Die härtesten Formeln

1 Zahlentheorie: Die Riemannsche Welt

Riemannsche Zetafunktion & Euler-Produkt

$$\zeta(s) = \sum_{n=1}^{\infty} \frac{1}{n^s} = \prod_{p\ \text{prim}} \frac{1}{1 - p^{-s}},$$$$\operatorname{Re}(s) > 1$$

Erklärung: Links steht eine unendliche Summe über alle natürlichen Zahlen, rechts ein unendliches Produkt über alle Primzahlen. Dass beides gleich ist, ist im Kern der Fundamentalsatz der Arithmetik (jede Zahl hat eine eindeutige Primfaktorzerlegung) in analytischer Verkleidung. Euler hat damit 1737 bewiesen, dass es unendlich viele Primzahlen gibt – denn bei $s \to 1$ divergiert die linke Seite (harmonische Reihe), also muss das Produkt rechts unendlich viele Faktoren haben.

Wofür: Die Zetafunktion ist die zentrale Schaltstelle zwischen Analysis (kontinuierlich, glatt) und Zahlentheorie (diskret, chaotisch). Fast alles, was wir über die Verteilung der Primzahlen wissen, läuft über sie.

Anwendung: Per analytischer Fortsetzung wird $\zeta$ auf die gesamte komplexe Ebene (außer $s = 1$) ausgedehnt – erst dadurch bekommen Aussagen wie $\zeta(-1) = -\frac{1}{12}$ einen präzisen Sinn (das ist kein Summenwert der divergenten Reihe $1 + 2 + 3 + \ldots$, sondern der Wert der fortgesetzten Funktion).

Die Funktionalgleichung

$$\zeta(s) = 2^s\, \pi^{s-1}\, \sin\!\left(\frac{\pi s}{2}\right) \Gamma(1 - s)\, \zeta(1 - s)$$

Erklärung: Eine verborgene Spiegelsymmetrie: Die Werte von $\zeta$ bei $s$ und bei $1 - s$ sind über Gammafunktion und Sinus miteinander verschränkt. Die Symmetrieachse ist die Gerade $\operatorname{Re}(s) = \frac{1}{2}$ – die berühmte kritische Gerade.

Wofür: Sie erzwingt die „trivialen“ Nullstellen bei $s = -2, -4, -6, \ldots$ (dort verschwindet der Sinus) und rahmt das eigentliche Mysterium ein: die nichttrivialen Nullstellen im kritischen Streifen $0 < \operatorname{Re}(s) < 1$.

Riemannsche Vermutung & explizite Formel (von Mangoldt)

$$\textbf{Vermutung:} \quad \zeta(\rho) = 0,\ \rho \text{ nichttrivial} \implies \operatorname{Re}(\rho) = \tfrac{1}{2}$$ $$\psi(x) = x \;-\; \sum_{\rho} \frac{x^{\rho}}{\rho} \;-\; \ln(2\pi) \;-\; \frac{1}{2} \ln\bigl(1 - x^{-2}\bigr)$$

Erklärung: $\psi(x)$ zählt (gewichtet) die Primzahlpotenzen bis $x$. Die explizite Formel sagt etwas Unglaubliches: Die Verteilung der Primzahlen ist exakt bestimmt durch die Nullstellen $\rho$ der Zetafunktion. Der Hauptterm $x$ ist der glatte Trend; jede Nullstelle steuert eine Schwingung $x^{\rho}/\rho$ bei – die Primzahlen sind buchstäblich eine Überlagerung von „Wellen“, deren Frequenzen die Imaginärteile der Nullstellen sind. Die Riemannsche Vermutung (1859, unbewiesen, 1 Mio. $ Millennium-Preis) behauptet, dass alle diese Wellen dieselbe Amplitudenskala $\sqrt{x}$ haben – die Primzahlen wären dann so gleichmäßig verteilt, wie es der Zufall überhaupt erlaubt.

Wofür: RH impliziert die scharfe Fehlerabschätzung im Primzahlsatz: $\pi(x) = \operatorname{Li}(x) + O(\sqrt{x}\, \ln x)$. Hunderte Sätze der Zahlentheorie sind „unter Annahme von RH“ bewiesen.

Anwendung: Numerisch sind über $10^{13}$ Nullstellen geprüft – alle auf der kritischen Geraden. Faszinierend: Die Abstände der Nullstellen folgen der Statistik von Eigenwerten zufälliger hermitescher Matrizen (GUE) – dieselbe Mathematik wie in der Quantenphysik schwerer Atomkerne. Warum, weiß niemand.

Primzahlsatz

$$\pi(x) \sim \frac{x}{\ln x}$$$$\text{schärfer:}$$$$\pi(x) \sim \operatorname{Li}(x) = \int_2^x \frac{dt}{\ln t}$$

Erklärung: Die Anzahl der Primzahlen bis $x$ wächst wie $x/\ln x$. Anders gesagt: In der Nähe von $x$ ist grob jede $\ln(x)$-te Zahl prim – die Primzahlen werden immer dünner, aber nach einem präzisen Gesetz. Bewiesen 1896 (Hadamard, de la Vallée Poussin), im Kern über den Nachweis, dass $\zeta$ keine Nullstellen auf der Geraden $\operatorname{Re}(s) = 1$ hat.

Zum Inhalt

2 Analysis: Monster-Identitäten

Ramanujans $1/\pi$-Reihe (1914)

$$\frac{1}{\pi} = \frac{2\sqrt{2}}{9801} \sum_{k=0}^{\infty} \frac{(4k)!\, \bigl(1103 + 26390\, k\bigr)}{(k!)^4\, 396^{4k}}$$

Erklärung: Eine der verstörendsten Formeln der Mathematik. Ramanujan schrieb sie ohne Beweis auf; bewiesen wurde sie erst 1985 (Borwein-Brüder). Woher die Konstanten 1103, 26390, 396 kommen, ist tiefe Theorie: elliptische Integrale, Modulformen und sogenannte singuläre Werte – die 396 ist 4·99 und hängt an der Klassenzahl-Theorie imaginär-quadratischer Zahlkörper. Jeder einzelne Summand liefert etwa 8 korrekte Dezimalstellen von $\pi$.

Wofür: Historisch der Durchbruch für Hochpräzisions-$\pi$-Berechnung; theoretisch ein Fenster in die Welt der Modulformen (dieselbe Maschinerie, die später Fermats letzten Satz erledigt hat).

