.

5
W ien-Filter und M assensp ektrom eter Verschob ene Ladungen in der Hall Sonde als W ien-Filter

qvB = qE
An den vertikalen Enden einer stromdurch‡ossenen Hall Sonde im Magnetfeld entsteht eine Hall-Spannung,
in der genau die Wien-Filter Bedingung erfüllt ist.

3. Berechnen Sie die Hall-Spannung einer Hall-Sonde der vertikalen Ausdehnung b und Dicke d
Lösung: Bei einer vertikaler Aausdehnung von b entspricht das elektrische Feld der angesammelten
Ladungen einer Spannung von UH = bE, der Hall-Spannung. Die relevante Geschwindigkeit der
Elektronen ist die Driftgeschwindigkeit hvi. Die Elektronen können nur ‡ieß
en, wenn die Wien-Filter
bedingung erfüllt ist. Die Hall-Spannung ist daher

bE = UH = hvi b B

Der Strom selber ergibt sich ja aus (q = e)

I = q n hvi A

wobei die Querschnitts‡äche hier A = bd = Querausdehnung Dicke ist. Elimination der Drift-
geschwindigkeit
B
UH = I
nde
Die Proportionalitätskonstante heiß
t Hallwiderstand.

Andere Anwendungen von Magnetfeldern sind die Verringerung der Beweglichkeit, welches z.B. zur Erhöhung
von Plasmadichten genutzt wird, sowie der magnetische Einschluss

Verringerung der Beweglichkeit von Elektronen Penning Falle: Kä…g für geladene Teilchen

6
4. Der Sonnenwind besteht aus Protonen mit etwa 500km=s und führt bei Raumfahrern zu einer Strahlen-
belastung, welche die natürliche der Erde im günstigsten Fall (kein Sonnensturm) um den Faktor 1000
übertri¤t. Glücklicherweise für Nicht-Raumfahrer wird der Sonnenwind vom Erdmangetfeld auf Kreis-
bahnen eingefangen und dadurch in oberen Schichten der Atmosphäre ausgebremst. Berechnen Sie den
Larmorradius der Protonen im Erdmagnetfeld, und zwar beim doppelten Erdradius (Magnetfeldstärke
~r 3 ) und nahe der Erdober‡äche (B = 0:5 10 4 T )
Lösung:

mv 2000 9:11 10 31 kg 500 103 m=s

r= = = 113:73m bzw. 909:86m
qB 1:602 10 19 C 0:5 10 4 T

1.6 Penning-Falle
Eine Penning-Falle ist eine axialsymmetrische Anordnung (Symmetrieachse z) mit hyperbolischen Elektroden
oben und unten sowie einem Rotationshyperboloid auß en. Das elektrische Potential lautet, wobei d der
vertikale Abstand vom Zentrum zur Top-Elektrode ist und U die Potentialdi¤erenz zwischen den Elektroden.

U x2 + y 2 2z 2 p
'(x; y; z) = 1 r= x2 + y 2
2 2d2

5. Zeichnen Sie Elektrodenladung, Äquipotentiallinien (linkes Bild) sowie elektrische Feldlinien (rechtes
Bild)

Elektro denladung und Äquip otentiallinien Elektro denladung und elektrische Feldlinien

Das elektrische Feld läß

t sich aus dem Potential berechnen
0 1
x
U @
E = r' = 2 y A
2d
2z

Mit der 1. Maxwell’schen Gleichung ergibt sich die Ladunsdichte. Im Innenraum be…ndet sich keine
elektrische Ladung:
U
= r E = 2 (1 + 1 2) = 0
2d
Die Penning-Falle be…ndet sich auß erdem in einem homogenen Magnetfeld der Induktionsstärke B ~ =
B ~ez . Stellen Sie die Newton’sche Bewegungsgleichung eines bewegten, geladenen Teilchen (Ladung q)

7
in der Falle auf. Welche Bewegung wird durch die z-Komponente der Gleichung beschrieben?
0 1 0 1 0 1 0 1 0 1 0 1
x• x vx 0 x vy B
qU qU
m @ y• A = m~a = 2 @ y A + q @ vy A @ 0 A = 2 @ y A + q @ vx B A
2d 2d
z• 2z vz B 2z 0

1.7 Maxwell-Gleichungen
Gauss’sches Gesetz und Rotationsfreiheit des elektrostatischen Feldes in Integralform und Di¤erentialform
(1. Maxwell)
Z Z Z Z Z
~ ~ ~ ~ 3 1 3 ~ ~ E ~ dA ~=0
E dA = r E dr = (~r) dr E d~s = r
@V V 0 V @A A

0r
~ E
~ =r
~ D
~ = (~r) ~
r ~ =0
E
Wirbelfreiheit des elektrostatischen FeldesElektrostatisches Feld in Materie und Randbedingungen

~ diel = E
~ vac P~
E P~ = 0 e
~
E ~ =
D 0 r
~ =
E 0 (1 + e) E
~
0

D1? = D2? E1k = E2k

Konstitutive Beziehungen
~j = ~
E
Stärke magnetostatisches Feld nach Biot-Savart

~ = 0 d~l ~r
dB I
4 r3
Quellfreiheit des magnetischen Feldes (2. Maxwell) und Ampere’sches Durch‡utungsgesetz (3. Maxwell)
in Integralform und Di¤erentialform
Z Z I Z
~ dA
B ~=0 ~
r ~
B ~=
dA ~ d~s =
B 0
~
~j dA
A
@V @A A

Elektrodynamisch erzeugtes magnetisches Feld Feld

1 ~ ~
~ B
r ~ =0 r ~ =r
B ~ ~ = ~j + @ D
H
0 @t

Magnetostatisches Feld in Materie und Randbedingungen

~ M aterie = B
B ~ vac + 0M
~ ~ =
M m
~
H ~ =
B 0 r
~ =
H 0 (1 + m
~
)H

B?;vac = B?;E Hk;vac = Hk;E

Faraday’sches Induktionsgesetz (4. Maxwell) durch veränderliches magnetisches Feld in Integralform und
Di¤erentialform I Z Z
~ d ~ ~
Uind = E d~s = r E dA = B dA
dt
@A A A

Elektrodynamisch erzeugtes elektrisches Feld

~
@B
r E=
@t

8
1.8 Magnetfelder von Stromleitern
(Hochspannungsleitung, nicht abgeschirmt und abgeschirmt)

1.
(a) Durch parallel angeordnete Leiter im Abstand d = 2r ‡ieß e die Stromstärke I (jeweils hin- und
zurück). Zeichnen Sie qualitativ die magnetischen Feldlinien.
(b) Berechnen Sie die Stärke B des Magnetfeldes in der Position z (gleicher Abstand zu den Leitern)
mit Hilfe des Ampere’schen Durch‡utungsgesetzes und des Superpositionsprinzips.
(c) Nun seien die Leiter koaxial [Link] Sie qualitativ die magnetischen Feldlinien
(d) Berechnen Sie die Stärke B des Magnetfeldes in der Position z mit Hilfe des Ampere’schen Durch-
‡utungsgesetzes
Lösung:
p p
(a) Bild (b) Ampere: im Abstand R = r2 + z 2 cos = r=R = r= r2 + z 2
I I
Blinks (R)2 R = ~ d~s = 0 I
B Brechts (R)2 R = ~ d~s =
B 0I
F eldlinie F eldlinie

0I 0I r 0I r
B(z) = (Blinks + Brechts ) cos = cos = p p =
R r2 + z 2 r2 + z 2 r2 + z 2
(c) Bild (d)
I I
Bzentrum (z)2 z = ~ d~s =
B 0I Baussen (R)2 R = ~ d~s = 0
B
F eldlinie F eldlinie

0I
B(z) = Bzentrum =
2 z

1 Electromagnetic …elds and motion of particles

2 (*) Komplexe Zahlen, Funktionen einer Veränderlicher, Funk-
tionenreihen
2.1 Komplexe Zahlen
Komplexe Zahlen z 2 C Erweiterung der Reellen Zahlen:
z = x + iy i2 = 1
Re(z) = x Im(z) = y

9
Komplex konjugierte z von z
z = x + iy z =x iy z =z
Polardarstellung von komplexen Zahlen

z = x + iy = r cos ' + ir sin ' = r (cos ' + i sin ')

konjugiert komplex Polarkoordinatendarstellung

Polardarstellung Eulerformel

1. (a) Bestimmen Sie Real- und Imaginärteil von (3 + 2i) = ( 1 i)

2
(b) z1 = 3 + 4i z2 = 1 2i. Berechne z1 z2 , z1 =z2 , jz1 j
(c) Zeige, daßjz1 + z2 j jz1 j + jz2 j
4n 4n+1 4n+2 4n+3
(d) Berechne i , i ,i ,i ,n2Z
2. (a) Berechne jzj, wobei z in Polarkoordinatendarstellung z = r (cos ' + i sin ')
(b) Wie lautet z = 1 + i in Polarkoordinaten ?

2.2 Euler-Formel
Euler Formel
ei' = cos ' + i sin '
liefert eine Darstellung der komplexen Zahlen mit Betrag und Phase

z = x + iy = r (cos ' + i sin ') = r ei'

10
Damit ergibt sich Multiplikation und Division als

z1 z2 = r1 ei'1 r2 ei'2 = r1 r2 ei'1 +i'2

z1 r1 ei'1 r1 i'1 i'2
= = e
z2 r2 ei'2 r2
n
z1n = r ei' = rn ein'

3. (a) Für z1 = 1 + i und z2 = 1 i berechne man z1 z2 , z1 =z2 in Euler-Darstellung.

i
(b) Was ist i ?
(c) Leiten Sie die Additionsgesetz mit Hilfe der Euler-Formel her
(d) Leiten Sie die Euler-Formel her
(e) Aus den Additionstheoremen lassen sich folgende häu…g gebrauchte Formeln herleiten. Beweis ?
1 cos 2x 1 + cos 2x
(i) sin2 x = cos2 x =
2 2
x y x y
(ii) sin x sin y = 2 sin cos
2 2
x+y x y x+y x y
(iii) cos x + cos y = 2 cos cos cos x cos y = 2 sin sin
2 2 2 2

Lösung: (1a)
5 1
(3 + 2i) = ( 1 i) = + i
2 2
: (1b)

(3 + 4i) (1 2i) = 11 2i
3 + 4i
= 1 + 2i
1 2i
2
j3 + 4ij = (3 + 4i) (3 4i) = 25

(1c) Ist in der Polardarstellung anschaulich klar ohne den Beweis

2 2
jz1 + z2 j (jz1 j + jz2 j) , z1 z1 + z1 z2 + z2 z1 + z2 z2 z1 z1 + 2z1 z2 + z2 z2 () z1 z2 + z2 z1 2z1 z2
2 2
de…niere neue komplexe Zahl z = z1 z2 mit zz = jzj = z1 z2 z1 z2 = jz1 z2 j

z+z 2 jzj

nun setze z = u + iv
p p
z + z = u + iv + u iv = 2u 2 (u + iv) (u iv) = 2 u2 + v 2 = 2 jzj

(1d)
i4n = 1 i4n+1 = i i4n+2 = i2 = 1 i4n+3 = i
Lösung: (2a)
p p q
jzj = zz = r (cos ' + i sin ') r (cos ' i sin ') = r2 cos2 ' i cos ' sin ' + i cos ' sin ' + sin2 ' = r

(2b)
p p p p
in komplexer Ebene: r = x2 + y 2 = 2 '= z= 2ei 4 = 2 cos + i sin
4 4 4
Lösung: (3a)
p p
z1 = 1 + i = 2ei =4 z2 = 1 i = 2e i =4
p i =4 p
z1 z2 = 2e 2e i =4 = 2
p i =4 p
z1 =z2 = 2e = 2e i =4 = ei =2 = cos =2 + i sin =2 = i

11
(3b)
i
ii = ei 2 = eii 2 = e 2 = 0:20788:::
(3c)

) cos ( + ) + i sin ( + ) = ei( + )

= ei ei = (cos + i sin ) (cos + i sin )
) cos ( + ) + i sin ( + ) = cos cos sin sin + i cos sin + i cos sin
) cos ( + ) = cos cos sin sin und sin ( + ) = cos sin + cos sin

(3d)
1 1 1 1
ex = 1+ x + x2 + x3 + : : : + xn + : : :
1! 2! 3! n!
1 1 1 1
eiy = 1 + iy + (iy) + (iy) + (iy)4 + (iy)5 + : : :
2 3
2! 3! 4! 5!
1 2 1 4 1 3 1
= 1 y + y + ::: + i y y + y5 : : :
2! 4! 3! 5!
= cos y + i sin y

(3e)
cos (x + x) = cos 2x = cos x cos x sin x sin x = cos2 x sin2 x = 2 cos2 x 1

x+y x y x y x y
! 2 sin cos = 2 sin + cos
2 2 2 2 2 2
x y y x x y y x
= 2 cos sin + cos sin cos cos sin sin =
2 2 2 2 2 2 2 2
x y y x y x x x y y x y
= 2 cos2 cos sin + 2 cos cos2 sin + 2 cos sin sin2 + 2 cos sin2 sin
2 2 2 2 2 2 2 2 2 2 2 2
2 x y y x x 2 y x x y y
= 2 cos cos sin + cos sin + 2 sin cos sin + cos sin
2 2 2 2 2 2 2 2 2 2
= (1 + cos x) sin y + (1 cos y) sin x = sin y + sin x usw

5. Auch Vektoren können komplexe Komponenten enthalten, z.B. bei einer allgemeinen Darstellung einer
harmonischen Welle
E(r; t) = E 0 e i(!t k r)
Bei der Berechnung der Intensität wird der Betrag der Feldstärke berechnet
2 i(!t k r) i(!t k r) 2
I = jEj = E E = E 0 E 0 e e = jE 0 j

Ein anderes Beispiel sind Wellenfunktionen, komplexwertige Funktionen. Hier sind die Werte komplexe
Zahlen
(x; t) = Re( ) + i Im( )
Bei der Berechnung der Wahrscheinlichkeitsdichte wird der Betrag berechnet
2
j (x; t)j = (x; t) (x; t)

6. Arbeiten mit komplexwertigen Funktionen: Stellen Sie die Di¤erentialgleichung für die Bewegung
eines Massenpunktes der Masse m auf (in einer Dimension), auf welchen eine ortsabhängige Federkraft
Dx und eine geschwindigkeitsabhängige Reibungskraft k x_ wirkt. Machen Sie einen Ansatz für die
charakteristische Gleichung mit z(t) = z^ exp( t). Welche Bedingung muss erfüllt sein ?
Lösung:

d2 x r D
= D x rv=) x
m •+ x+ _ x=0
dt2 m m
Zum Au¢ nden der Lösung betrachten wir die allgemeinere Gleichung für komplexwertige Bahnkurven
r D
z• + z_ + z = 0
m m

12
und versuchen folgenden Ansatz, um den exponentiellen Abfall zu berücksichtigen (^z ist eine komplexe
Zahl)
z(t) = z^ exp( t) z(t)
_ = z^ exp( t) z•(t) = z^ 2 exp( t)
ist unbekannt, aber durch den Ansatz erhalten wir eine Bestimmungsgleichung dafür
2 r D 2 r D
) z^ exp( t) + z^ exp( t) + z^ exp( t) = 0 =) + + =0
m m m m
r D
) mit =2 = !02 2
+ 2 + ! 20 = 0
m m
q
2
) = ! 20
Für gibt es die folgenden Fallunterscheidungen
8 p q
>
> 2
! 20 < 0 =) r < 2 mD schwache Dämpfung z(t) = z^ exp( t) exp( i!t) ! = ! 20 2
< p
2
! 20 = 0 =) r = 2 mD mittlere Dämpfung z(t) = z^ exp( t) q
>
: 2 ! 2 > 0 =) r > 2pmD
>
starke Dämpfung z(t) = z^ exp( t) exp( !t) ! = 2
! 20
0

2.3 Di¤erentialrechnung
Seien f; g; h di¤erenzierbare Funktionen. Die Regeln für die Berechnung der Ableitungen sind

d
c f (x) = c f 0 (x)
dx
d
(f (x) + g(x)) = f 0 (x) + g 0 (x) Summenregel
dx
d
f (x) g(x) = f 0 (x) g(x) + f (x) g 0 (x) Produktregel
dx
d f (x) f 0 (x) g(x) f (x) g 0 (x)
= Quotientenregel
dx g(x) g(x)2
d d
h(x) = f (g(x)) = f 0 (g(x)) g 0 (x) Kettenregel
dx dx | {z } | {z }
exterior derivative interior derivative

Beispiele für Quotientenregel

d x d
d ex dx e x ex dx x ex x ex 1 ex ex
= = =
dx x x2 x2 x x2

d d
d cos(x) ex dx (cos(x) ex ) x cos(x) ex dx x
= 2
dx x x
d x d x d
dx cos(x) e + cos(x) dx e x cos(x) ex dx x
=
x2
( sin(x) e + cos(x) e ) x cos(x) ex 1
x x
=
x2
sin(x) e x + cos(x) ex x cos(x) ex
x
=
x2
sin(x) ex cos(x) ex cos(x) ex
= +
x x x2
Beispiele für Kettenregel
p
d p d d p 1 1 cos( x)
sin( x ) = sin(y) x = cos(y) p = p
dx |{z} dy dx 2 x 2 x
y

1 1
! 1
!
X @ X @ X n @ 1 h e h
nh nh h
nh e = e = e = h
= 2
n=0
@ n=0
@ n=0
@ 1 e (1 e h )

13
2.4 Integralrechnung
Summenregel Für beliebige Konstanten a; b und Funktionen f (x), g(x) gilt die Summenregel
Z Z Z
(a f (x) + b g(x))dx = a f (x)dx + b g(x)dx

Beispiel:
Z Z Z Z
x 1 x 1 1
x 1 1
2 e +p dx = 2 e dx + p x 2 dx = 2 e + c1 + p x 2 dx
2x 2 2
1 1
1 x 2 +1 1 x2
= 2 ex + c1 + p + c2 = 2 ex + p + c1 + c2
2 1
+1 2 12 | {z }
2
c
2 px
p p
= 2 e +p x + c = 2 ex + 2 x+c
2

Partielle Integration Aus der Produktregel der Di¤erentiation gewinnt man durch Integration
Z Z
d
(f (x) g(x)) = f (x) g(x) + f (x) g (x) ) f (x) g(x) + c = f (x) g(x)dx + f (x) g 0 (x)dx
0 0 0
dx
Es gilt daher die Regel der Partiellen Integration
Z Z
f (x) g 0 (x)dx = f (x) g(x) f 0 (x) g(x)dx

Diese Regel ist in folgender Situation anwendbar:

Der Integrand muss das Produkt zweier Funktionen sein

Von einem Faktor g 0 (x) muss man die Stammfunktion g(x) kennen.

Beispiel:

Z Z
x2 x2 1 x2
x ln(x) dx
|{z} = ln(x) dx
| {z } | {z } |{z}
2 2
|{z} x 2
g 0 (x) f (x) f (x)
|{z} |{z}
g(x) g(x) f 0 (x) g(x)
2 Z
x x x2 x2
= ln(x) dx = ln(x) +c
2 2 2 4
Beispiel:
Z Z
x x
x |{z}
|{z} e dx = |{z}
x |{z}
e ex dx
1 |{z}
|{z}
f (x) g 0 (x) f (x) g(x) f 0 (x) g(x)
Z
= x ex ex dx = x ex ex + c = (x 1) ex + c

Substitutionsregel Aus der Kettenregel der Di¤erentiation (mit y=g(x)) gewinnt man durch Integration
Z
d d d
F (g(x)) = F (y) g(x) = F (g(x)) g (x) ) F (g(x)) + c = F 0 (g(x)) g 0 (x)dx
0 0
dx dy dx

Es gilt daher die Substitutionsregel der Integration. Sie F (y) eine Stammfunktion von f (y). Mit
y = g(x) gilt Z Z
f (g(x)) g 0 (x)dx = f (y)dy = F (y) + c = F (g(x)) + c
| {z }
dy

Beispiel:

14
Z Z z }| { Z
cos(x) esin(x) dx = esin(x) cos(x)dx = ey dy = ey + c = esin(x) + c
| {z }
g 0 (x) dx=dy

Beispiel:
Z dy Z Z
1 1 z}|{
1 1 1
dx = a dx = dy
a x+b a x + b |{z}a a y
g 0 (x)
| {z }
1 1
= ln(jyj) + c = ln(ja x + bj) + c
a a
R
Es bietet sich allgemein an, eine Substitution y = g(x) in einem Integral h(x)dx technisch folgendermassen
durchzu…hren:
dy
Setze y = g(x) und berechne die Ableitung dx = g 0 (x). Formal gilt dy = g 0 (x)dx.
dy h(x)
Ersetze dx durch g 0 (x) . Drücke im neuen Integranden h(x)dx = g 0 (x) dy jedes x durch y aus.

Es entsteht ein Ausdruck

Z Z Z
1
h(x)dx = h(x(y)) 0
dy = f (y)dy
g (x(y))
R
Versuche, eine Stammfunktion F (y) = f (y)dy zu …nden.
Rücksubstitution: Setze y = g(x) in F (y) ein. Die gesuchte Stammfunktion des urspriinglichen Aus-
drucks ist F (g(x))
p dy 1
Beispiel: Substituiere y = x, = p1 ) dy = 1 p1 dx in
dx 2 x 2 x
Z Z Z
p p
x
p
x e dx = y ey 2 xdy = 2 y 2 ey dy
| {z }
dx

Daspverbleibende Integral in y kann durch zweifache partielle Integration gelöst werden: Rücksubstitution
y = x liefert letztlich:
Z
p p p p p p
x e x dx = 2 x e x 4 x e x+4 e x+c

Partialbruchzerlegung Betrachte f (x) = p(x)=q(x) mit Polynomen p(x) und q(x), wobei grad(p(x)) <
grad(q(x)) gelte. Hat das Nennerpolynom q(x) nur einfache Nullstellen x1 ; : : : ; xn , so gibt es Konstanten
c1 ; : : : ; cn ; so daß
p(x) c1 cn
= + +
q(x) x x1 x xn
Damit folgt dann Z
p(x)
dx = c1 ln (jx x1 j) + + cn ln (jx xn j) + c
q(x)
Beispiel:
3 x+4 c1 c2
= +
(x 1) (x + 2) x 1 x+2
Z Z 7 2
3 x+4 3 3 7 2
dx = + dx = ln(jx 1j) + ln(jx + 2j) + c
(x 1) (x + 2) x 1 x+2 3 3

15
2.5 Funktionenfolgen und Funktionenreihen
Satz: Jede Potenzreihe
1
X
an xn = a0 + a1 x + a2 x2 + :::
n=0
besitzt einen eindeutig bestimmten Konvergenzradius 0 1, so dass die Reihe für jxj < konvergiert.
Es gilt = lim jan =an+1 j. Die Taylorreihe einer beliebig oft di¤erenzierbaren Funktion f (x)
n!1

X1
1 (n)
f (x) = f (x0 )(x x0 ) n
n=0
n!

stellt die Funktion am Entwicklungspunkt x0 innerhalb des Konvergenzradius dar. Wir kennen bereits
Beispiele für Potenzreihen: die wichtigste ist die geometrische Reihe
1
!
a0 X
= a0 q n = a0 1 + q + q 2 + ::: für jqj < 1, also = 1
1 q n=0

Der Konvergenzradius ist hier tatsächlich nur eins, weil gilt

a0 1 qn
= a0 lim
1 q n!1 1 q
was nur für jqj < 1 endlich ist. Wichtige Potenzreihen sind
X1
xn x0 x1 x2 x3
exp x = ex = = + + + + :::für q, also beliebig, also =1
n=0
n! 0! 1! 2! 3!
1
X n x2n+1 x1 x3 x5
sin x = ( 1) = + :::für q, also beliebig, also =1
n=0
(2n + 1)! 1! 3! 5!
X1
n x2n x0 x2 x4
cos x = ( 1) = + :::für q, also beliebig, also =1
n=0
(2n)! 0! 2! 4!
X1
n+1 xn x2 x3 x4
ln (1 + x) = ( 1) =x + + :::für 1 < x < 1, also =1
n=1
n 2 3 4
p 1 1 2 1 3 3
1+x = 1+ x x + x :::für 1 < x < 1, also = 1
2 2 4 2 4 6
Hier sind die Basisfunktionen der Darstellung Polynome. Andere Basisfunktionen zur Darstellung
von Funktionen durch Funktionenreihen werden in Fourierreihen (sin und cos), Hermite-Polynome (Hn (x)),
Besselfunktionen (Jn (x)), Legendrepolynome (Pn (x)) zur Verfügung gestellt.

2.6 Fourier-Reihe
Oft ist es vorteilhaft, eine gegebene periodische Funktion f (x) mit der Periode L exakt oder angenähert
durch einen trigonometrische Funktion der Form
a0
fn (x) = + a1 cos(kx) + a2 cos(2kx) + ::: + an cos(nkx) + b1 sin(kx) + b2 sin(2kx) + ::: + bn sin(nkx)
2
darzustellen, einer Fourier-Reihe. Dabei gilt k = 2 =L. Also für L = 2 ist k = 1. Die Koe¢ zienten an ; bn ,
n = 0; 1; 2; ::: ergeben sich mit den Integralformeln aus dem Satz von Fourier:
Satz: Jede L-periodische Funktion, d.h.
f (x + L) = f (x)
kann dargestellt werden als unendliche Reihe, mit sin = cos oder exp
1
X X1 X1 X1
2
f (x) = cn exp(i nx) = cn exp(ikn x) = c0 + cn exp(ikn x) + c n exp( ikn x)
n= 1
L n= 1 n=1 n=1
1
a0 X 2
f (x) = + (an cos(kn x) + bn sin(kn x)) kn = n „Wellenzahl”
2 n=1
L

16
Der Zusammenhang zwischen den c n ; c0 ; cn ; n = 1; 2; ::: und a0 ; an ; bn ; n = 1; 2; ::: ergibt sich durch Koef-
…zientenvergleich
an ikn x ikn x bn ikn x ikn x
cn exp(ikn x) + c n exp( ikn x) = an cos(kn x) + bn sin(kn x) = e +e i e e
2 2
an ibn an + ibn a0
cn exp(ikn x) + c n exp( ikn x) = eikn x + e ikn x
) cn = c n c0 =
2 2 2
Die Bedingung, daßcn = c n führt dazu, dass beliebige, reellwertige, periodische Funktionen über
die Fourierreihe mit komplexen Exponentialfunktionan anstatt den trigonometrischen Funktionen dargestellt
werden können.
Wenn die Bedingung cn = c n aufgegeben wird, die c n ; c0 ; cn also beliebig komplex sind, stellt die
Fourierreihe (mit kompklexer Exponentialfunktion) beliebige, periodische, komplexwertige Funktio-
nen dar.

2.6.1 Berechnung der Fourier-Koe¢ zienten

Die Entwicklungskoe¢ zienten an , bn bzw. cn lassen sich berechnen durch (x0 beliebig)
Z x0 +L Z
1 2 1 x0 +L
cn = f (x) exp( i nx) dx = f (x) exp( ikn x) dx
L
x0 L L x0
Z Z
2 x0 +L 2 2 x0 +L
an = cn + c n = f (x) cos( nx) dx = f (x) cos(kn x) dx
L x0 L L x0
Z Z
2 x0 +L 2 2 x0 +L
bn = i (cn c n ) = f (x) sin( nx) dx = f (x) sin(kn x) dx
L x0 L L x0

Spezialfälle

f (x) reell ) c n = cn
wenn f ( x) = f (x) (symm. Funktion z.B. cos x, x2 ) sind alle bn = 0

wenn f ( x) = f (x) (antisymm. Funktion z.B. sin x,x) sind alle a0 = an = 0

Beispiel: Sägezahnspannung
x L L
U (t) = U0
x
L 2 2
Lösung: Berechnung der Fourier-Koe¢ zienten mit x von L=2 bis L=2, n 6= 0
Z L=2
1 x 2 L 2 L n
cn = U0 exp( i nx) dx kn = n =n exp(in ) = exp(i )n = ( 1)
L L=2 L L 2 L 2
Z L=2 L=2 Z L=2
U0 U0 x U0 1
= x exp( ikn x) dx = exp( ikn x) exp( ikn x) dx
L2 L=2 L2 ikn L=2 L2 L=2 ikn
" #L=2
L=2 2
U0 x U0 1
= exp( ikn x) exp( ikn x)
L2 ikn L=2 L2 ikn
L=2
U0 L=2 L=2 U0 1 1
= exp( in ) exp(in ) exp( in ) + exp(in )
L2 i 2L n i 2L n L2 2
L n 2
L n
2 n
U0 L i n n ( 1)
= (( 1) + ( 1) ) = i U0
L2 2 n 2 n

Die Rechnung gilt nicht für n = 0, daher extra

Z
1 x
c0 = U0 exp(0) dx = 0
L L

17
Insgesamt mit einx = e inx
= ( 1)n
X1 X1
U0 ( 1)n U0 ( 1) n
f (x) = 0+ i exp(inx) + i exp( inx)
n=1
2 n n=1
2 n
1 1
U0 X ( 1)n 1 U0 X ( 1)n
= 2 (exp(inx) exp( inx)) = 2 sin (nx)
2 n=1 n 2i 2 n=1 n
U0 ( 1)1 ( 1)2 ( 1)3
= sin (1x) + sin (2x) + sin (3x) + :::
2 1 2 3
U0 1 1
= sin (x) sin (2x) + sin (3x) + :::
2 2 3

2 1
sin(x)
sin(x)-0.5*sin(2*x) 1./x
sin(x)-0.5*sin(2*x)+0.333*sin(3*x)
1.5 sin(x)-0.5*sin(2*x)+0.333*sin(3*x)-0.25*sin(4*x) 0.9
sin(x)-0.5*sin(2*x)+0.333*sin(3*x)-0.25*sin(4*x)+0.2*sin(5*x)
sin(x)-0.5*sin(2*x)+0.333*sin(3*x)-0.25*sin(4*x)+0.2*sin(5*x)-0.1666*sin(6*x)
0.8
1
0.7
0.5

amplitude
0.6

0 0.5

-0.5 0.4

0.3
-1
0.2
-1.5
0.1
0 1 2 3 4 5 6 7
-2
0 1 2 3 4 5 6 frequency

Fourierapproximation Sägezahnfunktion Beträge der Fourierkoe¢ zienten

Die periodische Funktion wird durch ein diskretes Frequenzspektrum eindeutig dargestellt. Eine
solche Analyse wird von einem Frequenzanalysator gemacht.
Beispiel: Dreieckpuls der Höhe h
1
8h 1 1 8h X n 1 sin ((2n 1) kx)
f (x) = 2
sin (kx) 2
sin (3kx) + 2 sin (5kx) ::: = 2
( 1) 2
3 5 n=1 (2n 1)

Beispiel: Rechteckpuls der Höhe h

1
4h 1 1 4h X sin ((2n 1) kx)
f (x) = sin (kx) + sin (3kx) + sin (5kx) + ::: =
3 5 n=1
(2n 1)

1 1.5
8./pi**2*(sin(x)) 4./pi*(sin(x))
8./pi**2*(sin(x)-sin(3*x)/3**2) 4./pi*(sin(x)+1./3.*sin(3*x))
0.8 8./pi**2*(sin(x)-sin(3*x)/3**2+sin(5*x)/5**2) 4./pi*(sin(x)+1./3.*sin(3*x)+1./5.*sin(5*x))
8./pi**2*(sin(x)-sin(3*x)/3**2+sin(5*x)/5**2-sin(7*x)/7**2) 4./pi*(sin(x)+1./3.*sin(3*x)+1./5.*sin(5*x)+1./7.*sin(7*x))
1
0.6

0.4
0.5

0.2

0 0

-0.2

-0.5
-0.4

-0.6
-1

-0.8

-1 -1.5
0 1 2 3 4 5 6 0 1 2 3 4 5 6

Fourierapproximation Dreiecksfunktion Fourierapproximation Rechteckfunktion

2.6.2 Fourier-Reihe gitterperiodischer Funktionen in 3D

Zunächst hatten wir L-periodische Funktion in 1D betrachtet

f (x + L) = f (x)

18
In der Festkörperphysik treten Wellenfunktionen in 3D auf, die in mehreren Richtungen periodisch sind.
Hier sei x eine Richtung mit Periodizität a = (a1 ; a2 ; a3 )

U (x) = U (x + a)

Die Funktion kann daher in dieser Richtung (und in jeder Richtung mit Periodizität) in eine Fourierreihe
entwickelt werden. Die Wellenvektoren der Fourier-Reihe sei dann
2 2 2
k1 ;n = n1 = G1 ;n1 k2 ;n = n2 = G2 ;n2 k3 ;n = n3 = G3 ;n3
a1 a2 a3
In allen drei Richtungen
kn = Gn
Die Wellenvektoren der Fourier-Reihe sind damit genau die Punkte im reziproken Gitter. Die Fourier-Reihe
wird daher X X
U (x) = UGn eiGn x = UG eiG x
Gn G

2.6.3 Konvergenz von Fourierreihen

2.7 Fourier-Transformation
Wenn die Funktion f (x) nicht periodisch ist, kann eine sie mit Hilfe einer Fourier-Transformation F durch
ein kontinuierliches Frequenzspektrum eindeutig dargestellt werden. Die Fourier-Transformation ist ein
Operator, also eine Funktion, die als Argument die Funktion f hat, und als Wert die Fouriertransformierte
f~ zugewiesen bekommt

F [f ] = f~
Z 1
1
Funktion F [f ] (k) = f~(k) = p e ikx
f (x)dx Frequenzspektrum
2 1

Die Fouriertransformierte ergibt im Grunde die Koe¢ zienten der Zerlegung. Die Funktion selber wird dann
ähnlich wie bei der Fourier-Reihe über Koe¢ zienten f~(k) und Basisfunktionen eikx dargestellt, anstelle einer
diskreten Summe gibt es eine Integration über k. Dabei ist k die Wellenzahl und tritt als Frequenz im
Ortsbereich auf, während bei Funktionen f (t) von der Zeit t die Größ e ! die Frequenz im Zeitbereich ist,
und die Fouriertransformierte entsprechend f (!) bezeichnet wird.
Die Darstellung der Funktion f mit Hilfe der Fouriertransformierten f~ wird als inverse Transformation
aufgefaßt
h i
F 1 f~ = f
h i Z 1
1 ~ 1
Frequenzspektrum F f (x) = f (x) = p eikx f~(k)dk Funktion
2 1

Delta-Distribution Der Grund für diese Darstellungsmöglichkeit der inversen Fouriertransformation ist,
daßgilt
h h ii
F F 1 f~ = f~
h h ii Z 1 Z 1
1 ~ 1 1 0
F F f (k) = p e ikx
p eik x f~(k 0 )dk 0 dx
2 1 2 1
Z 1 Z 1
1 0
= e i(k k )x dx f~(k 0 )dk 0
1 2 1
Z 1
= (k k 0 ) f~(k 0 )dk 0 = f~(k)
1

e ist die Delta-Funktion (k k 0 ). Die Betrachtung von F 1 [F [f ]]

Die für diese Rechnung erforderliche Größ
0
ergibt (x x ). Diese -Funktionen sind genau betrachtet Distribution (keine Funktion da nicht über
Argumente / Werte de…niert, sondern nur über die Integration mit Funktionen): sie ist nur bei x von Null

19
verschieden, aber so, daßdas Integral Eins ergibt. Integriert über x0 selektiert sie aus der Funktion f den
Funktionswert f (x) an der Stelle x heraus
Z 1
(x x0 ) f (x0 )dx0 = f (x)
1

Die hier gewählte De…nition geschieht mittels der Fourier-Transformation

16
exp(-x**2)
2*exp(-x**2*4)
14 4*exp(-x**2*16)
8*exp(-x**2*64)
12 16*exp(-x**2*256)

R1 0 1 für k = k 0 10
(k k0 ) = 1
e ix(k k ) dx =
2
R1
1 0 für k 6= k 0 8
aber so, daß 1
g(k ) (k k ) dk 0 = g(k)
0 0
6
Darstellung der Delta-Distribution als Funktion:
Grenzwert von Glockenkurven mit Breite gegen Null 4

0
-4 -3 -2 -1 0 1 2 3 4

Eine anschauliche Darstellung der Delta-Distribution ist: es ist eine Fourier-Zerlegung der ebenen Welle, nur
eine Frequenz trägt bei.

