Sie sind auf Seite 1von 132

Mathematik

fur¨

Ingenieure

Teil II

von

Werner Haußmann Kurt Jetter Karl-Heinz Mohn Bernd Stockenberg

Duisburg 2012

Inhaltsverzeichnis

Literatur

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

iv

§15

Vektorrechnung

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.1

§16

Lineare

Gleichungssysteme und Matrizen

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

19

§17

Lineare

Abbildungen und Eigenwerte

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

§18

Differentialrechnung bei Funktionen mit mehreren Ver¨anderlichen

 

52

§19

Die Taylor-Formel mit Anwendungen

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

§20

§21

. Integrale mit Parametern und Integrale uber¨

.

Kurvenintegrale

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

 

.

Normalbereiche

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

79

93

§22

§23

Grundbegriffe der Wahrscheinlichkeitsrechnung

Zufallszahlen, Verteilungen und Dichten

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

111

99

§24

. Wichtige Verteilungen und Grenzwerts¨atze

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

118

Index

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

126

iii

Literatur

Arens et al.: Mathematik Spektrum Akademischer Verlag, 1. Auflage (2008).

Brauch/Dreyer/Haacke: Mathematik fur¨ Teubner, 10. Auflage (2003).

Burg/Haf/Wille: H¨ohere Mathematik fur¨

Teubner, Band I, 5. Auflage (2001) und Band II, 4. Auflage (2002).

Dallmann: Einfuhrung¨

Vieweg, Band 1, 3. Auflage (1991) und Band 2, 2. Auflage (1991).

Duma: Kompaktkurs Mathematik fur¨ Springer Verlag, 1. Auflage (2002).

Hoffmann/Marx/Vogt: Mathematik fur¨ Pearson Studium, 1. Auflage (2005).

Ingenieure und Naturwissenschaftler, Klausur– und

Ubungsaufgaben Vieweg, 1. Auflage (2004).

Papula: Mathematik fur¨ Ingenieure und Naturwissenschaftler Viewegs Fachbucher¨ der Technik, Band I, II, 10. Auflage (2001), Band III, 4. Auflage (2001)

Papula: Mathematik fur¨

Ingenieure

Ingenieure

in die h¨ohere Mathematik

Ingenieure und Naturwissenschaftler

Ingenieure 1

¨

Papula: Mathematik fur¨ Ingenieure und Naturwissenschaftler - Anwendungs- beispiele Viewegs Fachbucher¨ der Technik, 5. Auflage (2004).

Formelsammlungen

Papula: Mathematische Formelsammlung

Viewegs Fachbucher¨

Bronstein: Taschenbuch der Mathematik Verlag Harri Deutsch

Bartsch: Taschenbuch mathematischer Formeln Fachbuchverlag Leipzig-K¨oln

Netz: Formeln der Mathematik Hanser Verlag

: Taschenbuch mathematischer Formeln

Verlag Harri Deutsch

Stocker¨

der Technik

iv

§15 Vektorrechnung

Bei der Behandlung von Funktionen mit mehreren Ver¨anderlichen (vgl. §18) tritt an die

Stelle einer einzigen Variablen x im Falle von zwei Ver¨anderlichen ein Paar (x, y) reeller

, x n ) von Zahlen.

Die Menge aller dieser n-Tupel bezeichnen wir mit K n (K = R oder K = C). In der Menge K n werden wir Rechenoperationen behandeln, die der Vektorrechnung zugrunde liegen. Von besonderem Interesse sind dabei der zweidimensionale (n = 2) und der dreidimensionale Fall (n = 3).

oder komplexer Zahlen oder allgemein ein sog. n-Tupel (x 1 , x 2 ,

15.1. n-dimensionaler Raum K n

(i) Unter dem n-dimensionalen Raum K n verstehen wir die Menge

K n := { x |

x = (x 1 , x 2 ,

,

x n )

mit

x k K}.

Die Elemente x K n heißen n-dimensionale Vektoren, die Zahlen x k die Komponenten oder Koordinaten von x.

(ii)

Zwei Vektoren x = gleich, wenn gilt:

(x 1 , x 2 ,

, x n ) und y = (y 1 , y 2 ,

, y n ) heißen genau dann

 

x k = y k

fur¨

k = 1, 2,

, n.