Chudnovsky-Algorithmus (1988)

$$\frac{1}{\pi} = 12 \sum_{k=0}^{\infty} \frac{(-1)^k\, (6k)!\, \bigl(13591409 + 545140134\, k\bigr)}{(3k)!\, (k!)^3\, 640320^{3k+3/2}}$$

Erklärung: Die aufgerüstete Version derselben Idee, basierend auf dem singulären Wert zur Diskriminante $-163$ – derselben Zahl, hinter der auch das „Wunder“ steckt, dass $e^{\pi\sqrt{163}}$ bis auf $10^{-12}$ eine ganze Zahl ist (Heegner-Zahlen!). Liefert $\approx 14$ Dezimalstellen pro Summand.

Anwendung: Mit diesem Algorithmus (plus Binary Splitting und FFT-Multiplikation) werden bis heute alle $\pi$-Weltrekorde gerechnet – aktuell im Bereich von über 100 Billionen Stellen.

Gammafunktion, Reflexionsformel & Stirling

$$\Gamma(z) = \int_0^{\infty} t^{z-1} e^{-t}\, dt,$$$$\Gamma(n) = (n - 1)!$$

$$\Gamma(z)\, \Gamma(1 - z) = \frac{\pi}{\sin(\pi z)}$$$$n! \sim \sqrt{2\pi n}\, \left(\frac{n}{e}\right)^{n} \left(1 + \frac{1}{12n} + \frac{1}{288n^2} - \ldots\right)$$

Erklärung: $\Gamma$ setzt die Fakultät auf komplexe Zahlen fort. Die Reflexionsformel verknüpft sie mit dem Sinus – daraus folgt sofort $\Gamma(\frac{1}{2}) = \sqrt{\pi}$. Stirlings Näherung sagt, wie brutal schnell Fakultäten wachsen, mit einer vollständigen asymptotischen Reihe als Korrektur.

Wofür: Überall: Verteilungen (Gamma-, Beta-, $t$-, $\chi^2$-Verteilung sind alle $\Gamma$-basiert), Kombinatorik, die Funktionalgleichung von $\zeta$, Stringtheorie (die Veneziano-Amplitude ist eine Beta-Funktion).

Brücke zum Quant: Stirling steckt in jeder Entropie- und Likelihood-Rechnung mit großen $n$; die Student-$t$-Verteilung (fette Tails!) ist das Standardmodell für Futures-Returns und lebt komplett von $\Gamma$-Faktoren.

Das Gauß-Integral – und seine matrixwertige Verallgemeinerung

$$\int_{-\infty}^{\infty} e^{-x^2}\, dx = \sqrt{\pi}$$ $$\int_{\mathbb{R}^n} \exp\!\Bigl(-\tfrac{1}{2}\, \mathbf{x}^{\top} A\, \mathbf{x} + \mathbf{b}^{\top} \mathbf{x}\Bigr)\, d^n x = \sqrt{\frac{(2\pi)^n}{\det A}}\; \exp\!\Bigl(\tfrac{1}{2}\, \mathbf{b}^{\top} A^{-1}\, \mathbf{b}\Bigr)$$

Erklärung: Das eindimensionale Integral ist elementar nicht lösbar – der Trick ist, es zu quadrieren und in Polarkoordinaten zu gehen. Die $n$-dimensionale Version (mit positiv definiter Matrix $A$) ist vermutlich die meistbenutzte Formel der theoretischen Physik: Jedes freie Quantenfeld, jede Störungsrechnung, jedes Bayes-Update mit Normalverteilungen ist am Ende dieses Integral.

Brücke zum Quant: Die Normalverteilung, Kalman-Filter-Updates, GLS-Regression und die geschlossene Form von Markowitz-Optimierungen sind alle Spezialfälle genau dieser Matrix-Identität. Wer sie einmal wirklich verstanden hat, sieht sie danach überall.

Zum Inhalt

3 Komplexe Analysis & Integralsätze

Cauchyscher Integralsatz & Residuensatz

$$\oint_{\gamma} f(z)\, dz = 0 \quad (f \text{ holomorph})$$$$\oint_{\gamma} f(z)\, dz = 2\pi i \sum_{k} \operatorname{Res}\bigl(f, a_k\bigr)$$

Erklärung: Holomorphe (komplex differenzierbare) Funktionen sind extrem starr: Ihr Integral über geschlossene Wege verschwindet – außer der Weg umschließt Singularitäten, dann zählt nur das lokale Verhalten dort (die „Residuen“). Ein globales Integral kollabiert auf endlich viele lokale Zahlen.

Wofür: Der mächtigste Integrations-Trick überhaupt: reelle Integrale, die reell unlösbar sind, werden in die komplexe Ebene gehoben und per Residuen ausgewertet. Auch: Inversion von Laplace- und Fourier-Transformationen.

Brücke zum Quant: Optionspreise im Heston-Modell (stochastische Vola) werden über Konturintegrale der charakteristischen Funktion berechnet – Residuenkalkül in Produktion.

Der verallgemeinerte Satz von Stokes

$$\int_{\partial\Omega} \omega \;=\; \int_{\Omega} d\omega$$

Erklärung: Fünf Zeichen, die den Hauptsatz der Analysis, den Satz von Gauß (Divergenz), den klassischen Stokes (Rotation) und Greens Formel als Spezialfälle enthalten. In Worten: Das Integral einer Differentialform $\omega$ über den Rand eines Gebiets ist gleich dem Integral ihrer Ableitung $d\omega$ über das Innere. „Was durch die Oberfläche fließt, entsteht im Volumen.“

Wofür: Das Rückgrat der modernen Differentialgeometrie und Feldtheorie – Maxwell-Gleichungen, Erhaltungssätze und Topologie (de-Rham-Kohomologie) sind Anwendungen.

Fourier-Transformation, Faltung & Parseval

$$\hat{f}(\xi) = \int_{-\infty}^{\infty} f(x)\, e^{-2\pi i x \xi}\, dx$$$$f(x) = \int_{-\infty}^{\infty} \hat{f}(\xi)\, e^{2\pi i x \xi}\, d\xi$$

$$\widehat{f * g} = \hat{f} \cdot \hat{g}$$$$\int |f(x)|^2\, dx = \int |\hat{f}(\xi)|^2\, d\xi$$

Erklärung: Jedes Signal lässt sich als Überlagerung von Schwingungen schreiben; die Fourier-Transformierte sagt, wie viel von jeder Frequenz drinsteckt. Das Faltungstheorem macht aus komplizierten Faltungen simple Multiplikationen; Parseval sagt: Energie im Zeitraum $=$ Energie im Frequenzraum.

Wofür: Signalverarbeitung, PDEs lösen (Ableitungen werden zu Multiplikationen!), Quantenmechanik (Orts- vs. Impulsraum), Kompression, die FFT als der vielleicht wichtigste Algorithmus des 20. Jahrhunderts ($O(n \log n)$).