Fourier-Transformation einer nicht-periodischen Funktion: Gauss’sche Kurve der Breite 1

1 x2 =2
f (x) = p e
2
Berechnung der Fouriertransformierten nach De…nition und mit Hilfe einer quadratischen Ergänzung
Z 1 Z 1
~ 1 ikx 1 x2 =2 1 x2
F [f ] (k) = f (k) = p e p e dx = exp ikx dx
2 1 2 2 1 2
mit
2 2 2
x2 + 2ikx = x2 + 2ikx + (ik) (ik) = (x + ik)2 (ik)
p p
und der Variablentransformation x
^ = (x + ik) = 2 d^x = dx= 2 und dem Gauss’schen Integral
Z 1
2 p
e x dx =
1

ergibt sich
Z 1
p Z 1
1 1 1 2 2 1 2 1 k2 =2
f~(k) = exp 2
(x + ik) + (ik) dx = exp ^2 +
x x= p e
(ik) d^
2 1 2 2 2 1 2 2
wieder eine Gauss Kurve im Frequenzraum. Das Frequenzspektrum ist kontinuierlich

Fourier-Transformation einer periodischen Funktion Fourierspektrum einer harmonischen Schwingung

(hier verwenden wir t statt x)
A i t
f (t) = A cos( t) = e +e i t
2
Fourierkoe¢ zienten bzw. Fouriertransformierte mit Hilfe der Delta-Distribution
Z 1
~ 1 A i t
f (!) = p e i!t e +e i t dt
2 1 2
Z 1
Ap 1 Ap
= 2 e i(! )t + e i(!+ )t dt = 2 [ (! ) + (! ( ))]
2 2 1 2
Das Frequenzspektrum hat nur zwei diskrete Frequenzen, und zwar bei ! = und ! = .

20
Fourier-Transformation einer periodischen, gedämpften Funktion Hier ist f (t) = 0 für t < 0,
daher die Integrationsgrenzen [0; 1]

f (t) = 0 e 2 t ei!0 t t>0

Z 1 h i Z 1
1
f (!) = p e i!t 0 e 2 t ei!0 t dt = p 0 e 2 t i(! ! 0 )t
dt
2 0 2 0
1 1 1
= p0 e 2 t i(! !0 )t = p0
2 2 + i (! ! 0 ) 0 2 2 + i (! !0 )

Wenn f (!) eine Amplitude ist, dann ist die Intensität I(!) gegeben durch f (!)f (!), also
2 2
1 1 1
I(!) = f (!)f (!) = p0 = 0
2
2 + i (! !0 ) i (! !0 ) 2 2
2 2 2 + (! !0 )

Maximum ist bei 1=( =2)2 , Halbwertsbreite bei

2 2
1 1 1 2
2 2
= 2 ) 2 = + (! !0 )
+ (! !0 ) 2 2 2
2 2
2
2
= (! !0 ) ) != + !0
2 2

Fourier-Transformation einer abgeleiteten Funktion Die Fourier-Transformation der Ableitung einer

Funktion f 0 (x) läß t sich allgemein berechnen
Z 1
0 1 0
F [f ] (k) = p f 0 (x)e ikx dx mit partieller Integration u0 v = [uv] uv 0
2 1
Z 1 Z 1
1 ikx 1 1 1
= p f (x)e 1
p f (x) ( ik) e ikx
dx = ik p f (x)e ikx dx = ik F [f ] (k) = ik f~(k)
2 2 1 2 1

also läß
t sich die Fouriertransformierte einer Ableitung sehr leicht errechnen.

Gruppengeschwindigkeit eines Wellenpaketes Ein Wellenpaket kann als eine Überlagerung von ebe-
nen Wellen mit Frequenzbeitrag A(k) angesehen werden
Z 1
1
(x; 0) = p A(k)eikx dk
2 1

Das bewegte Wellenpaket ergibt sich ebenfalls aus der Überlagerung, wobei !(k) Dispersion vorliegt.
Z 1
1
(x; t) = p A(k)ei(kx !t) dk
2 1

Wir betrachten ein Wellenpaket, welches nur Frequenzanteile in einem kleinen Intervall um k0 hat

@!(k)
!(k) ! 0 + (k k0 ) ! 00 mit ! 00 =
@k k=k0

Nach Einsetzen ergibt sich nach Umformung

Z 1
1 k0 )(x ! 00 t)
(x; t) = ei(k0 x ! 0 t)
p A(k)ei(k dk
2 1

Der Vorfaktor beschreibt die Bewegung der Hauptwelle mit der Geschwindigkeit ! 0 =k0 , die aber zeitlich
moduliert wird Das Integral zeigt die Einhüllende des Wellenpaketes, welches sich aber mit Geschwindigkeit
! 00 bewegt und zer‡ieß
t.

21
Fourier-Transformation im 3D Raum Die Fourier-Transformation kann auch auf Skalarfelder im Raum
f (~k) (z.B. Wellenfunktionen im Raum) verallgemeinert werden
Z 1 h i Z 1
1 ~ 1 ~
F [f ] (~k) = f~(~k) = p f (~x)e ik ~x d3 x F 1 f~ (~x) = f (~x) = p f~(~k)e ik ~x d3 k
2 1 2 1

Fourier-Transformation zur Lösung von DGL’s Inhomogene DGL lassen sich mit der Hilfe mittels
eines „Kochrezeptes“ lösen. Funktionieren tut dies, weil die Ableitung einer Funktion die universelle Fouri-
ertransformierte ik f~(k) hat. Als Beispiel hier der harmonische Oszillator mit erzwungener Schwingung als
inhomogenem Term („Resonanzkatastrophe”). Die Eigenfrequenz des Systems sei ! 0 , die Frequenz der
erzwungenen Schwingung sei ! 0

F (t) 0
• + ! 20 x =
x F (t) = F0 ei! t
m
Nun werde die gesamte DGL (also linke und rechte Seite) fouriertransformiert
2
@t ! i! @t2 = (i!) = !2

was ergibt
F0 h i!0 t i F0 p
!2 x
~ (!) + ! 20 x
~ (!) = F e = 2 (! ! 0 )
m m
Daher ergibt sich ein geschlossener Ausdruck für die Fouriertransformierte, als die Lösung in der Frequenz-
domäne p
F0
m 2 (! ! 0 )
x~ (!) = 2
!0 !2
die zur Berechnung der Lösung in der Zeitdomäne wieder fouriertransformiert wird
Z 1 F0
p
1 1 i!t m 2 (! ! 0 )
x(t) = F [~ x] (t) = p e d!
2 1 ! 20 ! 2
" 0
#
F0 ei! t F0 cos ! 0 t
x(t) = <e 2 =
m ! 0 ! 02 m ! 20 ! 02

Relevant ist der Realteil. Außerdem ergibt sich die allgemeine Lösung mit Störung aus der allgemeinen
Lösung ohne Störung plus einer speziellen Lösung mit Störung

F0 cos ! 0 t
x(t) = A sin ! 0 t + B cos ! 0 t +
m ! 20 ! 02

2.8 Laplace-Transformation
Die Laplace-Transformation L ist für beliebige (integrierbare) Funktionen im positiven Halbraum f (t), t > 0
de…niert. Der Kern ist hier nicht mehr oszillierend, sondern exponentiell abfallend

L [f ] = F
Z 1
st
L [f ] (s) = F (s) = e f (t)dt
0

Es gibt auch hier wieder die Umkehrabbildung (mit einer reellen Konstanten c) (beachte den Integrationsweg)
1
L [F ] = f
Z c+i1
1 1
L [F ] (t) = est F (s)ds
2 i c i1

Das hier wieder f rauskommt, muss bewiesen werden

Z c+i1 Z c+i1 Z 1
1 st 1 st st0
e F (s)ds = e e f (t0 )dt0 ds
2 i c i1 2 i c i1 0

22
Jetzt wird der Integrationsweg [c i1; c + i1] durch Variablentransformation s = c + i , ds = i d nach
[ 1; 1] verlegt
Z c+i1 Z 1 Z +1 Z 1
1 st st0 0 0 i 0 0
e e f (t )dt ds = ect ei t e ct e i t f (t0 )dt0 d
2 i c i1 0 2 i 1 0
Z +1 Z 1
1 0 0
= ei ( t t ) d ect e ct f (t0 )dt0
2 1 0
Z 1
0
= (t t0 ) ect e ct f (t0 )dt0 = f (t) qed
0

Die Vorgehensweise bei L ist ganz ähnlich wie bei F. Das Problem, welches hier auftritt, betri¤t die zu
lösenden Integrale, zu deren Lösung häu…g Methoden der komplexen Funktionentheorie benötigt werden.
Die wichtigste Anwendung von Laplace-Transformation ist die Lösung von gewöhnlichen Di¤erentialgle-
ichungen als Anfangswertproblem. Dafür ist die Laplacetransformierte einer abgeleiteten Funktion
der Schlüssel
Z 1 Z 1
df df Pro duktregel 1
L = e st dt = f (t)e st 0 ( )s e st f (t)dt = s f (s) f (0)
dt 0 dt 0
dn f n n 1 n 2 df dn 1 f d2 f df
L n
= s f (s) s f (0) s ::: n 1
z.B. L 2
= s2 f (s) sf (0)
dt dt t=0 dt t=0 dt dt t=0

Andere Beispiele von Laplace-Transformierten sind

f (t) F(s)
R 1 st
1 R01 e(a dt = 1s
eat e s)t dt = s 1 a h i
R01 st R1 st e(i! s)t
e (i!+s)t
1 1 1 !
sin !t 0
e sin !t dt = 0 e 2i dt = 2i h i! s i!+s = s2 +! 2
R1 R1 i
st e(i! s)t
+e (i!+s)t
1 1 1 s
cos !t 0 e st cos !t dt = 0 e 2 dt = 2 s i! + s+i! = s2 +! 2

Erzwungene Schwingung Als Beispiel wieder der harmonische Oszillator mit erzwungener Schwingung
(Resonanzkatastrophe). Die Eigenfrequenz des Systems sei ! 0 , die Frequenz der erzwungenen Schwingung
sei ! 0
F (t) 0
• + ! 20 x =
x F (t) = F0 ei! t
m
Nun werde die gesamte DGL (also linke und rechte Seite) laplacetransformiert

F0 s
x(0)
_ sx(0) + s2 + ! 20 X(s) =
m s + ! 02
2

was ergibt
F0 s x(0)
_ + sx(0)
X(s) = +
m (s2 + ! 02 ) (s2 + ! 20 ) (s2 + ! 20 )
Für die inhomogene Lösung ist zu berechnen
Z c+i1
1 F0 s x(0)
_ + sx(0)
x(t) = est + ds
2 i c i1 m (s2 + ! 02 ) (s2 + ! 20 ) (s2 + ! 20 )

Das Problem ist, daßderartige Integrale mit Hilfe der Theorie komplexer (nicht komplexwertiger) Funktionen
gelöst werden müssen. Daher hören wir jetzt hier auf. In diesem konkreten Fall kann die Tabelle oben
verwendet werden, und es ergibt sich die allgemeine und spezielle Lösung der DGL inklusive der
Anfangsbedingungen.

2.9 Zusammenfassung
Fourier-Reihe, Fouriertransformation und Laplacetransformation bieten Möglichkeiten, Funktionen durch
ein Spektrum darzustellen. Im Falle von Fourier läß
t sich das Spektrum als Frequenzanteile interpretieren.

23
Im Zusammenhang mit Di¤erentialgleichungen ermöglicht die Transformation, die DGL für eine Funktion
f (x) in eine algebraische Gleichung zu überführen

Transformation lineare, algebraische

DGL für f (x) Gleichung für an bzw. bn
Rücktransformation bzw. für f~(!) bzw. für F (s)

1. Fourier-Reihen: für periodische Probleme, die Rücktransformation besteht nur in Aufsummation von
cos/sin Beiträgen
2. Fourier-Transformation: für Probleme mit verschwindenden Randbedingungen. Die Rücktransforma-
tion ist prinzipiell einfach (Integration)
3. Laplace-Transformation: für Probleme mit praktisch beliebigen Randbedingungen. Die Rücktransfor-
mation ist nicht einfach

2 (*) Complex numbers, functions of a single variable, function

series
2.1 Complex numbers
Complex numbers z 2 C Extension of the real numbers:

z = x + iy i2 = 1
Re(z) = x Im(z) = y

Complex conjugate z of z
z = x + iy z =x iy z =z
Polar representation of complex numbers

z = x + iy = r cos ' + ir sin ' = r (cos ' + i sin ')

conjugate complex Polar coordinate representation

24
Polar representation Eulerformel

1. (a) Determine the real- and imaginary part of (3 + 2i) = ( 1 i)

2
(b) z1 = 3 + 4i z2 = 1 2i. Calculate z1 z2 , z1 =z2 , jz1 j
(c) Show that jz1 + z2 j jz1 j + jz2 j
4n 4n+1 4n+2 4n+3
(d) Calculate i , i ,i ,i ,n2Z
2. (a) Calculate jzj, where z in polar coordinaten representation is z = r (cos ' + i sin ')
(b) How is z = 1 + i in polar coordinate representation ?

2.2 Euler-formula
Euler formula
ei' = cos ' + i sin '
provides a representation of complex numbers with absolute value and phase

z = x + iy = r (cos ' + i sin ') = r ei'

In this representation, multiplication and division becomes

z1 z2 = r1 ei'1 r2 ei'2 = r1 r2 ei'1 +i'2

z1 r1 ei'1 r1 i'1 i'2
= i'
= e
z2 r2 e 2 r2
n
z1n = r ei' = rn ein'

3. (a) For z1 = 1 + i and z2 = 1 i calculate z1 z2 , z1 =z2 in Euler-representation.

i
(b) What it i ?
(c) Derive the addition theorem with the help of the Euler-formula
(d) Prove the Euler-formula
(e) from the addition theorem many often used formulas can be derived. Proof ?
1cos 2x 1 + cos 2x
(i) sin2 x = cos2 x =
2 2
x y x y
(ii) sin x sin y = 2 sin cos
2 2
x+y x y x+y x y
(iii) cos x + cos y = 2 cos cos cos x cos y = 2 sin sin
2 2 2 2

Solution: (1a)
5 1
(3 + 2i) = ( 1 i) = + i
2 2

25
: (1b)

(3 + 4i) (1 2i) = 11 2i
3 + 4i
= 1 + 2i
1 2i
2
j3 + 4ij = (3 + 4i) (3 4i) = 25

(1c) Is obvious in the polar representatuion without proof

2 2
jz1 + z2 j (jz1 j + jz2 j) , z1 z1 + z1 z2 + z2 z1 + z2 z2 z1 z1 + 2z1 z2 + z2 z2 () z1 z2 + z2 z1 2z1 z2
2 2
de…nie new complex number z = z1 z2 with zz = jzj = z1 z2 z1 z2 = jz1 z2 j

z+z 2 jzj

now put z = u + iv
p p
z + z = u + iv + u iv = 2u 2 (u + iv) (u iv) = 2 u2 + v 2 = 2 jzj

(1d)
i4n = 1 i4n+1 = i i4n+2 = i2 = 1 i4n+3 = i
Solution: (2a)
p p q
jzj = zz = r (cos ' + i sin ') r (cos ' i sin ') = r2 cos2 ' i cos ' sin ' + i cos ' sin ' + sin2 ' = r

(2b)
p p p p
in complex plane: r = x2 + y 2 = 2 '= z= 2ei 4 = 2 cos + i sin
4 4 4
Lösung: (3a)
p p
z1 = 1 + i = 2ei =4 z2 = 1 i = 2e i =4
p i =4 p
z1 z2 = 2e 2e i =4 = 2
p i =4 p
z1 =z2 = 2e = 2e i =4 = ei =2 = cos =2 + i sin =2 = i

(3b)
i
ii = ei 2 = eii 2 = e 2 = 0:20788:::
(3c)

) cos ( + ) + i sin ( + ) = ei( + )

= ei ei = (cos + i sin ) (cos + i sin )
) cos ( + ) + i sin ( + ) = cos cos sin sin + i cos sin + i cos sin
) cos ( + ) = cos cos sin sin and sin ( + ) = cos sin + cos sin

(3e)
cos (x + x) = cos 2x = cos x cos x sin x sin x = cos2 x sin2 x = 2 cos2 x 1

26
x+y x y x y x y
! 2 sin cos = 2 sin + cos
2 2 2 2 2 2
x y y x x y y x
= 2 cos sin + cos sin cos cos sin sin =
2 2 2 2 2 2 2 2
x y y x y x x x y y x y
= 2 cos2 cos sin + 2 cos cos2 sin + 2 cos sin sin2 + 2 cos sin2 sin
2 2 2 2 2 2 2 2 2 2 2 2
2 x y y x x 2 y x x y y
= 2 cos cos sin + cos sin + 2 sin cos sin + cos sin
2 2 2 2 2 2 2 2 2 2
= (1 + cos x) sin y + (1 cos y) sin x = sin y + sin x usw

5. Also vektors may have complex components, e.g. in the general representation of a harmonic wave
i(!t k r)
E(r; t) = E 0 e

For the calculation of the intensity the absolute value of the …eld strength is calculated

2 i(!t k r) i(!t k r) 2
I = jEj = E E = E 0 E 0 e e = jE 0 j

An other example are wavefunction, which are complex valued functions. Here the values are complex
numbers
(x; t) = Re( ) + i Im( )
For the calculation of the probability density, the absolute value is calculated
2
j (x; t)j = (x; t) (x; t)

6. Workung with complex valued functions: set up the di¤erential equation for the motion of a mass
point of masse m (in one dimension), on which a position dependent spring force Dx and a velocity
dependent friction force k x_ acts. Perform an ansatz for the charakteristic equation with z(t) =
z^ exp( t). Which condition has to be satis…ed ?
Solution:

d2 x r D
m
= D x rv=) x •+ x+ _ x=0
dt2 m m
To …nd the solution we considert the more general equation for complex valued trajectories
r D
z• + z_ + z = 0
m m
and try the following ansatz, to take the exponential decay into account (^
z is a komplexe number)
2
z(t) = z^ exp( t) z(t)
_ = z^ exp( t) z•(t) = z^ exp( t)

is unknown, but with the help of the ansatz we obtain a conditional equation for it

2 r D 2 r D
) z^ exp( t) + z^ exp( t) + z^ exp( t) = 0 =) + + =0
m m m m
r D
) mit =2 = ! 20 2
+ 2 + ! 20 = 0
m m
q
2
) = ! 20
For we distinguish the following cases
8 p q
>
> 2
! 20 < 0 =) r < 2 mD weak damping z(t) = z^ exp( t) exp( i!t) ! = ! 20 2
< p
2
! 20 = 0 =) r = 2 mD medium damping z(t) = z^ exp( t) q
>
> p
: 2
! 20 > 0 =) r > 2 mD strong damping z(t) = z^ exp( t) exp( !t) ! = 2
! 20

27
2.3 Di¤erential calculus
Let f; g; h be di¤erentiable functions. The rules or the calculation of the derivatives are

d
c f (x) = c f 0 (x)
dx
d
(f (x) + g(x)) = f 0 (x) + g 0 (x) sum rule
dx
d
f (x) g(x) = f 0 (x) g(x) + f (x) g 0 (x) product rule
dx
d f (x) f 0 (x) g(x) f (x) g 0 (x)
= quotient rule
dx g(x) g(x)2
d d
h(x) = f (g(x)) = f 0 (g(x)) g 0 (x) chain rule
dx dx | {z } | {z }
exterior derivative interior derivative

Examples for quotient rule

d x d
d ex dx e x ex dx x ex x ex 1 ex ex
= = =
dx x x2 x2 x x2

d d
d cos(x) ex dx (cos(x) ex ) x cos(x) ex dx x
= 2
dx x x
d x d x d
dx cos(x) e + cos(x) dx e x cos(x) ex dx x
=
x2
( sin(x) ex + cos(x) ex ) x cos(x) ex 1
=
x2
sin(x) ex x + cos(x) ex x cos(x) ex
=
x2
x
sin(x) e cos(x) ex cos(x) ex
= +
x x x2
Examples for chain rule
p
d p d d p 1 1 cos( x)
sin( x ) = sin(y) x = cos(y) p = p
dx |{z} dy dx 2 x 2 x
y

1 1
! 1
!
X @ X @ X n @ 1 h e h
nh nh h
nh e = e = e = h
= 2
n=0
@ n=0
@ n=0
@ 1 e (1 e h )

2.4 Integral calculus

Summ rule For arbitrary constants a; b and functions f (x), g(x) the sum rule is valid
Z Z Z
(a f (x) + b g(x))dx = a f (x)dx + b g(x)dx

Examples:
Z Z Z Z
1 1 1 1 1
2 ex + p dx = 2 ex dx + p x 2 dx = 2 ex + c1 + p x 2 dx
2x 2 2
1 1
1 x 2 +1 1 x2
= 2 ex + c1 + p + c2 = 2 ex + p + c1 + c2
2 1
+1 2 12 | {z }
2
c
2 p p p
= 2 ex + p x + c = 2 ex + 2 x+c
2

28
Partial integration From the product rule of di¤erential calculus one obtains by integration
Z Z
d
(f (x) g(x)) = f 0 (x) g(x) + f (x) g 0 (x) ) f (x) g(x) + c = f 0 (x) g(x)dx + f (x) g 0 (x)dx
dx
Therefore we obtain the rule of partial integration
Z Z
f (x) g 0 (x)dx = f (x) g(x) f 0 (x) g(x)dx

The rule is applicable in the following situations:

The integrand must be the product of two functions

from one of the factors g 0 (x) the integral function g(x) must be known

Example:

Z Z
x2 x2 1 x2
x ln(x) dx
|{z} = ln(x) dx
| {z } | {z } |{z}
2 2
|{z} x 2
g 0 (x) f (x) f (x)
|{z} |{z}
g(x) g(x) f 0 (x) g(x)
2 Z
x x x2 x2
= ln(x) dx = ln(x) +c
2 2 2 4
Example
Z Z
|{z} ex dx
x |{z} = |{z} ex
x |{z} ex dx
1 |{z}
|{z}
f (x) g 0 (x) f (x) g(x) f 0 (x) g(x)
Z
= x ex ex dx = x ex ex + c = (x 1) ex + c

Substitutionsregel From the chain rule of di¤erential calculus (with y=g(x)) one obtains by integration
Z
d d d
F (g(x)) = F (y) g(x) = F 0 (g(x)) g 0 (x) ) F (g(x)) + c = F 0 (g(x)) g 0 (x)dx
dx dy dx

The rule of substitution in integration is valid. Let F (y) be an integral function of f (y). With y = g(x)
we have Z Z
f (g(x)) g 0 (x)dx = f (y)dy = F (y) + c = F (g(x)) + c
| {z }
dy

Example
Z Z z }| { Z
cos(x) e sin(x)
dx = e sin(x) cos(x)dx = ey dy = ey + c = esin(x) + c
| {z }
g 0 (x) dx=dy

Example
Z dy Z Z
1 1 z}|{
1 1 1
dx = a dx = dy
a x+b a x + b |{z}
a a y
0
g (x)
| {z }
1 1
= ln(jyj) + c = ln(ja x + bj) + c
a a
R
It is reasonable to perform a substitution y = g(x) in an integral h(x)dx technically in the following way:
dy
Set y = g(x) and calculate the derivative dx = g 0 (x). Formally we have dy = g 0 (x)dx.

29
dy h(x)
Substitute dx by g 0 (x) . Substitute in the new integrand h(x)dx = g 0 (x) dy every x by y.

We obtain an expression
Z Z Z
1
h(x)dx = h(x(y)) dy = f (y)dy
g 0 (x(y))
R
Then try to …nd an integral function F (y) = f (y)dy.
Backsubstitution: Insert y = g(x) in F (y). The searched integral function of the original expressuon
is F (g(x))
p dy 1
Example: Substitute y = x, = p1 ) dy = 1 p1 dx in
dx 2 x 2 x
Z Z Z
p p
x
p
x e dx = y ey 2 xdy = 2 y 2 ey dy
| {z }
dx
p
The remaining integral in y can be solved by double partial integration: backsubstitution y = x …nally
provides: Z
p p p p p p
x e x dx = 2 x e x 4 x e x+4 e x+c

Partial fraction decomposition Consider f (x) = p(x)=q(x) mit Polynomen p(x) und q(x), wobei
grad(p(x)) < grad(q(x)) gelte. Hat das Nennerpolynom q(x) nur einfache Nullstellen x1 ; : : : ; xn , so
gibt es Konstanten c1 ; : : : ; cn ; so daß

p(x) c1 cn
= + +
q(x) x x1 x xn

Damit folgt dann Z

p(x)
dx = c1 ln (jx x1 j) + + cn ln (jx xn j) + c
q(x)
Beispiel:
3 x+4 c1 c2
= +
(x 1) (x + 2) x 1 x+2
Z Z 7 2
3 x+4 3 3 7 2
dx = + dx = ln(jx 1j) + ln(jx + 2j) + c
(x 1) (x + 2) x 1 x+2 3 3

2.5 Funktionenfolgen und Funktionenreihen

Satz: Jede Potenzreihe
1
X
an xn = a0 + a1 x + a2 x2 + :::
n=0

besitzt einen eindeutig bestimmten Konvergenzradius 0 1, so dass die Reihe für jxj < konvergiert.
Es gilt = lim jan =an+1 j. Die Taylorreihe einer beliebig oft di¤erenzierbaren Funktion f (x)
n!1

X1
1 (n)
f (x) = f (x0 )(x x0 ) n
n=0
n!

stellt die Funktion am Entwicklungspunkt x0 innerhalb des Konvergenzradius dar. Wir kennen bereits
Beispiele für Potenzreihen: die wichtigste ist die geometrische Reihe
1
!
a0 X
n
= a0 q = a0 1 + q + q 2 + ::: für jqj < 1, also = 1
1 q n=0

30
Der Konvergenzradius ist hier tatsächlich nur eins, weil gilt
a0 1 qn
= a0 lim
1 q n!1 1 q
was nur für jqj < 1 endlich ist. Wichtige Potenzreihen sind
X1
xn x0 x1 x2 x3
exp x = ex = = + + + + :::für q, also beliebig, also =1
n=0
n! 0! 1! 2! 3!
1
X n x2n+1 x1 x3 x5
sin x = ( 1) = + :::für q, also beliebig, also =1
n=0
(2n + 1)! 1! 3! 5!
X1
n x2n x0 x2 x4
cos x = ( 1) = + :::für q, also beliebig, also =1
n=0
(2n)! 0! 2! 4!
X1
n+1 xn x2 x3 x4
ln (1 + x) = ( 1) =x + + :::für 1 < x < 1, also =1
n=1
n 2 3 4
p 1 1 1 3 3
1+x = 1+ x x2 + x :::für 1 < x < 1, also =1
2 2 4 2 4 6
Hier sind die Basisfunktionen der Darstellung Polynome. Andere Basisfunktionen zur Darstellung
von Funktionen durch Funktionenreihen werden in Fourierreihen (sin und cos), Hermite-Polynome (Hn (x)),
Besselfunktionen (Jn (x)), Legendrepolynome (Pn (x)) zur Verfügung gestellt.

f (x + L) = f (x)

kann dargestellt werden als unendliche Reihe, mit sin = cos oder exp
1
X X1 X1 X1
2
f (x) = cn exp(i nx) = cn exp(ikn x) = c0 + cn exp(ikn x) + c n exp( ikn x)
n= 1
L n= 1 n=1 n=1
1
a0 X 2
f (x) = + (an cos(kn x) + bn sin(kn x)) kn = n „Wellenzahl”
2 n=1
L

Der Zusammenhang zwischen den c n ; c0 ; cn ; n = 1; 2; ::: und a0 ; an ; bn ; n = 1; 2; ::: ergibt sich durch Koef-
…zientenvergleich
an ikn x ikn x bn ikn x ikn x
cn exp(ikn x) + c n exp( ikn x) = an cos(kn x) + bn sin(kn x) = e +e i e e
2 2
an ibn an + ibn a0
cn exp(ikn x) + c n exp( ikn x) = eikn x + e ikn x
) cn = c n c0 =
2 2 2
Die Bedingung, daßcn = c n führt dazu, dass beliebige, reellwertige, periodische Funktionen über
die Fourierreihe mit komplexen Exponentialfunktionan anstatt den trigonometrischen Funktionen dargestellt
werden können.
Wenn die Bedingung cn = c n aufgegeben wird, die c n ; c0 ; cn also beliebig komplex sind, stellt die
Fourierreihe (mit kompklexer Exponentialfunktion) beliebige, periodische, komplexwertige Funktio-
nen dar.

