LaTeX-examples/documents/mathe-lineare-algebra/mathe-lineare-algebra.tex

\documentclass[a4paper,10pt]{scrartcl}
\usepackage{amssymb, amsmath} % needed for math
\usepackage{} % needed for math
\usepackage[utf8]{inputenc} % this is needed for umlauts
\usepackage[ngerman]{babel} % this is needed for umlauts
\usepackage[T1]{fontenc}    % this is needed for correct output of umlauts in pdf
\usepackage[margin=2.5cm]{geometry} %layout
\usepackage{hyperref}  % links im text
\usepackage{color}
\usepackage{framed}
\usepackage{enumerate}  % for advanced numbering of lists
\clubpenalty  = 10000   % Schusterjungen verhindern
\widowpenalty = 10000   % Hurenkinder verhindern

\hypersetup{
  pdfauthor   = {Martin Thoma},
  pdfkeywords = {Lineare Algebra},
  pdftitle    = {Lineare Algebra - Definitionen}
}

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Define command \transpose for transposing matrices (commonly $^T$)%
% http://tex.stackexchange.com/a/217624/5645                        %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\newcommand*{\transpose}{\top}

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Custom definition style, by                                       %
% http://mathoverflow.net/questions/46583/what-is-a-satisfactory-way-to-format-definitions-in-latex/58164#58164
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\makeatletter
\newdimen\errorsize \errorsize=0.2pt
% Frame with a label at top
\newcommand\LabFrame[2]{%
    \fboxrule=\FrameRule
    \fboxsep=-\errorsize
    \textcolor{FrameColor}{%
    \fbox{%
      \vbox{\nobreak
      \advance\FrameSep\errorsize
      \begingroup
        \advance\baselineskip\FrameSep
        \hrule height \baselineskip
        \nobreak
        \vskip-\baselineskip
      \endgroup
      \vskip 0.5\FrameSep
      \hbox{\hskip\FrameSep \strut
        \textcolor{TitleColor}{\textbf{#1}}}%
      \nobreak \nointerlineskip
      \vskip 1.3\FrameSep
      \hbox{\hskip\FrameSep
        {\normalcolor#2}%
        \hskip\FrameSep}%
      \vskip\FrameSep
    }}%
}}
\definecolor{FrameColor}{rgb}{0.25,0.25,1.0}
\definecolor{TitleColor}{rgb}{1.0,1.0,1.0}

\newenvironment{contlabelframe}[2][\Frame@Lab\ (cont.)]{%
  % Optional continuation label defaults to the first label plus
  \def\Frame@Lab{#2}%
  \def\FrameCommand{\LabFrame{#2}}%
  \def\FirstFrameCommand{\LabFrame{#2}}%
  \def\MidFrameCommand{\LabFrame{#1}}%
  \def\LastFrameCommand{\LabFrame{#1}}%
  \MakeFramed{\advance\hsize-\width \FrameRestore}
}{\endMakeFramed}
\newcounter{definition}
\newenvironment{definition}[1]{%
  \par
  \refstepcounter{definition}%
  \begin{contlabelframe}{Definition \thedefinition:\quad #1}
 \noindent\ignorespaces}
{\end{contlabelframe}}
\makeatother

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Custom satz style
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\makeatletter
\newcounter{satz}
\newenvironment{satz}[1]{%
  \par
  \refstepcounter{satz}%
  \begin{contlabelframe}{Satz \thedefinition:\quad #1}
 \noindent\ignorespaces}
{\end{contlabelframe}}
\makeatother
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Begin document                                                    %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\begin{document}
\section{Lineare Algebra I}
\begin{definition}{injektiv, surjektiv und bijektiv}
Sei $f: A \rightarrow B$ eine Abbildung.
  \begin{enumerate}[(a)]
    \item $f$ heißt \textbf{surjektiv} $:\Leftrightarrow f(A) = B$
    \item $f$ heißt \textbf{injektiv}  $:\Leftrightarrow \forall x_1, x_2 \in A: x_1 \neq x_2 \Rightarrow f(x_1) \neq f(x_2)$
    \item $f$ heißt \textbf{bijektiv}  $:\Leftrightarrow f$ ist surjektiv und injektiv
  \end{enumerate}
\end{definition}

