minor fixes; fix date

# Conflicts:
#	proseminar_skript.tex

proseminar.bib

@@ -1,18 +1,18 @@
 @book{heuser,
-    author = {Heuser, Harro},
+    author = "Heuser, Harro",
-    title = {Gew{\"o}hnliche Differentialgleichungen},
+    title = "Gew{\"o}hnliche Differentialgleichungen",
-    subtitle = {Einf{\"u}hrung in Lehre und Gebrauch},
+    subtitle = "Einf{\"u}hrung in Lehre und Gebrauch",
-    publisher = {Vieweg+Teubner Verlag},
+    publisher = "Vieweg+Teubner Verlag",
-    year = {2009},
+    year = "2009",
-    edition = {6},
+    edition = "6",
-    pages = {453,460,462},
+    pages = "453,460,462",
 }
 
 @book{grune,
-    author = {Gr{\"u}ne, Lars AND Junge, Oliver},
+    author = "{Gr{\"u}ne, Lars} and {Junge, Oliver}",
-    title = {Gew{\"o}hnliche Differentialgleichungen},
+    title = "Gew{\"o}hnliche Differentialgleichungen",
-    subtitle = {Eine Einführung aus der Perspektive der dynamischen Systeme},
+    subtitle = "Eine Einführung aus der Perspektive der dynamischen Systeme",
-    publisher = {Vieweg+Teubner Verlag},
+    publisher = "Vieweg+Teubner Verlag",
-    year = {2009},
+    year = "2009",
-    pages = {10--16},
+    pages = "10--16",
 }

proseminar.sty

@@ -14,11 +14,12 @@
 \RequirePackage[hyperref,style=authoryear]{biblatex}
 
 % math packages
-\RequirePackage{amsmath}   % general math
+\RequirePackage{amsmath}                        % general math
 \RequirePackage{amsthm}                         % theorems
 \RequirePackage{amssymb}                        % math symbols
 \RequirePackage{mathtools}                      % coloneqq: nice ligatures of := and =:
 \RequirePackage{stmaryrd}                       % lightning symbol
+\RequirePackage{aligned-overset}                % proper alignment with oversets
 
 % other packages
 \RequirePackage{enumerate}                      % for alphanumeric enumeration: (i), (ii), ...
@@ -58,7 +59,7 @@
 
 \DeclareTextFontCommand{\emph}{\boldmath\bfseries}
 
-\allowdisplaybreaks
+%\allowdisplaybreaks
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 %   new commands and math operatos  %

proseminar_skript.tex

@@ -10,7 +10,7 @@
 }
 \subtitle{TU Bergakademie Freiberg}
 \author{Niklas Birk}
-\date{16.06.2023 - SS23}
+\date{14.06.2023 - SS23}
 
 \addbibresource{proseminar.bib}
 \nocite{*}
@@ -23,6 +23,9 @@
 
     \printbibliography
 
+    \vspace*{\fill}
+    Quellcode einsehbar unter: \url{https://git.niklas-birk.de/niklas/proseminar_algebra}
+
     \newpage
 
     \section{Lineare Differentialgleichungssysteme mit konstanten Koeffizienten und Anwendung der Matrixexponentialfunktion}\label{sec:dgls-matrixexponential}