Brücke zum Quant: Spektralanalyse von Returns (Saisonalitäten, Zyklen), schnelle Faltung für gleitende Filter, Carr-Madan-FFT-Optionspricing, und: Die charakteristische Funktion einer Verteilung ist ihre Fourier-Transformierte.

Zum Inhalt

4 Variationsrechnung & klassische Mechanik

Wirkungsprinzip & Euler-Lagrange-Gleichung

$$S[q] = \int_{t_1}^{t_2} L\bigl(q, \dot{q}, t\bigr)\, dt \;\to\; \text{stationär}$$$$\Longrightarrow$$$$\frac{d}{dt}\, \frac{\partial L}{\partial \dot{q}_i} \;-\; \frac{\partial L}{\partial q_i} = 0$$

Erklärung: Die vielleicht tiefste Idee der Physik: Die Natur „wählt“ von allen denkbaren Pfaden $q(t)$ denjenigen, für den die Wirkung $S$ (Integral über Lagrangefunktion $L = T - V$, kinetische minus potentielle Energie) stationär ist. Die Euler-Lagrange-Gleichung ist die Bedingung dafür – aus ihr folgt Newtons $F = ma$ als Spezialfall, aber sie funktioniert in jedem Koordinatensystem und verallgemeinert auf Felder, Relativität und Quantenfeldtheorie.

Wofür: Das universelle Rezept: Physikalische Theorie definieren $=$ Lagrangefunktion hinschreiben. Alles Weitere (Bewegungsgleichungen, Erhaltungssätze) folgt mechanisch.

Brücke zum Quant: Variationsrechnung ist auch die Mutter der Optimierung unter Nebenbedingungen – der Weg von hier zu Optimal Control und zur HJB-Gleichung (Abschnitt 10) ist direkt.

Hamilton-Formalismus

$$H(q, p, t) = \sum_i p_i\, \dot{q}_i - L,$$$$\dot{q}_i = \frac{\partial H}{\partial p_i},$$$$\dot{p}_i = -\frac{\partial H}{\partial q_i}$$

Erklärung: Die Legendre-Transformation von $L$: Statt Position und Geschwindigkeit sind jetzt Position $q$ und Impuls $p$ die Grundvariablen. Die Dynamik wird ein Fluss im Phasenraum, der Volumen erhält (Satz von Liouville). $H$ ist meist die Gesamtenergie.

Wofür: Das Sprungbrett zur Quantenmechanik ($H$ wird zum Operator $\hat{H}$) und zur statistischen Mechanik (Phasenraumvolumen $\to$ Entropie).

Noether-Theorem (1918)

$$\text{Kontinuierliche Symmetrie von } S \quad \Longleftrightarrow \quad \text{Erhaltungsgröße}$$ $$\delta q_i = \epsilon\, \phi_i \text{ lässt } S \text{ invariant} \implies Q = \sum_i \frac{\partial L}{\partial \dot{q}_i}\, \phi_i = \text{const.}$$

Erklärung: Einer der schönsten Sätze der Wissenschaft: Jede kontinuierliche Symmetrie erzeugt einen Erhaltungssatz. Zeitverschiebungs-Symmetrie $\Rightarrow$ Energieerhaltung. Raumverschiebung $\Rightarrow$ Impulserhaltung. Rotation $\Rightarrow$ Drehimpuls. Phasensymmetrie der Wellenfunktion $\Rightarrow$ Ladungserhaltung. Erhaltungssätze sind keine Zusatzannahmen – sie sind Schatten von Symmetrien.

Wofür: Das Organisationsprinzip der gesamten modernen Physik; das Standardmodell (Abschnitt 7) ist im Kern eine Liste von Symmetrien.

Zum Inhalt

5 Elektrodynamik & Eichtheorie

Maxwell-Gleichungen – klassisch und kovariant

$$\nabla \cdot \mathbf{E} = \frac{\rho}{\varepsilon_0}, \quad \nabla \cdot \mathbf{B} = 0, \quad \nabla \times \mathbf{E} = -\frac{\partial \mathbf{B}}{\partial t}, \quad \nabla \times \mathbf{B} = \mu_0 \mathbf{J} + \mu_0 \varepsilon_0 \frac{\partial \mathbf{E}}{\partial t}$$

$$\text{Kovariant:}$$$$\partial_{\mu} F^{\mu\nu} = \mu_0\, J^{\nu},$$$$\partial_{[\alpha} F_{\beta\gamma]} = 0,$$$$F_{\mu\nu} = \partial_{\mu} A_{\nu} - \partial_{\nu} A_{\mu}$$

Erklärung: Vier Gleichungen, die Elektrizität, Magnetismus und Licht vereinigen. Aus ihnen folgt die Wellengleichung mit Ausbreitungsgeschwindigkeit $c = 1/\sqrt{\mu_0 \varepsilon_0}$ – Maxwell rechnete 1865 aus, dass Licht eine elektromagnetische Welle ist. In der kovarianten Form schrumpfen alle vier auf zwei Zeilen im Feldstärketensor $F_{\mu\nu}$ – und man sieht: Die Theorie ist von Haus aus relativistisch. Die Spannung zwischen Maxwell und Newton war es, die Einstein 1905 zur Speziellen Relativitätstheorie zwang.

Wofür: Die erste Eichtheorie der Geschichte: Die Physik hängt nur von $F_{\mu\nu}$ ab, nicht vom Potential $A_{\mu}$ selbst – diese „Redundanz“ (Eichfreiheit) wurde später zum Konstruktionsprinzip des Standardmodells.

Yang-Mills-Wirkung (Millennium-Problem)

$$S_{\mathrm{YM}} = -\frac{1}{4} \int F^{a}_{\mu\nu}\, F^{a\,\mu\nu}\; d^4 x,$$$$F^{a}_{\mu\nu} = \partial_{\mu} A^{a}_{\nu} - \partial_{\nu} A^{a}_{\mu} + g\, f^{abc} A^{b}_{\mu} A^{c}_{\nu}$$

Erklärung: Die nichtabelsche Verallgemeinerung von Maxwell: Die Eichfelder tragen selbst Ladung (der Term $g f^{abc} A A$) und wechselwirken miteinander – Gluonen kleben an Gluonen. Das macht die Theorie hochgradig nichtlinear und erzeugt Confinement (Quarks kommen nie einzeln vor). Das Millennium-Problem: Beweisen Sie mathematisch rigoros, dass die Quanten-Yang-Mills-Theorie existiert und eine Massenlücke $\Delta > 0$ hat. Physiker sind sicher, dass es stimmt (Gitter-Simulationen); ein Beweis fehlt komplett. 1 Mio. $.