\begin{definition}{Relation}
Seien A und B Mengen. $R \subseteq A \times B$ heißt \textbf{Relation}.
\end{definition}

\begin{definition}{Ordnungsrelation}
Eine Relation $\leq$ heißt Ordnungsrelation in A und $(A, \leq)$ heißt
(partiell) geordnete Menge, wenn für alle $a, b, c  \in A$ gilt:

  \begin{description}
    \item[O1] $a \leq a$ (reflexiv)
    \item[O2] $a \leq b \land b \leq a \Rightarrow a = b$ (antisymmetrisch)
    \item[O3] $a \leq b \land b \leq c \Rightarrow a \leq c$ (transitiv)
  \end{description}

\noindent $(A, \leq)$ heißt total geordnet $:\Leftrightarrow \forall a, b, \in A: a \leq b \lor b \leq a$
\end{definition}

\begin{definition}{Äquivalenzrelation}
Sei $R \subseteq A \times A$ eine Relation.
R heißt Äquivalenzrelation, wenn für alle $a, b, c \in A$ gilt:

  \begin{description}
    \item[Ä1] $a R a$ (reflexiv)
    \item[Ä2] $a R b \Rightarrow b R a$ (symmetrisch)
    \item[Ä3] $a R b \land b R c \Rightarrow a R c$ (transitiv)
  \end{description}
\end{definition}

\begin{definition}{Assoziativität}
Sei A eine Menge und $*$ eine Verknüpfung auf A.\\
A heißt \textbf{assoziativ} $:\Leftrightarrow \forall a, b, c \in A: (a * b) * c = a * (b*c)$
\end{definition}

\begin{definition}{Gruppe}
Sei G eine Menge und $*$ eine Verknüpfung auf G.\\
$(G, *)$ heißt \textbf{Gruppe} $: \Leftrightarrow$
  \begin{description}
    \item[G1] $\forall a, b, c \in G: (a * b)*c=a*(b*c)$ (assoziativ)
    \item[G2] $\exists e \in G \forall a \in G: e * a = a = a * e$ (neutrales Element)
    \item[G3] $\forall a \in G \exists a^{-1} \in G: a^{-1}*a=e=a*a^{-1}$ (inverses Element)
  \end{description}
\end{definition}

\begin{definition}{abelsche Gruppe}
Sei $(G, *)$ eine Gruppe.
$(G, *)$ heißt \textbf{abelsche Gruppe} $: \Leftrightarrow$
  \begin{description}
    \item[G4] $\forall a, b \in G: a * b = b * a$ (kommutativ)
  \end{description}
\end{definition}

\begin{definition}{Ring}
Sei R eine Menge und $+$ sowie $cdot$ Verknüpfungen auf R.\\
$(R, +, \cdot)$ heißt \textbf{Ring} $: \Leftrightarrow$
  \begin{description}
    \item[R1] $(R, +)$ ist abelsche Gruppe
    \item[R2] $\cdot$ ist assoziativ
    \item[R3] Distributivgesetze: $\forall a, b, c \in R: a \cdot (b+c) = a \cdot b + a \cdot c$ und $(b+c)\cdot a = b \cdot a + c \cdot a$
  \end{description}
\end{definition}

\begin{definition}{Nullteiler}
Sei $(R, +, \cdot)$ ein Ring.\\
$a \in R$ heißt (linker) \textbf{Nullteiler} $:\Leftrightarrow a \neq 0 \land \exists b: a \cdot b = 0$
\end{definition}