31
2.6.1 Berechnung der Fourier-Koe¢ zienten
Die Entwicklungskoe¢ zienten an , bn bzw. cn lassen sich berechnen durch (x0 beliebig)
Z x0 +L Z x0 +L
1 2 1
cn = f (x) exp( i nx) dx = f (x) exp( ikn x) dx
L x0 L L x0
Z x0 +L Z x0 +L
2 2 2
an = cn + c n = f (x) cos( nx) dx = f (x) cos(kn x) dx
L x0 L L x0
Z x0 +L Z x0 +L
2 2 2
bn = i (cn c n) = f (x) sin( nx) dx = f (x) sin(kn x) dx
L x0 L L x0

Spezialfälle

f (x) reell ) c n = cn
wenn f ( x) = f (x) (symm. Funktion z.B. cos x, x2 ) sind alle bn = 0
wenn f ( x) = f (x) (antisymm. Funktion z.B. sin x,x) sind alle a0 = an = 0

Beispiel: Sägezahnspannung
x L L
x U (t) = U0
L 2 2
Lösung: Berechnung der Fourier-Koe¢ zienten mit x von L=2 bis L=2, n 6= 0
Z L=2
1 x 2 L 2 L n
cn = U0 exp( i nx) dx kn = n =n exp(in ) = exp(i )n = ( 1)
L L=2 L L 2 L 2
Z L=2 L=2 Z L=2
U0 U0 x U0 1
= x exp( ikn x) dx = exp( ikn x) exp( ikn x) dx
L2 L=2 L2 ikn L=2 L2 L=2 ikn
" #L=2
L=2 2
U0 x U0 1
= exp( ikn x) exp( ikn x)
L2 ikn L=2 L2 ikn
L=2
U0 L=2 L=2 U0 1 1
= exp( in ) exp(in ) exp( in ) + exp(in )
L2 i 2L n i 2L n L2 2
L n 2
L n
2 n
U0 L i n n ( 1)
= (( 1) + ( 1) ) = i U0
L2 2 n 2 n

Die Rechnung gilt nicht für n = 0, daher extra

Z
1 x
c0 = U0 exp(0) dx = 0
L L

Insgesamt mit einx = e inx

= ( 1)n

X1 X1
U0 ( 1)n U0 ( 1) n
f (x) = 0+ i exp(inx) + i exp( inx)
n=1
2 n n=1
2 n
1 1
U0 X ( 1)n 1 U0 X ( 1)n
= 2 (exp(inx) exp( inx)) = 2 sin (nx)
2 n=1 n 2i 2 n=1 n
U0 ( 1)1 ( 1)2 ( 1)3
= sin (1x) + sin (2x) + sin (3x) + :::
2 1 2 3
U0 1 1
= sin (x) sin (2x) + sin (3x) + :::
2 2 3

32
2 1
sin(x)
sin(x)-0.5*sin(2*x) 1./x
sin(x)-0.5*sin(2*x)+0.333*sin(3*x)
1.5 sin(x)-0.5*sin(2*x)+0.333*sin(3*x)-0.25*sin(4*x) 0.9
sin(x)-0.5*sin(2*x)+0.333*sin(3*x)-0.25*sin(4*x)+0.2*sin(5*x)
sin(x)-0.5*sin(2*x)+0.333*sin(3*x)-0.25*sin(4*x)+0.2*sin(5*x)-0.1666*sin(6*x)
0.8
1
0.7
0.5

amplitude
0.6

0 0.5

-0.5 0.4

0.3
-1
0.2
-1.5
0.1
0 1 2 3 4 5 6 7
-2
0 1 2 3 4 5 6 frequency

Fourierapproximation Sägezahnfunktion Beträge der Fourierkoe¢ zienten

Die periodische Funktion wird durch ein diskretes Frequenzspektrum eindeutig dargestellt. Eine
solche Analyse wird von einem Frequenzanalysator gemacht.
Beispiel: Dreieckpuls der Höhe h
1
8h 1 1 8h X n 1 sin ((2n 1) kx)
f (x) = 2
sin (kx) sin (3kx) + 2 sin (5kx) ::: = ( 1) 2
32 5 2
n=1 (2n 1)

Beispiel: Rechteckpuls der Höhe h

1
4h 1 1 4h X sin ((2n 1) kx)
f (x) = sin (kx) + sin (3kx) + sin (5kx) + ::: =
3 5 n=1
(2n 1)

0.4
0.5

0.2

0 0

-0.2

-0.5
-0.4

-0.6
-1

-0.8

-1 -1.5
0 1 2 3 4 5 6 0 1 2 3 4 5 6

Fourierapproximation Dreiecksfunktion Fourierapproximation Rechteckfunktion

2.6.2 Fourier-Reihe gitterperiodischer Funktionen in 3D

Zunächst hatten wir L-periodische Funktion in 1D betrachtet

f (x + L) = f (x)

In der Festkörperphysik treten Wellenfunktionen in 3D auf, die in mehreren Richtungen periodisch sind.
Hier sei x eine Richtung mit Periodizität a = (a1 ; a2 ; a3 )

U (x) = U (x + a)

33
Die Wellenvektoren der Fourier-Reihe sind damit genau die Punkte im reziproken Gitter. Die Fourier-Reihe
wird daher X X
U (x) = UGn eiGn x = UG eiG x
Gn G

2.6.3 Konvergenz von Fourierreihen

F [f ] = f~
Z 1
1
Funktion F [f ] (k) = f~(k) = p e ikx
f (x)dx Frequenzspektrum
2 1

Delta-Distribution Der Grund für diese Darstellungsmöglichkeit der inversen Fouriertransformation ist,
daßgilt
h h ii
F F 1 f~ = f~
h h ii Z 1 Z 1
1 1 0
F F 1 f~ (k) = p e ikx p eik x f~(k 0 )dk 0 dx
2 1 2 1
Z 1 Z 1
1 0
= e i(k k )x dx f~(k 0 )dk 0
1 2 1
Z 1
= (k k 0 ) f~(k 0 )dk 0 = f~(k)
1

Die für diese Rechnung erforderliche Größe ist die Delta-Funktion (k k 0 ). Die Betrachtung von F 1 [F [f ]]
0
ergibt (x x ). Diese -Funktionen sind genau betrachtet Distribution (keine Funktion da nicht über
Argumente / Werte de…niert, sondern nur über die Integration mit Funktionen): sie ist nur bei x von Null
verschieden, aber so, daßdas Integral Eins ergibt. Integriert über x0 selektiert sie aus der Funktion f den
Funktionswert f (x) an der Stelle x heraus
Z 1
(x x0 ) f (x0 )dx0 = f (x)
1

34
Die hier gewählte De…nition geschieht mittels der Fourier-Transformation

16
exp(-x**2)
2*exp(-x**2*4)
14 4*exp(-x**2*16)
8*exp(-x**2*64)
12 16*exp(-x**2*256)

1
R1
ix(k k0 ) 1 für k = k 0 10
(k k0 ) = e dx =
2
1
R1 0 für k 6= k 0 8
aber so, daß 1
g(k ) (k k ) dk 0 = g(k)
0 0
6
Darstellung der Delta-Distribution als Funktion:
Grenzwert von Glockenkurven mit Breite gegen Null 4

0
-4 -3 -2 -1 0 1 2 3 4

Eine anschauliche Darstellung der Delta-Distribution ist: es ist eine Fourier-Zerlegung der ebenen Welle, nur
eine Frequenz trägt bei.

Fourier-Transformation einer nicht-periodischen Funktion: Gauss’sche Kurve der Breite 1

mit
2 2 2
x2 + 2ikx = x2 + 2ikx + (ik) (ik) = (x + ik)2 (ik)
p p
und der Variablentransformation x
^ = (x + ik) = 2 d^x = dx= 2 und dem Gauss’schen Integral
Z 1
2 p
e x dx =
1

Fourier-Transformation einer periodischen Funktion Fourierspektrum einer harmonischen Schwingung

(hier verwenden wir t statt x)
A i t
f (t) = A cos( t) = e +e i t
2
Fourierkoe¢ zienten bzw. Fouriertransformierte mit Hilfe der Delta-Distribution
Z 1
1 A i t
f~(!) = p e i!t e +e i t dt
2 1 2
Z 1
Ap 1 Ap
= 2 e i(! )t + e i(!+ )t dt = 2 [ (! ) + (! ( ))]
2 2 1 2

Das Frequenzspektrum hat nur zwei diskrete Frequenzen, und zwar bei ! = und ! = .

35
Fourier-Transformation einer periodischen, gedämpften Funktion Hier ist f (t) = 0 für t < 0,
daher die Integrationsgrenzen [0; 1]

f (t) = 0 e 2 t ei!0 t t>0

Z 1 h i Z 1
1
f (!) = p e i!t 0 e 2 t ei!0 t dt = p 0 e 2 t i(! ! 0 )t
dt
2 0 2 0
1 1 1
= p0 e 2 t i(! !0 )t = p0
2 2 + i (! ! 0 ) 0 2 2 + i (! !0 )

Wenn f (!) eine Amplitude ist, dann ist die Intensität I(!) gegeben durch f (!)f (!), also
2 2
1 1 1
I(!) = f (!)f (!) = p0 = 0
2
2 + i (! !0 ) i (! !0 ) 2 2
2 2 2 + (! !0 )

Maximum ist bei 1=( =2)2 , Halbwertsbreite bei

2 2
1 1 1 2
2 2
= 2 ) 2 = + (! !0 )
+ (! !0 ) 2 2 2
2 2
2
2
= (! !0 ) ) != + !0
2 2

Fourier-Transformation einer abgeleiteten Funktion Die Fourier-Transformation der Ableitung einer

also läß
t sich die Fouriertransformierte einer Ableitung sehr leicht errechnen.

Gruppengeschwindigkeit eines Wellenpaketes Ein Wellenpaket kann als eine Überlagerung von ebe-
nen Wellen mit Frequenzbeitrag A(k) angesehen werden
Z 1
1
(x; 0) = p A(k)eikx dk
2 1

Das bewegte Wellenpaket ergibt sich ebenfalls aus der Überlagerung, wobei !(k) Dispersion vorliegt.
Z 1
1
(x; t) = p A(k)ei(kx !t) dk
2 1

Wir betrachten ein Wellenpaket, welches nur Frequenzanteile in einem kleinen Intervall um k0 hat

@!(k)
!(k) ! 0 + (k k0 ) ! 00 mit ! 00 =
@k k=k0

Nach Einsetzen ergibt sich nach Umformung

Z 1
1 k0 )(x ! 00 t)
(x; t) = ei(k0 x ! 0 t)
p A(k)ei(k dk
2 1

36
Fourier-Transformation im 3D Raum Die Fourier-Transformation kann auch auf Skalarfelder im Raum
f (~k) (z.B. Wellenfunktionen im Raum) verallgemeinert werden
Z 1 h i Z 1
1 ~ 1 ~
F [f ] (~k) = f~(~k) = p f (~x)e ik ~x d3 x F 1 f~ (~x) = f (~x) = p f~(~k)e ik ~x d3 k
2 1 2 1

F (t) 0
• + ! 20 x =
x F (t) = F0 ei! t
m
Nun werde die gesamte DGL (also linke und rechte Seite) fouriertransformiert
2
@t ! i! @t2 = (i!) = !2

Relevant ist der Realteil. Außerdem ergibt sich die allgemeine Lösung mit Störung aus der allgemeinen
Lösung ohne Störung plus einer speziellen Lösung mit Störung

F0 cos ! 0 t
x(t) = A sin ! 0 t + B cos ! 0 t +
m ! 20 ! 02

L [f ] = F
Z 1
st
L [f ] (s) = F (s) = e f (t)dt
0

Es gibt auch hier wieder die Umkehrabbildung (mit einer reellen Konstanten c) (beachte den Integrationsweg)
1
L [F ] = f
Z c+i1
1 1
L [F ] (t) = est F (s)ds
2 i c i1

Das hier wieder f rauskommt, muss bewiesen werden

Z c+i1 Z c+i1 Z 1
1 st 1 st st0
e F (s)ds = e e f (t0 )dt0 ds
2 i c i1 2 i c i1 0

37
Jetzt wird der Integrationsweg [c i1; c + i1] durch Variablentransformation s = c + i , ds = i d nach
[ 1; 1] verlegt
Z c+i1 Z 1 Z +1 Z 1
1 st st0 0 0 i 0 0
e e f (t )dt ds = ect ei t e ct e i t f (t0 )dt0 d
2 i c i1 0 2 i 1 0
Z +1 Z 1
1 0 0
= ei ( t t ) d ect e ct f (t0 )dt0
2 1 0
Z 1
0
= (t t0 ) ect e ct f (t0 )dt0 = f (t) qed
0

Andere Beispiele von Laplace-Transformierten sind

F0 s
x(0)
_ sx(0) + s2 + ! 20 X(s) =
m s + ! 02
2

38
Im Zusammenhang mit Di¤erentialgleichungen ermöglicht die Transformation, die DGL für eine Funktion
f (x) in eine algebraische Gleichung zu überführen

Transformation lineare, algebraische

DGL für f (x) Gleichung für an bzw. bn
Rücktransformation bzw. für f~(!) bzw. für F (s)

2 (*) Spezielle Funktionen

2.1 Gauss-Funktion, Fehler-Funktion und Momente
Treten auf bei

Statistik normalverteilter Gesamtheiten

kinetische Gastheorie, Geschwindigkeitsverteilung der Moleküle, Mittelwerte als Momente der Dichte-
funktion
Z 1
2 3kT m 3
2 mv 2
vrms = v2 = v 2 fM (v)dv = fM (v) = 4 v 2 exp
0 m 2 kT 2kT
Z 1 r r
8kT 8
v = v fM (v)dv = = vrms
0 m 3

Lösung der Di¤usionsgleichung (Wärmeleitungsgleichung), hier zeitlicher Verlauf nach punktförmiger

Anfangstemperatur
3 p
1 x2 + y 2 + z 2
T (x; y; z; t) = T0 p exp = (t) = 2Dt
2 2 2

Momente von verallgemeinerten Dichten beschreiben Erwartungswerte in der QM (hier bei gauß för-
miger Wellenfunktion)
Z 1 Z 1 Z 1
2 2 2 2
x = hxi = (x) x (x) dx = (x) x dx = N e (x x0 ) =(2a ) x N e (x x0 ) =(2a ) dx = x0
1 1 1

x2 = hx2 i = 2
x20 ) x = hx2 i hxi2 = 2

Die normierte Gauss Funktion als mathematische Funktion fG (u) (u ist Zahl) bzw. mit als physikalis-
che Verteilung fG (x) (x und haben Einheiten) lautet

1 u2 1 x2 x
fG (u) = p exp fG (x) = p exp wobei. u =
2 2 2 2 2
Z 1
u x2 x2 1 u
unnormiert fG (x) = exp N= exp dx normiert fG (x) = f (x)dx
2 2 1 2 2 N G

Die Berechnung des Normierungsintegrals gelang Laplace im Jahre 1782. Kennen Sie den Trick ?

39
Zunächst mit Abkürzung a = 1=(2 2 ) und Koordinatentransformation des Flächenelementes dxdy in
Polarkoordinaten rdrd' und entsprechende Transformation der Grenzen
Z 1
N = exp ax2 dx
1
Z 1 Z 1 Z 1Z 1
N2 = exp ax2 dx exp ay 2 dy = exp a x2 + y 2 dxdy
1 1 1 1
Z 1 Z 1 Z 2 Z 1 Z 1
= exp a x2 + y 2 dxdy = d' exp ar2 rdr = 2 exp ar2 rdr
1 1 0 0 0

Nun kann mit der Substitution z = r2 und dz = 2rdr die Stammfunktion gefunden werden
Z 1 Z 1 1
2 2 dz 1 2
N = 2 exp ar rdr = 2 exp ( az) = exp ( z) = =2
0 0 2 a 0 a
p
N = 2

insbesondere ist Z 1 p
2 N
exp x dx = =
0 2 2

1. Zeigen Sie, dass ein Integral über eine ungerade Funktion f ( x) = f (x), symmetrisch integriert, Null
ergibt
Lösung:
Z 1 Z 0 Z 1 Z 1 Z 1
f (x)dx = f (x)dx + f (x)dx = f (x)dx + f (x)dx mit z = x dz = dx
1 1 0 0 0
Z 1 Z 1 Z 1 Z 1
ungerade
= f ( z)dz + f (x)dx = f (z)dz + f (x)dx = 0
0 0 0 0

2. Berechnen Sie das 1. Moment der um x0 verschobenen Gauss-Verteilung

Lösung:
Z 1
1 (x x0 )2
hxi = p x exp dx
2 1 2 2
Z 1 Z 1
1 (x x0 )2 1 (x x0 )2
= p (x x0 ) exp dx + p x 0 exp dx
2 1 2 2 2 1 2 2
mit z = x x0 und dz = dx und das zweite Integral kann von x x0 auf x0 verschoben werden
Z 1 Z 1
1 z2 1 x2
= p z exp 2
dx + x 0 p exp dx
2 1 2 2 1 2 2
= 0 + x0

3. Berechnen Sie das 2. Moment der Gauss-Verteilung

Lösung:
Z 1 Z 1
2 1 2 x2 1 x
hx i = p x exp dx = p x x exp dx
2 1 2 2 2 1 2 2
1 Z 1
1 1 2 x2 1 2 x2 2
= p x 2 exp p exp dx =
2 2 2 2 1 2 1 2 2
Z !
1 2
2 1 2 (x x0 ) 2
hx i = p x exp 2
dx = x20
2 1 2

40
Eine zur Gauss-Funktion verwandte Funktion ist die Fehler-Funktion (error function) und die kom-
plementäre Fehlerfunktion, die eigene Funktionsnamen (erf, erfc) besitzen

0.8
Rx R1
erf x = p2 exp u2
du erfc x = 1 erf x = p2 exp u2
du 0.6
0 x 1./sqrt(2*pi)*exp(-x**2/2)
erf(x)
0.4 erfc(x)

0.2

0
0 0.5 1 1.5 2 2.5 3

Der Normierungsfaktor M sorgt dafür, dass erf x x ! ! 1 1. Die anschauliche Bedeutung ist: erf x ergibt
die Fläche unter der Gauss Funktion zwischen [ x; x]. R1
Die Frage ist nun, wie erfc x berechnet werden kann, und wie Integrale wie z.B. x u2 exp u2 du
berechnet werden können. Diese Integrale können auf eine unendliche Reihe zurückgeführt werden, ähnlich
dem sin und cos, und zwar mittels der Produktregel der Integration
Z b Z b
b
u(t)v 0 (t)dt = u(t)v(t)ja u0 (t)v(t)dt
a a

1. (a) Berechnen Sie mit partieller Integration (Vorsicht, kein Gauß

-Integral)
Z 1
x
xe dx
0

(b) Berechnen Sie mit partieller Integration die Stammfunktion zu f (x) = sin x cos x
Lösung: (a)
2 31
Z 1 Z 1 Z 1
6 7
|{z} e x dx = 4|{z}
x |{z} x e x 5 1
|{z} e x dx = 1e 1
+ 0 e0 + e x
dx
0 0
| {z } 0 0
| {z } 0
u(x) v (x) u(x) u (x)
v(x) 0 v(x)

(b)
Z Z Z
2 1
sin x cos x dx = sin x cos x sin xdx + C ) sin x cos x dx = sin2 x + C
2
Nun zu einem Berechnungsverfahren für erf x, eine Reihenentwicklung welche für groß e x schnell kon-
vergiert (Anwendung: Fluchtgeschwindigkeit, Aktivierungsenergie)
Z 1 Z 1 1 Z 1 Z 1
2 2 1 2 1 2 1 1 t2 1 t2 1 1 x2 1 t2
p e t dt = p ( 2t) e t dt = p e + e dt = p e e dt
x 2 t
x |{z} | {z } t x x t 2 x x t 2
0 v
u
Z 1 Z 1 1 Z 1 Z 1
1 t2 1 1 2 1 1 t2 1 t2 1 1 x2 3 1 t2
e dt = 3 |
( 2t) e t dt = e 3 e dt = e + e dt
x t2 2 x t
|{z} {z } 2 t3 x x t4 2 x3 2 x t4
v0
u

Zusammen ergibt sich, was nur für groß

e x schnell konvergiert
Z 1
1 1 x2 1 1 x2 3 1 t2
erfc x = p e e + e dt (1)
x 2 x3 2 x t4
x2
1 e 1
= p 1 + :::
x 2x2

41
Mit der partiellen Integration kann z.B. berechnet werden
Z 1 Z 1 1
Z 1
2 2 1 2 t2 1 t2 t2
p t2 e t dt = p t ( 2t)
|{z} | {z } e du = p t e + e dt (2)
x 2 x x x
u v 0
Z 1
1 2 1 2 1 2 1
= p xe x + p e t dt = p xe x + erfc x
x 2
Zusammenhang mit der Arrhenius-Form einer chemischen Reaktionsrate:
Bei einer Maxwell-Geschwindigkeitsverteilung der Stosspartner und einer minimalen kinetischen Energie
aus vmax um die erforderliche Aktivierungsenergie EA = m 2
2 vmax zu überwinden
3
4 2 m p
fM (v) = p v 2 exp v2 = mit u2 = v 2 und du = dv
2kT
ergibt sich für die relative Zahl der reagierenden Teilchen
Z 1 r r
N (v > vmax ) 4 m 2 p 2aEA EA
= p u2 exp u2 du EA = vmax x= vmax = =
N x 2 m kT
! r
x2
x2 1 e 1 1 3 x2 EA EA
= 2xe +p 1 2
+ 2 ::: x gross 2xe =2 e kT
x 2x (2x2 ) ! kT

Dies ist die Arrhenius-Form einer Reaktionsrate.

3 (*) Special functions

3.1 Gaussian-function, error-function and moments
They occur in

Statistics of normally distributed entities

Kinetic gas theory, velocity distributions of molecules, mean values as moments of the density function
Z 1
2 3kT m 3
2 mv 2
vrms = v = 2 v 2 fM (v)dv = fM (v) = 4 v 2 exp
0 m 2 kT 2kT
Z 1 r r
8kT 8
v = v fM (v)dv = = vrms
0 m 3

Solution of the di¤usion equation (heat equation), here temporal evolution after punctual initial tem-
perature distribution
3 p
1 x2 + y 2 + z 2
T (x; y; z; t) = T0 p exp = (t) = 2Dt
2 2 2

Moments of generalized densities describe expectation values in QM (here in Gaussian wave function)
Z 1 Z 1 Z 1
2 2 2 2
x = hxi = (x) x (x) dx = (x) x dx = N e (x x0 ) =(2a ) x N e (x x0 ) =(2a ) dx = x0
1 1 1
2 2
x2 = hx i = x20 ) x = hx i 2 2
hxi = 2

The normalized Gauss function as a mathematical function fG (u) (u is a number) or with as physical
distribution fG (x) (x and have units) reads

1 u2 1 x2 x
fG (u) = p exp fG (x) = p exp where u =
2 2 2 2 2
Z 1
u x2 x2 1 u
unnormalized fG (x) = exp N= exp dx normalized fG (x) = f (x)dx
2 2 1 2 2 N G

42
The calculation of the normalization integral was achieved by Laplace in 1782. Do you know the trick?
First with abbreviation a = 1=(2 2 ) and coordinate transformation of the surface element dxdy in polar
coordinates rdrd' and corresponding transformation of the limits
Z 1
N = exp ax2 dx
1
Z 1 Z 1 Z 1Z 1
N2 = exp ax2 dx exp ay 2 dy = exp a x2 + y 2 dxdy
1 1 1 1
Z 1 Z 1 Z 2 Z 1 Z 1
= exp a x2 + y 2 dxdy = d' exp ar2 rdr = 2 exp ar2 rdr
1 1 0 0 0

With the substitution z = r2 and dz = 2rdr the parent function can be found
Z 1 Z 1 1
2 2 dz 1 2
N = 2 exp ar rdr = 2 exp ( az) = exp ( z) = =2
0 0 2 a 0 a
p
N = 2

especially Z p
1
N
exp x2 dx = =
0 2 2

1. Show that an integral with an odd function f ( x) = f (x), integrated with symmetric limits, results
into zero
Solution:
Z 1 Z 0 Z 1 Z 1 Z 1
f (x)dx = f (x)dx + f (x)dx = f (x)dx + f (x)dx mit z = x dz = dx
1 1 0 0 0
Z 1 Z 1 Z 1 Z 1
ungerade
= f ( z)dz + f (x)dx = f (z)dz + f (x)dx = 0
0 0 0 0

2. Calculate the 1. moment of the Gauss function shifted about x0

Solution:
Z 1
1 (x x0 )2
hxi = p x exp dx
2 1 2 2
Z 1 Z 1
1 (x x0 )2 1 (x x0 )2
= p (x x0 ) exp 2
dx + p x0 exp dx
2 1 2 2 1 2 2
with z = x x0 and dz = dx and the second integral can be shifted from x x0 to x0
Z 1 Z 1
1 z2 1 x2
= p z exp dx + x 0 p exp dx
2 1 2 2 2 1 2 2
= 0 + x0

3. Calculate the 2. moment of the Gauss function

Solution:
Z 1 Z 1
2 1 2 x2 1 x
hx i = p x exp dx = p x x exp dx
2 1 2 2 2 1 2 2
1 Z 1
1 1 2 x2 1 2 x2 2
= p x 2 exp p exp dx =
2 2 2 2 1 2 1 2 2
Z !
1 2
2 1 2 (x x0 ) 2
hx i = p x exp 2
dx = x20
2 1 2

43
A function related to the Gauss function is the error function and the complementary error func-
tion, which have their own names (erf, erfc)

0.8
Rx R1
erf x = p2 exp u2
du erfc x = 1 erf x = p2 exp u 2
du 0.6
0 x 1./sqrt(2*pi)*exp(-x**2/2)
erf(x)
0.4 erfc(x)

0.2

0
0 0.5 1 1.5 2 2.5 3

The normalization factor M ensures that erf x x ! ! 1 1. The descriptive meaning is: erf x is the surface
area under the Gauss function between the limits [ x; x]. R1
The question now is how erfcx can be calculated, and how integrals can be calculated as e.g. x u2 exp u2 du
These integrals can be traced back to an in…nite series, similar to sin and cos, by the product rule of inte-
gration
Z b Z b
0 b
u(t)v (t)dt = u(t)v(t)ja u0 (t)v(t)dt
a a

1. (a) Calculate with partial integration (careful, no Gaussian integral)

Z 1
x
xe dx
0

(b) Calculate the parent function with partial integration f (x) = sin x cos x
Solution: (a)
2 31
Z 1 Z 1 Z 1
x 6 7
x |{z}
|{z} e dx = 4|{z}
x e x 5 1
|{z} e dx = x
1e 1 0
+ 0e + e x
dx
0 0
| {z } 0 0
| {z } 0
u(x) v (x) u(x) u (x)
v(x) 0 v(x)

(b)
Z Z Z
1
sin x cos x dx = sin2 x cos x sin xdx + C ) sin x cos x dx = sin2 x + C
2

Now to a calculation method for erf x, a series expansion which converges rapidly for large x (application:
escape velocity, activation energy)
Z 1 Z 1 1 Z 1 Z 1
2 2 1 2 1 2 1 1 t2 1 t2 1 1 x2 1 t2
p e t dt = p ( 2t) e t dt = p e + e dt = p e e dt
x 2 t | {z }
x |{z} t x x t 2 x x t2
0 v
u
Z 1 Z 1 1 Z 1 Z 1
1 t2 1 1 2 1 1 t2 1 t2 1 1 x2 3 1 t2
e dt = ( 2t) e t dt = e 3 e dt = e + e dt
x t2 2 x t | {z }
3
|{z} 2 t3 x x t4 2 x3 2 x t4
v0
u

Together results in what converges quickly only for large x

Z 1
1 1 x2 1 1 x2 3 1 t2
erfc x = p e e + e dt (3)
x 2 x3 2 x t4
x2
1 e 1
= p 1 + :::
x 2x2

44
With partial integration can be calculated
Z 1 Z 1 1
Z 1
2 2 1 2 t2 1 t2 t2
p t2 e t dt = p t ( 2t)
|{z} | {z } e du = p t e + e dt (4)
x 2 x x x
u v0
Z 1
1 2 1 2 1 2 1
= p xe x + p e t dt = p xe x + erfc x
x 2

Correlation with the Arrhenius form of a chemical reaction rate:

For a Maxwell velocity distribution of the collision partners and a minimum kinetic energy from vmax to
overcome the required activation energy EA = m 2
2 vmax
3
4 2 m p
fM (v) = p v 2 exp v2 = mit u2 = v 2 und du = dv
2kT
results for the relative number of reacting particles
Z 1
r r
N (v > vmax ) 4 2 2 m 2 p 2aEA EA
= p u exp u du EA = vmax x= vmax = =
N x 2 m kT
! r
x2
x2 1 e 1 1 3 x2 EA EA
= 2xe +p 1 2
+ 2 ::: x gross 2xe =2 e kT
x 2x (2x2 ) ! kT

This is the Arrhenius form of a reaction rate.

4 Lineare Algebra
4.1 Vektorräume, Erzeugendensysteme und Basen
De…nition Ein Vektorraum (V; ; ) über R (oder C) ist eine Menge V mit einer Vektoraddition mit
Eigenschaften (für a; b; c 2 V und ; ; 2 R (oder C)
Abel’sche Gruppeneigenschaften:

Kommutativgesetz: a b=b a
Assoziativgesetz: a (b c) = (a b) c
Inverses Element: für alle a 2 V existiert ein a 2 V , so dass: a ( a) = 0 2 V das neutrale Element,
i.e. 0 b = b 0 = b

Multiplikation mit R (oder C)

Distributivgesetz: (a b) = a b und ( + ) a= a a
Neutralität des Einselementes: 91 2 R (oder C) so dass: 1 a=a

Der Vektorraum V ist ein prä-Hilbertraum, wenn es ein zusätzliches Skalarprodukt V V ! R

(oder C) gibt mit den Eigenschaften (Symbol )

Skalarprodukt: a b 2 R (oder C)

Semilinearität: a ( b) = a b ( a) b = a b

und wurden zur Verdeutlichung verwendet. Üblicherweise wird + für und für verwendet
sowie für das Skalarprodukt.
Prä-Hilberträume, die zusätzlich vollständig (De…nition später) sind, sind Hilberträume (ist immer
in endlichen Dimensionen der Fall).

45
Beispiele für Vektorräume/Hilberträume
Kräfte im n-dimensionalen Raum
Translationen im n-dimensionalen Raum
Polynome vom Grad kleiner gleich n
m n Matrizen
Tupel der Fourierkoe¢ zienten einer periodischen Funktion (1-dimensional)
Sämtliche Wellenfunktionen, die ein quantenmechanisches System beschreiben (1-dimensional)

Linearkombinationen und Basen

Sei fv1 ; v2 ; :::; vn g 2 V , n 2 N. Die Summe mit i 2 R (oder C) nennt man Linearkombination der
vi
Xn

i vi
i=1

Sei fv1 ; v2 ; :::; vn g 2 V . Diese Menge heiß

t Erzeugendensystem des Vektorraums, wenn sich jeder
P n
Vektor x 2 V als Linearkombination x = i=1 i vi darstellen läß t
Sei fv1 ; v2 ; :::; vn g 2 V und 1 ; 2 ; :::; n 2 R (oder C). Die Menge von Vektoren heiß
t linear unab-
hängig, wenn gilt
n
X
i vi =0 ) i = 0 für alle i = 1; :::; n
i=1

Sei fv1 ; v2 ; :::; vn g 2 V . Diese Menge heiß

t Basis von V wenn gilt: fv1 ; v2 ; :::; vn g ist linear unab-
hängig und
Pn
für jedes x 2 V gibt es 1 ; 2 ; :::; n 2 R (oder C) mit x = i=1 i vi
Jede Basis ist ein Erzeugendensystem aber nicht umgekehrt. Bild 4.1 zeigt dieselben Vektoren (* und
+), die in zwei unterschiedlichen Basen dargestellt werden.