(iii)

Die Summe zweier definiert durch

Vektoren

x = (x 1 , x 2 ,

x + y := (x 1 +

y 1 , x 2 + y 2 ,

, x n ) und

, x n +

y = (y 1 , y 2 ,

y n ).

, y n ) wird

(iv)

Fur¨

λ K,

x = (x 1 , x 2 ,

, x n ) K n heißt

 

λ x := (λx 1 , λx 2 ,

, λx n )

das λ–fache von x (skalares Vielfaches).

15.2. Beispiele

(a)

n = 1 : R 1 = R = reelle Zahlengerade.

(b)

n = 2 : Der R 2 besteht aus allen Paaren (x 1 , x 2 ) mit x 1 , x 2 R, also allen Punkten der reellen Zahlenebene. Die Vektoren des R 2 k¨onnen durch Pfeile dar- gestellt werden. Vektoren, deren Ausgangspunkt im Nullpunkt (0, 0) liegt, heißen Ortsvektoren:

1

Ein Ortsvektor im R 2 :

R x = (x 1 , x 2 ) x 2 R x 1
R
x = (x 1 , x 2 )
x
2
R
x
1

Die Summe zweier Vektoren erh¨alt man durch Aneinandersetzen:

R x x + y R y
R
x
x + y
R
y

In der Physik tritt die Addition von Vektoren u.a. bei der Behandlung des ”Kr¨afteparallelogramms” auf.

2

Skalares Vielfaches:

R

x
x

λ x

mit λ = 2.5

R

(c) n = 3: Der Raum R 3 besteht aus allen Vektoren x = (x 1 , x 2 , x 3 ) mit x k R. Er stellt den dreidimensionalen Raum dar. Die Vektoren k¨onnen wieder durch Pfeile dargestellt werden, und der Addition entspricht wieder das Aneinandersetzen, der Skalarmultiplikation das Verl¨angern (oder Verkurzen¨ bzw. Umkehren) von Vektoren.

R

der Skalarmultiplikation das Verl¨angern (oder Verkurzen¨ bzw. Umkehren) von Vektoren. R x + y y x
x + y y x
x + y
y
x

R

3

R

15.3.

Rechenregeln fur¨

Vektoren

Es seien x, y, z K n und α, β K gegeben. Dann gelten die folgenden Rechenregeln:

(i)

( x + y) + z = x + ( y + z) (Assoziativgesetz).

(ii)

Zu beliebigen a, b K n gibt es genau ein x K n mit a + x = b.

(iii)

Fur¨ alle x, y K n gilt x + y = y + x (Kommutativgesetz).

(iv)

(α + β) x = α x + β x.

(v)

α( x + y) = α x + α y.

(vi)

(αβ) x = α(β x).

(vii) 1 x = x fur¨

1 K.

15.4. Bemerkungen

(i)

Die L¨osung von a + x = a bezeichnet man als Nullvektor 0 = (0, 0,

, 0).

(ii)

Die L¨osung von a + x = 0 ist x Negative von a.

= a

=

(a 1 , a 2 ,

, a n ),und heißt

das

15.5. Vektorraumbegriff

Eine nichtleere Menge V von Elementen (die dann Vektoren heißen) heißt reeller bzw. komplexer Vektorraum, wenn fur¨ je zwei Elemente x, y V die Summe x+ y definiert ist und wieder in V liegt, und zu jedem α K und x V das skalare Vielfache α · x definiert und aus V ist, und die Gesetze 15.3.(i) bis (vii) gelten.

Ist K = R, so spricht man von einem reellen Vektorraum. Ist K = C, so spricht man von einem komplexen Vektorraum.

Bemerkung: Vektorr¨aume k¨onnen auch unter Benutzung von beliebigen K¨orpern (vgl. Teil I, Bemerkung 1 auf S. 14) statt K definiert werden.

15.6. Beispiele

(a) Sei V die Menge aller auf dem Intervall [0, 1] stetigen reellwertigen Funktionen, also

Definiert man fur¨ durch

V

= {f | f : [0, 1] R stetig}.

f, g V, α R die Summe f + g und das skalare Vielfache αf

(f + g)(x) = f (x) + g(x),

(αf )(x) = α · f (x),

so bildet V mit diesen Operationen einen reellen Vektorraum.

4

(b)

Die Menge aller Polynome vom Grad n bildet ebenfalls einen Vektorraum.

(c)

Die Menge der Polynome vom exakten Grad n bildet dagegen keinen Vektor- raum, denn w¨ahlt man z.B.