Zum Inhalt

6 Quantenmechanik

Schrödinger-Gleichung

$$i\hbar\, \frac{\partial}{\partial t} \Psi(\mathbf{r}, t) = \hat{H}\, \Psi(\mathbf{r}, t) = \left[-\frac{\hbar^2}{2m} \nabla^2 + V(\mathbf{r}, t)\right] \Psi(\mathbf{r}, t)$$

Erklärung: Die Grundgleichung der nichtrelativistischen Quantenmechanik. $\Psi$ ist die Wellenfunktion; $|\Psi|^2$ ist die Wahrscheinlichkeitsdichte, das Teilchen irgendwo zu finden (Bornsche Regel). Die Gleichung selbst ist deterministisch und linear – daher Superposition und Interferenz; der Zufall kommt erst bei der Messung ins Spiel. Mathematisch ist es eine Diffusionsgleichung mit imaginärer Zeit – eine Verwandtschaft mit tiefen Konsequenzen (siehe Feynman-Kac, Abschnitt 10).

Wofür: Atome, Moleküle, Halbleiter, Chemie, Laser, moderne Elektronik – praktisch die gesamte Technologie des 20./21. Jahrhunderts hängt an dieser Gleichung.

Verallgemeinerte Unschärferelation (Robertson)

$$\sigma_A\, \sigma_B \;\geq\; \frac{1}{2} \Bigl|\bigl\langle [\hat{A}, \hat{B}] \bigr\rangle\Bigr|$$$$\Rightarrow$$$$\sigma_x\, \sigma_p \geq \frac{\hbar}{2}$$

Erklärung: Nicht kommutierende Observablen ($[\hat{A}, \hat{B}] = \hat{A}\hat{B} - \hat{B}\hat{A} \neq 0$) können nicht gleichzeitig scharf sein. Das ist kein Messfehler-Statement, sondern Mathematik: Es ist letztlich die Cauchy-Schwarz-Ungleichung im Hilbertraum. Ort und Impuls sind Fourier-Paare – ein scharf lokalisiertes Signal hat zwangsläufig breites Spektrum.

Brücke zum Quant: Exakt dieselbe Mathematik begrenzt Zeit-Frequenz-Auflösung in der Signalverarbeitung: Sie können nicht gleichzeitig präzise wissen, wann und mit welcher Frequenz ein Zyklus in einer Preisreihe auftritt (Gabor-Limit).

Dirac-Gleichung (1928)

$$\left(i\gamma^{\mu}\partial_{\mu} - \frac{mc}{\hbar}\right)\psi = 0,$$$$\{\gamma^{\mu}, \gamma^{\nu}\} = 2\eta^{\mu\nu}$$

Erklärung: Diracs Coup: eine relativistische Wellengleichung erster Ordnung. Der Preis: Die Koeffizienten $\gamma^{\mu}$ können keine Zahlen sein – sie müssen $4 \times 4$-Matrizen sein, die die Clifford-Algebra $\{\gamma^{\mu}, \gamma^{\nu}\} = 2\eta^{\mu\nu}$ erfüllen. Die Konsequenzen fielen aus der Gleichung heraus, ohne dass jemand sie hineingesteckt hätte: Der Spin des Elektrons, sein magnetisches Moment mit $g \approx 2$, und – weil die Gleichung Lösungen negativer Energie hat – die Existenz von Antimaterie. Das Positron wurde 1932 gefunden, vier Jahre nach der Vorhersage. Vermutlich das beste Beispiel dafür, dass Mathematik der Physik voraus sein kann.

Feynmans Pfadintegral

$$\bigl\langle x_f, t_f \,\big|\, x_i, t_i \bigr\rangle = \int \mathcal{D}[x(t)]\; \exp\!\left(\frac{i}{\hbar}\, S[x(t)]\right) = \int \mathcal{D}[x(t)]\; \exp\!\left(\frac{i}{\hbar} \int_{t_i}^{t_f} L\, dt\right)$$

Erklärung: Die dritte Formulierung der Quantenmechanik (neben Schrödinger und Heisenberg): Die Übergangsamplitude von A nach B ist die Summe über alle denkbaren Pfade – jeder gewichtet mit einer komplexen Phase proportional zu seiner klassischen Wirkung $S$. Pfade nahe dem klassischen (stationären) Pfad interferieren konstruktiv, wilde Pfade löschen sich weg. Für $\hbar \to 0$ überlebt nur der klassische Pfad – so entsteht klassische Mechanik aus Quantenmechanik. Das Integralzeichen $\int \mathcal{D}[x(t)]$ ist ein Integral über einen unendlichdimensionalen Funktionenraum – mathematisch bis heute nur in Spezialfällen rigoros.

Wofür: Das Arbeitspferd der Quantenfeldtheorie (Feynman-Diagramme sind Terme seiner Störungsentwicklung) und der statistischen Physik.

Brücke zum Quant: Ersetzt man $it/\hbar \to t$ („Wick-Rotation“), wird aus dem Pfadintegral ein Erwartungswert über Brownsche Pfade – exakt das Feynman-Kac-Integral, mit dem Optionspreise als Erwartungswerte über Preispfade geschrieben werden. Derivatepricing ist euklidische Quantenmechanik.

Zum Inhalt

7 Das Standardmodell der Teilchenphysik

Der Standardmodell-Lagrangian (kompakte Form)

$$\mathcal{L}_{\mathrm{SM}} = \underbrace{-\tfrac{1}{4}\, F^{a}_{\mu\nu} F^{a\,\mu\nu}}_{\text{Eichfelder}} \;+\; \underbrace{i\,\bar{\psi}\,\gamma^{\mu} D_{\mu}\,\psi}_{\text{Materie}} \;+\; \underbrace{\bigl(\bar{\psi}_L\, Y\, \psi_R\, \phi + \text{h.c.}\bigr)}_{\text{Yukawa: Massen}} \;+\; \underbrace{\bigl|D_{\mu}\phi\bigr|^2}_{\text{Higgs-Kinetik}} \;-\; \underbrace{V(\phi)}_{\text{Higgs-Potential}}$$

$$D_{\mu} = \partial_{\mu} - i g_s\, T^a G^a_{\mu} - i g\, \tfrac{\tau^i}{2} W^i_{\mu} - i g'\, \tfrac{Y}{2} B_{\mu}$$$$V(\phi) = -\mu^2\, \phi^{\dagger}\phi + \lambda\, \bigl(\phi^{\dagger}\phi\bigr)^2$$