Einheitskreise in
Änderung der Basis von fx; yg nach fu; vg 1-,2-,4-,1-Norm

Norm Eine Norm ordnet einem Vektor eine Länge (Abstand zur Null=neutralem Element) zu
Eine auf der Menge der Vektoren de…nierte Funktion kk mit Werten in den positiven, reellen Zahlen
heißt Norm, wenn für alle a; b 2 V und 2 R (oder C) gilt
kxk = 0 ) x = 0 De…nitheit
k xk = j j kxk absolute Homogenität
kx + yk kxk + kyk Dreiecksungleichung

46
Beispiele für Normen im Vektorraum Rn sind
n
!1=p
X p
kxkp = jxi j
i=1

Für p = 2 ist das die Euklidische Norm, für p = 1 die Manhattan Norm und für p = 1 die Betrag-
Norm. Für Funktionenräume ist die Skalarproduktnorm wichtig
p
kxk = x x

Ein Beispiel für eine Norm im Funktionenräumen liefern die periodischen Funktionen.

Der Raum der 2 -periodischen komplexen Funktionen ist ein komplexer Vektorraum
R
Das Skalarprodukt ist de…niert durch f g = f (x)g(x)dx
qR
Die Norm ist dann kf k = f (x)f (x)dx

1=2
Eie Funktionen en = (2 ) exp (inx), n 2 Z bilden ein Orthonormalsystem
P1
Eine beliebeige periodische Funktion f läß
t sich als Fourierreihe darstellen f = n= 1 cn en , die Norm
P1 2
ist dann kf k = n= 1 jcn j

Metrik Eine Metrik d ordnet zwei Vektoren x; y einen Abstand d(x; y) zu (positive, reelle Zahl). Für uns
reicht es zu wissen, dass jede Norm eine Metrik de…niert mit

d(x; y) = kx yk

Vorsicht: Skalarprodukt und Metrik sind unterschiedlich, aber für die Skalarproduktnorm gilt
p p
d(x; y) = kx yk = (x y) (x y) = x x 2 x y + y y

4.2 Matrizenrechnung
Vektorraum Matrizen als verallgemeinerte Vektoren (Zeilen Spalten) = m 1 ! m n sind Elemente
eines Vektorraums mit Vektoraddition und Skalarmultiplikation 2 R. Beispiel
a b e f a e b f a b a b
Addition = Skalarmultiplikation =
c d g h c g d h c d c d

Andere Operationen: Transponieren und Matrixmultiplikation Beim Transponieren werden Zeilen

und Spalten vertauscht, was bei nicht quadratischen Matrizen aus dem Vektorraum herausführt
0 1
T T a d
a b a c a b c
= =@ b e A
c d b d d e f
c f

Transponieren steht in engem Zusammenhang mit dem Skalarprodukt „“von Vektoren in Matrixschreibweise,
weil
0 1T 0 1
a1 b1
@ a2 A = a1 a2 a3 ~a ~b = ~aT ~b = a1 a2 a3 @ b2 A = a1 b1 + a2 b2 + a3 b3
a3 b3

Wenn wir die Vektoren durch Matrizen darstellen, ist ~aT ~b 6= ~a ~b, und zwar ist das Matrixprodukt
quadratischer Matrizen
0 1
e f
a b e f B (a; b) g (a; b)
h C ae + bg af + bh
=B@
C=
A
c d g h e f ce + dg cf + dh
(c; d) (c; d)
g h

47
es ist klar, daßdiese Matrixmultiplikation nur bei SpaltenzahlMatrix1=ZeilenzahlMatrix2 funktioniert
0 1
g h
a b c @ ag + bi + ck ah + bj + cl
i j A=
d e f dg + ei + f k dh + ej + f l
k l

also bei Spaltenvektoren geht ~a ~b gar nicht!

Vertauschen von Matrizen Beispiel

1 1 2 1
A = B=
1 0 1 1
1 1 2 1 3 0
AB = =
1 0 1 1 2 1
2 1 1 1 1 2
BA = =
1 1 1 0 2 1

Also A B 6= B A, die Matrizenmultiplikation ist nicht kommutativ. Allerdings gilt das Distributivgesetz

A (B C) = A B AC (B C) A = B A CA

Determinante Die Determinante ist nur für quadratische Matrizen de…niert und ordnet der Matrix
eine Zahl zu. Beispiel:
a b a b
det = := ad bc
c d c d
Bedeutung der Determinanten ? Es ist eine skalare Invariante unter Drehungen, wenn die Zeilen oder Spalten
Komponenten von vektoren sind. Beispiel in 3D

a1 b1 c1
a2 b2 c2 = ~a ~b ~c
a3 b3 c3

es handelt sich hier um das aufgespannte Volumen (ähnlich in 2D: aufgespannte Fläche)

Laplace’scher Entwicklungssatz Rezept zur Berechnung der Determinanten im Beispiel: notiere Schachbrettmuster

1+ 3 1+
2 4+ 1
1+ 1 0+

Nun kann nach jeder Zeile oder Spalte „entwickelt“ werden, z.B. nach der [Link]

1+ 3 1+
4 1 3 1 3 1
2 4+ 1 = 1 2 +1
1 0 1 0 4 1
1+ 1 0+
= 1 (0 1) 2 (0 + 1) + 1 ( 3 4) = 10

Rechenregeln Für quadratische Matrizen A und B gilt

det (A B) = det A det B

det (A B) 6= det A det B
det A = det AT

48
Inverse Matrix Es ist nicht möglich, durch eine Matrix zu teilen. Aber es gibt die Möglichkeit, mit der
Inversen Matrix zu multiplizieren. Die Inverse X der quadratischen Matrix A ist de…niert als Lösung der
Gleichung
AX = 1
1
Die Lösung wird mit X = A bezeichnet und es gilt
1 1
AA =A A=1
Die Inverse einer quadratischen Matrix läß
t sich Hilfe der Adjunkten und der Determinanten berechnen
1 1 T
A = [adjA]
det A
Dabei berechnet sich die Adjunkte mit Hilfe des Schachbretts und det Unterdeterminanten
0 1
e f d f d e
0 1 B + h i g i
+
g h C
a b c B C
B b c a c a b C
adj @ d e f A = B B + C
B h i g i g h C C
g h i @ b c a c a b A
+ +
e f d f d e
Beispiel 2 2 Matrix
1
a b 1 d b
=
c d ad bc c a

Invertierbarkeit von Matrizen Durch die Formel ist die notwendige Bedingung für die Invertierbarkeit,
daßdet A 6= 0. Weitere Regeln sind
1 1 1
(A B) = B A
1 1 T
AT = A
1 1 1
det A = (det A) =
det A

Symmetrische und antisymmetrische Matrizen

M symmetrisch () M = MT
M antisymmetrisch () M= MT
M hermitesch () M = My = MT
M antihermitesch () M= My = MT
Jede quadratische R-Matrix läß
t sich in einen symmetrischen und antisymmetrischen Anteil aufspalten
1 1
M= M + MT + M MT
2 2
Jede quadratische C-Matrix läß
t sich in einen hermitesche und antihermitesche Anteil aufspalten
1 1
M= M + My + M My
2 2

Dyadisches Produkt Zwei Vektoren werden so multipliziert, daßeine Matrix entsteht. Beispiel
X a c
T
a ac ad
ui vj ei ej =j uihv j= u v= = c d =
b d b bc bd
i;j=1;2

Das Skalarprodukt war

X a
T
c a ac ad
ui vj ei ej ij = hv j ui = u v = = c d = Spur = ac + bd
b d b bc bd
i;j=1;2

49
Tensorprodukt Ist die Verallgemeinerung des dyadischen Produktes, Matrizen zu neuen Matrizen zu
kombinieren. Für „Vektoren” und „Matrizen”
0 1 0 1
ac ae af be bf
a c B ad C a b e f B ag ah bg bh C
=B@ bc A
C =B @ ce cf de df
C
A
b d c d g h
bd cg ch dg dh
Es tritt dann auf, wenn „Zustände” in „Produkträumen” konstruiert werden. Beispiel: Produktansatz für
die Lösungen von PDE auf einer Kugelober‡äche

Y ( ; ') = ( ) (')

Es ergeben sich die Legendre Polynome ( ) = Pl (cos ) und die Exponentialfunktionen (') = eim' . Die
Kombination aller Produkte dieser Funktionen, also das Tensorprodukt, ergibt die Kugel‡ächenfunktionen
s
m 2l + 1 (l m)! m dm
Yl ( ; ') = ( 1) (1 cos2 )m=2 m Pl (cos ) e
im'
4 (l + m)! | {z d cos }
Plm (cos )

Die Pl sind eine Basis von Funktionen auf [ 1; 1], die eim' sind eine Basis von Funktionen auf dem Kreis.
Alle möglichen Produkte dieser Funktionen zusammen ergeben eine Basis der „Produktraumes”, also der
Funktionen auf der Kugelober‡äche. Nehmen wir n Basiselemente auf dem Intervall und m Basiselemente
auf dem Kreis erhalten wir durch das Tensorprodukt n m Basiselemente auf der Kugelober‡äche.
Dieses Beispiel hat Vektoren, also „Zustände”betro¤en. Es gibt aber auch Matrizen, also „Operatoren”.
Das Tensorprodukt von Matrizen entspricht der Konstruktion von Operatoren, die zunächst auf den Teil-
räumen wirken, auf Operatoren, die auf den Produktraum wirken (Beispiel: Hamiltonoperator für Teilchen
und Hamiltonoperator für Spin wird zu Hamiltonoperator für Teilchen mit Spin. Ähnlich für Einteilchenop-
eratoren und Mehrteilchenoperatoren).

4.3 Matrizen und Abbildungen

Die Matrixmultiplikation einer quadratischen n n Matrix A mit einem n 1 Vektor v ergibt wieder einen
Vektor, und kann daher als eine lineare Abbildung aufgefaß
t werden. Lineare Abbildung, weil gilt

A ( u + v) = Au + Av

Beispiele (hier n = 3) für Abbildungen sind Spiegelungen an x und y Achse

0 1 0 1
1 0 0 1 0 0
A=@ 0 1 0 A B=@ 0 1 0 A
0 0 1 0 0 1

sowie Drehungen von Vektoren um den Winkel ' (hier um die z-Achse in der xy-Ebene) oder Streckungen
0 1 0 1
cos ' sin ' 0 2 0 0
A = @ sin ' cos ' 0 A B=@ 0 2 0 A
0 0 1 0 0 2

Da die Determinante das Volumen des Spatproduktes X = a (b c) wiedergibt und auß

erdem gilt

Volumen (A X) = det (A X) = det A det X = det A Volumen (X)

entspricht der Wert von det A dem Volumenverzerrungsfaktor.

Eine Abbildung mit det A = 1 heiß t orthogonale Transformation. Dies sind entweder Spiegelungen
oder Drehungen. Orthogonale Transformationen O lassen Längen und Winkel unverändert. Das geht nur,
wenn gilt
T
a0 b0 = a0T b0 = (Oa) Ob = aT OT Ob = aT b = a b
also muss gelten (die inverse Matrix kann daher sehr leicht berechnet werden)

OT O = 1 also ist auch O 1

= OT

50
und es folgt
2
det OT O = det OT det O = (det O) = 1 =) det O = 1
Reine Drehmatrizen erfüllen det O = 1, bei det O = 1 sind Spiegelungen enthalten.
Zeigen Sie, daßfolgende Matrix orthogonal ist
p p
1= p2 1=p2
O=
1= 2 1= 2

Beweis: zeige, daßOT O = 1

p p p p
T 1=p2 1=p 2 1= p2 1=p2 1 0
O O= =
1= 2 1= 2 1= 2 1= 2 0 1

4.3.1 Drehmatrizen, orthogonale und unitäre Matrizen

Die Bedeutung der Drehmatrix ist anschaulich klar. Daher eine etwas kompliziertere: die sogenannte
„Euler’sche Drehmatrix” stellt eine beliebige Drehung als die Folge von 3 aufeinanderfolgenden Elemen-
tardrehungen mit Winkeln ( ; ; ) dar: (1) Drehung um die z-Achse (2) Drehung um die x’-Achse (3)
Drehung um die z’-Achse

0 10 10 1
c s 0 1 0 0 c s 0
Dz ( )Dx ( )Dz ( ) = @ s c 0 A@ 0 c s A@ s c 0 A
0 0 1 0 s c 0 0 1
0 1
c c s c s s c +c c s s s
= @ c s s c c s s +c c c s c A
s s c s c

Bei komplexwertigen Matrizen gibt es analog die unitären Matrizen

U yU = 1 also ist auch U 1

= Uy

dabei ist U y die zu U hermitesch konjugierte Matrix. Die unitäre Transformation läß t die komplexen
Skalarprodukte unverändert. Diese entsprechen den verallgemeinerten Winkeln der komplexen Vektoren
y
a0 b0 = a0y b0 = (U a) (U b) = ay U y U b = ay b = a b

Orthogonale Matrizen sind ein Sonderfall von unitären Matrizen, wo der zugrundeliegende Körper reell statt
komplex ist.

4.3.2 Streckmatrizen, symmetrische und hermitesche Matrizen

Eine symmetrische Matrix S ist gleich der Transponierten

S = ST

51
Die im komplexen Zahlenraum entsprechende Größe ist die selbstadjungierte oder hermitesche Matrix
H
H = Hy
Nachdem für die orthogonale/unitäre Matrix eine Anschauung bzgl. der vorliegenden Abbildung besteht,
ist die Frage, was die Vertauschungs-Symmetrie für Eigenschaften impliziert.
Zunächst läß t sich die symmetrische Matrix H diagonalisieren (Beweis siehe nächstes Kapitel) mit der
Transformation T . In dem Basissystem der Eigenvektoren entsprechen die Eigenwerte von H 0 Streckungen
in den entsprechenden Dimensionen.
T H0 T 1 = H
Kurz gesagt stellen die symmetrischen Matrizen Streckungen dar. Bei komplexwertigen Matrizen haben
die selbstadjungierten Matrizen auch reelle Eigenwerte. Auch hier kann die Anschauung von Streckungen
aufrechterhalten werden.

hermitesche unitäre Matrix

4.3.3 Basiswechsel
Die bisherigen Transformationen haben auf die Koordinaten (x1 ; :::; xn ) eines Vektors x gewirkt, die Basis
(e1 ; :::; en ) wurde festgehalten. Bei einer Basistransformation wird jedoch die Basis auf (e01 ; :::; e0n ) verändert,
aber der Vektor bleibt unverändert. Dann müssen sich aber auch die Koordinaten auf (x01 ; :::; x0n ) ändern
X X
xj ej = x1 e1 + x2 e2 + ::: + xn en = x = x01 e01 + x02 e02 + ::: + x0n e0n = x0i e0i
j=1;n i=1;n

Wir beginnen mit der De…nition der Basistransformation von Basisvektoren. Ab hier verwenden wir die
Einstein’sche Summenkonvention (über doppelt auftretende Indizes wird summiert).
X
e0i = Bij ej = Bij ej
j=1;n

Der Vektor soll unverändert bleiben. Daraus ergibt sich die Transformation der Koordinaten

x0i e0i = x0i Bij ej = xj ej

x0i Bij = T 0
Bji xi = xj
1 1
x0k = 0
ki xi = BT kj
T 0
Bji xi = B T kj
xj

1
Bei orthogonalen Matrizen ist ja B T = B 1
, daher B T =B
0 1 0 10 1 0 1
e0x cos ' sin ' 0 ex ex cos ' ey sin '
@ e0y A = @ sin ' cos ' 0 A @ ey A = @ ex sin ' + ey cos ' A
e0z 0 0 1 ez ez

52
0 1 0 10 1
x0 cos ' sin ' 0 x
@ y0 A = @ sin ' cos ' 0 A @ y A
z0 0 0 1 z

4.3.4 Transformation der Abbildung bei Basiswechsel

1
Wenn die Basisvektoren mit B transformiert werden und die Komponenten mit B T ergibt sich auch
eine Transformation der Abbildungsmatrix. Sei die Abbildung A der Komponenten x eines Vektors gegeben,
1
die mit B T transformiert werden
1
Ax = y Akj xj = yk x0j = B T jk
xk T 0
Bkj xj = xk

dann soll y sich wie x transformieren, also

1 1
yj0 = B T jk
yk = B T jk
(Akj xj )

das Transformationsverhalten von A ergibt sich bei Substitution von x0

1 1
yj0 = B T jk
Akl xl = B T jk
Akj BliT x0i

und ist
1
Akj bei Koordinatentransformation
! A0kj = BT ki
T
Ail Blj
1
A bei Koordinatentransformation
! A0 = B T
AB T

1
Bei orthogonalen Koordinatentransformationen O ist wegen OT =O

A0 = OAOT
1
Die Physiker schreiben einfacher mit Indexschreibweise und OT ki
T
= Oki und Olj = Ojl

A0kj = Oki Ojl Ail

4.3.5 Tensoren
Ein Tensor n-ter Stufe ist eine physikalische oder mathematische Größ e T , die sich in einem kartesischen
Koordinatensystem K durch 3n Elemente beschreiben läß t, und für die bei einer Transformation in ein Koor-
dinatensystem K 0 die Regeln der linearen Transformation (siehe oben) gelten. Das Transformationsverhalten
bei Drehungen ist daher (mit Summationskonvention)

A0i1 i2 :::in = Oi1 k1 Oi2 k2 :::Oin kn Ak1 k2 :::kn

Das dyadische Produkt liefert einen Tensor 2-ter Stufe. Ein Beispiel ist der Trägheitstensor für einen
Massenpunkt und eine Anordnung von Massenpunkten
20 2 1 0 2 13 0 2 1
r 0 0 x xy xz y + z2 xy xz
Ii = mi r2 1 r r = mi 4@ 0 r2 0 A @ yx y2 yz A5 =m @ yx x2 + z 2 yz A
0 0 r2 zx zy z2 zx zy 2
x +y 2

X Z
I = Ii = (r)I(r)d3 r
i=1;N

In der Elastizitätstheorie treten Verzerrungstensor "kl und Spannungstensor ij auf. Das Hooksche Gesetz
ist eine (lineare) Transformation vom Verzerrungstensor auf den Spannungstensor

ij = Cijkl "kl

Dabei tritt der Elastizitätstensor 4-ter Stufe Cijkl auf.

53
4.4 Lineare Gleichungssysteme
Ein lineares Gleichungssystem (LGS) besteht aus mehreren Gleichungen, in denen Variablen x1 ; :::; xn
nur in 1. Potenz auftreten. Ein LGS mit k Gleichungen und n Variablen hat folgendes Aussehen

A11 xx + A12 x2 + :::: + A1n xn = b1

A21 xx + A22 x2 + :::: + A2n xn = b2
:::
Ak1 xx + Ak2 x2 + :::: + Akn xn = bk

Obiges System läßt sich mit Hilfe von Matrizen und Vektoren in der folgenden Form ausdrücken
0 10 1 0 1
A11 A12 ::: A1n x1 b1
B A21 A22 ::: A2n C B x2 C B b2 C
B CB C B C
B .. .. .. .. C B .. C = B .. C Kurzform A~x = ~b
@ . . . . A@ . A @ . A
Ak1 Ak2 ::: Akn xn bk

A heiß t Koe¢ zientenmatrix. Die erweiterte Matrix des LGS A j ~b besteht darin, neben A den Vektor
~b als Spalte anzufügen.
Das LGS heiß t homogen, wenn b = 0 und inhomogen, wenn b 6= 0. Im Falle n = k (d.h. es gibt genau
so viele Variable wie Gleichungen) nennt man das LGS quadratisch.
Beispiel: LGS gegeben. ~x =?, A =?, ~b =?, in Matrixform bringen, erweiterte Matrix?

3x1 + 5x2 x3 + x4 = 2
2x1 3x2 + 2x4 = 1

Dimensionsprobe
(2 4) (4 1) = (2 1)
| {z } | {z } | {z }
A ~
x ~b

Lösung
T ~b = (2; 1)T
x = (x1 ; x2 ; x3 ; x4 )
3 5 1 1 3 5 1 1 2
A = A j ~b =
2 3 0 2 2 3 0 2 1
0 1
x1
3 5 1 1 B B x2
C
C= 2
A~x = ~b
2 3 0 2 @ x3 A 1
x4

4.4.1 Gauß
-Algorithmus
Ziel des Gauß-Algorithmus ist es, die Lösung eines LGS schematisch zu bestimmen. Dazu muss die erweiterte
~
Matrix A j b so umgeformt werden, dass man mindestens eine Einzellösung (d.h. eine Variable) desd
LGS A~x = ~b sofort ablesen und dann in die anderen Gleichungen rückwärts einsetzen und die restlichen
Variablen bestimmen kann. Besonders einfach wird dies, wenn die erweiterte Matrix auf die sogenannte
Zeilen-Stufen-Form gebracht wurde
0 1
( )
@ 0 ( ) A
0 0 ( )

(Beispiel für ein 3 3 LGS, * steht für eine beliebige Zahl). Die eingeklammerten Werte heißen Pivotele-
mente und haben eine besondere Bedeutung.
Um die erweiterte Matrix auf Zeilenstufenform zu bringen, sind folgende Operationen erlaubt
Vertauschung von Zeilen

54
Multiplikation einer Zeile mit einer Zahl 6= 0
Addition eines Vielfachen einer Zeile mit einer anderen
Beispiel: Lösung eines LGS mit Gauß -Verfahren

x1 + x2 + x3 = 1
x1 + x2 2x3 = 4
2x1 + x2 + x3 = 2

Lösung: (a) Bestimme A j ~b

0 1
1 1 1 1
A j ~b = @ 1 1 2 4 A
2 1 1 2
(b) Bringe auf Zeilenstufenform
0 1 0 1 0 1
1 1 1 1 1 1 1 1 1 1 1 1
@ 1 1 +j 1
2 4 A !@ 1+1 1+1 ( 2) + 1 4+1 A=@ 0 2 1 5 A
+j 1
2 1 1 2 2 1 1 2 2 1 1 2

Nun Addition des -2 fachen der ersten Zeile zur dritten

0 1 0 1
1 1 1 1 + j ( 2) 1 1 1 1
@ 0 2 1 5 A !@ 0 2 1 5 A
2 1 1 2 +j 1 2 2 1 2 1 2 2 2

nun Addition der zweiten zur doppelten dritten

0 1 0 1
1 1 1 1 1 1 1 1
@ 0 2 1 5 A +j 1 !@ 0 2 1 5 A
0 1 1 0 +j 2 0 -2 + 2 1 2 0+5

nun ist Zeilenstufenform erreicht 0 1

1 1 1 1
@ 0 2 1 5 A
0 0 3 5
(c) nun schrittweises Au‡ösen, beginnend mit der letzten Zeile
5
3x3 = 5 x3 =
3
5 5
2x2 x3 = 5 ) 2x2 =5 ) x2 =
3 3
5 5
x1 + x2 + x3 = 1 ) x1 + + =1 ) x1 = 1
3 3

Tipp: falls im LGS Brüche auftauchen, dann sollte man mit dem Hauptnenner die ganze Zeile durchmul-
tiplizieren. Unbedingt das Auftreten von Brüchen innerhalb des Gauß-Verfahrens vermeiden.

4.4.2 Lösbarkeit linearer Gleichungssysteme

Beim Lösen von LGS können im Gauß
-Verfahren folgende Fälle auftreten

1. Es entsteht eine Nullzeile der Form (00:::0 j 0). In diesem Fall kann eine Variable frei gewählt werden,
allerdings kein Pivotelement. Man setzt diese Variable gleich einem Parameter t. Pro derartiger Zeile
kann genau ein freier Parameter gewählt werden. Die Lösung heiß t dann Parameterschar.
2. Es entsteht eine falsche Aussage in der Zeile (00:::0 j6= 0). In diesem Fall gibt es keine Lösung des LGS!
3. Es gibt eine eindeutige Lösung wie im obigen Beispiel, d.h. weder Fall 1 noch Fall 2 treten auf.

55
Hier Beispiele für Fall 1 und 2
Beispiel: folgende erweiterte Matrix
0 1 0 1
1 1 1 1 +j 1 +j 2 1 1 1 1
A j ~b = @ 1 1 2 4 A +j 1 !@ 0 2 1 5 A
2 2 2 3 + j ( 1) 0 0 0 1
In der letzten Zeile ergibt sich dabei (00:::0 j 1), d.h. in eine Gleichung übersetzt 0 x1 + 0 x2 + 0 x3 = 1
und somit 0 = 1. Das ist o¤ensichtlich eine falsche Aussage. In diesem Fall ist das LGS nicht lösbar.
Beispiel: folgendes Gleichungssystem
x1 + x2 + x3 = 1
x1 + x2 2x3 = 4
2x1 + 2x2 + 2x3 = 2
erweiterte Matrix und Gauß
0 1 0 1
1 1 1 1 +j 1 +j 2 1 1 1 1
A j ~b = @ 1 1 2 4 A +j 1 !@ 0 2 1 5 A
2 2 2 2 + j ( 1) 0 0 0 0
In der letzten Zeile ergibt sich (00:::0 j 1) d.h. 0 = 0. Das ist eine richtige Aussage, unabhängig davon, was
wir für x1 ; x2 und x3 einsetzen. Damit stehen zur Bestimmung der Lösungen nur noch zwei Gleichungen
zur Verfügung: zwei Gleichungen aber drei Unbekannte. Hier kann eine Variable frei gewählt werden, aber
keine Pivotelemente. Daher können hier x1 oder x2 nicht frei gewählt werden, aber x3 = t. Somit folgt für
die zweite und erste Gleichung
5 1
2x2 1 t = 5 ) x2 = + t
2 2
5 1 3 3
x1 + + t +1 t = 1 ) x1 = t
2 2 2 2
insgesamt 0 1 0 1 0 1 0 1
3 3 3 3
x1 2 2t 2 2
~x = @ x2 A = @ 5 1
2 + 2t
A=@ 5
2
A + t@ 1
2
A
x3 t 0 1

4.5 Diagonalisierung und Hauptachsentransformation

4.5.1 Eigenwertproblem
Viele physikalische Probleme werden durch Matrixgleichungen formuliert, insbesondere bei vektoriellen
Größ en: z.B. die Newton’sche Gleichungen für gekoppelte Schwingungen, F = ma für die Drehbewegung
(Euler-Gleichung M ~ = J! ~ ) oder das Hooke’sche Gesetz ~ = E~" mit Matrizen F; m; J bzw E. Diese Gle-
ichungen vereinfachen sich stark, wenn nur auf der Matrixdiagonalen Werte ungleich Null vorliegen. In
diesem fall heißt die Matrix diagonal.
Die Diagonalisierung läß t sich durch eine Koordinatentransformation erreichen
0 1
1 0 0
A0 = OAOT = @ 0 3 0 A=
0 0 3

Hier ist A0 die Diagonalmatrix und 1 ; 2 ; 3 die Eigenwerte.

Diese Koordinatentransformation kann aus der Forderung der Diagonalisierung hergeleitet werden.
Zentrale Gleichung ist hier die Eigenwertgleichung
A f~i = i f~i
Bei gegebener Matrix A müssen wir sowohl Vektoren f~i (Eigenvektoren) als auch i …nden, welche die
Eigenwertgleichung erfüllen. Die Abbildung A ist daher für die Vektoren f~i eine Streckung mit dem Streck-
faktor i . In verschiedene Richtungen f~i gibt es verschieden Steckfaktoren i .
Wir hatten bereits angedeutet, daßdie Streck-Abbildungen im reellen durch symmetrische Matrizen
S = S T dargestellt werden und im komplexen S = H y durch die selbstadjungierten Matrizen.

56
Bestimmung der Eigenwerte Die symmetrische Matrix S = S T soll diagonalisiert werden. Dazu müssen
zunächst die Eigenwerte berechnet werden. Zusammenhang zwischen Eigenwerten und der Determinanten:

) A f~ = f~ für f~ 6= ~0
, A f~ f~ = 0 für f~ 6= ~0
, A f~ 1 f~ = 0 für f~ 6= ~0
, det A f~ f~ = 0

Die letzte Äquivalenz folgt aus dem Invertierbarkeitskriterium für Matrizen:

Eine Matrix A ist genau dann invertierbar, wenn 0 kein Eigenwert ist. Anders ausgedrückt: Die Matrix
(A 1) mit A f~ 1 f~ = 0 für f~ 6= ~0 hat den Eigenwert 0, ist also nicht invertierbar. Daher mußgelten

det A f~ f~ = 0

Die Lösung dieser Gleichung für liefert genau die nicht invertierbaren Matrizen (A 1), und das sind
genau die Eigenwerte von A.

Beispiel, symmetrische Matrix Bestimme Eigenwerte von (Achtung: der Faktor 1/2 gilt für alle
Elemente) 0 1
1 1 0
1@
A= 1 1 0 A
2
0 0 2
Lösung:
20 1 1
1 0 13 2 1 1
3
2 2 0 0 0 2 2 0
det (A 1) = det 4@ 1
2
1
2 0 A @ 0 0 A5 = det 4 1
2
1
2 0 5=0
0 0 1 0 0 0 0 1

Am cleversten ist die Entwicklung der Determinanten nach der 3. Zeile

1 1 1 1
det (A 1) = (1 ) 2
1 1
2 = (1 ) + 2
2 2 4 4
= (1 )( 1 + ) = 0 ) 2 f0; 1; 1g

Bestimmung der Eigenvektoren: Löse für jeden Eigenwert das lineare Gleichungssystem
0 1 1
1 0 1 1 1 0 1
0 0 1
2 2 2 2 1
1 = 0 ) @ 1
2
1
2 0 A f~1 = @ 12 12 0 A f~1 = ~0 ) f~1 = p @ 1 A
0 0 1 0 0 1 2 0
0 1 1
1 0 1 1
1 0 1
0 0 1
A f~2 = ~0 ) f~2 = p1 @ 1 A
2 2 2 2
2 = 1 ) @ 1
2
1
2 0 A f~2 = @ 1
2
1
2 0
0 0 1 0 0 0 3 1
0 1 0 1 0 1
1 1 1
1 1 1
) Entartung, daher f~3 = f~1 f~2 = p @ 1 A p @ 1 A = p @ 1 A
2 0 3 1 6 2

Beispiel, komplexwertige Matrix

0 1 0 1
2 0 2 2 0 2
A = @ 2i i 2i A det @ 2i i 2i A= 3
+ (1 + i) 2
i = ( i) ( 1)
1 0 1 1 0 1
80 19 80 19 80 1 9
< 1 = < 2 = < 0 =
eigenvectors : @ 0 A $ 0; @ 1 i A $ 1; @ 1 A $ i
: ; : ; : ;
1 1 0

57
Beispiel, hermitesche Matrix
0 i i 2
A = det = 1=( 1) ( + 1)
i 0 i
i i
eigenvectors : $ 1; $1
1 1

4.6 Komplexe Hilberträume

Wie bereits gesagt sind Hilberträume Vektorräume mit Skalarprodukt. Wir betrachten hier ausschliesslich
komplexe Hilberträume ind gehen nicht auf das Thema Vollständgkeit ein (was wir als Eigenschaft an-
nehmen).