P n (x) = a n x n + a n1 x n1 +

+ a 0

und

Q n (x) = a n x n + b n1 x n1 +

+ b 0 ,

so ist der Grad von P n + Q n echt kleiner als n.

(d)

Ebenso ist die Menge aller stetigen Funktionen f auf [0, 1] mit f (0) = 1 kein Vektorraum. (Warum?)

Wir kehren nun wieder zum Vektorraum R n zuruck¨ Vektoren versteht.

15.7. Freie Vektoren

und erl¨autern, was man unter freien

−→

Jedem geordneten Paar (P 1 , P 2 ) von Punkten des R n wird ein Vektor P 1 P 2 zugeordnet,

−→

−→

−→

−→

”der P 1 in P 2 uberf¨ uhrt”,¨ und man definiert z = P 1 P 2 = OP 2 OP 1 , wobei OP 2 und

−→

OP 1 Ortsvektoren sind (d.h. mit Ausgangspunkt 0 R n ). Der Vektor z heißt freier Vektor.

0

P 1 z =
P 1
z =

−→

P 1 P 2

P 2

Wir werden in Zukunft nicht zwischen Ortsvektoren und freien Vektoren unterschei- den, denn jeder freie Vektor l¨asst sich durch Parallelverschiebung in einen Ortsvektor uberf¨ uhren¨ und umgekehrt.

5

Beispiel im R 2 :

R

P 1 z P 2 z −→ −→
P
1
z
P
2
z
−→
−→

R

z = OP 2 OP 1 = (3, 1) (1, 2) = (2, 1) = z .

15.8. Skalarprodukt im K n

(i) Sind x, y K n , so heißt die Zahl

x · y =

n

k=1

x k y k K

das Skalarprodukt (oder inneres Produkt) von x und y. Im Fall K = R gilt speziell

(ii) Es gilt x · x 0 fur¨

x · y =

n

k=1

x k y k R .

alle x K n sowie x · x = 0 genau dann, wenn x = 0 ist.

(iii) Unter dem Betrag (oder der L¨ange) eines Vektors x K n versteht man

| x| = x · x =

6

n

k=1

|x k | 2 .

15.9. Beispiele

(a)

x = (4, 3, 2) R 3 ,

y = (1, 2, 3) R 3 ,

dann gilt x · y = 4 + 6 + 6 = 8.

 

(b)

Sei x = (2, 3) R 2 , dann erh¨alt man fur¨

die L¨ange von x

 

| x| = x · x = 2 2 + 3 2 = 13.

(c)

Vektoren z K n mit | z | = 1 heißen Einheitsvektoren.

(d)

Der K n , versehen mit dem Skalarprodukt 15.8.(i), heißt euklidischer Vektor- raum (K = R) bzw. unit¨arer Vektorraum (K = C).

15.10. Eigenschaften des Skalarproduktes

(i)

Ist α der Winkel zwischen x, y R n , so gilt x · y = | x| | y| cos α.

(ii)

Cauchy - Schwarz’sche Ungleichung fur¨

Vektoren

Fur¨

je zwei Vektoren x, y K n gilt:

| x · y| ≤ | x|| y|.

Hierbei steht das Gleichheitszeichen genau dann, wenn fur¨ geeignete λ, µ K mit |λ| + |µ| > 0 gilt:

λ x + µ y = 0.

(Die Vektoren x, y heißen dann linear abh¨angig, siehe 15.14.)

Die folgenden Gleichungen gelten fur¨

alle x, y, z K n , α K:

(iii)

x · y = y · x,

(iv)

α( x · y) = (α x) · y = x · (α y),

(v)

x · ( y + z) = x · y + x · z (Distributivgesetz).

(vi)

Dreiecksungleichung: Fur¨ alle x, y K n gilt | x + y| ≤ | x| + | y|.

7

Bemerkung

Nach 15.10.(i) l¨asst sich mit Hilfe des Skalarprodukts der Winkel zwischen zwei Vek- toren x, y R n berechnen, n¨amlich aus

cos α = x · y

| x|| y|

fur¨

| x| | y| = 0.