\begin{definition}{Ringhomomorphismus}
Seien $(R_1, +, \cdot)$ und $(R_2, +, \cdot)$ Ringe und $\Phi:R_1 \rightarrow R_2$ eine Abbildung.\\
$\Phi$ heißt \textbf{Ringhomomorphismus} $:\Leftrightarrow \forall x,y \in R_1: \Phi(x+y) = \Phi(x) + \Phi(y)$ und $\Phi(x \cdot y) = \Phi(x) \cdot \Phi(y)$
\end{definition}

\begin{definition}{Körper}
Sei $(\mathbb{K}, +, \cdot)$ ein Ring.\\
$(\mathbb{K}, +, \cdot)$ heißt \textbf{Körper} $:\Leftrightarrow (\mathbb{K} \setminus \{0\}, \cdot)$ ist eine abelsche Gruppe.
\end{definition}

\begin{definition}{Charakteristik}
Sei $(\mathbb{K}, +, \cdot)$ ein Körper.\\
Falls es ein $m \in N^+$ gibt, sodass
\[ \underbrace{1+1+ \dots + 1}_{m \text{ mal}} = 0 \]
gilt, so heißt die kleinste solche Zahl $p$ die Charakteristik ($\text{char } \mathbb{K}$) von $\mathbb{K}$.
Gibt es kein solches $m$, so habe $\mathbb{K}$ die Charaktersitik 0.
\end{definition}

\begin{definition}{Vektorraum}
Sei $(\mathbb{K}, +, \cdot)$ ein Körper und $V$ eine Menge mit einer Addition
\[ +: V \times V \rightarrow V, (x,y) \mapsto x  + y \]
und einer skalaren Multiplikation
\[ \cdot: \mathbb{K} \times V \rightarrow V, (\lambda, x) \mapsto \lambda \times x \]

heißt $\mathbb{K}$-Vektorraum, falls gilt:
  \begin{description}
    \item[V1] $(V, +)$ ist abelsche Gruppe
    \item[V2] für alle $\lambda, \mu \in \mathbb{K}$ und alle $x, y \in V$ gilt:
    \begin{enumerate}[(a)]
      \item $1 \cdot x = x$
      \item $\lambda \cdot (\mu \cdot x) = (\lambda \cdot \mu) \cdot x$
      \item $(\lambda + \mu) \cdot x = \lambda \cdot x + \mu \cdot x$
      \item $\lambda \cdot (x+y) = \lambda \cdot x + \lambda \cdot y$
    \end{enumerate}
  \end{description}
\end{definition}

\begin{definition}{Lineare Unabhängigkeit}
Sei V ein $\mathbb{K}$-Vektorraum. Endlich viele Vektoren $v_1, \dots, v_k \in V$
heißen \textbf{linear unabhängig}, wenn gilt:
\[ \displaystyle \sum_{i=1}^{k} \lambda_i v_i = 0 \Rightarrow \lambda_1 = \lambda_2 = \dots = \lambda_k = 0 \]
\end{definition}

\clearpage
\section{Lineare Algebra II}

\begin{definition}{Bilinearform}
Sei V ein reeler Vektorraum. Eine \textbf{Bilinearform} auf V ist eine
Abbildung
\[ F: V \times V \rightarrow \mathbb{R}, ~~~ (a,b) \mapsto F(a,b), \]
die in jedem Argument linear ist, d.h. für alle $a, a_1, a_2, b, b_1, b2 \in V$
und alle $\lambda_1, \lambda_2, \mu_1, \mu_2 \in \mathbb{R}$ gilt:
\begin{align*}
    F(\lambda_1 \cdot a_1 + \lambda_2 \cdot a_2, b) &= \lambda_1 \cdot F(a_1, b) + \lambda_2 \cdot F(a_2, b)\\
    F(a, \mu_1 \cdot b_1 + \mu_2 \cdot b_2)         &= \mu_1 \cdot F(a, b_1) + \mu_2 \cdot F(a, b_2)
\end{align*}
\end{definition}