4.6.1 Vektoren
Vektorraum Rn , Vektor x 2 Rn
Raum quadratintegrabler, komplexwertiger Funktionen L2 (I) auf einem Intervall I = [a; b], Vektor 2
L2 (I)
Abstrakter Hilbertraum H, Vektor j&i 2 H

4.6.2 Skalarprodukte
Skalarprodukt
0 1
y1
x y = x1 x2 x3 @ y2 A = x1 y1 + x2 y2 + x3 y3
y3
Z b
h 1j 2i = 1 (x) 2 (x) dx
a
Orthogonale Vektoren
x y = x1 y1 + x2 y2 + x3 y3 = 0
Z b
h 1j 2i = 0= 1 (x) 2 (x) dx
a
Zerlegung eines Vektors bezüglich einer Orthonormalbasis
x = 1 e1 + 2 e2 + ::: + n en fe1 ; e2 ; :::; en g sind Basisvektoren
(x) = 1 '1 (x) + 2 '1 (x) + 3 '1 (x) + ::: '1 ; '2 ; '3;::: sind Basisfunktionen
j&i = 1 j1i + 2 j2i + 3 j3i + ::: fj1i; j2i; j3i; :::g ist Basis
Wechsel der Basis
fe1 ; e2 ; :::; en g ! ff1 ; f2 ; :::; fn g fi = Bij ej
'1 ; '2 ; '3;::: ! f 1 ; 2 ; 3 ; :::g 'i (x)
n o
fj1i; j2i; j3i; :::g ! je
1i; je
2i; je
3i; :::

Wirkung eines linearen Operators auf einen Zustand (linearer Abbildung auf einen Vektor) in einer Ortho-
norma
Ax = y
A^ (x) = (x)
A^ j1i = e
j1i
Hermitescher Operator
0 10 1
A11 A1n y1
T B .. .. C B .. C = x A
x A y = xi Aij yj = (x1 ; :::; xn ) @ . . A@ . A 1
An1 Ann yn

58
4.6.3 Qbit
Einzelner Qbit Ein quantum bit (Qbit) ist ein Einheitsvektor (also normiert) im Hilbertraum C2 , also
einem Raum mit nur zwei Zuständen, beispielsweise j0i,j1i als linear unabhängige Vertreter. 0 und 1 sind
symbolisch zu verstehen als Quantenzahlen (Eigenwerte eines Operators). Physikalisch realisierbare Beispiele
wär ein Teilchen mit Spin 1/2 einnehmen kann, oder ein Photon mit zwei Polarisationszuständen.
Alle Zustände wären durch Linearkombinationen j0i+ j1i 2 C2 gegeben, wobei ; 2 C und zusätzlich
2 2
j j + j j = 1 gelten müssen. Die Basis des Raumes ist gegeben durch fj0i; j1ig.

n Qbits Ein System aus n Qbits besteht aus allen Zuständen, die sich kombinieren lassen. Das sind 2n
viele.

59
4 Linear algebra
4.1 Vector spaces, linear hull and bases
De…nition A vector space (V; ; ) over R (or C) is a set V with a vector addition with properties (for
a; b; c 2 V and ; ; 2 R (or C)
Abelian group properties:

Commutative law: a b=b a

Associative law: a (b c) = (a b) c
Inverse element: for all a 2 V exists a a 2 V , such that: a ( a) = 0 2 V is the neutral element,
i.e. 0 b = b 0 = b

Multiplication with R (or C)

Distributive law: (a b) = a b and ( + ) a= a a

Neutrality of the unity: 91 2 R (or C) such that: 1 a=a

The vector space V is a pre-Hilbert space, when additionally there is a scalar product V V !R
(or C) with the properties (symbol )

Scalar produkt: a b 2 R (or C)

Semilinearity: a ( b) = a b ( a) b = a b

and are used for clari…cation. Usually + for and for is used and for the scalar product.
Pre-Hilbert spaces, which are in addition complete (de…nition later), are Hilbert spaces (is always the
case in …nite dimensions).

Examples for vector spaces / Hilbert spaces

Forces in n-dimensional space
Translation in n-dimensional space

Polynomials of degree smaller equal n

m n matrices
Tupel of Fourier coe¢ cients of a periodic function (1-dimensional)

All wave functions, which describe a quantum mechanical system (1-dimensional)

Linear combinations and bases

Let fv1 ; v2 ; :::; vn g 2 V , n 2 N. The sum with i 2 R (or C) is called linear combination of the vi
n
X
i vi
i=1

Let fv1 ; v2 ; :::; vn g 2 V . This set is called generating

Pn system of the vector space, when each vector
x 2 V can be written as linear combination x = i=1 i vi
Let fv1 ; v2 ; :::; vn g 2 V and 1; 2 ; :::; n 2 R (or C). The set of vectors is called linear independent,
when
n
X
i vi =0 ) i = 0 for all i = 1; :::; n
i=1

60
Let fv1 ; v2 ; :::; vn g 2 V . This set is called basis of V when: fv1 ; v2 ; :::; vn g is linear independent and
Pn
for each x 2 V there is a 1 ; 2 ; :::; n 2 R (or C) with x = i=1 i vi
Each basis is a generating system but not vice versa. Figure 4.1 shows the same vectors (* and +), which
are represented with two di¤erent bases.

Change of basis from fx; yg to fu; vg Unit circles in 1-,2-,4-,1-norm

Norm A norm assigns to each vector a length (distance to zero=neutral element)

A function kkde…ned on the set of vectors with values in the positive, real numbers is a norm, when
for all a; b 2 V and 2 R (or C) is valid
kxk = 0 ) x = 0 de…niteness
k xk = j j kxk absolute homogeneity
kx + yk kxk + kyk triangle inequality
Examples for norms in vector space Rn are
n
!1=p
X p
kxkp = jxi j
i=1

For p = 2 we obtain the Euclid norm, for p = 1 the Manhattan norm and for p = 1 the absolute
value-norm. For Function spaces is the Scalar product norm important
p
kxk = x x
An example for a norm in function spaces are provided for the periodic functions
The space of the 2 -periodic complexen functions is a complex vector space
R
The skalar product is de…ned by f g = f (x)g(x)dx
qR
the norm is then kf k = f (x)f (x)dx
1=2
The functions en = (2 ) exp (inx), n 2 Z form an orthonormal system
P1
An arbitrary periodic function f can be represented with a Fourier series f = n= 1 cn en , the norm
P1 2
is then kf k = n= 1 jcn j

Metric A metric d assigns two vectors x; y a distance d(x; y) (a positive, real number). For us it is
su¢ cient to know, that each norm de…nes a metric with
d(x; y) = kx yk
Attention: Scalar product and metric are di¤erent, but for the scalar produkt norm we have
p p
d(x; y) = kx yk = (x y) (x y) = x x 2 x y + y y

61
4.2 Matrix algebra
Vector space Matrices as generalized vectors (rows columns) = m 1!m n are elements of a vector
space with vector addition and scalar multiplikation 2 R. Example
a b e f a e b f a b a b
Addition = scalar multiplication =
c d g h c g d h c d c d

Othe operations: transposing and matrix multiplication Upon transposing the rows and columns
are exchanged. For non quadratic matrices the transpose is outside of the original vector space
0 1
T T a d
a b a c a b c
= =@ b e A
c d b d d e f
c f

Transposing is closely related to the scalar produkt „“of vectors in matrix notation, because
0 1T 0 1
a1 b1
@ a2 A = a1 a2 a3 ~a ~b = ~aT ~b = a1 a2 a3 @ b2 A = a1 b1 + a2 b2 + a3 b3
a3 b3

When we represent the matrices as vectors ~aT ~b 6= ~a ~b, namely the matrix product of quadratic matrices is
0 1
e f
a b e f B (a; b) g
(a; b)
h C ae + bg af + bh
=B @
C=
A
c d g h e f ce + dg cf + dh
(c; d) (c; d)
g h

it is clear, that these matrix multiplikations work only for column-number-matrix1=row-number-matrix2

0 1
g h
a b c @ ag + bi + ck ah + bj + cl
i j A=
d e f dg + ei + f k dh + ej + f l
k l

hence for column vectors, ~a ~b does not work!

Commutation of matrices Example

1 1 2 1
A = B=
1 0 1 1
1 1 2 1 3 0
AB = =
1 0 1 1 2 1
2 1 1 1 1 2
BA = =
1 1 1 0 2 1

Hence A B 6= B A, the matrix multiplication ist not commutative. However the distributive law is valid

A (B C) = A B AC (B C) A = B A CA

Determinant The determinant is is de…ned only for quadratic matrices and assigns to a matrix a
number. Example:
a b a b
det = := ad bc
c d c d
Importance of determinants? It is a scalar invariant under rotations, when the rows or columns are compo-
nents of vector. Example in 3D
a1 b1 c1
a2 b2 c2 = ~a ~b ~c
a3 b3 c3
the meaning of the determinat is the spanned volume (similiarly in 2D: spanned surface)

62
Laplace expansion theorem Recipe to calculate the determinant in the example: note the chess board
pattern (sign as „exponent”)
1+ 3 1+
2 4+ 1
1+ 1 0+
Now each row or column can be the basis for „expansion“, e.g. expansion w.r.t. …rst column

1+ 3 1+
4 1 3 1 3 1
2 4+ 1 = 1 2 +1
1 0 1 0 4 1
1+ 1 0+
= 1 (0 1) 2 (0 + 1) + 1 ( 3 4) = 10

Rules For quadratic matrices A and B we have

det (A B) = det A det B

det (A B) 6= det A det B
T
det A = det A

Inverse matrix It is not possible to divide by a matrix. But it is possible to multiply with the inverse
matrix. The inverse X of the quadratic matrix A is de…ned as solution of the equation

AX = 1
1
The solution is denoted as X = A and we have
1 1
AA =A A=1

The inverse of a quadratic matrix can be calculated with the help of the adjoint and the determinant

1 1 T
A = [adjA]
det A
Here the adjoint is calculated with the help of the chess board pattern and the subdeterminant
0 1
e f d f d e
0 1 B + h i g i
+
g h C
a b c B C
B b c a c a b C
adj @ d e f A =BB + C
B h i g i g h C C
g h i @ b c a c a b A
+ +
e f d f d e

Example of a 2 2 matrix
1
a b 1 d b
=
c d ad bc c a

Invertibility of matrices From the adjoint formula for the determinant, the necessary condition for the
invertibility of A is det A 6= 0. Further rules are
1 1 1
(A B) = B A
1 1 T
AT = A
1 1 1
det A = (det A) =
det A

63
Symmetric and antisymmetric matrices

M symmetric () M = MT
M antisymmetric () M= MT
M hermitean () M = My = MT
M antihermitean () M= My = MT

Each quadratic R-matrix can be split in a symmetric and antisymmetric part

1 1
M= M + MT + M MT
2 2
each quadratic C-matrix can be split in a hermitean and antihermitean part
1 1
M= M + My + M My
2 2

Dyadic product Two vectors become multiplied, such that a matrix is created. Example

X a c
T
a ac ad
ui vj ei ej =j uihv j= u v= = c d =
b d b bc bd
i;j=1;2

The scalar product was

X a
T
c a ac ad
ui vj ei ej ij = hv j ui = u v = = c d = Spur = ac + bd
b d b bc bd
i;j=1;2

Tensor product Is the generalization of the dyadic product, to combine matrices to new matrices. For
„vectors” and „matrices”
0 1 0 1
ac ae af be bf
a c B ad C a b e f B ag ah bg bh C
=B
@ bc A
C =B @ ce cf
C
b d c d g h de df A
bd cg ch dg dh

Tensor products occur, when „states” in „product spaces” are constructed. Example: product ansatz for
solutions of a PDE on a sphere surface

Y ( ; ') = ( ) (')

Available are Legendre polynomials ( ) = Pl (cos ) and the exponential functions (') = eim' . The
combination of all products of these functions, hence the tensor product, yields the spherical harmonics
s
m 2l + 1 (l m)! m dm
Yl ( ; ') = ( 1) (1 cos2 )m=2 m Pl (cos ) e
im'
4 (l + m)! | {z d cos }
Plm (cos )

The Pl are a basis of functions on [ 1; 1], the eim' are a basis of functions on the circle. All possible products
of these functions together yield a basis of the „product space”, hence the functions on the sphere surface.
Using n basis elements on the interval and m basis elements on the circle, we obtain from the tensor product
n m basis elements on the sphere surface.
This result concerns vectors, hence „states”. But there are also matrices, hence „operators”. The
tensor product of matrices corresponds to the combination of operators, which act on the factor spaces, to
operators, which act on the product space (Example: combining the Hamilton operator for particles and
Hamilton operator for spin becomes the Hamilton operator for particles with spin. Similiarly for single
particle operators and multi particle operators).

64
4.3 Matrices and mappings
The matrix multiplication of a quadratic n n matrix A with a n 1 vector v yields again a vector, and
can be regarded as a linear mapping (we reserve „transformation”for the change of basis, see later). Linear
mapping, because
A ( u + v) = Au + Av
Examples (here n = 3) for mappings are re‡ections at x and y axis
0 1 0 1
1 0 0 1 0 0
A=@ 0 1 0 A B=@ 0 1 0 A
0 0 1 0 0 1
as well as rotations of vectors about the angle ' (here about the z-axis in the xy-plane) or stretching
0 1 0 1
cos ' sin ' 0 2 0 0
A = @ sin ' cos ' 0 A B=@ 0 2 0 A
0 0 1 0 0 2
Because the determinant gives the volume of the triple product X = a (b c) and because we further have
volume (A X) = det (A X) = det A det X = det A volume (X)
the value of det A is the volume deformation factor.
A mapping with det A = 1 is an orthogonal mapping. These are either re‡ections or rotations.
Orthogonal mappings O keep length and angles unchanged. This is only possible, when
T
a0 b0 = a0T b0 = (Oa) Ob = aT OT Ob = aT b = a b
therefore the following must be valid (consequently the inverse matrix can be calculated easily)
OT O = 1 therefore we have O 1
= OT
and it follows
2
det OT O = det OT det O = (det O) = 1 =) det O = 1
Pure rotation matrices satisfy det O = 1, for det O = 1 re‡ections are contained.
Show that the following matrix is orthogonal
p p
1= p2 1=p2
O=
1= 2 1= 2
Proof: show that OT O = 1
p p p p
1=p2 1=p 2 1= p2 1=p2 1 0
OT O = =
1= 2 1= 2 1= 2 1= 2 0 1

4.3.1 Rotation matrices, orthogonal and unitäry matrices

The functionality of a rotation matrix is descriptively clear. In detail it is intricate: the „Euler rotation
matrix” represents an aribitrary rotation as the result of 3 subsequent elementary rotations with angles
( ; ; ): (1) rotation about the z-axis (2) rotation about the x’-axis (3) rotation about the z’-axis

65
0 10 10 1
c s 0 1 0 0 c s 0
Dz ( )Dx ( )Dz ( ) = @ s c 0 A@ 0 c s A@ s c 0 A
0 0 1 0 s c 0 0 1
0 1
c c s c s s c +c c s s s
= @ c s s c c s s +c c c s c A
s s c s c

For complex valued matrices analogously there are the unitary matrices

U yU = 1 therefore we have U 1
= Uy

here U y is the relative to U hermitean conjugate matrix. The unitary mapping keeps complex scalar products
unchanged. These correspond to generalized angles between complex vectors
y
a0 b0 = a0y b0 = (U a) (U b) = ay U y U b = ay b = a b

Orthogonal matrices are a special case of unitary matrices, where the underlying …eld is real instead of
complex.

4.3.2 Stretching matrices, symmetric and hermitean matrices

A symmetric matrix S is equal to the transpose

S = ST

The in the complex …eld corresponding quantity is the selfadjoint or hermitean matrix H

H = Hy

Because for orthogonal/unitary matrices there is a description what the mapping does, there is the question,
what the transposition-symmetry implies for the properties.
To begin with, the symmetric matrix H can be diagonalized (proof see next chapter) with the mapping
T . In the basis system of the eigenvectors the eigenvalues of H 0 represent stretching factors in the
corresponding directions.
T H0 T 1 = H
In short, the symmetric matrices represent stretchings. For complex values the matrices of selfadjoint
matrices have also real eigenvalues. Also here the descriptive explanation of stretchings can be kept.

hermitean unitary matrix

66
4.3.3 Change of basis
The transformations so far have acted on the coordinates (x1 ; :::; xn ) of a vector x, the basis (e1 ; :::; en ) was
kept …xed. But in a basis transformation the basis vectors are changed to (e01 ; :::; e0n ), but the vector keeps
unchanged. But then also the coordinates have to change to (x01 ; :::; x0n )
X X
xj ej = x1 e1 + x2 e2 + ::: + xn en = x = x01 e01 + x02 e02 + ::: + x0n e0n = x0i e0i
j=1;n i=1;n

We start with the de…nition of the basis transformation of basis vectors. From here on we use the Einstein
summation convention (double appearing indice cause summation).
X
e0i = Bij ej = Bij ej
j=1;n

The vector should be unchanged. From this results the transformation of the coordinates

x0i e0i = x0i Bij ej = xj ej

0 T 0
xi Bij = Bji xi = xj
1 1
x0k = 0
ki xi = BT kj
T 0
Bji xi = B T kj
xj
1
For orthogonal matrices we have B T = B 1 , therefore B T =B
0 0 1 0 10 1 0 1
ex cos ' sin ' 0 ex ex cos ' ey sin '
@ e0y A = @ sin ' cos ' 0 A @ ey A = @ ex sin ' + ey cos ' A
e0z 0 0 1 ez ez
0 0 1 0 10 1
x cos ' sin ' 0 x
@ y0 A = @ sin ' cos ' 0 A @ y A
z0 0 0 1 z

4.3.4 Transformation of the mapping for change of basis

1
When the basis vectors are transformed with B and the components with B T the result is a transfor-
mation of the mapping matrix. Let the mapping A of the components of a vector x be given, which should
1
be subjected to a transformation with B T
1
Ax = y Akj xj = yk x0j = B T jk
xk T 0
Bkj xj = xk

then the y should transform like x, hence

1 1
yj0 = B T jk
yk = B T jk
(Akj xj )

the transformation behaviour of A results from the substitution of x0

1 1
yj0 = B T jk
Akl xl = B T jk
Akj BliT x0i

and is
1
Akj for coordinate transformation
! A0kj = BT ki
T
Ail Blj
1
A for coordinate transformation
! A0 = B T
AB T
1
For orthogonal coordinate transformationen O is because of OT =O

A0 = OAOT
1
Physicists write easier with inddex notation and OT ki
T
= Oki and Olj = Ojl

A0kj = Oki Ojl Ail

67
4.3.5 Tensoren
A tensor n-th degree is a physical or mathematical quantity T , which is described in a cartesian coordinate
system K by 3n elements, and for which under a transformation in a coordinate system K 0 the rules of
linear transformationa (see above) are valid. The transformation behaviour under rotation is therefore
(using summation convention)

A0i1 i2 :::in = Oi1 k1 Oi2 k2 :::Oin kn Ak1 k2 :::kn

The dyadic product generates a tensor 2-th degree. An example is the inertia tensor for a mass point and
an arrangement of mass points
20 2 1 0 13 0 2 1
r 0 0 x2 xy xz y + z2 xy xz
Ii = mi r2 1 r r = mi 4@ 0 r2 0 A @ yx y 2 yz A5 = m @ yx x2 + z 2 yz A
0 0 r2 zx zy z2 zx zy x2 + y 2
X Z
I = Ii = (r)I(r)d3 r
i=1;N

In elasticity theory strain tensor "kl and stress tensor ij occur. The Hooke law is a (linear) transformation
from the strain tensor to the stress tensor
ij = Cijkl "kl

Here the elasticity tensor of 4-th degree Cijkl appears.

4.4 Linear system of equation

A linear system of equation (LGS) consists of several equation, in which the variables x1 ; :::; xn occur
only to the …rst power. An LGS with k equations and n variables has the following appearance

A11 xx + A12 x2 + :::: + A1n xn = b1

A21 xx + A22 x2 + :::: + A2n xn = b2
:::
Ak1 xx + Ak2 x2 + :::: + Akn xn = bk

The above system can be expressed with the help of matrices and vectors in the following form
0 10 1 0 1
A11 A12 ::: A1n x1 b1
B A21 A22 ::: A2n C B x2 C B b2 C
B CB C B C
B .. .. .. .. C B .. C = B .. C brie‡y A~x = ~b
@ . . . . A@ . A @ . A
Ak1 Ak2 ::: Akn xn bk

A is the coe¢ cient matrix. The extended matrix of the LGS A j ~b consists of the addition of the
vector ~b to A as a column.
The LGS is homogeneous, when b = 0 and inhomogeneous, when b 6= 0. In the case n = k (i.e. there
are as many variables as equations) the LGS is called quadratic.
Example: LGS given. ~x =?, A =?, ~b =?, bring it to matrix form, show extended matrix?

3x1 + 5x2 x3 + x4 = 2
2x1 3x2 + 2x4 = 1

Dimension check
(2 4) (4 1) = (2 1)
| {z } | {z } | {z }
A ~
x ~b

68
Solution
T ~b = (2; 1)T
x = (x1 ; x2 ; x3 ; x4 )
3 5 1 1 3 5 1 1 2
A = A j ~b =
2 3 0 2 2 3 0 2 1
0 1
x1
3 5 1 1 B B x2
C
C= 2
A~x = ~b
2 3 0 2 @ x3 A 1
x4

4.4.1 Gauß
-algorithm
Purpose of the Gauß -algorithm is to determine the solution of a LGS systematically. For this the extended
~
matrix A j b has to be transformed in such a way, that at least one single solution (i.e. for one variable)
of the LGS A~x = ~b can be read directly and can then be substituted into the other equations to determine
the solutions for the remaining variables. This can be simply done, when the extended matrix has been
transformed to the Gauß –Jordan-form
0 1
( )
@ 0 ( ) A
0 0 ( )

(Example for a 3 3 LGS, * represents an arbitrary number). The values in brackets are the pivot elements
and have a special meaning/treatment.
To transform the extended matrix to Gauß -Jordan-form, the following operations are permitted
exchange of rows
multiplication of a row with a number 6= 0
addition of a multiple of a row with another row
Example: Solution of a LGS with Gauß -elimination

x1 + x2 + x3 = 1
x1 + x2 2x3 = 4
2x1 + x2 + x3 = 2

Solution: (a) determine A j ~b

0 1
1 1 1 1
A j ~b = @ 1 1 2 4 A
2 1 1 2

(b) Transform to Gauß

-Jordan form
0 1 0 1 0 1
1 1 1 1 1 1 1 1 1 1 1 1
@ 1 1 + j 1
2 4 A !@ 1+1 1+1 ( 2) + 1 4+1 A=@ 0 2 1 5 A
+j 1
2 1 1 2 2 1 1 2 2 1 1 2

Now addition of the -2 fold of the …rst row to the third

0 1 0 1
1 1 1 1 + j ( 2) 1 1 1 1
@ 0 2 1 5 A !@ 0 2 1 5 A
2 1 1 2 +j 1 2 2 1 2 1 2 2 2

now addition of the second to the double of the third

0 1 0 1
1 1 1 1 1 1 1 1
@ 0 2 1 5 A +j 1 !@ 0 2 1 5 A
0 1 1 0 +j 2 0 -2 + 2 1 2 0+5

69
now Gauß
-Jordan form is achieved 0 1
1 1 1 1
@ 0 2 1 5 A
0 0 3 5
(c) now stepwise solution, starting with the third row
5
3x3 = 5 x3 =
3
5 5
2x2 x3 = 5 ) 2x2 =5 ) x2 =
3 3
5 5
x1 + x2 + x3 = 1 ) x1 + + =1 ) x1 = 1
3 3
Hint: if fractions appear while solving the LGS, then a common denominator should be created and
multiplied to the row. In this way the appearance of fractions during the Gauss elimination can be avoided.

4.4.2 Solvability of linear system of equations

Upon solving the LGS in the Gauß
-elimination the following cases can appear
1. A zero row of the form (00:::0 j 0) is created. In this case a variable can be choosen freely, if it is not
a pivot element. One chooses this variable to be equal a parameter t. For each such row exactly one
free parameter can be choosen. The solution is then a parametrized set.
2. A wrong statement in the row is created like (00:::0 j6= 0). In this case there is no solution of the LGS!
3. There is a unique solution as in the above example, i.e. neither case 1 nor case 2 occurs.
Here examples for case 1 and 2
Example: the extended matrix is
0 1 0 1
1 1 1 1 +j 1 +j 2 1 1 1 1
~
Ajb = @ 1 1 2 4 A +j 1 ! @ 0 2 1 5 A
2 2 2 3 + j ( 1) 0 0 0 1
In the last row we obtain (00:::0 j 1), i.e. translated into an equation 0 x1 + 0 x2 + 0 x3 = 1 and
therefore 0 = 1. This is obviously a wrong statement. In this case the LGS can not be solved.
Example: following system of equations
x1 + x2 + x3 = 1
x1 + x2 2x3 = 4
2x1 + 2x2 + 2x3 = 2
extend matrix and do Gaußelimination
0 1 0 1
1 1 1 1 +j 1 +j 2 1 1 1 1
A j ~b = @ 1 1 2 4 A +j 1 !@ 0 2 1 5 A
2 2 2 2 + j ( 1) 0 0 0 0
In the last row we obtain (00:::0 j 1) i.e. 0 = 0. This is a correct statement, independent what we insert
for x1 ; x2 and x3 . Then for the determination of the solutions we have only two equations available: two
equations but three unknowns. Here one variable can be choosen freely, but no pivot elements. Therefore
x1 or x2 cannot be choosen freely, but x3 = t. Therefore follows for the second and …rst equation
5 1
2x2 1 t = 5 ) x2 = + t
2 2
5 1 3 3
x1 + + t +1 t = 1 ) x1 = t
2 2 2 2
altogether 0 1 0 1 0 1 0 1
3 3 3 3
x1 2 2t 2 2
~x = @ x2 A = @ 5
2 + 1
2t
A=@ 5
2
A + t@ 1
2
A
x3 t 0 1

70
4.5 Diagonalization and principle axis transformation
4.5.1 Eigenvalue problem
Many physics problems are formulated as matrix equation, especially for vectorial quantities: e.g. the
Newton equations for coupled oscillations, F = ma for the rotational motion (Euler-equation M ~ =J! ~ ) or
Hooke’s law ~ = E~" with matrices F; m; J or E. These equations simplify strongly, when only on the matrix
diagonal values unequal zero are present. In this case the matrix is diagonal.
The diagonalization can be achieved by a coordinate transformation
0 1
1 0 0
A0 = OAOT = @ 0 3 0 A=
0 0 3

Here A0 is the diagonal matrix and 1 ; 2 ; 3 the eigenvalues.

This coordinate transformation can be derived from the request for diagonalization. The essential
equation is the Eigenvalue equation
A f~i = i f~i
For a given matrix A we have to …nd vectors f~i (eigenvectors) as well as i , which satisfy the eigenvalue
equation. The mapping A is therefore for the vectors f~i a stretching with the stretching factor i . In various
directions f~i there are di¤erent stretching factors i .
We have already indicated, that the stretch-mapping in the real is done by symmetric matrices S = S T
and in the complex S = H y by selfadjoint matrices.

Determination of eigenvalues The symmetric matrix S = S T should be diagonalized. For this …rst the
eigenvalues have to be calculated. Relationship between eigenvalues and the determinant:

) A f~ = f~ for f~ 6= ~0
, Af ~ ~
f =0 for f~ 6= ~0
, A f~ 1 f~ = 0 for f~ 6= ~0
, det A f~ f~ = 0

The last equivalence follows from the criterion of invertibility for matrices:
A matrix A is invertible, when 0 is no eigenvalue. Expressed otherwise: The matrix (A 1) with
A f~ 1 f~ = 0 for f~ 6= ~0 has the eigenvalue 0, is therefore not invertible. Therefore we must have

det A f~ f~ = 0

The solution for this equation for provides exactly NON INVERTIBLE matrices (A 1), and these are
exactly the eigenvalues of A.

Example, symmetric matrix: Determine the eigenvalues of(warning: the factor 1/2 is valid for all
elements) 0 1
1 1 0
1@
A= 1 1 0 A
2
0 0 2
Solution:
20 1 1
1 0 13 2 1 1
3
2 2 0 0 0 2 2 0
det (A 1) = det 4@ 1
2
1
2 0 A @ 0 0 A5 = det 4 1
2
1
2 0 5=0
0 0 1 0 0 0 0 1

Most easy is the expansion of the determinant with respect to the 3. row
1 1 1 1
det (A 1) = (1 ) 2
1 1
2 = (1 ) + 2
2 2 4 4
= (1 )( 1 + ) = 0 ) 2 f0; 1; 1g

71
Determination of the eigenvectors: solve for each eigenvalue the system of linear equations
0 1 1
1 0 1 1 1 0 1
0 0 1
2 2 2 2 1
1 = 0 ) @ 1
2
1
2 0 A f~1 = @ 12 12 0 A f~1 = ~0 ) f~1 = p @ 1 A
0 0 1 0 0 1 2 0
0 1 1
1 0 1 1
1 0 1
0 0 1
A f~2 = ~0 ) f~2 = p1 @ 1 A
2 2 2 2
2 = 1 ) @ 1
2
1
2 0 A f~2 = @ 1
2
1
2 0
0 0 1 0 0 0 3 1
0 1 0 1 0 1
1 1 1
1 1 1
) degeneracy, therefore f~3 = f~1 f~2 = p @ 1 A p @ 1 A = p @ 1 A
2 0 3 1 6 2

Example, complex valued matrix

0 1 0 1
2 0 2 2 0 2
A = @ 2i i 2i A det @ 2i i 2i A= 3
+ (1 + i) 2
i = ( i) ( 1)
1 0 1 1 0 1
80 19 80 19 80 1 9
< 1 = < 2 = < 0 =
eigenvectors : @ 0 A $ 0; @ 1 i A $ 1; @ 1 A $ i
: ; : ; : ;
1 1 0

Example, hermitean matrix

0 i i 2
A = det = 1=( 1) ( + 1)
i 0 i
i i
eigenvectors : $ 1; $1
1 1

5 (*) Quantum Mechanics

5.1 Postulates of quantum mechanics
2
1. The state of (a particle in) a system is described by a wavefunction (r; t); j (r; t)j d3 x gives the
2
probability to …nd the particle at time t and position r in the volume element d3 x. j (r; t)j is the
probability density. To allow this interpretation, the wavefunction must be normalized such that Wahrschein-
Z lichkeits-
2
d3 x j (r; t)j = 1 (5) sdichte

2. The measurable quantities in classical physics or observables correspond to hermitean operators in Observable
quantum mechanics.
3. The expectation values of an operator A^ in state (r; t)is given by
Z
hAi = d3 x (r; t)A^ (r; t)
^ (6)

4. The time development of the state of a particle is described by the Schrödinger equation zeitliche
Entwicklung
@ ^ (r; t); ^ = }2 2
i} (r; t) = H H r + V (r) (7)
@t 2m
^ of the total energy, containing the sum of kinetic and potential energy, is the Hamilton
The operator H
operator. Hamilton-
operator
5. A measurement of an observable A^ inPa system in state results in an Eigenvalue ai of A^ and changes
Messung
the state into i (A^ i = ai i , = i ci i ): collapse of the wavefunction.
2
Normalization: Because this plane wave has a probability density of j (r; t)j = C 2 , normalization can Normierung
only be achieved by limiting the size
R of the system from in…nity to a (large)pbox with volume V . In this way
the normalization requirement of V d3 xC 2 = 1 leads to a value of C = 1= V .

72
5.2 Dirac Notation
5.2.1 Hilbert space
States & of a system are considered in QM as vectors in a complex, m-dimensional Hilbert space Cm (often Zustände
m = 1, but m …nite is also used in subsystems where only a …nite number of states is physically possible)
0 1
&1
B &2 C
B C
j&i = ~& ! B . C
@ .. A
&m

In contrast to the left side, on the right side a basis is used for the representation. The „Ket” j&i is a Basis
basis independent representation (like ~&). The basis dependent representation as components requires the Ket
speci…cation of a basis in the vector space.

A Hilbert space is a vector space, in which a scalar product can be de…ned. In a …nite dimensional
complex vector space, the scalar product is de…ned as
0 1 0 1
1 1
B C B C
B 2 C ~ =j i=B 2 C
~ =j i=B .. C B .. C ~ ~ = 1 1 + 2 2 + ::: + m m =h j i
@ . A @ . A
m m

Here the „Bra” h j = ( 1 ; 2 ; :::; m ) represents the complex conjugate vector, which is necessary for the Bra
de…nition of the scalar product. Because by complex conjugation no information is lost, is the complex
conjugate vector space equivalent („isomorph”) to the original vector space.