Erklärung: Fünf Terme, die (bis auf Gravitation) alle bekannte Physik enthalten – jede Kollision am LHC, jede chemische Reaktion, jeder Sonnenstrahl. Term 1: die Dynamik der Kraftfelder (Gluonen, W/Z, Photon) zur Eichgruppe $SU(3) \times SU(2) \times U(1)$. Term 2: Quarks und Leptonen und ihre Kopplung an die Kräfte über die kovariante Ableitung $D_{\mu}$ – die drei Kopplungskonstanten $g_s, g, g'$ sind die Stärken der starken, schwachen und Hyperladungs-Wechselwirkung. Term 3: die Yukawa-Kopplungen ans Higgs-Feld, aus denen alle Fermionmassen entstehen (die Matrix $Y$ enthält auch die CKM-Mischung, also warum Quarks ihre „Familie“ wechseln können). Terme 4–5: das Higgs-Feld selbst. Das Minuszeichen vor $\mu^2$ ist der berühmteste Vorzeichentrick der Physik: Es macht $\phi = 0$ instabil, das Feld „rollt“ in ein Minimum bei $|\phi| = v/\sqrt{2} \approx 174$ GeV – spontane Symmetriebrechung. Dadurch bekommen W und Z Masse (kurze Reichweite der schwachen Kraft), das Photon bleibt masselos, und 2012 wurde das zugehörige Teilchen – das Higgs-Boson – am LHC gefunden.

Wofür: Die am präzisesten getestete Theorie der Wissenschaftsgeschichte: Das anomale magnetische Moment des Elektrons stimmt auf $\sim 12$ Stellen mit dem Experiment überein.

Anwendung: Voll ausgeschrieben (alle Familien, Eichfixierung, Geistterme) füllt $\mathcal{L}_{\mathrm{SM}}$ mehrere Seiten – die berühmte „CERN-Kaffeetassen-Formel“ ist eine Mittelstufe davon. Zum Studieren: erst QED (nur Photon + Elektron), dann elektroschwache Theorie, dann QCD. Was fehlt: Gravitation, Dunkle Materie, Neutrinomassen-Ursprung – das Standardmodell ist spektakulär richtig und offensichtlich unvollständig zugleich.

Zum Inhalt

8 Allgemeine Relativitätstheorie

Einsteinsche Feldgleichungen (1915)

$$R_{\mu\nu} \;-\; \frac{1}{2}\,R\,g_{\mu\nu} \;+\; \Lambda\,g_{\mu\nu} \;=\; \frac{8\pi G}{c^4}\,T_{\mu\nu}$$

Erklärung: Links: Geometrie – der Ricci-Tensor $R_{\mu\nu}$ und Krümmungsskalar $R$ messen, wie die Raumzeit (beschrieben durch die Metrik $g_{\mu\nu}$) gekrümmt ist. Rechts: Materie – der Energie-Impuls-Tensor $T_{\mu\nu}$. Wheelers Zusammenfassung: „Materie sagt der Raumzeit, wie sie sich krümmen soll; die Raumzeit sagt der Materie, wie sie sich bewegen soll.“ Gravitation ist keine Kraft, sondern Geometrie. Der Faktor $8\pi G/c^4 \approx 2 \cdot 10^{-43}$ erklärt, warum man extreme Massen braucht, um Raumzeit sichtbar zu verbiegen. $\Lambda$ ist die kosmologische Konstante – Einsteins „größte Eselei“, die seit 1998 als Dunkle Energie wieder quicklebendig ist. Hinter der kompakten Notation stecken 10 gekoppelte, nichtlineare partielle Differentialgleichungen – die Nichtlinearität kommt daher, dass das Gravitationsfeld selbst Energie trägt und damit selbst gravitiert.

Wofür: Schwarze Löcher, Gravitationswellen (LIGO 2015), Kosmologie, GPS (ohne relativistische Korrekturen läge Ihr Navi nach einem Tag um $\sim$10 km daneben).

Schwarzschild-Metrik & Geodätengleichung

$$ds^2 = -\left(1 - \frac{r_s}{r}\right) c^2\,dt^2 + \left(1 - \frac{r_s}{r}\right)^{-1} dr^2 + r^2\,d\Omega^2,$$$$r_s = \frac{2GM}{c^2}$$

$$\frac{d^2 x^\mu}{d\tau^2} + \Gamma^\mu_{\alpha\beta}\,\frac{dx^\alpha}{d\tau}\,\frac{dx^\beta}{d\tau} = 0$$

Erklärung: Die erste exakte Lösung der Feldgleichungen (Schwarzschild, 1916, an der Ostfront gerechnet): das Gravitationsfeld einer kugelsymmetrischen Masse. Bei $r = r_s$ liegt der Ereignishorizont – dort wechseln $t$ und $r$ ihre Rollen, drinnen führt jede Zukunft ins Zentrum. Die Geodätengleichung ist das „$F = ma$“ der gekrümmten Raumzeit: Kräftefreie Teilchen folgen den geradesten möglichen Linien; die Christoffel-Symbole $\Gamma^\mu_{\alpha\beta}$ kodieren die Krümmung.

Anwendung: Aus der Schwarzschild-Lösung folgen die klassischen Tests: Periheldrehung des Merkur, Lichtablenkung (Eddington 1919), Shapiro-Verzögerung, gravitative Zeitdilatation.

Zum Inhalt

9 Statistische Physik, Fluide & Chaos

Boltzmann-Gleichung mit Stoßintegral

$$\frac{\partial f}{\partial t} + \mathbf{v}\cdot\nabla_{\mathbf{x}} f + \frac{\mathbf{F}}{m}\cdot\nabla_{\mathbf{v}} f = \int_{\mathbb{R}^3}\int_{S^2} \Big(f(\mathbf{v}')\,f(\mathbf{v}_1') - f(\mathbf{v})\,f(\mathbf{v}_1)\Big)\,|\mathbf{v} - \mathbf{v}_1|\,\sigma(\Omega)\,d\Omega\,d^3v_1$$

$$\textbf{H-Theorem:}\quad H(t) = \int f \ln f\; d^3v \quad\Rightarrow\quad \frac{dH}{dt} \le 0$$$$\textbf{Boltzmann-Entropie:}\quad S = k_B \ln W$$

Erklärung: Die Evolution der Verteilungsfunktion $f(\mathbf{x}, \mathbf{v}, t)$ eines Gases: links freier Transport und äußere Kräfte, rechts das Stoßintegral – ein fünffaches Integral, das Gewinn und Verlust durch Zweierstöße bilanziert (gestrichene Geschwindigkeiten $=$ nach dem Stoß). Das H-Theorem ist der mikroskopische Ursprung des Zweiten Hauptsatzes: $-H$ (die Entropie) wächst monoton – obwohl die zugrunde liegende Mechanik zeitumkehrbar ist. Diese Spannung (Loschmidt-Paradoxon) und ihre Auflösung über Wahrscheinlichkeit und Anfangsbedingungen gehört zum Tiefsten, was die Physik zu bieten hat. $S = k_B \ln W$ – Entropie als Logarithmus der Zahl der Mikrozustände – steht auf Boltzmanns Grabstein.