\begin{definition}{symmetrische Bilinearform}
Sei F eine Bilinearform.\\
F heißt \textbf{symmetrisch} $:\Leftrightarrow F(a,b) = F(b,a)$.
\end{definition}

\begin{definition}{positiv definite Bilinearform}
Sei F eine Bilinearform.\\
F heißt \textbf{positiv definit} $:\Leftrightarrow \forall a \in V: F(a,a) \geq 0 \land ( F(a,a) = 0 \Leftrightarrow a = 0)$.
\end{definition}

\begin{definition}{Skalarprodukt}
Für reele Vektorräume gilt:\\
Eine symmetrische, positiv definite Bilinearform heißt \textbf{Skalarprodukt}.
\end{definition}

\begin{definition}{euklidischer Vektorraum}
Sei V ein reeler Vektorraum und F ein Skalarprodukt auf V. Dann
heißt (V, F) ein \textbf{euklidischer Vektorraum}.
\end{definition}

\begin{definition}{Hermitesche Form}
Sei V ein komplexer Vektorraum. Eine Abbildung
\[ F:V \times V \rightarrow \mathbb{C}, ~~~ (a,b) \mapsto F(a,b) \]
heißt \textbf{hermitesche Form} auf V, falls für alle $a, a_1, a_2, b$
und alle $\lambda_1, \lambda_2 \in \mathbb{C}$ gilt:
\begin{align*}
    F(\lambda_1 \cdot a_1 + \lambda_2 \cdot a_2, b) &= \lambda_1 \cdot F(a_1, b) + \lambda_2 \cdot F(a_2, b)\\
    F(b, a) &= \overline{F(a, b)}
\end{align*}
\end{definition}

\begin{definition}{Skalarprodukt}
Für komplexe Vektorräume gilt:\\
Eine symmetrische, positiv definite Hermitesche Form heißt \textbf{Skalarprodukt}.
\end{definition}

\begin{definition}{unitärer Vektorraum}
Sei V ein komplexer Vektorraum und F ein Skalarprodukt auf V. Dann
heißt (V, F) ein \textbf{unitärer Vektorraum}.
\end{definition}

\begin{definition}{hermitesche Matrix}
Sei $A \in \mathbb{C}^{n \times n}$ eine Matrix.\\
$A$ heiß hermitesch $: \Leftrightarrow \overline{A}^\transpose = A$
\end{definition}

\begin{definition}{positiv definite Matrix}
Sei A eine symmetrische (bzw. hermitesche) Matrix. \\
A heißt \textbf{positiv definit} $: \Leftrightarrow x^\transpose G x > 0 $
für alle $x \in \mathbb{R}^n, x \neq 0$ bzw. $z^\transpose G \overline z > 0$ für
alle $x \in \mathbb{C}^n, z \neq 0 $.
\end{definition}

\begin{satz}{Cauchy-Schwarz Ungleichung}
In einem euklidischen oder unitären Vektorraum $V, \langle, \rangle$ gilt für alle $a, b \in V$
    \[ |\langle a, b \rangle |^2 \leq \langle a, a \rangle  \langle b, b \rangle \]
Gleichheit gilt genau dann, wenn a und b linear abhängig sind.
\end{satz}

\begin{definition}{Norm}
Sei V ein reeler oder komplexer Vektorraum. Eine \textbf{Norm} auf V
ist eine Funktion
\[ \| \| : V\to{\mathbb R}, ~~~ x \mapsto \| x \| \]
mit folgenden Eigenschaften:\\
Für alle $\lambda \in \mathbb{R}$ (oder $\mathbb{C}$) und alle $a, b \in V $ gilt:\\
\begin{enumerate}[(i)]
    \item $\| \lambda a\| = | \lambda | \cdot \|a \|$ (homogen)
    \item $\| a+b      \| \leq \| a \| + \| b \|$ (Dreiecks-Ungleichung)
    \item $\| a        \| \geq 0 \land \| a \| = 0 \Leftrightarrow a = 0$ (positiv definit)
\end{enumerate}
\end{definition}