5.2.2 Choice of basis

^ which represent observables, are linear transformations, which transform one vector in another
Operators Q,
^j i
j i=Q

Not before the choice of a basis the vectors obtain components and the operators are represented by matrices.
Let jei i; i = 1; :::; m be a basis. Because components of a vector are usually calculated from the scalar product,
we also need the complex conjugate basis vectors hej j; j = 1; :::; m.
Normalized basis vectors have the following properties (orthonormalization)

1; i = j
hej jei i = ij =
0; i 6= j

Now the vectors can be represented by the basis

X X X
j i = an jen i with an = hen j i hence j i = jen ihen j i = an jen i
n n n
X X X
j i = bn jen i with bn = hen j i hence j i = jen ihen j i = bn jen i
n n n

73
P
The operation n jen ihen j obviously acts like the identity operator. The question is, what jen ihen j is? It is
the projection operator on the state jen i. When a state is projected on all basis vectors, and the basis is
complete, the span of the projections is equal to the original state. Therefore the completeness relation
X
I^ = jek ihek j with I^ j i = j i
k

Now we can represent the operator action in a basis, which shows up as a matrix multiplikation
X X
j i = Q ^j i j i= jen ihen j i = an jen i an = hen j i
n n
X X
^j i=
hem j i = hem jQ ^ n ihen j i =
hem jQje Qmn an = bm
n n
X
) also Qmn an = bm
n

Here the operator action is represented by matrix multiplikation with vector components. In this represen-
tation is assumed, that the basis is discretely countable (n is discrete index).
The operators in the quantum mechanics are hermitean, hence equal to the conjugate-complex-transposed,
i.e. formally
Q^=Q ^y or h jQ^ j i = h jQ
^ y j i = h jQ ^j i

A visualization are the following examples of hermitean matrizes

0 1
1 3 i 4
1 i @ 3+i
or 2 6+i A
i 1
4 6 i 5
The eigenvalues of these matrices are indeed reals, namely (2; 0), or (9:2259; 2:7363; 7:9622). The visual-
ization of the action of a hermitean operator: stretching of a state in all directions.

5.2.3 Representations of quantum mechanics

The position space representation uses functions to represent the 1-dimensional Hilbert space, hence
(x) = hxj i (x) = h jxi
To understand this, we …rst have to introduce a continuous basis. Let x
^ be the position operator and let
eigenfunctions jxi and eigenvalues x be de…ned by
x
^ jxi = x jxi
The orthonormalization of the continuous basis elements reads (with the Dirac-delta function)
hxjyi = (x y)
Since the basis is continuous, we use integrals instead of sums. This concerns also the completeness relation,
which now is Z Z
I^ = jxihxj dx or I^ = j~xih~xj d3 x

Therefore the wavefunction (x) can now be understood as the coe¢ cient of the expansion of the state j i
in the basis, which is given by eigenvectors jxi of the position operator x
^
Z
j i = jxihxj i dx (x) = hxj i

Then the scalar product of two states can be represented by „wavefunctions” as

Z Z
h j i = h jxihxj id3 x = (x) (x)d3 x

The operator action in general can be represented as follows

Z Z
j i = Q ^j i j i = jxihxj id3 x = (x)jxid3 x
Z Z
^ ^ 3
hyj i = hyjQ j i = hyjQ jxihxj id x = hyjQ ^ jxi (x)d3 x = (y)

74
^ its action
Spectral representation of an operator With the help of an eigenbasis jen i of an operator Q,
can be described as follows
!
X X X
^
Qj i = ^
Qjen ihen j i = n jen ihen j i = n jen ihen j j i
n n n

^ with discrete eigenvalues (bound systems) is

Then the spectral representation of an operator Q
X
^=
Q n jen ihen j
n

For continuous eigenwert spectrum (e.g. for the position operator Q^=x^, ja i = jxi, = x) we have
Z Z Z
^j i= Q
Q ^ ja iha j id3 x = ja iha j id3 x = ja iha j d j i

^ with continuous eigenvalues (waves, scattered waves) is

The spectral representation of an operator Q
Z
^
Q= ja iha j d

More precise explanation of the position operator The position operator can better be explained
by the action on the more descriptive wavefunctions

x
^ (x) = x (x)

Translated in Dirac-notation we have

Z Z Z
hxj^
x j i = hxj^ x jyihyj i dy = x hx jyihyj i dy = x (x y)hyj i dy = x hxj i = x (x)

hence correspondingly for the action on the wave functions

Z
x^ = x (x y)::: dy

Fourier transformation As we know we can fourier transform (most) functions. The fourier transformed
functions (momentum space representation) can be transformed back. We can understand the functions
and the fourier transformed functions as equivalent representation in two di¤erent function spaces. Let
the momentum operator p^ and the eigenstates jpi with eigenvalues p be given . Then the following basis
transformation can be done
Z Z
(p) = hpj i = hpjxihxj id3 x = hpjxi (x)d3 x

This is nothing else than a fourier transformation

Z
1 ipx
(p) = F [ ] (p) = 3=2
e (x)d3 x
(2 )
1 ipx 1
hpjxi = 3=2
e hxjpi = 3=2
eipx
(2 ) (2 )
The fourier transformation is therefore a basis transformation (from position space into momentum space).
But the fourier operator is no hermitean operator, but from another, complementary category: an unitary
operator. The hermitean conjugation transforms an unitary operator into its inverse, hence
^y = U
U ^ 1
) ^ yU
U ^ = I^

Unitary operators enable basis transformations from one ONB into another
^ jen i = je0n i
U
^ yU
he0m je0n i = hem jU ^ jen i = hem jen i

75
The spectral representation of the operator is
X
^=
U je0k ihek j
k

The matrix elements are

X X
^ jen i =
hem jU hem je0k ihek jen i = hem je0k i kn = hem je0n i = Umn
k k

The eigenvalues of the unitary operator are in general complex and from absolute value 1. The descriptive
understanding of the action of an unitary operator: a rotation in the Hilbert space.

5.2.4 Representation by quantum numbers

In a quantum state the energy is the most important quantum number and is usually the foundation of a
basis. However states are often energy degenerate, and further distinctive criteria for the description of the
state are necessary. An example is the angular momentum, but also here angular momentum states might be
degenerate (several di¤erent states with the same absolute value of angular momentum). In the end, always
a unique description of states can be found in the „complete set of commuting operators” (complete set of
observables which can simultaneously be measured sharply). These uniquely labeled eigenstates represent
then a basis of the Hilbert space. Individual states can be identi…ed by specifying the complete list of
quantum numbers
jn`m:::i
Let us consider the following examples:

Electron in 1D-well or parabolic potential: the energy is NOT degenerate here (although the parity
commutes with the Hamilton operator). The states jni are uniquely labeled with the energy eigenvalue.
plane wave: we need the energy eigenvalue and the direction of propagation
Hydrogen atom: we need the energy, the angular momentum, the projection of the angular momentum

Electron in solid

5.3 Schrödinger equation of a single particle

The Schrödinger equation describes the wavefunction of a particle Wellenfunktion
@ }2 2
i} (r; t) = r + V (r; t) (r; t) (8)
@t 2m
In this equation, is the wavefunction, m is the mass of the particle, } = h=2 is the (reduced) Planck’s
constant, and V is the potential in which the particle is moving.
The energy and many other properties of the particle can be obtained by solving the Schrödinger equation
for , subject to the appropriate boundary conditions. The equation is a linear, partial di¤ erential equation
of …rst order in time and second order in space (similiar to the heat equation but di¤erent because of the lineare,
imaginary factor i). partielle
Di¤erential-
5.4 Operators and Eigenvalues gleichung

An operator A^ is de…ned as a prescription to modify a function to obtain another function . The

functions in our context have (real arguments and) complex value.

A^ : (r; t) 7 ! A^ (r; t) = (r; t) (9)

A prescription to assign a number to functions ; is given by the scalar product:

Z
h j i := d3 x (r; t) (r; t) (10)

76
The value can be calculated and is …nite when the functions ; are square integrable functions (elements
of the function space L2 ).
A^ is a linear operator when from A^ 1 = 1 and A^ 2 = 2 follows (c1 ; c2 numbers) linearer Oper-
ator
^ 1
A(c 1 + c2 2) = c1 1 + c2 2 (11)

An operator A^ is hermitian when for all functions this equation holds hermitesch

h jA^ i = hA^ j i (12)

Examples of linear operators are

x
^i : (r; t) 7 ! x
^i (r; t) = xi (r; t) (13)
@ @
@xi : (r; t) 7 ! @xi (r; t) (14)
@ @ @
r: (r; t) 7 ! @x (r; t); @y (r; t); @z (r; t) (15)
@2 @2 @2
r2 : (r; t) 7 ! r2 (r; t) = @x2 + @y 2 + @z 2 (r; t) (16)
@ @
@t : (r; t) 7 ! @t (r; t) (17)

An operator A^ may have Eigenvalues. This is the case when Eigenfunctions a exist such that the Eigenvalue Eigenwerte
equation holds Eigenfunktionen
A^ a (r; t) = a a (r; t) (18)
When A^ is an hermitian operator, a is always a real number.
The Eigenfunctions corresponding to di¤erent eigenvalues of hermitian operators are orthogonal, i.e.

h aj bi = 0 for a 6= b

Furthermore, the Eigenfunctions of an hermitian operator form a complete set in the sense that any function
can be built as a linear combination X
= cn n
n

5.5 Correspondence principle - heuristic explanation

In quantum mechanics, classical physical quantities correspond to hermitian operators. In such a way, the
classical equations of motion of particles can be considered as a limit of the quantum mechanical description
in terms of a wavefunction. Korres-
pondenz-
position r !^
r (19) prinzip
momentum p ! i}r (20)
@
energy E ! i} (21)
@t
p2 }2 2
kinetic energy T = ! r (22)
2m 2m
potential energy V = V (r) ! V (^
r) (23)
angular momentum L=r p ! i}(r r) (24)

For a free particle, the total energy is given by the kinetic energy, and the correspondance reads

p2 @ }2 2
E= ! i} = r (25)
2m @t 2m
This is the Schrödinger equation for a free particle. It has to be explained, how can be related to the
position of a particle.

77
6 Gewöhnliche Di¤erentialgleichungen
6.1 De…nition und Beispiele

Bei der Suche nach der Lösung sind in der Regel Integrationen erforderlich. Dabei treten Integrationskon-
stanten Ci auf. In der Regel treten bei der Ordnung n genau n Integrationskonstanten auf. Um die
Lösung der DGL eindeutig zu machen, müssen die Integrationskonstanten durch zusätzliche Bedingungen
festgelegt werden.
Doch zunächst einige Beispiele für DGL:
(a) hier keine explizite Abhängigkeit von x
y 0 (x) = y(x) x2R
Eine Lösung ist (Einsetzen) y(x) = exp(x); x 2 R
(b) hier mit expliziter x-Abhängigkeit
2
y 0 (x) = x [y(x)] x>0
Zwei Lösungen sind (Einsetzen): y1 (x) = 2=x2 , y2 (x) = 2= 2 x2
(c) hier sind die Argumente reell, die Lösungen aber komplexwertig (wie bei Schrödingergleichung)
x
y 0 (x) = x>0
exp (i y(x))
zeigen Sie, daßy(x) = i ln i=2 x2 + 1 eine Lösung ist (Einsetzen)
(d) eine DGL 2. Ordnung ist
y 00 (x) + y(x) = sin(x) x2R
hier kann man zeigen, das jede Lösung sich als y(x) = x=2 cos(x) + C1 sin(x) + C2 cos(x) schreiben läß
t.

(e) Welche Funktion löst folgende lineare DGL mit nicht-konstante Koe¢ zienten ?
y 0 (x) = 3x2 (y(x) + 1)
(i) y(x) = exp(x3 ), (ii) y(x) = 1, (iii) y(x) = 2 exp(x3 ) 1, (iv) y(x) = 1 + 1= 3x2

78
6.2 Anfangswertprobleme
De…nition (Anfangswertproblem): Ist zusätzlich zur Di¤erentialgleichung

y (n) (x) = f (x; y(x); :::; y (n 1)

(x)); x2I

noch ein Satz von Bedingungen

y(x0 ) = y0 ; y 0 (x0 ) = y1 ; ; :::; y (n 1)

(x0 ) = yn 1

gegeben, so sprechen wir von einem Anfangswertproblem für die gesuchte Funktion y. Dabei mußx0 eine
Stelle aus dem (Abschluss des) Intervalls I sein.
Beim Anfangswertproblem werden die Bedingungen für die Bestimmung der Integrationskonstanten für
einen bestimmten Wert x0 der unabh. Variablen formuliert. Daher (bei der Zeit als Variable) An-
fangswertproblem. Bei diesen Problemen wird durch die Anfangsbedingung genau eine Lösung aus der
Menge der Lösungen der DGL ausgewählt, die Lösung des Anfangswertproblems ist eindeutig.

6.3 Randwertprobleme
Eine andere Möglichkeit die unbekannten Integrationskonstanten festzulegen, sind Bedingungen bei ver-
schiedenen Werten der unabhängigen Variablen. Damit ist ein Randwertproblem formuliert.
Ein Beispiel sei eine DGL für ein Federpendel:
D D
y 00 (x) = y(x) !2 =
m m
mit skalierten Koordinaten
y 00 + ! 2 y = 0
Die allgemeine Lösung mit Integrationskonstanten A und B wäre.

y(t) = A cos (! t) + B cos (! t)

Ein Anfangswertproblem wäre beispielsweise durch zwei Bedingungen für t = 0 gegeben: y(0) = y0
y 0 (0) = 0

y0 = y(0) = A cos(0) + B sin(0) = A

0 = y 0 (0) = A! sin(0) + B! cos(0) = B!

und die Lösung wäre dann eindeutig

y(t) = y0 cos (! t)
Bei einem Randwertproblem ist aber beispielsweise mit y(0) = 1; y( =2) = 1

A cos(0) + B sin(0) = A=1

A cos( =2) + B sin( =2) = B= 1

eine eindeutige Lösung gegeben. Hingegen mit y(0) = 1; y( ) = 1

A cos(0) + B sin(0) = A=1

A cos( ) + B sin( ) = A= 1

ist nur A festgelegt und B frei wählbar, es gibt daher viele Lösungen. Die mathematische Theorie der
Randwertprobleme ist viel komplizierter, weil viele Fälle auftreten können: keine Lösung, eine Lösung,
mehrere Lösungen...

79
6.4 Wichtige Di¤erentialgleichungen
Dieselben DGL kommen bei Anfangswertaufgaben AWA) oder bei Randwertaufgaben (RWA) vor.
Lineare DGL 1. Ordnung mit konstanten Koe¢ zienten, z.B. exponentielles Wachstum, radioaktiver Zerfall,
Zinsrechnung
y 0 (x) + c y(x) = f (x)
Lineare DGL 1. Ordnung mit nicht-konstanten Koe¢ zienten

a(x) y 0 (x) + b(x) y(x) = f (x)

Lineare DGL 2. Ordnung mit konstanten Koe¢ zienten, z.B. harmonische Schwingungen mit Dämpfung,
instabile Systeme (AWA)
y 00 (x) + k y 0 (x) + y(x) = f (x)
Lineare DGL 4. Ordnung, Biegelinie eines elastischen Balkens

E I(x) y (4) (x) = q(x)

Lineare DGL 2. Ordnung mit nicht-konstanten Koe¢ zienten,

A(x) y 00 (x) + B(x) y 0 (x) + C(x) y(x) = f (x)

z.B. Hermite’sche DGL (Lösungen beschreiben quantenmechanischen harmonischen Oszillator)

y 00 (x) 2xy 0 + 2ny(x) = 0

z.B. Legendre’sche DGL (Lösungen der Poisson-Gleichung in Kugelkordinaten)

(1 x2 )y 00 (x) 2xy 0 (x) + n(n + 1)y(x) = 0

z.B. Bessel’sche DGL (Lösungen der Laplace-Gleichung in Kugel- oder Zylinderkoordinaten, z.B. bei
schwingenden membranen oder Wellenleitern

x2 y 00 (x) + xy 0 + (x2 n2 )y(x) = 0

z.B. Laguerre’sche DGL (Lösungen des radialen Anteils der Schrödinger-Gleichung für Wassersto¤atom)

xy 00 (x) + (1 x)y 0 (x) + ny(x) = 0

80
Verallgemeinertes Wachstum und Schwingung Bekannt ist die DGL für Wachstum

y 0 (x) = y(x)

mit der bekannten Lösung

y(x) = exp(x)
Eine Verallgemeinerung ist
p
y 0 (x) = [y(x)] p2R
Lösung durch Separation der Variablen, z.B. für y(0) = 1
Z Z y(x)
dy 1 p+1
= dx ) y =x
yp p+1 y(0)
1
p+1 p+1
y (x) y (0) = (1 p) x y(x) = [1 + (1 p) x] 1 p

Die Exponentialfunktion tritt hier nur für den pathologischen Fall p = 1 auf, da dann
Z Z
dy
ln y = = dx = x
y
Die Stammfunktion nicht mehr rational ist.

alle Lösungen Schwingungslösung Ballschleuder

Verallgemeinerte Schwingung Ein ähnliches Beispiel mit Lösungen, die stark von der Parameterwahl
abhängen, ist gegeben durch
y 00 (x) + y(x) = 0
Für positive Werte beschreibt dies eine harmonische Schwingung (also = ! 2 ), also

y(x) = C1 cos(!x) + C2 sin(!x)

Für = 0 habe wir die DGL für eine unbeschleunigte Bewegung mit Lösung durch 2-fache Integration

y 00 (x) = 0 y(x) = C1 + C2 x

Für < 0 haben wir eine DGL für exponentiell zunehmende und abnehmende Bewegungen
p p
y(x) = C1 exp( x) + C2 exp( x)

Eine andere Darstellung der allg. Lösung ist durch Hyperbelfunktionen gegeben
p p
y(x) = C^1 cosh( x) + C^2 sinh( x)

Ein dazu passendes physikalisches System wäre eine Rohrschleuder (siehe Bild).
Ein weiteres Beispiel für Änderung der Lösung bei parametrischer Änderung der Gleichung wären die
gedämpften Schwingungen. Hier parametrisiert k die Reibung

y 00 + k y 0 + y=0

81
Beim elektrischen Schwinkreis wäre die Gleichung für die Ladung auf Q(t) auf dem Kondensator mit Ka-
pazität C, bei ohm’schem Widerstand R und Spuleninduktivität L, die Reibung wäre
Q • + R Q_ + Q = 0 R 1
L I_ + R I +
=0 ) Q k= =
C L LC L LC
Oder bei der Schwingung mit Reibung wäre
r D r D
mx
• + r x_ + D x = 0 ) x_ + x=0x
•+ k= =
m m m m
Die Lösungen sind die schwach, mittel und stark gedämpften Schwingungen
r
x k=2 x k=2 2 k2
y(x) = C1 e cos(! x) + e C2 sin(! x) !=
4
Für k < 2 ergeben sich Schwingungen (Nulldurchgang), bei k = 2 gerade kein Nulldurchgang, bei k > 0 kein
Nulldurchgang.

6.5 Reduktion der Ordnung der DGL

Beispiel:
y 000 (x) + 2y 00 (x) y 0 (x) = sin x
Ersetze
z(x) = y 0 (x) ) z 00 + 2 z 0 z = sin x
Lösung
p p 1 1
y 0 (x) = z(x) = C1 ex( 2 1) + C2 e x( 2+1) sin x cos x
Z 4 4
p p 1 1
y(x) = C1 ex( 2 1) + C2 e x( 2+1) sin x cos x dx
4 4
p p p p 1 p 1 p p
= e x( 2+1) C1 e2 2x + 2C1 e2 2x + (cos x) ex+ 2x (sin x) ex+ 2x 2C2 + C3
4 4

6.6 Separation der Variablen

De…nition: Eine DGL erster Ordnung der Form
y 0 (x) = g(y(x)) h(x) x2I
wird separable DGL genannt. Dabei sind g : C ! C und h : I ! C zwei Funktionen.
Damit läßt sich umformen (in Physiker-Schreibweise)
Z Z
dy dy dy
= g(y(x)) h(x) ) = h(x) dx ) = h(x) dx
dx g(y(x)) g(y(x))
Aufgabe: Welche DGL sind separabel ?
y
(a) x y0 =
x2
(b) x2 y 0 = sin(y + x)
0
(c) y = exp(x + y)
p 0
(d) xy = y2 + x

82
Aufgaben: Berechnen Sie die allg. Lösungen folgender DGL’s

) (a) y 0 (x) = x2 y(x) x2R

0 2
) (b) y (x) + x y(x) = 0 x2R
p
) (c) x y 0 (x) = 1 y(x)2 x2R

6.7 Lösung mit Ansatz: Variation der Konstanten

Eine sehr groß
e Klasse von Lösungsverfahren beruht auf einem Ansatz. Ein typischer Fall ist:

y 0 = y + x2

Die Lösung von y 0 = y ist bekannt (und ist y(x) = C exp(x)) und die untersuchte Gleichung unterscheidet
sich nur in einer Funktion von x. Wir machen den erweiterten Ansatz, genannt Variation der Konstanten

y = c(x) exp(x)

und setzen in die DGL ein y 0 = c(x) exp(x) + c0 (x) exp(x)

c(x) exp(x) + c0 (x) exp(x) = c(x) exp(x) + x2

c0 (x) = x2 exp( x)

Daßdie Funktion c nun nicht mehr selbst in der Gleichung vorkommt, ist kein Zufall. Dadurch reduziert
sich die Berechnung von c auf gewöhnliche Integration (Integrationskonstante d)

c(x) = d x2 + 2x + 2 exp( x)

und die allgemeine Lösung lautet

y(x) = d exp(x) x2 2x 2

Aufgabe:
Lösen Sie allgemein
1
x y0 + y =
x
Lösung: homogen
dy dx
x y0 + y = 0 ) =
y x
C
ln y = ln x + C ) y=
x

83
Jetzt Variation der Konstanten: inhomogener Term ist 1=x. Daher Ansatz
c(x) c0 (x) c(x)
yp (x) = ) yp0 (x) =
x x x2
c0 (x) c(x) c(x) 1
) x + =
x x2 x x
1
c0 (x) = ) c(x) = ln(x)
x
ln(x)
yp (x) =
x
Und insgesamt die allgemeine Lösung
C ln(x)
y(x) = yh (x) + yp (x) = +
x x

6.8 Lineare DGL 1. Ordnung: allgemeines Lösungsverfahren

De…nition: Eine Di¤erentialgleichung vom Typ
a(x)y 0 (x) + b(x)y(x) = f (x)
mit gegebenen Funktionen a und b, nennt man lineare DGL 1. Ordnung. Ist f 6= 0 spricht man von
einer inhomogenen linearen DGL.
Satz: Zunächst wird die Lösung der zugehörigen homogenen linearen DGL gesucht
a(x)y 0 (x) + b(x)y(x) = 0
Die allgemeine Lösung y(x) setzt sich nun zusammen aus einer Lösung der homogenen Gleichung yh (x) und
einer beliebigen Lösung der inhomogenen Gleichung yp (x) (irgendeiner, daher partikulären Lösung)
y(x) = yh (x) + yp (x)
Beweis: yp (x) sei die gewählte partikuläre Lösung und y(x) eine andere Lösung. Die Di¤erenz yh (x) =
y(x) yp (x) löst aber (Einsetzen) die homogene Gleichung. Daher ist die willkürliche Wahl von yp (x) egal.
Satz: Alle Lösungen linearer DGL’s n-ter Ordnung lassen sich durch eine Linearkombination von n
Fundamentallösungen (Lösungen der homogenen Gleichung) und einer partikulären lösung (Lösung der in-
homogenen Gleichung) darstellen.
Vorgehensweise zur Au¢ ndung der partikulären lösung: Die homogene Lösung kann immer
durch Separation der Variablen gelöst werden. Die partikuläre Lösung wird dann mit der Variation der
Konstanten gesucht.

6.9 Reduktion der Ordnung der DGL

Jede Gleichung n-ter Ordnung läß t sich als System [Link] formulieren. Die DGL 1. Ordnung sind
besonders wichtig, weil wir durch Einführung von weiteren Unbekannten ein System 1. Ordnung daraus
machen können. Beispiel: gegeben sei DGL 3. Ordnung
y 000 (x) + 2y 00 (x) y 0 (x) 2y(x) = sin(x)
Wir führen die vektorwertige Funktion ~u(x) bzw. die Komponenten ~u = (u1 (x); u2 (x); u3 (x)) ein
u1 (x) = y(x) u2 (x) = y 0 (x) u3 (x) = y 00 (x)
Dann gelten die DGL
u01 = u2 u02 = u3
u03 = 2y 00 + y 0 + 2y + sin(x) = 2u3 + u2 + 2u1 + sin(x)
Anders geschrieben
0 1 0 10 1 0 1
u01 0 1 0 u1 0
~u0 (x) = @ u02 A = @ 0 0 1 A @ u2 A + @ 0 A
u03 2 1 2 u3 sin(x)

84
6.10 Eigenwertproblem einer DGL und Reihenentwicklung: Das Sturm-Liouville-
Problem
Wieso sind Bessel/Legendre/Hermite DGL (als Randwertprobleme) wichtig, also ganz bestimmte lineare
DGL ? Diese entstehen aus wichtigen partiellen DGL der Physik, die in symmetrischen Geometrien mit dem
Separationsansatz gelöst werden können. Berühmte DGL’s, die jetzt auftauchen werden, sind
2
f 00 + f = 0 Schwingungsgleichung mit Randbedingungen
2 00 0 2
x f + xf f = 0 ??? DGL mit Randbedingungen
2 00 0 2 2
x f + xf + x f = 0 Bessel’sche DGL mit Randbedingungen
2 0 0
1 x f + ( + 1) f = 0 Legendre’sche DGL mit Randbedingungen
00 0
f 2xf + ( 1) f = 0 Hermite’sche DGL mit Randbedingungen

Bei den gewöhnlichen DGL haben wir den Unterschied zwischen Anfangswert- und Randw-
ertproblemen kennengelernt: Anfangswertprobleme führen zu eindeutigen Lösungen, Randwertprobleme
führen manchmal zu gar keinen Lösungen, manchmal zu vielen Lösungen. Es treten manchmal Eigenwert-
probleme auf: Lösungen können nur bei bestimmten Werten dieser Parameter gefunden werden.
Die gesamte Situation wird durch den Satz von Sturm-Liouville geklärt
Sturm-Liouville-Problem: Folgendes gilt für eine gewöhnliche DGL der Form
0
(p(x) f (x)0 ) + [q(x) + r(x)] f (x) = 0 a<x<b

mit linearen, homogenen Randbedingungen ( , c1 , c2 , c3 , c4 Konstanten)

c1 f (a) + c2 f 0 (a) = 0 c3 f (b) + c4 f 0 (b) = 0

Lösungen existieren nur für gewisse . Diese heiß

en Eigenwerte, die dazu gehörigen Lösungen Eigen-
funktionen
Die Eigenfunktionen fk (x), k 2 Z; erfüllen eine Orthogonalitätsrelation
Z b
r(x)fk (x)fj (x)dx = 0 für k 6= j
a

Die fk bilden ein vollständiges Funktionensystem auf [a; b], d.h. jede (hinreichend gutartige)
Funktion h(x) auf auf [a; b] läß
t sich als Linearkombination der fk (x) schreiben
X
h(x) = ck fk (x)
k

Die Koe¢ zienten ck erhält man durch folgende Rechnung

Z Z Z Rb
b X b b
r(x)fk (x)h(x)dx
r(x)fj (x)h(x)dx = ck r(x)fj (x)fk (x)dx = ck r(x)fk2 (x)dx ) ck = a
Rb
a k a a
a
r(x)fk2 (x)dx

Beispiel: Schwingungsgleichung f 00 + 2 f = 0 mit Randbedingungen f (0) = f (1) = 0. (a) Identi…ziere

p(x); q(x); r(x) und c1 ; c2 ; c3 ; c4 , (b) suche Lösung (c) zeigen Sie die Orthogonalität und Vollständigkeit
der Funktionen und (d) beweisen Sie, daßSie die allgemeine Lösung gefunden haben..

Lösung: (a) p(x) = r(x) = 1; q(x) = 0, c1 = c3 = 1, c2 = c4 = 0

(b) Lösungen sind fk (x) = sin ( k x) mit diskreten Werten k

f (0) = 0 ) k beliebig
f (1) = 0 ) k = 0; ; 2 ; 3 ; ::: also k ; k 2 Z

(b) Die Funktionen sind jeweils zueinander orthogonal, d.h.

Z b Z 1
r(x)fk (x)fj (x)dx = sin(k x) sin(j x)dx = 0 für k 6= j
a 0

85
weil
Z 1 Z 1
1
sin(k x) sin(j x)dx = 2 eik x e ik x
eij x
e ij x
dx
0 (2i) 0
Z
1 1 i (j+k)x
= e ei (k j)x
ei (j k)x
+e i (j+k)x
dx
4 0
hier jetzt Fallunterscheidung
Z 1 Z 1
1
k = j: sin(k x) sin(j x)dx = sin(k x)2 dx =
0 0 2
Z 1 1
1 ei (j+k)x e i (j+k)x ei (k j)x
ei (j k)x
k 6= j: sin(k x) sin(j x)dx = +
0 4 i (j + k) i (j + k) i (j k) i (j k) 0
1
1 1 1
= ei (j+k)x
e i (j+k)x + ei (k j)x ei (j k)x
4 i (j + k) i (j k) 0
1 1 1
= ei (j+k)
e i (j+k) + ei (k j) e i (k j) =0
4 i (j + k) i (j k)
(c) Die Koe¢ zienten kj der Reihendarstellung einer Funktion h(x) sind
Z 1 R1 Z 1
2 1 f (x)h(x)dx
0 j
r(x) = 1 sin (k x)dx = kj = R b =2 sin(j x)h(x)dx
0 2 f 2 (x)dx 0
a i
P
(d) Es handelt sich um ein Fourierproblem. Daher ist die Reihe vollständig und h(x) = j kj sin(j x) ist
die allgemeine Lösung

Transformation auf Sturm-Liouville-Form Folgende Di¤erentialgleichungen sind äquivalent

0
A f 00 B f0 + C f = f (p f 0 ) + q f = wf

mit Z x
B( ) A0 ( )
w(x) = exp d p(x) = w(x) A(x) q(x) = w(x) C(x)
0 A( )
Beweis:
B A0 0
w0 = w ) Aw0 + A0 w = (Aw) = Bw = p0
A
0
wf = (p f 0 ) + q f = p0 f 0 pf 00 + qf = Bwf 0 Awf 00 + Cwf = w ( Af 00 Bf 0 + Cf )
) f= Af 00 Bf 0 + Cf

d.h. jede lineare DGL 2. Ordnung ist vom Sturm-Liouville Typ

6.11 Die Wellengleichung

Schwingungen einer Trommel: die Auslenkung z = z(t; x; y) ist Lösung der Wellengleichung mit Randbedin-
gungen z(t; Randpunkte) = 0
@2z @2z @2z
2
= z= 2
+ 2
@t @x @y
Die Lösung wird durch Überführung in gewöhnliche DGL’s erreicht, mit dem Separationsansatz z(t; x; y) =
f (t)u(x; y). Einsetzen führt zu

f• u
f•u = f u00 ) = !2 =
f u
Beide Seiten müssen konstant sein und negativ (damit es Schwingungslösungen gibt), deswegen ! 2 . Es
ergibt sich
f• + ! 2 f = 0 u + !2 u = 0

86
f ergibt sich aus einem Anfangswertproblem als f (t) = exp(i!t), allerdings muss ! durch das Randwert-
problem der Helmholtz-Gleichung bestimmt werden

u + !2 u = 0

Wir haben hier aber immer noch kein Randwertproblem einer gewöhnlichen DGL vor uns. Dies …nden wir
in einfachen Geometrien, z.B. einer scheibenförmigen Trommel, wo wir Polarkoordinaten verwenden können
u = u(r; ')
@ 2 u 1 @u 1 @2u
u + !2 u = + + + !2 u = 0
@r2 r @r r2 @'2
Hier hilft wieder ein Separationsansatz weiter u(r; ') = g(r)h(')
Aufgabe: bestimmen Sie die DGL’s für g und h nach dem Separationsansatz
Lösung:
1 1
0 = g 00 h + g 0 h + 2 gh00 + ! 2 gh
r r
0 = r2 g 00 h + rg 0 h + gh00 + r2 ! 2 gh
00
h r2 g 00 + rg 0 + r2 ! 2 g 2
= = const =
h g
Beide Seiten müssen gleich derselben Konstanten sein. Diese muss positiv sein, damit die azimuthale Gle-
ichung periodisch ist
h00 + 2 h = 0 h(') = ei ' für = 0; 1; 2; :::
Damit ist die radiale Gleichung
2
0 = r2 g 00 (r) + rg 0 (r) + r2 ! 2 g(r) = 0

Eine Standardform wird durch Substitution x = !r erreicht, wobei dann g(x) = J(x) genannt wird
Aufgabe: berechne die Standardform
Lösung:
@ @x @ @
= =!
@r @r @x @x
x 2 2 @2g x @g x 2
2
0 = ! + ! + !2 g
! @x2 ! @x !
2
0 = x2 J 00 + xJ 0 + x2 J

Die Bessel’sche Di¤erentialgleichung kann für Anfangsbedingungen oder Randbedingungen gelöst wer-
den. Wenn Randbedingungen gegeben sind, wie bei der schwingenden Membran auf der Scheibe, ergibt sich
ein Sturm-Liouville’sches Randwertproblem.
Die Bessel’sche Di¤erentialgleichung ist eine lineare DGL [Link] mit nicht-konstanten Koef-
…zienten. Mit diese Klasse von DGL lassen sich die wichtigsten partiellen DGL der Physik lösen (Wellen-Gl.,
Wärmeleitungs- oder Di¤usions-Gl., Schrödinger-Gl.).