Brücke zum Quant: Die Kinetik von Limit-Order-Büchern wird in der Literatur mit genau solchen Master-/kinetischen Gleichungen modelliert: Orderankunft und -löschung als „Stöße“ auf einer Preisachse.

Navier-Stokes-Gleichungen (Millennium-Problem)

$$\rho\left(\frac{\partial \mathbf{u}}{\partial t} + (\mathbf{u}\cdot\nabla)\,\mathbf{u}\right) = -\nabla p + \mu\,\nabla^2\mathbf{u} + \mathbf{f},$$$$\nabla\cdot\mathbf{u} = 0$$

$$\text{Reynolds-Zahl:}\quad Re = \frac{\rho\,u\,L}{\mu}$$

Erklärung: Newtons zweites Gesetz für ein Fluid-Element: Trägheit (links) $=$ Druckgradient $+$ Viskosität $+$ äußere Kräfte. Der harmlos aussehende Term $(\mathbf{u}\cdot\nabla)\mathbf{u}$ – das Fluid transportiert seinen eigenen Impuls – ist die Quelle allen Übels: Er ist nichtlinear und erzeugt Turbulenz, die Energie kaskadenartig von großen zu kleinen Wirbeln transportiert (Kolmogorov: Energiespektrum $E(k) \propto k^{-5/3}$). Das Millennium-Problem: Beweisen Sie, dass glatte Anfangsdaten in 3D für alle Zeiten glatte Lösungen haben – oder finden Sie ein Gegenbeispiel („Blow-up“). Offen. 1 Mio. $. Wir fliegen mit Gleichungen, von denen wir nicht wissen, ob sie mathematisch wohldefiniert sind.

Brücke zum Quant: Turbulenz-Statistik war eine der Blaupausen der Ökonophysik: Skalengesetze, fette Tails und Vola-Clustering in Finanzreturns haben frappierende (wenn auch umstrittene) Parallelen zu Kolmogorov-Kaskaden. Mandelbrot kam von der Turbulenz zu den Märkten.

Lorenz-System & Feigenbaum-Konstante

$$\dot{x} = \sigma(y - x),$$$$\dot{y} = x(\rho - z) - y,$$$$\dot{z} = xy - \beta z$$

$$\delta = \lim_{n\to\infty} \frac{a_n - a_{n-1}}{a_{n+1} - a_n} = 4{,}669\,201\,609\ldots$$

Erklärung: Drei simple gekoppelte Gleichungen (Lorenz 1963, ein Karikatur-Wettermodell) – und trotzdem deterministisches Chaos: exponentielle Empfindlichkeit auf Anfangsbedingungen („Schmetterlingseffekt“), ein fraktaler seltsamer Attraktor, Langfristprognose prinzipiell unmöglich. Die Feigenbaum-Konstante $\delta$ beschreibt, wie sich Periodenverdopplungen auf dem Weg ins Chaos verdichten – und ist universell: dieselbe Zahl für die logistische Abbildung $x_{n+1} = r x_n (1 - x_n)$, tropfende Wasserhähne und elektrische Schaltkreise. Eine neue Naturkonstante, entdeckt mit einem Taschenrechner.

Brücke zum Quant: Die praktische Lektion für Trading: Deterministisch $\neq$ prognostizierbar. Systeme mit positivem Lyapunov-Exponenten haben einen harten Prognosehorizont – danach ist jedes Modell wertlos, egal wie gut es kalibriert ist.

Zum Inhalt

10 Stochastische Analysis Deluxe – die Brücke zurück

Fokker-Planck-Gleichung (Kolmogorov vorwärts)

$$\frac{\partial p(x,t)}{\partial t} = -\frac{\partial}{\partial x}\big[\mu(x,t)\,p(x,t)\big] + \frac{1}{2}\,\frac{\partial^2}{\partial x^2}\big[\sigma^2(x,t)\,p(x,t)\big]$$

Erklärung: Während eine SDE (wie $dX = \mu\,dt + \sigma\,dW$) einen einzelnen Zufallspfad beschreibt, beschreibt Fokker-Planck die Evolution der gesamten Wahrscheinlichkeitsdichte $p(x,t)$: Drift schiebt die Dichte, Diffusion verschmiert sie. SDE und PDE sind zwei Sichten auf denselben Prozess.

Wofür: Stationäre Verteilungen ausrechnen ($\partial_t p = 0$ setzen), Übergangsdichten, First-Passage-Probleme (Wann reißt der Stop? Wann ist das Drawdown-Limit erreicht?).

Brücke zum Quant: Für den OU-Prozess liefert Fokker-Planck sofort die stationäre Verteilung $N(\mu, \sigma^2/2\theta)$ – das ist exakt die Streuung, mit der man Entry-Bänder im Stat-Arb setzt. First-Passage-Dichten sind die saubere Theorie hinter „Wie wahrscheinlich ist bei einem Konto mit Verlustgrenze der Blowout vor Erreichen des Targets?“

Feynman-Kac-Formel

$$\frac{\partial u}{\partial t} + \mu(x,t)\,\frac{\partial u}{\partial x} + \frac{1}{2}\,\sigma^2(x,t)\,\frac{\partial^2 u}{\partial x^2} - r\,u = 0,$$$$u(x,T) = \varphi(x)$$

$$\iff$$$$u(x,t) = \mathbb{E}\Big[e^{-r(T-t)}\;\varphi\big(X_T\big)\;\Big|\;X_t = x\Big]$$

Erklärung: Der Brückenschlag schlechthin: Die Lösung einer parabolischen PDE ist ein Erwartungswert über stochastische Pfade – und umgekehrt. Deshalb kann man Optionspreise wahlweise als PDE lösen (Finite Differenzen) oder als Monte-Carlo-Erwartungswert simulieren: Es ist mathematisch dasselbe Objekt. Historisch kommt die Formel aus Feynmans Pfadintegral (Abschnitt 6) – Kac erkannte, dass die Wick-rotierte Version rigoros über Brownsche Bewegung definierbar ist.