15.11. Orthogonalit¨at von Vektoren

Zwei Vektoren x, y K n heißen orthogonal (oder senkrecht), Zeichen dafur¨ falls

x · y = 0.

ist ,

Beispiel: Fur¨ x = (2, 3) ∈ R 2 , y = (3, −2) ∈
Beispiel: Fur¨
x = (2, 3) ∈ R 2 ,
y = (3, −2) ∈ R 2 gilt
x ·
y = 2 · 3 + 3 · (−2) = 0.
R
x
π/2
y

R

15.12. Beispiel

Auch in dem in Beispiel 15.6. (a) eingefuhrten¨

dukt erkl¨aren. Es seien V

Vektorraum V l¨asst sich ein Skalarpro-

= {f | f : [0, 1] R stetig} und f, g V ; dann heißt

f, g = 1 f (x) · g(x) dx

0

das Skalarprodukt von f und g.

8

Das so eingefuhrte¨

stetige Funktionen f, g : [0, 1] R heißen orthogonal, falls gilt:

Skalarprodukt hat ebenfalls die Eigenschaften 15.10.(ii) - (vi). Zwei

f, g = 1 f (x) · g(x) dx = 0.

0

15.13. Geometrische Anwendungen der Vektorrech- nung

(i) Parameterdarstellung einer Geraden im R n

Es sei a

festen Punktes auf dieser Geraden. Dann wird jeder Punkt P der Geraden g mit dem Ortsvektor x gegeben duch

= 0 ein Vektor in Richtung der Geraden g und x 0 der Ortsvektor eines

x = x 0 + λ a

mit

λ R,

und die Punkte einer festen Strecke auf der Geraden durch

x = x 0 + λ a fur¨ a ≤ λ ≤ b. n g
x = x 0 + λ a
fur¨
a ≤ λ ≤ b.
n
g
P
P
a
P 0
P 0
x
x
x 0
x 0

0

0

g

(ii) Hessesche Normalform der Geradengleichung im R 2

= 0 senkrecht auf der Geraden g ( n heißt dann ein

Normalenvektor der Geraden). P 0 sei ein fester Punkt auf g mit dem Ortsvektor x 0 und P ein beliebiger Punkt auf g mit Ortsvektor x. Dann gilt:

Gegeben sei ein Vektor n

d.h.

−→

P 0 P= x x 0

und

( x x 0 ) n ,

( x x 0 ) · n = 0.

9

Umgekehrt gilt: Jeder Vektor x, der dieser Gleichung genugt,¨ ist Ortsvektor eines Punktes auf der Geraden. Mit n ist auch n Normalenvektor der Geraden, somit l¨asst sich durch geeignete Wahl des Vorzeichens erreichen, dass gilt

p =

x 0 · n 0 .

Durch Normierung kann man noch erreichen, dass | n| = 1 ist. Die Hessesche Normalform der Geraden im R 2 lautet dann

x · n p = 0

mit

p 0

und | n| = 1.

In Koordinatenschreibweise erh¨alt man aus x = (x 1 , x 2 ), n = (a, b) mit a 2 +b 2 = 1 die Gleichung

ax 1 + bx 2 p = 0.

Die Gr¨oße p hat ebenfalls eine geometrische Bedeutung. Geht die Gerade durch

den Nullpunkt, so ist p = 0. Im Falle p

= 0 f¨allt man das Lot vom Nullpunkt auf

die Gerade g. Ist Q der Lotfußpunkt und x der Ortsvektor von Q, so ist mit dem Winkel α zwischen x und n

p = x · n = | x| | n| cos α .

Da aber | n| = 1 und α = 0 oder α = π ist, folgt wegen der Wahl des Vorzeichens von n

p = | x|.

Also ist p der Abstand der Geraden g vom Nullpunkt.

Allgemeiner erh¨alt man:

Sei R ein beliebiger Punkt im R 2 mit Ortsvektor x, R 0 (mit Ortsvektor x 0 ) der Fußpunkt des Lotes von R auf die Gerade durch 0 und Q:

R

. R 0 g . Q . . α 0
.
R 0
g
. Q
.
.
α
0

10

Dann gilt

x · n

=

| x| | n| cos α

=

±| x 0 |.

d.h.: Der Abstand des Punktes R von der Geraden g ist |d(R)|, wobei

d(R) = x · n p.

d(R) ist positiv, wenn g zwischen R und Nullpunkt liegt, sonst negativ.

Beispiel: Gegeben sei die Geradengleichung

oder ¨aquivalent

y = 3 4 x + 2

4x + 3y 6 = 0.