\begin{satz}{induzierte Norm}
Es sei $V, \langle, \rangle$ ein euklidischer oder unitärer Vektorraum.
Dann ist die Funktion
\[ \| \| : V \rightarrow \mathbb{R} \text{ definiert durch } \|a\| := \sqrt{\langle a, a \rangle}\]
eine Norm.
\end{satz}

\begin{satz}{Parallelogramm-Identität}
\begin{enumerate}[(a)]
  \item Sei $(V, \langle, \rangle)$ ein euklidischer oder unitärer
        Vektorraum mit zugehöriger Norm $\|\|$. Dann gilt die
        \textbf{Parallelogramm-Identität}, d.h. für alle $a, b \in V$ ist
        \[ \| a+ b \|^2 + \| a - b \|^2 = 2 \| a \|^2 +  2 \| b \|^2 \]
  \item Ist umgekehrt $\|\|$ eine Norm auf einem reelen Vektorraum V,
        die die Parallelogramm-Identität erfüllt, so existiert ein
        Skalarprodukt $\langle, \rangle$ auf V mit $\|a\| = \sqrt{\langle a, a \rangle}$
        für alle $a \in V$.
\end{enumerate}
\end{satz}

\begin{definition}{Metrik}
Für eine beliebige Menge M heißt eine Funktion $d:M \times M \rightarrow \mathbb{R}$
eine \textbf{Metrik}, wenn d die folgenden Eigenschaften erfüllt:
\begin{enumerate}[(i)]
  \item $\forall p, q \in M: d(p, q) = d(q, p)$ (symmetrie)
  \item $\forall p, q, r \in M: d(p, r) \leq d(p, q) + d(q,r)$ (Dreiecks-Ungleichung)
  \item $\forall p, q \in M: d(p, q) \geq 0$ und
                             $d(p,q) = 0 \Leftrightarrow p = q$ (positiv definit)
\end{enumerate}

Das Paar $(M, d)$ heißt dann \textbf{metrischer Raum}.
\end{definition}

\begin{definition}{diskrete Metrik}
Sei M eine Menge. Dann ist die diskrete Metrik definiert durch:
\[ d(p,q) =
\left\{
	\begin{array}{ll}
		0 & \mbox{falls } p = q \\
		1 & \mbox{falls } p \neq q
	\end{array}
\right.\]
\end{definition}

\begin{satz}{Norm induziert Metrik}
Ein normierter Vektorraum ist ein metrischer Vektorraum.
\end{satz}

\begin{definition}{Cosinus}
\[ \cos \omega(a,b) = \frac{\langle a, b \rangle}{\|a\| \cdot \|b \|} \]
\end{definition}

\begin{definition}{orthogonalität von Vektoren}
Sei V ein euklidischer oder unitärer Vektorraum und $a, b \in V$.\\
\[ a \perp b :\Leftrightarrow \langle a, b \rangle = 0 \]
\end{definition}

\begin{definition}{Pythagoras}
Sei V ein euklidischer oder unitärer Vektorraum. Dann gilt in V:
\[ a \perp b \Rightarrow \|a\| + \|b\| = \|a+b\|^2\]
\end{definition}

\begin{definition}{Orthogonalkomplement}
Die Menge $U^\perp := \{x \in V | \langle x, u \rangle = 0~~\forall u \in U\}$
heißt \textbf{Orthogonalkomplement} von U in V.
\end{definition}

\begin{definition}{Orthogonalprojektion}
Die \textbf{Orthogonalprojektion} von V auf U (in Richtung $U^\perp$)
ist die Abbildung
\[\pi_U : V \rightarrow U \subseteq V, ~~~ v = u + u^\perp \mapsto u.\]
\end{definition}