6.12 Frobenius-Methode
Lösung von Di¤erentialgleichungen durch "geratenen Ansatz" ist eine Methode, die z.B. bei der Schwingungs-
Di¤erentialgleichung verwendet wird (Ansatz mit sin x und cos x bzw. exp(i!x)). Diese Methode kann
generell auf die linearen DGL. 2. Ordnung mit nicht-konstanten Koe¢ zienten verallgemeinert werden. Der
verallgemeinerte Ansatz bei der Bessel’schen DGL lautet
1
X
J(x) = xn ck xk
k=0

Die Lösung der DGL besteht nun darin, alle Koe¢ zienten ck zu bestimmen.

87
Bevor wir die Bessel’sche DGL lösen, schauen wir uns eine einfachere DGL an: 0 = y 00 y mit Ansatz
1
X
y(x) = ak xk = a0 + a1 x + a2 x2 + :::
k=0
1
X 1
X
y 0 (x) = a1 + 2a2 x + 3a3 x2 + ::: = kak xk 1
y 00 = 2a2 + 6a3 x + 12a4 x2 + ::: = k (k 1) ak xk 2

k=0 k=0
1
X 1
X 1
X X1
0 = y 00 y)0= k (k 1) ak xk 2
ak xk : wegen k (k 1) ak xk 2
= (k + 2) (k + 1) ak+2 xk
k=0 k=0 k=0 k=0
1
X
folgt 0 = ((k + 2) (k + 1) ak+2 ak ) xk
k=0

und wir erhalten die Rekursionsformel

1
(k + 2) (k + 1) ak+2 ak ) ak+2 = ak k 0
(k + 2) (k + 1)

Einsetzen liefert
1
n = 0 a2 = a0
2
1
n = 1 a3 = a1
3 2
1 1 1
n = 2 a4 = a2 = a0 = a0
4 3 4 3 2 4!
1 1 1
n = 3 a5 = a3 = a1 = a1
5 4 5 4 3 2 5!
1
n = 4 a6 = ::: = a0
6!
1
n = 5 a7 = ::: = a0
7!
Wir vermuten nun, dass für gerade Indizes (k = 2m) bzw. ungerade Indizes (k = 2m + 1) gilt
1 1
a2m = a0 a2m+1 = a1
(2m)! (2m + 1)!

Somit ist
1
X 1
X 1
X 1
X X1
1 1
y(x) = ak xk = a2m x2m + a2m+1 x2m+1 = a0 x2m + a1 x2m+1
m=0 m=0 m=0
(2m)! m=0
(2m + 1)!
k=0
a0 x a1 x a0 + a1 x a0 a1 x
= e +e x + e e x = e + e
2 2 2 2
P1 1
P1 1
Aufgabe: zeige, dass m=0 (2m)! x2m = ex + e x und m=0 (2m+1)! x2m+1 = ex e x

6.13 Bessel-Funktionen
Zurück zur Bessel’schen Di¤erentialgleichung

x2 J 00 + xJ 0 + x2 n2 J = 0

88
Weil die Ordnung der DGL zwei ist, erwarten wir zwei linear unabhängige Lösungen. Wir setzen folgenden
Ansatz in die DGL ein
1 1
! 1
! 1
!
X 2 X d X X
n k 2 d k+n k+n 2 2 k+n
J(x) = x ck x ) 0=x ck x +x ck x + x n ck x
dx2 dx
k=0 k=0 k=0 k=0
1
X 1
X 1
X 1
X
0 = xk+n ck (k + n) + xk+n ck (k + n) (k + n 1) + x2 xk+n ck n2 xk+n ck
k=0 k=0 k=0 k=0
1
X X1
mit : x2 xk+n ck ! x2 xk+n 2
ck 2
k=0 k=2
1
X
0 = xk+n ck (k + n) + ck (k + n) (k + n 1) + ck 2 n2 ck
k=0
k = 0 0 = c0 n + c0 n (n 1) n2 c0 ) 0=0
2
k = 1 0 = c1 (1 + n) + c1 (1 + n) n n c1 ) 0 = (1 + 2n) c1
k = 2 0 = c2 (2 + n) + c2 (2 + n) (n + 1) + c0 n 2 c2 ) 0 = c0 + 22 + 2n 2 c2
k = 3 0 = c3 (3 + n) + c3 (3 + n) (3 + n 1) + c1 n 2 c3 ) 0 = c1 + 32 + 2n 3 c3
k = k 0 = ck (k + n) + ck (k + n) (k + n 1) + ck 2 n2 ck ) 0 = ck 2 + k 2 + 2k n ck
Zunächst c1 = 0. Weil c0 frei wählbar ist, setze c0 = 1, damit ist
k 1
c2k 1 =0 c2k = ( 1)
4k k! (n + 1) (n + 2) ::: (n + k)
Die erhaltene Reihe
1
X k 1
J(x) = xn ( 1)
4k k! (n + 1) (n + 2) ::: (n + k)
k=0

konvergiert für alle reellen x. Üblicherweise verwendet man ein Vielfaches dieser Fuktion (Division durch1
2n (n + 1)) und de…niert die Besselfunktionen 1. Art der Ordnung n
1
X k 2k+n
( 1) x
J(x) =
k! (n + k + 1) 2
k=0

Die Graphen für nichtnegative ganzzahlige Ordnungen und positives x haben folgenden Verlauf

1.0
y
0.8 J0(x)
J1(x)
0.6 J2(x)
J3(x) J4(x)
0.4

0.2

0.0
1 2 3 4 5 6 7 8 9 10
x
-0.2

-0.4

Die reellen Besselfunktionen 1. Art Jn (x)

1 Die Gammafunktion (x) ist eine Verallgemeinerung der Fakultät auf kontinuierliche Werte. Es gilt: (n + 1) = n! für
n 2 N.

89
Ist n nicht ganzzahlig, sind die Funktionen Jn und J n linear unabhängige Lösungen der Besselgleichung.
Für ganzzahliges n gilt jedoch J n (x) = Jn (x), so dass eine zweite linear unabhängige Lösung der Besselschen
DGL gebraucht wird.
Diese Besselfunktionen 2. Art der Ordnung n (oder Neumann-Funktionen) de…niert man
zunächst für nichtganzzahlige n als Linearkombination

J (x) cos ( ) J (x)

Y (x) =
sin ( )

und bildet für ganzzahlige Werte n den Grenzübergang

Yn (x) = lim Y (x)

Die Graphen der Besselfunktionen 2. Art oder Neumann-Funktionen haben für ganzzahliges n folgenden
Verlauf

0.6 Y0(x)
y Y1(x)
Y2(x)
0.4 Y3(x) Y4(x)

0.2

0.0
1 2 3 4 5 6 7 8 9 10
x
-0.2

-0.4

-0.6

-0.8

Die reellen Besselfunktionen 2. Art Yn (x)

Damit ist die allgemeine Lösung der Bessel’schen Di¤erentialgleichung für jeden Wert von n gegeben

c1 Jn (x) + c2 Yn (x)

Im Beispiel der Trommel war die gesuchte radiale Lösung g im Ursprung beschränkt und am Rande bei r = 1
fest gleich Null. Damit bleiben nur die Besselfkt. 1 Art

gn (r) = Jn (!r) h(') = ein'

sowie die Bedingung

Jn (!) = 0
Die Besselfkt. 1. Art Jn haben nun unendlich viele Nullstellen ! n;m , die mit m gekennzeichnet werden.
Die Lösungen der Gleichung für die Trommel unter Berücksichtigung der Randbedingungen ist daher (die
Eigenfunktionen oder Eigenmoden)

un;m (r; ') = ein' Jn (! n;m r)

mit den dazugehörigen Eigenwerten oder Eigenfrequenzen ! 2n;m .

90
Bessel-Funktionen und Satz von Sturm-Liouville In der Lösung der Wellengleichung für die Trommel
u + ! 2 u = 0 wurde der Separationsansatz u(r; ') = g(r)h(') verwendet. Der azimuthale Faktor h(') ist
eine
P+1beliebige periodische Funktion, welche durch eine Fourrierreihe dargestellt werden kann, also h(') =
in'
n= 1 cn e .
Für jedes n löst der radiale Faktor g(r) = J(!r) ein Randwertproblem 0 = x2 J 00 + xJ 0 + x2 n2 J
mit Lösung Jn (! n;m r), wobei ! n;m Nullstellen sind2 3 . Gemäßdem Satz von Sturm-Liouville bilden die
Lösungen Jn (! n;m r) ein orthogonales Funktionensystem
Z 1
Jn (! n;i r)Jn (! n;j r)dr = 0 für i 6= j
0

welches vollständig ist, also jede Funktion, welche die Randbedingungen erfüllt, lässt sich darstellen als
1
X
f (r) = ck Jn (! n;k r)
k=1

Insgesamt läß
t sich jede Trommelmembran als Fourier-Bessel-Reihe darstellen
+1 X
X 1
u(r; ') = cn;k ein' Jn (! n;k r)
n= 1 k=1

6.14 Sphärische Bessel-Funktionen

Eune Verallgemeinerung der 2-dim. Trommel auf 3-dim ist der sphärische Potentialtopf. Aus der stationären
Schrödinger-Gleichung
~2
+V =E
2m
folgt für den unendlich tiefen Topf vom Radius a
2mE
+ !2 =0 mit !2 =
~2
also auch eine Helmholtz-Gleichung, aber in 3-dim. Hier kann der Laplace-Operator in 3-dim Kugelkoordi-
naten dargestellt werden

1 @ @ 1 @ @ 1 @2
= r2 + sin +
r2 @r @r r2 sin @ @ r2 sin2 @'2

2 Im azimuthalen Fall werden für die periodischen Funktionen auch Nullstellen gesucht. Diese sind bei sin ' aber Vielfache
von , also einfach zu …nden.
3 Im Gegensatz zur sin-Funktion sind die Nullstellen der Besselfunktion J nicht so einfach zu bestimmen, …nden sich aber
n
in Tabellenwerken.

91
Der Separationsansatz (r; ; ') = R(r)Y ( ; ') führt zu

1 @ @R
r2 + r2 !2 = l (l + 1)
R @r @r
1 1 @ @Y 1 @2Y
sin + 2 = l (l + 1)
Y sin @ @ sin @'2

mit der Randbedingung R(0) = const: und R(a) = 0. Dass es gerechtfertigt ist, die Konstante als l (l + 1) zu
schreiben, wobei l ganzzahlig ist, ergibt sich bei Betrachtung der Winkelabhängigen DGL. Wir beschäftigen
uns zunächst nur mit dem radialen Randwertproblem.

@2R @R
0 = r2 + 2r + r2 !2 l (l + 1) R
@r2 @r
Meistens wirrd die DGL mit v(r) = rR(r) transformiert
v 00 v 0 v
0 = r2 + 2r + r2 !2 l (l + 1)
r r r
und es ergibt sich
@2v l (l + 1)
0= + !2 v
@r2 r2
p
Mit x = ! r und R(r) = u(x)= x wird die Gleichung in eine Form überführt, die mit der Bessel-DGL zu
tun hat !
2
2 0 2 1
0 = x u + xu + x l+ u
2

@ @x @ @ @2 2 @
2
= =! 2
= !
@r @r @x @x p@r @x2 p
2 2 2 p
x @ (u(x)= x) x @ (u(x)= x) x
0 = !2 + 2 + !2 l (l + 1) u(x)= x
! @x2 ! @x !

Diese DGL entspricht aber der Bessel’schen DGL für n = l + 1=2. Diese DGL heisst sphärische Bessel-
Gleichung. Die Lösungen sind daher

u Jl+1=2 (x) u Yl+1=2 (x)

Die halbzahligen Besselfunktionen heissen sphärische Besselfunktionen 1. Art und 2. Art

r r
Jl+1=2 (x) nl+1=2 (x)
jl (x) = p yl (x) = p
2 x 2 x
Die Lösung der sphärischen Besselfunktion lautet damit

u(r) = al r jl (!r) + bl r yl (!r)

7 (*) Vektoranalysis
7.1 De…nitionen
Der Gradient eines skalaren Feldes im Raum ist die Verallgemeinerung der Ableitung im Sinne von Rich-
tungsableitungen 0 @ (x;y;z) 1
@x
~ (~r) = r
~ (x; y; z) = grad B @ (x;y;z) C
r =@ @y A
@ (x;y;z)
@z
Wichtigstes Anwendungs-Beispiel ist der Zusammenhang zwischen potentieller Energie und Kraft

F~ (~r) = ~ pot (~r)

92
Ein Vektorfeld, welches Gradient eines Potentialfeldes ist, heiß
t Gradientenfeld.
Die Divergenz eines Vektorfeldes kombiniert Ableitungen eines Vektorfeldes nach dem Ort, so daßein
Skalarfeld entsteht.
0 1
Ex
~ E(~
r ~ r) = r
~ E(x;
~ ~ =r
y; z) = div E ~ @ Ey A = @Ex + @Ey + @Ez
@x @y @z
Ez

Der sich in jedem Punkt ergebende skalare Wert wird auch Quelldichte eines Vektorfeldes genannt: die
Divergenz ist ein Operator, der das Vektorfeld auf die Eigenschaft Quelldichte (wie wir später sehen werden,
entspricht die Quelldichte der Anzahl der entstehenden bzw. verschwindenden Feldlinien pro Volumenele-
ment) hin untersucht und diese Eigenschaft als Skalarfeld ausgibt.
Die Rotation eines Vektorfeldes kombiniert Ableitungen eines Vektorfeldes nach dem Ort, so daßein
neues Vektorfeld entsteht.
0 1 0 @Ez @Ey
1
Ex @y @z
~ E(x;
r ~ ~ =r
y; z) = rot E ~ @ Ey A = B @ @E @Ez C
@x A
x
@z
Ez @Ey @Ex
@x @y

Der sich in jedem Punkt ergebende vektorielle Wert wird auch Wirbeldichte eines Vektorfeldes genannt:
die Rotation ist ein Operator, der das Vektorfeld auf die Eigenschaft Wirbeldichte (Zahl der links bzw.
rechtsherum drehenden Wirbel und Richtung pro Volumenelement) hin untersucht und als vektoriellen Wert
ausgibt.
Beispiele:

1. Ein Vektorfeld kann Quellstärke haben, Wirbelstärke haben, beides haben oder keins von beiden Eigen-
schaften.
~ = (0; x; 0) (b) E
(a) E ~ = (y=(x2 + y 2 ); x=(x2 + y 2 ); 0) (c) E
~ = (x; y; 0)
p p
~ = (y= x2 + y 2 ; x= x2 + y 2 ; 0) (e) E
(d) E ~ = (y; x; 0) (f) E~ = ( x y; x + y; 0)
Vollziehen Sie zunächst nach, dass die 2D-Vektorfelder E(x,y,0) durch die Bilder dargestellt werden.
Berechnen Sie r~ E ~ und r ~ E ~ für (a)-(f)

Lösung:
(a) Vektorfeld hat keine Quelle, aber Wirbel
0 1 0 1 0 1
0 0 0
r @ x A=0 r @ x A=@ 0 A
0 0 1

(b)Vektorfeld hat Quelle und Wirbel

0 1 0 1 0 1
y=(x2 + y 2 ) y=(x2 + y 2 ) 0
4xy @ x=(x2 + y 2 ) A = B C
r @ x=(x2 + y 2 ) A = 2 r @ 0 A
0 (x2 + y2 ) 0 y 2 x2
2 (x2 +y2 )2

93
(c) Vektorfeld hat Quelle aber keine Wirbel
0 1 0 1 0 1
x x 0
r @ y A=2 r @ y A=@ 0 A
0 0 0
(d) Vektorfeld hat keine Quelle aberWirbel
0 p 1 0 p 1 0 1
y= px2 + y 2 y= px2 + y 2 0
r @ x= x2 + y 2 A = 0 r @ x= x2 + y 2 A = B
@ 0 C
A
0 0 p 21 2
x +y

(e) Vektorfeld hat keine Quelle und keine Wirbel

0 1 0 1 0 1
y y 0
r @ x A=0 r @ x A=@ 0 A
0 0 0
(f) Vektorfeld hat keine Quelle und Wirbel
0 1 0 1 0 1
x y x y 0
r @ x+y A=0 r @ x+y A=@ 0 A
0 0 2
2. Eine Kugel mit homogener Massendichte (näherungsweise bei der Erde) hat folgende potentielle Grav-
itationsenergie innerhalb (r < R) und ausserhalb (r R) des Radius (Testmasse m). Analog verhält
es sich mit einer mit Ladung Q elektrisch homogen geladenen Kugel (Testladung q)

Mm
G r r R
Epot (r) = Mm 2 2
( G 2R3 r 3R r<R
1 Qq
4 "0 r r R
Epot (r) = 1 Qq 2
4 "0 2R3 r 3R2 r<R

(a) Berechnen Sie die Kraft

(b) Berechnen Sie die Divergenz der Kraft für r R
Lösung: (a) wie (b), zu (b)
0 3=2
1
x x2 + y 2 + z 2
~ F~ (~r) 1 ~ ~r B
~ @ y x2 + y 2 + z 2 3=2 C
r = Qqr r A
4 "0 r3 3=2
z x2 + y 2 + z 2
3=2 3 5=2 3=2 3 5=2 3=2 3 5=2
= x2 + y 2 + z 2 x 2x ( ) +( ) y 2y ( ) +( ) z 2z ( )
2 2 2
x2 + y 2 + z 2 1
= 3 5=2
3 x2 + y 2 + z 2 5=2
=0
(x2 + y 2 + z2) (x2 + y 2 + z 2 )

Die Quelldichte „ausserhalb” ist Null

für r < R 0 1
x
~ F~ (~r) = 1 Q q ~ ~
r 1 Q q 1 ~ @ y A = 1 Qq
r 2
r = 2
r
4 "0 R R 4 "0 R R 4 "0 R 3
z
Die Quelldichte „innerhalb” ist eine Konstante

94
3. Quadrupolmagnet
Das Bild zeigt einen Querschnitt (xy Ebene) durch einen Quadrupolmagneten.
(a) Zeichnen Sie qualitativ die Magnetfeldlinien
(b) Die magnetische Induktion B ~ sei gegeben durch (g die Quadrupolstärke)
0 1
y
B~ = g@ x A
0

Zeigen Sie, dass es hier keine magnetischen Ladungen gibt (Quellfreiheit)

(c) Welche Kraft wird auf ein Teilchen ausgeübt, welches sich mit der Geschwindigkeit ~v = ( vx ; vy ; vz )
in der Position ~r = (x; y; 0) bewegt? Zeichnen Sie die Vektoren der Kraft in die Zeichnung ein.
(d) Wird der Strahl in einer Position um ~r = (0; 0; 0) stabilisiert ? Wenn nicht, ist Stabilisierung
möglich, wenn Sie die Quadrupole in z-Richtung anders anordnen können ?
Lösung: zu (a)

zu (b)
r ~ = g @Bx + @By + @Bz
~ B =g
@y
+
@x @0
+ =0
@x @y @z @x @y @z

zu (c) 01 0 1 0 1
y vx xvz
F = q@ x A @ vy A = q @ yvz A
0 vz y vx x vy
Die Kraft wirkt stabilisierend in y-Richtung und destabilisierend in x-Richtung
zu (d) Quadrupolmagnete hintereinander mit abwechselnd vertauschtem N und S anordnen

7.2 Typen von Integralen

Substitutionsregel der Integralrechnung
Z b Z '(b) Z b Z '(b)
0 d'
f ('(t)) ' (t) dt = f (x) dx f ('(t)) dt = f (') d'
a '(a) a dt '(a)

95
Wegintegral 1. Art üb er Skalarfeld

Das Linien-, Kurven- oder Wegintegral (1. Art) integriert über Werte einer Funktion f (~r) im Raum
(nicht bloßx-Achse) Z
W = f (~r) ds
C
Zur Berechnung ist der Weg C erforderlich und ds ist das di¤erentielle Wegelement. Der Weg C wird durch
eine vektorwertige Funktion ~r(t) eines eindimensionalen Parameters t de…niert
~r : [a; b] ! R3 oder R2 bei Weg in der Fläche
: t 7 ! ~r(t)
welche den Raum von ~r(a) bis ~r(b) durchläuft. Die Variable t ist in Physik üblicherweise die Zeit. Der
Zusammenhang zwischen ds und ~r(t) führt zu einem gewöhnlichen Integral
Z Z b
d~r d~r
W = f (~r) ds = f (~r(t)) dt also ds = dt
C a dt dt
Beispiel: Bogenlänge s(tE ) eines schiefen Wurfes, Wegintegral 1. Art
g 2 2v0y q
x(t) = v0x t y(t) = v0y t t tA = 0 tE = mit v0x 2 + v2 = v
0y 0
2 g
Z tE Z tE Z tE q Z gtE v0y q
d~r 2 + (v 2 1 2 + 2d
s(tE ) = ds = dt = v0x 0y gt) dt = v0x mit = gt v0y d = gdt
0 0 dt 0 g v0y

1 p p gtE v0y
2v0y
= x a2 + x2 + a2 ln x + a2 + x2 mit gtE v0y = g v0y = v0y und a = v0x
2g v0y g
1 q q 1 q q
= v0y v0x 2 + v 2 + a2 ln v 2 + v2 2 + v 2 + a2 ln 2 + v2
0y 0y + v0x 0y v0y v0x 0y v0y + v0x 0y
2g 2g
Z p
v0y v0 2
v0x v0 + v0y 1 p 2 p
s(tE ) = ln Hilfe : a2 + x2 dx = x a + x2 + a2 ln x + a2 + x2 + C
g 2g v0 v0y 2

Wegintegral 2. Art üb er Vektorfeld

96
Das Linien- oder Kurven- oder Wegintegral (2. Art) ergibt sich, wenn der Weg durch ein Vektorfeld
läuft. Dann spielt die Richtung der Bewegung relativ zu den Vektoren eine Rolle, und es wird statt ds und
Betrag das vektorielle Wegelement d~r mit Skalarprodukt verwendet
Z
W = F~ (~r) d~r
C

Die Rückführung auf ein gewöhnliches Integral geschieht mit Hilfe der Substitutionsregel der Integralrech-
R '(b) Rb
nung '(a) f (x) dx = a f ('(t)) '0 (t) dt
Z Z b Z
d~r
W = F~ (~r) d~r = F~ (~r(t)) dt = (Fx (x; y; z) dx + Fy (x; y; z) dy + Fz (x; y; z) dz)
C a dt C
Z b
dx dy dz
= Fx (x; y; z) + Fy (x; y; z) + Fz (x; y; z) dt
a dt dt dt

Beispiel: Arbeit eines schiefen Wurfes im Schwerefeld bis Scheitel, Wegintegral 2. Art
g 2 v0y t v0y
x(t) = v0x t y(t) = v0y t t tS = F~ = 0 mg tS =
2 g g
Z Z Z tS tS
d~r 1 2
W = F~ (~r) d~r = F~ (~r) dt = mg (v0y gt) dt = mg v0y t gt
C C dt 0 2 0
2
v0y 1 v0y 1 1
= mgv0y mg 2 2
= mv0y mv 2 = mv0y
2
g 2 g 2 0y 2

Wenn der Weg für das Linienintegral geschlossen ist (der Weg keinen Rand bzw. Anfangs/Endpunkt
hat), wird ein Integralzeichen mit Kringel verwendet
Z ~
r2 I
W = F~ (~r) d~r ~r1 = ~r2 F~ (~r) d~r
~
r1 !
W eg

Die Zirkulation ist ein Maßfür das Vorhandensein einer Wirbelstärke im Vektorfeld
I
Z(F~ ; C) = F~ (~r) d~r
C

~ =( x
Beispiel: Zirkulation von E y; x + y; 0), berechnet über Einheitskreis C und über Quadrat Q

C: ~r(t) = (cos t; sin t; 0) d~r(t)=dt = ( sin t; cos t; 0)

0 1 0 1
Z2 Z2 cos t sin t sin t Z2
d~r
Z = F~ (~r) dt = @ cos t + sin t A @ cos t A dt = sin2 t + cos2 t + 2 sin t cos t dt = 2 = 2 Area
dt
0 0 0 0 0
Q: ~r(t) = (t; 1; 0) [ (1; t; 0) [ ( t; 1; 0) [ ( 1; t; 0) d~r(t)=dt = (1; 0; 0) [ (0; 1; 0) [ ( 1; 0; 0) [ (0; 1; 0)
20 1 0 1 0 1 0 1 0 1 0 1 0 1 0 13
Z1
t+1 1 1 t 0 t 1 1 1 t 0
Z = 4@ t 1 A @ 0 A + @ 1 + t A @ 1 A + @ t + 1 A @ 0 A + @ 1 + t A @ 1 A5 dt
1 0 0 0 0 0 0 0 0
Z1 Z1
= (( t + 1) + (1 + t) + (t + 1) + (1 t)) dt = 4 dt = 8 = 2 Area
1 1

Wenn die Zirkulation für alle geschlossenen Wege C Null ist (das Vektorfeld also keine Wirbel hat), ist das
Linienintegral über das Vektorfeld unabhängig vom Weg

I Z Z Z Z
Z(F~ ; C) = F~ (~r) d~r = 0 = F~ (~r) d~r F~ (~r) d~r =) F~ (~r) d~r = F~ (~r) d~r
C C1 C2 C1 C2

97
Damit ist das Feld F~ konservativ. Beispiele sind das Gravitationsfeld und das elektrostatische Feld. Gra-
dientenfelder haben keine Zirkulation. Daher gilt folgender Satz (ohne Beweis): Ein Feld F~ ist genau dann
konservativ, wenn es ein Gradientenfeld ist (also z.B. wenn die Kraft der negative Gradient der po-
tentiellen Energie ist), also wenn
F~ (~r) = r
~ (~r)
geschrieben werden kann mit einer skalaren Funktion (Potential) im Ortsraum (~r).

atm osphärische W irb el Karm an-W irb elstrasse Rayleigh-Benard Instabilität: Kochtopf

Ober‡ächenintegrale verallgemeinern die Aufsummation der Funktionswerte über das Integrationsin-

tervall zur Aufsummation der Funktionswerte über die Integrations‡äche A
Z
F= f (x; y) dA
A

Wenn f (x; y) = 1 ergibt das Integral die Fläche des Integrationsgebietes. Das skalare Flächenelement dA ist
hier die Verallgemeinerung von dx (in kartesischen Koordinaten dA = d2 x = dxdy).

Flächeninhalt: f (x;y)=1 und Aufsum m ation der dA Flächenintegral m it f (x;y)6=0 Flächeninhalt im Sp ezialfall und im allgem einen Fall

Beispiel: (a) Flächeninhalt der 1/4 Ellipse im 1. Quadranten x2 =a2 + y 2 =b2 = 1

p
y(x) = b 1 (x=a)2
Z Z Z a Z y(x) Z a Z a r
x
F = 1 dA = 1 dxdy = dx dy = y(x) dx = b 1 ( )2 dx mit x
~ = x=a
1=4Ellipse 1=4Ellipse 0 0 0 0 a
Z 1 p Z p
ab 1 1 p
= b 1 ~2
x a d~
x= 1 x2 dx = arcsin x + x 1 x2 + C
0 4 2 2
p
(b) Flächenintegral mit f (x; y) = c 1 (x=a)2 (y=b)2
p
r b 1 (x=a)2 r
Z Z Za Z
x y x y
F = f (x; y) dA = c 1 ( )2 ( )2 dA = dx c 1 ( )2 ( )2 dy mit x
~ = x=a, y~ = y=b
a b a b
A 1=4Ellipse 0 0
p p
Z1 Z1 x~2 Z1 p Z1 x2r
p y2 y dy
= abc d~
x 1 ~2
x y~2 d~
y = abc dx 1 x2 1 dy mit y~ = p y=p
d~
1 x2 1 x2 1 x2
0 0 0 0
Z1 Z1 p Z1 Z1 1
2 2 x3 1 4
= abc dx 1 x 1 y~ d~
y = abc 1 x dx = abc 1 x2 dx = abc x = abc
4 4 4 3 0 8 3
0 0 0 0

98
Das Flächenelement dA ~ (in kartesischen Koordinaten dA ~ = d~x d~y ) ist in Richtung der Ober‡ächen-
~ gebildet werden, und zwar der
normalen gerichtet. Daher kann ein spezielles Integral über ein Vektorfeld E
Fluss eines Vektorfeldes über eine Ober‡äche A
Z
~
E; A = ~ dA
E ~
A
Dabei wird über die Ober‡äche 2-dimensional integriert, der Integrand ist das Skalarprodukt des Vektorfeldes
mit der Ober‡ächennormalen (der Anteil, der gerichtet durchgeht).
Falls die Ober‡äche A geschlossen ist und ein Volumen V komplett umschließ t, wird für die Ober‡äche
@V geschrieben und (@V ist Rand von V )
I
~
E; @V = E ~ dA ~
@V

~ = (x; y; 0) über Kubus‡äche [ 1 : 1] [ 1 : 1] [ 1 : 1]

Beispiel: (a) Fluss von E
0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
Z 1 1 Z 1 1 Z x 0 Z x 0
= @ y A @ 0 A dydz + @ y A @ 0 A dydz + @ 1 A @ 1 A dxdz + @ 1 A @ 1 A dxdz + 0 +
+x 0 0 x 0 0 +y 0 0 y 0 0
0 1
Z Z Z Z
= 2dydz + 2dxdz + 0 = 16 ~ ~
r E=2 @ rEdV = 2dV = 16A
~
+x +y
V V

Volumenintegrale verallgemeinern die Aufsummation der Funktionswerte über das Integrationsintervall

zur Aufsummation der Funktionswerte über ein Volumen
Z
f (x; y; z) dV
V

Wenn f (x; y; z) = 1 ergibt das Integral das Volumen des Integrationsgebietes. Das skalare Volumenelement
dV ist hier die Verallgemeinerung von dx (in kartesischen Koordinaten dV = d3 x = dxdydz).
Beispiel: (a) Volumeninhalt von Ellipsoid, also f (x; y; z) = 1: siehe oben

7.3 Analyse eines Vektorfeldes mit Kontrollvolumen

~ x) (rote Vektoren) kann mit Hilfe eines kleinen Kontrollvolumens V = Ax x = Ay y
Das Vektorfeld E(~
analysiert werden, weil dort Ableitungen durch Di¤erenzenquotienten ersetzt werden können. Dabei stehen
2 Verfahren zur Verfügung:
Verfahren 1: Fluss-Bilanz ein- und ausströmender Vektoren ergibt einen Wert)Skalar, welcher sich als die
Divergenz des Vektorfeldes herausstellt
Verfahren 2: Bilanz geschlossener Wegintegrale um das Volumen ergibt für jede Richtung einen Wert)Vektor,
welcher sich als die Rotation des Vektorfeldes herausstellt

7.4 Fluss eines Vektorfeldes und Divergenz

Der Einfachheit halber wird hier die Flussbilanz nur in 2D dargestellt
~ A
E; = ~ E(ost)
A ~ + ~ E(west)
A ~ + ~ E(nord)
A ~ + ~ E(s•
A ~ ud)

x x y y
= Ax E x x + ;y Ex x ;y + Ay Ey x; y + Ey x; y
2 2 2 2
Ex Ey ~
= Ax x + Ay y = V div E(x; y)
x y

99
wobei de…niert ist

~ ~ E(x;
~ @Ex @Ey Ex Ey
div E(x; y) = r y) = + +
@x @y x y

P
Bei einem beliebigen Volumen V , welches in kleine Kontrollvolumina aufgeteilt ist V = i Vi , gilt
X X
~ A =
E; ~
V div E(x; y) ) lim ~ i ; Ai = lim
E ~ i dVi
div E
Vi !0 Vi !0
Volum en i Volum en i

~ im Volumen V durch die Ober‡äche A (verallgemeinert

Es ergibt sich die Flussbilanz für ein Vektorfeld E
auf 3D)
Z Z
~ A =
E; ~
E(x; ~=
y; z) dA ~
div E(x; y; z) dV Satz von Gauss-Ostrogradski (1831)
A V

~ r) durch eine (geschlossene) Ober-

Der Integralsatz von Gaußbesagt, daßder Flußeines Vektorfeldes E(~
‡äche @V eines Volumens V gleich dem Volumenintegral der Divergenz über das Volumen ist
I Z
~ dA
E ~= ~ E
r ~ d3 x
@V V

Damit wird die Quelle eines Vektorfeldes (Volumen-Integral über die Quellstärke) mit dem Flußdes Vektor-
feldes (Integral über die Ober‡äche des Volumens) in Verbindung gebracht.
Der Satz von Gaußist eine Verallgemeinerung des Hauptsatzes der Di¤erential- und Integralrechnung.
Dieser besagt
Zb
b d
F (x)ja = f (x)dx f (x) = F (x)
dx
a

Beachte, daßim Falle V = eindimensionales Integrationsgebiet @V aus den Randpunkten besteht und statt
Integration der Integrand an den Randpunkten ausgewertet wird.