Durch Normierung erh¨alt man die Hessesche Normalform

4 x + 3 y 6

5

5

5

= 0.

Somit ist der Abstand des Nullpunktes von g gerade p = 6/5, und der Abstand des Punktes R = (2, 1) von g ist 11/5, denn

d(R) = 4 · 2 + 3

5

5

· 1 6

5

=

11

5 .

R liegt auf derselben Seite von g wie 0.

15.14. Lineare Abh¨angigkeit von Vektoren

(i) Gegeben seien m Vektoren a k K n fur¨

k = 1, 2,

, m. Dann heißt

m

k=1

λ k a k mit

λ k K eine Linearkombination der Vektoren a k . Die Linearkombination heißt nicht trivial, wenn gilt

m

k=1

|λ k | > 0 .

(ii) Die Vektoren a k , k = 1,

, m, heißen linear abh¨angig, falls der Nullvektor eine

, a m ist, d.h. falls es Zahlen

nichttriviale Linearkombination der Vektoren a 1 ,

λ 1 ,

, λ m K gibt mit den Eigenschaften

(a)

m

k=1

λ k a k = 0

und

(b)

m

k=1

|λ k | > 0 .

11

(iii) Folgt umgekehrt aus der Beziehung

m

k=1

λ k a k =

λ 2 =

= λ m = 0, so heißen die Vektoren a 1 ,

0 stets

m

k=1

|λ k | = 0, d.h. λ 1

, a m linear unabh¨angig.

=

15.15. Beispiele

(a)

(b)

Gegeben seien a 1 = (4, 2) R 2 und a 2 = (6, 3) R 2 . Dann ist 3 a 1 2 a 2 = und somit sind a 1 und a 2 linear abh¨angig.

Betrachte a 1 = (4, 1) R 2 , a 2 = (1, 1) R 2 und bestimme 0 als Linearkombi- nation von a 1 und a 2 , d.h.

0,

0 = α a 1 + β a 2 = (4α + β, α β).

(c)

Also muss gelten

0

=

4α + β,

0

=

α β,

und hieraus folgt α = β = 0. Also sind die Vektoren a 1 und a 2 linear unabh¨angig. Man sagt: Die beiden Vektoren spannen die ganze Ebene R 2 auf.

m (m 2) Vektoren sind genau dann linear abh¨angig, wenn mindestens einer von ihnen als Linearkombination der ubrigen¨ darstellbar ist.

Sei etwa a 1 =

m

k=2

α k a k ; dann ist 0 =

m

k=1

α k a k mit α 1 = 1.

Sind umgekehrt die a k linear abh¨angig, also

0 =

m

k=1

α k a k

und

dann ist mindestens ein α k = 0 und es gilt:

a k =

m

j=1

j

=k

β j a j

mit

m

k=1

|α k | > 0,

β j = α j .

α

k

Spezialfall: Im K n sind zwei Vektoren genau dann linear abh¨angig, wenn einer ein Vielfaches des anderen ist.

(d)

Bezeichnung: Zwei linear abh¨angige Vektoren heißen kollinear, drei linear abh¨angige Vektoren komplanar (sie liegen dann in einer Ebene).

Der Nullvektor 0 ist stets linear abh¨angig.

12

(e)

Parallele und windschiefe Geraden im R 3

Gegeben seien zwei Geraden g 1 und g 2 durch ihre Parameterdarstellungen

g 1 :

x = x 0 + λ a

(λ R, x 0 , a R 3 ),

=

a

0,

g 2 :

y = x 1 + µ b

(µ R, x 1 , b R 3 ),

=

b

0.

b linear abh¨angig sind. Sie heißen wind-

schief, falls a und b linear unabh¨angig sind und g 1 und g 2 keinen Punkt gemein-

sam haben.

g 1 und g 2 heißen parallel, falls a und

15.16. Dimension eines Vektorraums

(i)

Gegeben sei ein Vektorraum V uber¨ K (z.B. K n ). Eine Menge M = { x 1 , x 2 , von Vektoren spannt V auf, falls gilt:

.}

Jeder Vektor x V l¨asst sich als Linearkombination von Vektoren aus M schrei- ben, d.h. mit passendem r N gilt

 

r

 

x =

λ k x k

(λ k K).

 

k=1

 

Man sagt auch: Die Vektoren { x 1 , x 2 ,

.} erzeugen V .