Brücke zum Quant: Setzen Sie $\mu = rx$, $\sigma(x) = \sigma x$, $\varphi(x) = \max(x - K, 0)$ – und Sie haben wortwörtlich die Black-Scholes-Gleichung samt ihrer risikoneutralen Erwartungswert-Lösung. Jeder Monte-Carlo-Pricer der Welt läuft auf Feynman-Kac.

Girsanov-Theorem (Maßwechsel)

$$\left.\frac{dQ}{dP}\right|_{\mathcal{F}_T} = \exp\!\bigg(-\int_0^T \theta_t\,dW_t \;-\; \frac{1}{2}\int_0^T \theta_t^2\,dt\bigg)$$$$\Rightarrow$$$$W_t^Q = W_t + \int_0^t \theta_s\,ds$$

Erklärung: Man kann das Wahrscheinlichkeitsmaß so wechseln, dass ein Brownscher Prozess mit Drift unter dem neuen Maß $Q$ driftlos wird – der Preis ist der stochastische Gewichtungsfaktor (Radon-Nikodym-Dichte) oben. Kern der Idee: Drift ist keine absolute Eigenschaft eines Prozesses, sondern hängt von der „Wahrscheinlichkeitsbrille“ ab, durch die man schaut.

Brücke zum Quant: Das theoretische Fundament des risikoneutralen Pricings: Unter $Q$ wachsen alle Assets mit dem risikofreien Zins, und Derivate sind diskontierte Erwartungswerte – deshalb taucht in Black-Scholes die echte Drift $\mu$ nicht auf. Praktisch ist Girsanov auch die Basis von Importance Sampling in Monte-Carlo (seltene Events wie Tail-Risiken effizient simulieren, indem man das Maß dorthin verschiebt).

Hamilton-Jacobi-Bellman-Gleichung (HJB)

$$\frac{\partial V}{\partial t} \;+\; \sup_{u \in U}\left\{\mu(x,u)\,\frac{\partial V}{\partial x} \;+\; \frac{1}{2}\,\sigma^2(x,u)\,\frac{\partial^2 V}{\partial x^2} \;+\; f(x,u)\right\} = 0,$$$$V(x,T) = g(x)$$

Erklärung: Die Grundgleichung der stochastischen optimalen Steuerung – die kontinuierliche Version von Bellmans Dynamic Programming: Die Wertfunktion $V(x,t)$ (bester erreichbarer erwarteter Nutzen ab Zustand $x$ zur Zeit $t$) erfüllt eine nichtlineare PDE, in der zu jedem Zeitpunkt über die Steuerung $u$ maximiert wird. Das Prinzip dahinter: Ein optimaler Plan bleibt optimal, egal wo man ihn betritt. Sie ist die stochastische Schwester der Hamilton-Jacobi-Gleichung der Mechanik (Abschnitt 4) – Physik und Entscheidungstheorie sprechen hier dieselbe Sprache.

Wofür: Optimale Steuerung unter Unsicherheit: Robotik, Raumfahrt-Trajektorien, Reinforcement Learning (die Bellman-Gleichung von Q-Learning ist die diskrete Version).

Brücke zum Quant: Die beiden Execution-Klassiker aus der Quant-Formelsammlung sind Lösungen von HJB-Gleichungen: Avellaneda-Stoikov (optimales Quoting, $u$ = Bid/Ask-Abstände) und Almgren-Chriss (optimale Liquidierung, $u$ = Handelsrate) entstehen beide, indem man das jeweilige Kontrollproblem in HJB gießt und löst. Auch Mertons Portfolio-Problem (wie viel ins riskante Asset?) ist HJB – Lösung: konstanter Anteil $\frac{\mu - r}{\gamma\sigma^2}$, der große Bruder von Kelly. Wer HJB beherrscht, kann sich Sizing- und Execution-Regeln herleiten, statt sie zu raten.

Zum Inhalt

11 Information, Entropie & Lernen

Shannon-Entropie, KL-Divergenz & Kanalkapazität

$$H(X) = -\sum_i p_i \log_2 p_i$$$$D_{\mathrm{KL}}\big(P \,\|\, Q\big) = \sum_i p_i \log\frac{p_i}{q_i} \;\ge\; 0$$

$$C = B\,\log_2\!\left(1 + \frac{S}{N}\right) \quad \text{(Shannon-Hartley)}$$

Erklärung: Shannon 1948: Information ist messbar. $H$ ist die mittlere Überraschung einer Quelle – zugleich die harte Untergrenze für verlustfreie Kompression (bits pro Symbol). Die KL-Divergenz misst den „Abstand“ zwischen einer wahren Verteilung $P$ und einem Modell $Q$ – genauer: die im Mittel verschwendeten Bits, wenn man mit dem falschen Modell codiert. Die Kanalkapazität $C$ ist die maximale fehlerfreie Übertragungsrate durch einen verrauschten Kanal – eine absolute Grenze, gegen die kein Ingenieur der Welt ankommt (aber der man mit Turbo-/LDPC-Codes beliebig nahe kommt).

Wofür: Kompression, Kommunikation, Kryptographie – und die gesamte moderne Statistik: Maximum Likelihood ist KL-Minimierung, die Cross-Entropy-Loss beim ML-Training ist $H(P) + D_{\mathrm{KL}}(P\|Q)$.

Die tiefste Brücke: Shannon ↔ Kelly

Kelly (1956) zeigte: Setzt man bei fairen Quoten mit privater Information (Trefferwahrscheinlichkeit $p$) optimal, dann ist die maximale Wachstumsrate des Kapitals

– exakt die Kapazität des „Informationskanals“ zwischen Ihnen und dem Markt. Edge ist wörtlich Information: Jedes Bit an echtem Informationsvorsprung übersetzt sich in eine Verdopplungsrate des Kapitals. Ein Alpha ist ein Kanal mit $C > 0$; Transaktionskosten sind Kanalrauschen; Overfitting ist die Illusion von Kapazität, wo keine ist. Cover & Thomas, Elements of Information Theory, Kap. 6 – Pflichtlektüre.

Cramér-Rao-Schranke & Fisher-Information

$$\operatorname{Var}\big(\hat{\theta}\big) \;\ge\; \frac{1}{n\,I(\theta)},$$$$I(\theta) = \mathbb{E}\left[\left(\frac{\partial}{\partial\theta}\ln f(X;\theta)\right)^2\right]$$

Erklärung: Kein erwartungstreuer Schätzer kann präziser sein als der Kehrwert der Fisher-Information – eine fundamentale Untergrenze der Statistik, strukturell verwandt mit der Heisenberg-Unschärfe (beides sind Cauchy-Schwarz-Argumente).