\begin{satz}{Eigenschaften der Orthogonalprojektion}
Für die Orthogonalprojektion $\pi_U$ eines Vektorraumes V auf einen
Unterraum U gilt:
\begin{enumerate}
  \item $\pi_U$ ist linear und $\pi_U^2 = \pi_U \circ \pi_U = \pi_U$.
  \item Bild $\pi_U = U$, Kern $\pi_U = U^\perp$.
  \item $\pi_U$ verkürzt Abstände: Für alle $v, w \in V$ gilt:\\
        $d(\pi_U(v), \pi_U(w)) = \| \pi_U(v) - \pi_U(w) \| \leq \| v- w \| = d(v,w)$
\end{enumerate}
\end{satz}

\begin{definition}{Abstand}
Seien $(M, d)$ ein metrischer Raum und $A, B \subseteq M$ zwei Teilmengen.
Der \textbf{Abstand} von A und B ist definiert durch
\[d(A, B) := \inf\{d(a,b) | a \in A, b \in B\}\]
\end{definition}

\begin{definition}{orthogonale und unitäre Matrizen}
Eine reele bzw. komplexe $n \times n$-Matrix A heißt
\textbf{orthogonal} bzw. \textbf{unitär}, falls gilt
\[A^\transpose A = E_n ~~~ \text{ bzw. }  ~~~ A^\transpose \overline A = E_n\]
\end{definition}

\begin{satz}{Charakterisierung von orthogonalen Matrizen}
Sei $A \in \mathbb{R}^{n \times n}$. Folgende Aussagen sind äquivalent:
\begin{enumerate}[(a)]
  \item A ist eine orthogonale Matrix.
  \item A ist regulär und $A^{-1} = A^\transpose$.
  \item Die Spaltenvektoren (bzw. die Zeilenvektoren) von A bilden eine
       Orthonormalbasis von $\mathbb{R}^n$ bzgl. des Standardskalarproduktes
\end{enumerate}

Analog für unitäre Matrizen.
\end{satz}

\begin{satz}{Folgerungen}
  \begin{enumerate}[(a)]
    \item Für eine orthogonale Matrix A gilt: $\det A = \pm 1$.
    \item Für eine unitäre Matrix gilt: $| \det A | = 1$.
  \end{enumerate}
\end{satz}

\begin{definition}{Adjungierte lineare Abbildung}
Es seien $(V, \langle, \rangle_V)$ und $(W, \langle, \rangle_W)$
zwei Vektorräume mit Skalarprodukt und $\Phi: V \rightarrow W$ eine
lineare Abbildung. Eine lineare Abbildung $\Phi^*: W \rightarrow V$
heißt zu $\Phi$ \textbf{adjungierte lineare Abbildung}, falls für
alle $x \in V$ und alle $y \in W$ gilt:
\[\langle \Phi(x), y \rangle_W = \langle x, \Phi^*(y) \rangle_V\]
\end{definition}

\begin{satz}{Spektralsatz}
Es sei V ein n-dimensionaler Vektorraum mit Skalarprodukt und
$\Phi: V \rightarrow V$ ein selbstadjungierter Endomorphismus. Dann
ist $\Phi$ diagonalisierbar.

Genauer: Es exisitiert eine Orthonormalbasis B von V, die aus
Eigenvektoren von $\Phi$ besteht und die Abbildung von $\Phi$ bzgl.
dieser Orthonormalbasis hat Diagonalform
\[M_B^B(\Phi) = \begin{pmatrix}
\lambda_1 &        & 0\\
          & \ddots &  \\
  0       &        & \lambda_n
\end{pmatrix}\]
wobei $\lambda_1, \dots, \lambda_n$ die $n$ (reelen) Eigenwerte von
$\Phi$ sind.
\end{satz}

\begin{satz}{Kriterium für "positiv definit"}
Sei A eine reele, symmetrische Matrix.\\
A ist positiv definit $\Leftrightarrow$ alle Eigenwerte von A sind positiv.
\end{satz}

\end{document}