(ii)

Eine Menge { x 1 , x 2 ,

.} linear unabh¨angiger Vektoren in V , die den Vektorraum

V erzeugen, heißt eine Basis des Vektorraums. Die Dimension des Vektorraums

V ist gleich der Anzahl der linear unabh¨angigen Vektoren { x 1 , x 2 , erzeugen.

.}, die V

Beispiele:

(a)

Eine Gerade g durch den Nullpunkt wird durch einen einzigen linear unabh¨angi- gen Vektor aufgespannt. Daher hat sie die Dimension 1.

(b)

Eine Ebene E durch den Nullpunkt wird durch zwei linear unabh¨angige Vektoren aufgespannt, sie hat also die Dimension 2.

(c)

Der Raum K n wird durch n linear unabh¨angige Vektoren, etwa durch die kano- nischen Einheitsvektoren aufgespannt:

e 1

=

(1, 0, 0,

, 0),

e 2

=

(0, 1, 0,

, 0),

.

.

.

.

e n

=

(0,

, 0, 0, 1).

 

13

Jeder Vektor x K n l¨asst sich als Linearkombination der e k darstellen:

x = (x 1 ,

,

x n ) =

n

k=1

x k e k .

15.17. Darstellungen einer Ebene im R 3

(i) Parameterdarstellung

Seien a, b, x 0 R 3 und a, b linear unabh¨angig. Dann erh¨alt man alle Punkte einer Ebene E durch

x = x 0 + λ a + µ b mit λ, µ ∈ R.
x = x 0 + λ a + µ b
mit
λ, µ ∈ R.
E
a
λ a + µ b
b
x 0
x = x 0 + λ a + µ b

0

(ii) Hessesche Normalform einer Ebenengleichung

Eine Ebene E wird durch einen Normalenvektor n und einen festen Punkt P 0 in

der Ebene festgelegt. Fur¨

einen beliebigen Punkt P E ist ( x x 0 ) n, also

( x x 0 ) · n = 0

oder ¨aquivalent

x · n p = 0,

wobei durch geeignete Wahl des Vorzeichens von n stets p = x 0 · n 0 erreicht werden kann. Normiert man auf | n| = 1, ist p der Abstand der Ebene vom Nullpunkt.

14

n

E . P P 0 x − x 0 x 0 x
E
.
P
P 0
x −
x
0
x 0
x

0

Ahnlich ¨ wie bei der Geraden im R 2 berechnet man den Abstand eines beliebigen

Punktes R (mit Ortsvektor x) von der Ebene mittels d(R) = x · n p.

Beispiel: Gegeben sei die Ebenengleichung

2x + y + 2z 4 = 0.

Ein Vektor senkrecht zur Ebene ist n 0 = (2, 1, 2). Einen Normalen-Einheitsvektor erh¨alt

man durch Normierung von n 0 zu n = 1 3 n 0 , denn | n 0 | = 4 + 1 + 4 = 3.

Die Hessesche Normalform lautet somit

4

3 x + 3 y + 3 z 3

2

1

2

= 0,

und der Abstand der Ebene vom Nullpunkt ist 4/3.

Der Abstand des Punktes R = (4, 3, 2) von der Ebene ist

d(R) =

1

2

3 · 4 + 3 · 3 + 2

3 · 2 4

3

= 11

3 .

15.18. Das Vektorprodukt im R 3

Fur¨ x = (x 1 , x 2 , x 3 ), y = (y 1 , y 2 , y 3 ) R 3 heißt

x × y =

(x 2 y 3 x 3 y 2 , x 3 y 1 x 1 y 3 , x 1 y 2 x 2 y 1 )

das Vektorprodukt (oder das Kreuzprodukt) von x und y. Anders als beim Ska- larprodukt ist das Ergebnis wieder ein Vektor des R 3 .

15

15.19. Eigenschaften des Vektorprodukts

(i) ( x × y) x, ( x × y) y und x, y, x × y bilden ein Rechtsdreibein, falls x × y

= 0

ist.

x × y

ein Rechtsdreibein, falls x × y = 0 ist. x × y x y (ii) (iii)
ein Rechtsdreibein, falls x × y = 0 ist. x × y x y (ii) (iii)
ein Rechtsdreibein, falls x × y = 0 ist. x × y x y (ii) (iii)

x

y

(ii)

(iii)

(iv)

(v)

x × y = y ×