Brücke zum Quant: Erklärt quantitativ, warum Sharpe-Ratio-Schätzungen so lausig konvergieren: Der Standardfehler eines Sharpe von $S$ ist grob $\sqrt{(1 + S^2/2)/n}$. Für einen Jahres-Sharpe von 1,0 auf Tagesdaten braucht man Jahre, um ihn statistisch von 0 zu trennen. HFT umgeht das über brutale Trade-Anzahl – Breadth schlägt Varianz.

Backpropagation & Gradientenabstieg

$$\theta_{t+1} = \theta_t - \eta\,\nabla_\theta\,\mathcal{L}(\theta_t)$$

$$\delta^{(L)} = \nabla_a\mathcal{L} \odot \sigma'\big(z^{(L)}\big),$$$$\delta^{(l)} = \Big(\big(W^{(l+1)}\big)^{\!\top}\delta^{(l+1)}\Big) \odot \sigma'\big(z^{(l)}\big),$$$$\frac{\partial\mathcal{L}}{\partial W^{(l)}} = \delta^{(l)}\,\big(a^{(l-1)}\big)^{\top}$$

Erklärung: Backprop ist „nur“ die Kettenregel, aber clever organisiert: Der Fehler $\delta$ wird von der Ausgabeschicht $L$ rückwärts durch das Netz propagiert, wobei jede Schicht die transponierte Gewichtsmatrix des Vorwärtswegs benutzt. Kosten: ein Rückwärtsdurchlauf $\approx$ ein Vorwärtsdurchlauf – deshalb ist das Training von Netzen mit Milliarden Parametern überhaupt machbar (Reverse-Mode Automatic Differentiation). Zusammen mit SGD, Momentum und Adam ist das der Motor des gesamten Deep Learning.

Wofür: Universelles Optimierungswerkzeug für differenzierbare Modelle jeder Art.

Universeller Approximationssatz

$$\forall\, f \in C(K),\ \varepsilon > 0\ \exists\, N, \{\alpha_i, w_i, b_i\} : \quad \sup_{x \in K}\left|f(x) - \sum_{i=1}^{N}\alpha_i\,\sigma\big(w_i^{\top} x + b_i\big)\right| < \varepsilon$$

Erklärung: Ein neuronales Netz mit einer verborgenen Schicht und nichtlinearer Aktivierung $\sigma$ kann jede stetige Funktion auf einem Kompaktum beliebig genau approximieren (Cybenko 1989, Hornik 1991). Wichtig ist, was der Satz nicht sagt: nichts über die nötige Breite $N$ (kann exponentiell sein), nichts darüber, ob Gradientenabstieg die Lösung findet, und nichts über Generalisierung auf neue Daten. Er beendet die Frage „kann ein Netz das lernen?“ – die eigentlichen Fragen (Effizienz, Trainierbarkeit, Overfitting) beginnen danach erst.

Brücke zum Quant: Die Quant-Übersetzung: Ausdrucksstärke ist nie der Engpass – ein Netz kann jedes Alpha darstellen, aber auch jedes Rauschen perfekt auswendig lernen. Genau darum sind Out-of-Sample-Disziplin und Deflated Sharpe wichtiger als Modellkomplexität.

Zum Inhalt

12 Die Millennium-Probleme im Überblick

Sieben Probleme, im Jahr 2000 vom Clay Mathematics Institute mit je 1 Mio. $ dotiert. Gelöst ist bislang eines (Poincaré-Vermutung, Perelman 2003 – er lehnte das Geld ab).

• Riemannsche Vermutung (Abschnitt 1): Alle nichttrivialen Nullstellen von $\zeta$ auf $\operatorname{Re}(s) = \frac{1}{2}$. Die Feinstruktur der Primzahlen.
• P vs. NP: Ist alles, was sich schnell verifizieren lässt, auch schnell lösbar? Formal: $\mathrm{P} \stackrel{?}{=} \mathrm{NP}$. Bei $\mathrm{P} = \mathrm{NP}$ kollabierte u. a. die gesamte Public-Key-Kryptographie; fast alle glauben $\mathrm{P} \neq \mathrm{NP}$, bewiesen ist nichts.
• Navier-Stokes (Abschnitt 9): Existenz und Glattheit der 3D-Lösungen.
• Yang-Mills & Massenlücke (Abschnitt 5): Rigorose Existenz der Quanteneichtheorie mit $\Delta > 0$.
• Hodge-Vermutung: Welche Kohomologieklassen projektiver Varietäten kommen von algebraischen Zyklen? (Algebraische Geometrie in Reinform.)
• Birch & Swinnerton-Dyer: Der Rang einer elliptischen Kurve wird von der Nullstellenordnung ihrer $L$-Funktion bei $s = 1$ bestimmt – die Verwandte der Riemann-Welt in der Arithmetik. (Elliptische Kurven sind nebenbei die Basis von ECDSA – jede Bitcoin-Signatur läuft über diese Objekte.)

Zum Inhalt

13 Schlussakkord

Die schönste Gleichung – als Gegengewicht zu allem Vorherigen:

Fünf Fundamentalkonstanten ($e$, $i$, $\pi$, $1$, $0$), drei Grundoperationen, eine Identität. Sie ist der Punkt $\theta = \pi$ der Eulerschen Formel $e^{i\theta} = \cos\theta + i\sin\theta$ – derselben Formel, die hinter jeder Fourier-Transformation, jedem Wechselstrom, jeder Quantenphase und jeder charakteristischen Funktion einer Return-Verteilung steckt. Komplexität ist beeindruckend; Tiefe ist, wenn fünf Zeichen reichen.

Studierpfad-Empfehlung (grobe Reihenfolge, jeweils mit Standardwerken):

• Komplexe Analysis & Fourier $\to$ Needham, Visual Complex Analysis
• Variationsrechnung/Mechanik $\to$ Landau/Lifschitz Bd. 1 oder Susskind, Theoretical Minimum
• Stochastische Analysis (Itô, Girsanov, Feynman-Kac, HJB) $\to$ Shreve, Stochastic Calculus for Finance II – der direkteste ROI für Sie
• Informationstheorie $\to$ Cover/Thomas, Elements of Information Theory (mit dem Kelly-Kapitel)
• Quantenmechanik $\to$ Griffiths; danach Pfadintegrale: Feynman/Hibbs
• ART & Standardmodell $\to$ Carroll, Spacetime and Geometry; Schwartz, QFT and the Standard Model
• Zetafunktion & Primzahlen $\to$ Edwards, Riemann’s Zeta Function

Zum Inhalt