7.5 Wegintegral über ein Vektorfeld und Rotation

Wir berechnen die Arbeit exemplarisch bei einem Weg in der z-Ebene (Zeichnung hat falsche Orientierung)

~ rz )
Z(E; = ~
~r(ost) E(ost) ~
+ ~r(nord) E(nord) ~
+ ~r(west) E(west) + ~r(s• ~ ud)
ud) E(s•
x y x y
= ry Ey x + ; y + rx Ex x; y + ry Ey x ;y rx Ex x; y
2 2 2 2
Ey Ex Ey Ex ~
= ry x ry x = Az = Az rot E
x y x y z

wobei die z-Komponente der Rotation de…niert ist (analog für die x- und die y-Komponente)

~ ~ ~ Ey Ex
rot E(x; y) = r E(x; y)
z x y

100
Ein geschlossene Weg im Raum de…niert eine Ober‡äche A, deren Rand @A ist. Dieser kann durch Wege
Ai entlang von Kontrollvolumina Vi dargestellt werden (es gibt allerdings viele mögliche A mit gleichem
@A). Die Weg-Beiträge durch innere Elemente heben sich alle auf, es bleibt nur der Weg über die äuß ere
Fläche, zerlegt in Komponenten
X X
Z(E;~ rz ) = r ~ E~ Az ) lim Z(E ~ i ; ri;z ) = lim ~ E
r ~ i (dAi )
Vi !0 Vi !0 z
z z
Volum en i Volum en i

ebenso für
~ rx ) = r
Z(E; ~ ~
E Ax und ~ ry ) = r
Z(E; ~ ~
E Ay
x y

~ am Rand @A an einer Ober‡äche A

Es ergibt sich das Wegintegral über ein Vektorfeld E
Z Z
~ @A) =
Z(E; ~
E(x; y; z) d~r = ~
r ~
E(x; ~
y; z) dA Satz von Stokes (1854)
@A A

Der Satz von Stokes betri¤t die Quelldichte r ~ ~ eines beliebigen Vektorfeldes E(~
E ~ r) und der Flächen-
integration über eine beliebige Fläche A. Dies ist gleich dem Linienintegral des Feldes entlang dem Rand
@A I Z
~ @A) =
Z(E; ~ r) d~r =
E(~ ~
r ~
E ~
dA
A
@A

Auch der Satz von Stokes ist eine Verallgemeinerung des Hauptsatzes der Di¤erential- und Integralrechnung.

7.6 Hauptsatz der Vektoranalysis

~ r) läß
Jedes beliebige Vektorfeld E(~ ~ 1 (~r) und E
t sich in zwei Vektorfelder E ~ 2 (~r) zerlegen, so daßgilt

~ r) = E
E(~ ~ 1 (~r) + E
~ 2 (~r) ~
und r ~ 1 = 0 (wirbelfrei)
E und ~ E
r ~ 2 = 0 (quellenfrei)

Ein Anwendungsbeispiel ist ein elektrisches Feld welches sich in ein wirbelfreies elektrostatisches und ein
quellenfreies induziertes Feld zerlegen läß
t.

8 (*) Krummlinige Koordinaten

Viele physikalische Systeme sind symmetrisch. Z.B. axialsymmetrische Probleme (Feld um einen geraden
Leiter oder Strömung im Rohr) oder kugelsymmetrische Probleme (Feld einer Punktladung oder Schrödinger-
gleichung des Wassersto¤atoms). Daher ist es zweckmäßig, die zugrunde liegenden Gleichungne in geeigneten
Koordinatensystemen zu schreiben: Zylinderkoordinaten ( ; '; z) oder Kugelkoordinaten (r; #; ').

8.1 Koordinatensysteme
Koordinatentransformationen sind Funktionen x(u1 ; u2 ; u3 ); y(u1 ; u2 ; u3 ); z(u1 ; u2 ; u3 ) bzw die Umkehrung
u1 (x; y; z); u2 (x; y; z); u3 (x; y; z). Für Zylinderkoordinaten
0 1 0 1 0 1 0 p 1
x( ; '; z) cos ' (x; y; z) x2 + y 2
x( ; '; z) = @ y( ; '; z) A = @ sin ' A @ '(x; y; z) A = @ arctan (y=x) A
z( ; '; z) z z(x; y; z) z

101
Für Kugelkoordinaten

0 1 0 1
x(r; ; ') r sin cos '
@ y(r; ; ') A = @ r sin sin ' A
z(r; ; ') r cos

Die kovarianten Basisvektoren des neuen Koordinatensystems sind die Tangentenvektoren an die Ko-
ordinatenlinien
@x
bui =
@ui
also bei Zylinderkoordinaten
0 1 0 1 0 1
cos ' sin ' 0
@x @ @x @x
b = = sin ' A b' = =@ cos ' A bz = =@ 0 A
@ @' @z
0 0 1
Diese sind noch nicht normiert ! Normiert ergibt sich
0 1 0 1 0 1
cos ' sin ' 0
1 @x @ 1 @x 1 @x @
e = = sin ' A e' = = @ cos ' A ez = = 0 A
jb j @ jb' j @' jbz j @z
0 0 1
h = jb j = 1 h' = jb' j = hz = jbz j = 1
1. (a) Wie sieht die Umkehrungs-Transformation für Kugelkoordinaten aus ?
(b) Wie sehen die kovarianten Basisvektoren für Kugelkoordinaten aus ?
(c) Wie sehen die normierten Basisvektoren für Kugelkoordinaten aus ?
Lösung:
(a)

0 p 1
0 1 x2 + y 2 + z 2
r(x; y; z) B C
@ '(x; y; z) A = B arctan (y=x) C
@ A
(x; y; z) arccos p 2 z 2 2
x +y +z

genauer: statt arctan (y=x) eigentlich arctan 2 (y=x)

(b)
0 1 0 1 0 1
sin cos ' r sin sin ' r cos cos '
@x @ @x @ @x @
br = = sin sin ' A b' = = r sin cos ' A b = = r cos sin ' A
@r @' @
cos 0 r sin

(c)
q
2 2
jbr j = (sin cos ') + (sin sin ') + cos2 = 1
q
2 2
jb' j = ( r sin sin ') + (r sin cos ') = r sin
q
2 2 2
jb j = (r cos cos ') + (r cos sin ') + ( r sin ) = r

102
0 1 0 1 0 1
sin cos ' sin ' cos cos '
1 @x @ 1 @x @ 1 @x @
er = = sin sin ' A e' = = cos ' A e = = cos sin ' A
jbr j @r jb' j @' jb j @
cos 0 sin
hr = jbr j = 1 h' = jb' j = r sin h = jb j = r

8.2 Di¤erentialoperatoren
Wenn Di¤erenzialoperatoren z.B. für partielle Di¤erenzialgleichungen auftauchen und gleichzeitig krumm-
linige Koordinaten verwendet werden, stellt sich die Frage, wie der Operator in den krummlinigen de…niert
ist. Folgendes ist (z.B. in Zylinderkoordinaten) NICHT RICHTIG

@2 @2 @2
6= + +
@ 2 @'2 @z 2
Der Gradient ist zunächst bzgl. des kartesischen Koordiantensystems de…niert
@ @ @
r = ex + ey + ez
@x @y @z
Im krummlinigen Koordinatensystem ist der durch den Gradienten de…nierte Vektor der Gleiche, es …ndet
nur die Projektion auf ein anderes Basissystem statt
1 @ 1 @ 1 @
r = eu1 + eu2 + eu2
hu1 @u1 hu2 @u2 hu3 @u3

Die hui (siehe oben) stellen die Normierungsfaktoren da, um die kovarianten Basisvektoren im neuen Koor-
dinatensystem zu normieren. Für Zylinderkoordinaten sieht das so aus
1 @ 1 @ 1 @
r=e + e' + ez
1@ @' 1 @z
Für die Divergenz läß
t sich folgende allgemeine Formel herleiten

1 @ @ @
div A = (Au1 hu2 hu3 ) + (Au2 hu1 hu3 ) + (Au3 hu1 hu2 )
hu1 hu2 hu3 @u1 @u2 @u3

In Zylinderkoordinaten ergibt sich

1 @ @ @
div A = (A ) + (A' ) + (Az )
@ @' @z

Der Laplaceoperator ergibt sich nun über = div grad

1 @ hu2 hu3 @ @ hu1 hu3 @ @ hu1 hu2 @

= + +
hu1 hu2 hu3 @u1 hu1 @u1 @u2 hu2 @u2 @u3 hu3 @u3

Für Zylinderkoordinaten ergibt sich

1 @ @ @ 1 @ @ @
= + +
@ @ @' @' @z @z

1. (a) Berechnen Sie den Gradienten in Kugelkoordinaten mit der Projektion auf die kovarianten Ba-
sisvektoren.
(b) Berechnen Sie die Divergenz in Kugelkoordinaten mit der Formel
(c) Berechnen Sie den Laplaceoperator in Kugelkoordinaten mit der Formel.
Lösung:
(a)
@ 1 @ 1 @
r = er +e + e'
@r r@ r sin @'

103
(b)
1 @ 1 @ 1 @
div A = r 2 Ar + (sin A ) + A'
r2 @r r sin @ r sin @'
(c)
1 @ @ 1 @ @ 1 @2
= r2 + sin +
r2 @r @r 2
r sin @ @ r sin2
2 @'2

2. (a) Für das Potential einer Punktladung (r; ; ') = 1r , berechnen Sie grad und = div grad
(b) In der Quantenmechanik wird zur Berechnung der kinetischen Energie eines Teilchens der Laplace-
operator auf die Wellenfunktion des Teilchens angewendet. Berechnen Sie für (r) = e ar
r=2
(c) Berechnen Sie für die winkelabhängige Wellenfunktion (r; ) = r e cos
Lösung:
(a)
@ @ 1 1 1 @ @
grad = er = er = er = r2 =0 r 6= 0
@r @r r r2 r2 @r @r

(b)
1 d d 1 d d 1
(r) = r2 (r) e r
= r2 e r
= e r
(r 2)
r2 dr dr r2 dr dr r

(c)

1 @ @ 1 1 @ 2
(r; ) = 2
r2 r e r=2 cos (sin ) r e r=2
r @r @r r2 sin @
1 1 2 1r
= e 2 r r2 8r + 8 cos e 2 cos
4r r

9 (*) Maxwell Gleichungen

9.1 Berandete und nicht-berandete Volumen, Flächen, Linien
Der Satz von Gauss dreht sich um das Zählen von Feldlinien, die aus einem Volumen kommen. Hier hat
das Volumen V einen Rand, die Ober‡äche @V 6= f0g, die selbst geschlossen ist (also kein Loch hat, sonst
könnten nicht alle Feldlinien gezählt werden), also @@V = f0g.
Der Satz von Stokes dreht sich um den Fluss der Rotation durch eine Fläche A. Diese hat einen Rand
@A 6= f0g, da ja auch das Wegintegral darüber berechnet werden kann. Dieser Weg ist geschlossen, also
@@A = f0g.

9.2 Integrale Form

keine Ladung in V Ladung in V Zum Ampere’schen Gesetz

104
Statische Gleichungen: Geschlossene Fläche @ als Rand von Volumen V
I
(1) Gauß
’sches Gesetz ) ~ dA
D ~=Q
@V
I
(2) keine magnetischen Monopole ) ~ dA
B ~=0
@V

Dynamische Gleichungen: O¤ene Fläche A mit Rand @A

I Z
~ d~s = @ ~ dA
~
(3) Faraday`sches Induktionsgesetz ) E B
@t
@A A
I Z
(4) Ampere`sches Gesetz ) ~ d~s = I + @
H ~ dA
D ~
@t
@A A

Visualisierung der Ursachen der statischen und dynamischen Felder

(1) Feld reines Q uellenfeld (2) Feld reines W irb elfeld (3)(4) W irb elfelder erzeugt durch zeitl. Veränderungen
Umformung in die di¤erentielle Form:
I I I
(1) + Satz von Gauss + Def Ladungsdichte : D ~ Gauss
~ dA = ~ D
r ~ dV = (x) dV = Q
@V V V

Gleichung gilt 8 Volumen V ) ~ D

r ~ = (x)
I I
(2) Satz von Gauss : B ~ Gauss
~ dA = ~ B
r ~ dV = 0
@V V

Gleichung gilt 8 Volumen V ) r~ B~ =0

I Z Z
~ d~s Stokes ~ E ~ ~= @ ~ dA
~
(3) Satz von Stokes : E = r dA B
@t
@A A A

~ ~ = @ ~
Gleichung gilt 8 Flächen A ) r E B
@t
I Z Z Z
(4) Satz von Stokes+ Def Stromdichte : ~ d~s Stokes
H = ~
r ~ =
H ~+ @
~j dA ~ dA
D ~
@t
@A A A A

Gleichung gilt 8 Flächen A ) ~

r ~ = ~j + @ D
H ~
@t

Vom Ampere’schen Gesetz r ~ ~ = ~j (stationär) zur 4. Maxwell’schen Gleichung. Das Ampere’schen

H
Gesetz mit einem Magnetfeld, welches nur von einem elektrischen Strom erzeugt wird, ist problematisch,
was sich bei Berechnung der Divergenz zeigt

~
0=r ~
r ~ =r
H ~ ~j

~ ~j = @ =@t.
Die Divergenz einer Rotation muss Null sein, aber die Divergenz des Stromes muss sein r
Die Lösung des Problems durch Maxwell bestand darin, im Ampere’schen Gesetz auf der rechten Seite zu

105
~
ersetzen ~j ! ~j + @ D=@t. Damit gilt bei Divergenzbildung
! ~ D
~
~ @ r
~
0=r ~
r ~ =r
H ~ ~j + @ D ~ ~j +
=r ~ ~j + @
=r
@t @t @t

weil die erste Maxwell’sche Gleichung r~ D ~ = verwendet werden kann. Die Schlussfolgerung von Maxwell
war, dass zeitlich veränderliche elektrische Felder Magnetfelder erzeugen und dadurch elektromagnetische
Wellen entstehen müssen.

9.3 Materialgleichungen
Das elektrische Feld E und die magnetische Induktion B sind die physikalisch messbaren Felder

F~ = q E
~ + ~v ~
B

die dielektrische Verschiebung D und die magnetische Feldstärke H sind Hilfsfelder: diese hängen nur von
den „nackten Ladungen” ohne Polarisationsfelder und „nackten Strömen” ohne Magnetisierung ab

el. Polarisation P~ = 0 e
~ diel
E magn. Polarisation J~ = ~ =
0M 0 m
~
H

~ diel ~ vac P~ ~ M aterie = B

~ vac + J~ = B
~ vac + ~
Überlagerung E = E B 0M
0
~ diel
E ~ vac
= E ~
e Ediel B~ M aterie = 0 H+ 0 mH
~ diel
(1 + e ) E ~ vac
= E ~ M aterie =
B ~
0 (1 + m ) H
~
D
(1 + ~
e ) Ediel = ~ M aterie =
B 0 (1 + m) H
~
0
Ursache, Wirkung r 0
~ diel
E ~
= D ~ M aterie =
B 0
~
rH
12 1 2 2 1 2 7 2
0 = 8:86 10 Fm =A s N m 0 =4 10 NA

9.4 Potentialfelder in Elektrostatik und Magnetostatik

Elektrostatische Felder im Vakuum sind wirbelfei, reine Divergenzfelder
~ E
r ~ = ~
r ~ =0
E
0

Ein solches Vektorfeld läßt sich als Gradientenfeld darstellen, weil

Z ~r
(~r) = ~ (~r0 ) d~r0
E ~
unabhängig vom Weg, wenn r ~ =0
E
1

Seien zwei Wege C1 und C2 von A nach B gegeben, die Di¤erenz ist ein Wegintegral über geschlossenen Weg.
Nach dem Satz von Stokes läß t sich dieses Integral durch das Flächenintegral über die Rotation ausdrücken.
Der Rand der Fläche A ist C1 C2
Z Z I Z
~ (~r0 ) d~r0 ~ (~r0 ) d~r0 = ~ (~r0 ) d~r0 = ~ E ~ dA ~=!
E E E r 0
C1 C2 A
C1 C2

106
Die Wegunabhängigkeit bzgl. aller denkbarer Wege ist äquivalent zur Rotationsfreiheit. Damit ist die De…-
nition des Potentials eindeutig. Dies ist genau die Darstellung des Wirbelfreiene Anteils von Vektorfeldern.
Die De…nition des Potentials läß t sich umkehren (Hauptsatz der Di¤. und Int. Rechnung)
Z ~r Z ~r !
(~r) = ~ (~r0 ) d~r0
E ) ~ (~r) = r
E ~ ~ (~r0 ) d~r0 = r
E ~ (~r)
1 1

Die 1. Maxwell-Gl. im Vakuum ist daher äquivalent der Poisson-Gleichung, einer partiellen Di¤erentialgle-
ichung

~ E
r ~ = ~ =
und E ~
r ) ~
r ~
r =
0 0

~ r
~ @2 @2 @2
r = + + = =
@x2 @y 2 @z 2 0

Später zeigen wir, dass gilt Z

1 (~r0 )
(~r) = dr03
4 0 V j~r ~r0 j
Für Magnetostatische Felder im Vakuum gilt ein ähnlicher Zusammenhang: diese Felder sind divergen-
zfrei, reine Wirbelfelder
r~ B
~ =0 r~ B ~ = 1 ~j
0

Ein solches Vektorfeld läß ~ darstellen

t sich (statt durch ein skalares) durch ein Vektorpotential A
~ =r
B ~ ~
A

Dann wird das Ampere’sche Gesetz

~
r ~
r ~ = 1 ~j
A
0
~ gilt
Zeige, dass für ein beliebiges Vektorfeld A

~
r ~
r ~
A = r ~ A
~ r ~ ~
A
~
r ~
r ~
A = 0

~ A
Wegen der „Eichinvarianz” können wir uns auf Felder mit r ~ = 0 beschrä[Link] gilt für das Am-
pere’sche Gesetz
A~ = 1 ~j
0
Lösung ist (später)
Z ~j (~r0 )
~=
A 0
dr03
4 V j~r ~r0 j

9.5 Wellengleichung
Im Vakuum weit entfernt von Ladungen und Strömen gilt
~ D
r ~ = 0 0
~ =D
E ~ ) ~ E
r ~ =0
~ ~
r B = 0
~ ~ d ~
r E = B
dt
~ ~ d ~ ~ =D
~ ~ = ~ ~ ~ = @ ~
r H = D 0 E B 0 H ) r B 0 0 E
dt @t
Weit entfernt von Ladungen und Strömen gelten die Maxwell’schen Gleichungen im Vakuum
~
@B ~
@E
~ E
r ~ =0 ~ B
r ~ =0 ~
r ~ =
E ~
r ~ =
B 0 0
@t @t

107
Es läß ~ erstellen. Trick: Rotationsbildung und
t sich nun aus der 3. und 4. Gleichung eine PDE für E
Vertauschung von Ableitungen

@B~ @ ~
~
r ~
r ~
E = ~
r = r ~
B
@t @t
!
@ ~
@E ~
@2E
~ r
r ~ E
~ ~
E = 0 0 = 0 0
@t @t @t2

Da keine Ladungen vorliegen ist r ~ = 0. Ausserdem kann c = 1=p

~ E 0 0 de…niert werden
12
0 = 8:86 10 A2 s2 N 1
m 2
0 =4 10 7
NA 2

12 s2
0 0 = 8:86 10 A2 s2 N 1
m 2
4 10 7
NA 2
= 1:113 4 10 17
m2
1 m
c = p = 2:996 9 108
0 0 s

und es gilt die Wellengleichung

2~
~ = 1 @ E
E
c2 @t2

References
[Arendt] W. Arendt, K. Urban, Partielle Di¤erenzialgleichungen, Springer 2018, ebook
Für mathematisch Interessierte

108

Das könnte Ihnen auch gefallen

01 Math-Tutorial Ge
Noch keine Bewertungen
01 Math-Tutorial Ge
84 Seiten
Wissenschaftliches Rechnen ISBN 9783540784944, 3540784942 Instant Download
Noch keine Bewertungen
Wissenschaftliches Rechnen ISBN 9783540784944, 3540784942 Instant Download
16 Seiten
A. Wipf - Mathematische Methoden Der Physik
Noch keine Bewertungen
A. Wipf - Mathematische Methoden Der Physik
228 Seiten
Mathematik Skript WS19 CASpython
Noch keine Bewertungen
Mathematik Skript WS19 CASpython
285 Seiten
Arbeitsbuch Höhere Mathematik in Rezepten, 2nd Edition ISBN 9783662535097, 3662535092 Complete Chapter Download
Noch keine Bewertungen
Arbeitsbuch Höhere Mathematik in Rezepten, 2nd Edition ISBN 9783662535097, 3662535092 Complete Chapter Download
14 Seiten
Physik Formelsammlung
Noch keine Bewertungen
Physik Formelsammlung
44 Seiten
Dreizler Math G
Noch keine Bewertungen
Dreizler Math G
270 Seiten
Mathematische Methoden Der Physik 1
Noch keine Bewertungen
Mathematische Methoden Der Physik 1
373 Seiten
Mathematik Für Physiker 1 - Dreher
100% (2)
Mathematik Für Physiker 1 - Dreher
149 Seiten
Skript II
Noch keine Bewertungen
Skript II
120 Seiten
MMP 1
Noch keine Bewertungen
MMP 1
6 Seiten
Einführung in Die Theoretische Physik
Noch keine Bewertungen
Einführung in Die Theoretische Physik
221 Seiten
Gewöhnliche Diff Erential - Gleichungen: Wilhelm Forst Dieter Hoff Mann
Noch keine Bewertungen
Gewöhnliche Diff Erential - Gleichungen: Wilhelm Forst Dieter Hoff Mann
402 Seiten
Arbeitsbuch höhere Mathematik Aufgaben mit vollständig durchgerechneten Lösungen - 2nd Edition ISBN 9783662470015, 3662470012 DOCX PDF Download
Noch keine Bewertungen
Arbeitsbuch höhere Mathematik Aufgaben mit vollständig durchgerechneten Lösungen - 2nd Edition ISBN 9783662470015, 3662470012 DOCX PDF Download
14 Seiten
Ergänzungen Physik 2 - Teichmann
Noch keine Bewertungen
Ergänzungen Physik 2 - Teichmann
60 Seiten
Mathematik 2 Beweisaufgaben Beweise, Lern und Klausur Formelsammlung ISBN 9783658274320, 3658274328 Scribd PDF Download
Noch keine Bewertungen
Mathematik 2 Beweisaufgaben Beweise, Lern und Klausur Formelsammlung ISBN 9783658274320, 3658274328 Scribd PDF Download
16 Seiten
Mathematische Rechenmethoden
Noch keine Bewertungen
Mathematische Rechenmethoden
181 Seiten
Numerische Mathematik - Skript
Noch keine Bewertungen
Numerische Mathematik - Skript
81 Seiten
M2 Inf Skript 11
Noch keine Bewertungen
M2 Inf Skript 11
317 Seiten
Analysis I Und Lineare Algebra
Noch keine Bewertungen
Analysis I Und Lineare Algebra
336 Seiten
Dynamische Systeme Modellierung mit den Methoden der Laplace Transformation ISBN 9783658181840, 3658181842 Secure eBook Download
Noch keine Bewertungen
Dynamische Systeme Modellierung mit den Methoden der Laplace Transformation ISBN 9783658181840, 3658181842 Secure eBook Download
17 Seiten
mathe_3_0_et
Noch keine Bewertungen
mathe_3_0_et
6 Seiten
Ingmathe2 Article
Noch keine Bewertungen
Ingmathe2 Article
151 Seiten
Signal Verarbeitung
Noch keine Bewertungen
Signal Verarbeitung
163 Seiten
Analysis PDF
100% (1)
Analysis PDF
1.505 Seiten
LAVG
Noch keine Bewertungen
LAVG
226 Seiten
Einführung in Die Physikalischen Rechenmethoden - Dellago
Noch keine Bewertungen
Einführung in Die Physikalischen Rechenmethoden - Dellago
273 Seiten
Signaltheorie 01-2025
Noch keine Bewertungen
Signaltheorie 01-2025
153 Seiten
ITPDG
Noch keine Bewertungen
ITPDG
123 Seiten
Leseprobe-Komplett 01141
Noch keine Bewertungen
Leseprobe-Komplett 01141
60 Seiten
Skriptkomplett 2
Noch keine Bewertungen
Skriptkomplett 2
168 Seiten
Hmi I II Skript 20240324
Noch keine Bewertungen
Hmi I II Skript 20240324
417 Seiten
Datenanlyse Mit Matlab
Noch keine Bewertungen
Datenanlyse Mit Matlab
114 Seiten
M11 Skript
Noch keine Bewertungen
M11 Skript
103 Seiten
Leseprobe-Komplett 01141
Noch keine Bewertungen
Leseprobe-Komplett 01141
5 Seiten
Trfgefwgrg
Noch keine Bewertungen
Trfgefwgrg
325 Seiten
Skrip Tla
Noch keine Bewertungen
Skrip Tla
241 Seiten
Analysis 2 - Broecker
Noch keine Bewertungen
Analysis 2 - Broecker
178 Seiten
Übungsbuch Zum Grundkurs Mathematik Für Ingenieure, Natur - Und Wirtschaftswissenschaftler (PDFDrive)
Noch keine Bewertungen
Übungsbuch Zum Grundkurs Mathematik Für Ingenieure, Natur - Und Wirtschaftswissenschaftler (PDFDrive)
327 Seiten
Vektor Analysis
Noch keine Bewertungen
Vektor Analysis
136 Seiten
LinA Skript Heindorf
Noch keine Bewertungen
LinA Skript Heindorf
142 Seiten
Script Numerik KIT
100% (1)
Script Numerik KIT
120 Seiten
Funktionentheorie - 2nd Edition ISBN 9783034809733, 3034809735 Ebook Download
Noch keine Bewertungen
Funktionentheorie - 2nd Edition ISBN 9783034809733, 3034809735 Ebook Download
15 Seiten
GALLIER Basics of Algebra, Topology, and Differential Calculus (Jean Gallier)
Noch keine Bewertungen
GALLIER Basics of Algebra, Topology, and Differential Calculus (Jean Gallier)
1.942 Seiten
Analysis Skrip T
Noch keine Bewertungen
Analysis Skrip T
140 Seiten
Lineare Algebra
100% (2)
Lineare Algebra
208 Seiten
Analysis
Noch keine Bewertungen
Analysis
76 Seiten
Analysis 2: Für Funktionen Mehrerer Reeller Veränderlichen Differential-Und Integralrechnung
Noch keine Bewertungen
Analysis 2: Für Funktionen Mehrerer Reeller Veränderlichen Differential-Und Integralrechnung
269 Seiten
TUD Mathe 1&2
Noch keine Bewertungen
TUD Mathe 1&2
246 Seiten
Computer Physi k
Noch keine Bewertungen
Computer Physi k
101 Seiten
Theoretische Mechanik
Noch keine Bewertungen
Theoretische Mechanik
258 Seiten
Lineare Algebra ISBN 9783662613399, 3662613395 Full Digital Edition
Noch keine Bewertungen
Lineare Algebra ISBN 9783662613399, 3662613395 Full Digital Edition
17 Seiten
MfI123 Book
Noch keine Bewertungen
MfI123 Book
673 Seiten
Theodor Bröcker - Analysis (1995, Spektrum Akad)
100% (1)
Theodor Bröcker - Analysis (1995, Spektrum Akad)
247 Seiten
Anschauliche Höhere Mathematik für Ingenieure und Naturwissenschaftler 1 Lineare Algebra, eindimensionale Analysis Ein graphisch orientierter Zugang ISBN 9783658194192, 3658194197 all chapter
Noch keine Bewertungen
Anschauliche Höhere Mathematik für Ingenieure und Naturwissenschaftler 1 Lineare Algebra, eindimensionale Analysis Ein graphisch orientierter Zugang ISBN 9783658194192, 3658194197 all chapter
17 Seiten
Differentialgleichungen für Einsteiger Grundlagen und Anwendungen mit vielen Übungen, Lösungen und Videos ISBN 9783662598306, 3662598302 Instant PDF Download
Noch keine Bewertungen
Differentialgleichungen für Einsteiger Grundlagen und Anwendungen mit vielen Übungen, Lösungen und Videos ISBN 9783662598306, 3662598302 Instant PDF Download
17 Seiten
Mathematik Für Informatiker
Noch keine Bewertungen
Mathematik Für Informatiker
669 Seiten
Grundlagen Der Numerischen Mathematik
100% (1)
Grundlagen Der Numerischen Mathematik
328 Seiten
Lineare Algebra im algebraischen Kontext ISBN 9783662543429, 3662543427 Scribd PDF Download
Noch keine Bewertungen
Lineare Algebra im algebraischen Kontext ISBN 9783662543429, 3662543427 Scribd PDF Download
15 Seiten
LK Mathematik 11 - 12
Noch keine Bewertungen
LK Mathematik 11 - 12
22 Seiten
Diagrama de Cordier
Noch keine Bewertungen
Diagrama de Cordier
98 Seiten
EN 1092 1 Flanges 15
Noch keine Bewertungen
EN 1092 1 Flanges 15
1 Seite
MO591 Aufgaben 5-12-2
100% (1)
MO591 Aufgaben 5-12-2
13 Seiten
BCD Zu Siebensegment
Noch keine Bewertungen
BCD Zu Siebensegment
4 Seiten
Ursprung Der Reellen Zahlen
Noch keine Bewertungen
Ursprung Der Reellen Zahlen
4 Seiten
Probeprüfung
Noch keine Bewertungen
Probeprüfung
8 Seiten
Praxis 04 - Plattenwärmeübertrager
Noch keine Bewertungen
Praxis 04 - Plattenwärmeübertrager
22 Seiten