sections/01_ldgls_matrixexponential.tex

@@ -1,59 +1,103 @@
 \begin{definition}
-    Seien $y_1,\dots,y_n: \RR \to \RR$ differenzierbar und $a_{jk} \in \RR$ für $j,k = 1,\dots,n$.
+    Seien $u_1,\dots,u_n: \RR \to \RR$ differenzierbar und $a_{jk} \in \RR$ für $j,k = 1,\dots,n$.
     Dann heißt
     \begin{equation*}
         \begin{aligned}
-            y'_1(t) &= a_{11} y_1(t) + \dots + a_{1n} y_n(t)\\
+            u'_1(t) &= a_{11} u_1(t) + \dots + a_{1n} u_n(t)\\
-            y'_2(t) &= a_{21} y_1(t) + \dots + a_{2n} y_n(t)\\
+            u'_2(t) &= a_{21} u_1(t) + \dots + a_{2n} u_n(t)\\
             &\vdots\\
-            y'_n(t) &= a_{n1} y_1(t) + \dots + a_{nn} y_n(t)
+            u'_n(t) &= a_{n1} u_1(t) + \dots + a_{nn} u_n(t)
         \end{aligned}
     \end{equation*}
     ein \emph{homogenes lineares Differentialgleichungssystem} (DGLS) (1. Ordnung).\\
     Das obige System lässt sich auch kompakt in der Form
     \begin{equation}\tag{DGLS}\label{eq:dgls}
-        \vec{y}'(t) = A \vec{y}(t)
+        \vec{u}'(t) = A \vec{u}(t)
     \end{equation}
-    schreiben, wobei $\vec{y}(t) = \begin{pmatrix} y_1(t)\\ \vdots\\ y_n(t) \end{pmatrix}, \vec{y}'(t) = \begin{pmatrix} y'_1(t)\\ \vdots\\ y'_n(t) \end{pmatrix}$
+    schreiben, wobei $\vec{u}(t) = \begin{pmatrix} u_1(t)\\ \vdots\\ u_n(t) \end{pmatrix}, \vec{u}'(t) = \begin{pmatrix} u'_1(t)\\ \vdots\\ u'_n(t) \end{pmatrix}$
     und $A \in \RR^{n \times n}$
 \end{definition}
 
 \begin{definition}
     Ein~\ref{eq:dgls} zusammen mit einer Anfangsbedingung
     \begin{equation*}
-        \vec{y}(t_0) = \vec{y}_0 \coloneqq \begin{pmatrix} y_{1_0}\\ \vdots\\ y_{n_0} \end{pmatrix} \in \RR^n
+        \vec{u}_0 \coloneqq \vec{u}(t_0) = \begin{pmatrix} u_{1_0}\\ \vdots\\ u_{n_0} \end{pmatrix} \in \RR^n
     \end{equation*}
     an einer Stelle $t_0 \in \RR$ nennt man ein \emph{C\textc{auchy}-Problem} oder \emph{Anfangswertproblem}.
 \end{definition}
 
-\begin{lemma}\label{thm:matrixexp-derivative}
+\begin{lemma}[Produktregel]\label{thm:matrixexp-derivative}
-    Sei $\vec{y}: \RR \to \RR^{n}$ eine vektorwertige Funktion und $A$ eine konstante Matrix.
+    Sei $\vec{u}: \RR \to \RR^{n}$ eine differenzierbare vektorwertige Funktion und $A \in \RR^{n \times n}$ eine konstante Matrix.
     Dann gilt
     \begin{equation*}
-        \dfdx{}{t} \left( \e^{t A} \vec{y}(t) \right) = \e^{t A} \dfdx{\vec{y}(t)}{t} + A \e^{t A} \vec{y}(t).
+        \dfdx{}{t} \left( \e^{t A} \vec{u}(t) \right) = \e^{t A} \dfdx{\vec{u}(t)}{t} + A \e^{t A} \vec{u}(t).
     \end{equation*}
 \end{lemma}
 
 \begin{proof}
-    % TODO: komponentenweise
+    Das Ergebnis von $\e^{t A} \in \RR^{n \times n}$ ist eine Matrix.
+    Demnach ist $\e^{t A} \vec{u}(t) \in \RR^{n \times 1}$ ein Matrix-Vektor-Produkt, deren Komponenten sich durch
+    \begin{equation*}
+        (\e^{t A} \vec{u}(t))_i = \sum^n_{j=1} \left( \e^{t A} \right)_{ij} \cdot u_j(t)
+    \end{equation*}
+    ergeben.
+    Differenzieren der Komponenten, zusammen mit Linearität des Differentialoperators und der üblichen Produktregel, liefert
+    \begin{align*}
+        \dfdx{}{t}(\e^{t A} \vec{u}(t))_i
+        &= \dfdx{}{t} \left( \sum^n_{j=1} \left( \e^{t A} \right)_{ij} \cdot u_j(t) \right)
+            = \sum^n_{j=1} \left( \left( \e^{t A} \right)_{ij} \cdot \dfdx{u_j(t)}{t} + \dfdx{\left( \e^{t A} \right)_{ij}}{t} \cdot u_j(t) \right)\\
+        &= \sum^n_{j=1} \left( \left( \e^{t A} \right)_{ij} \cdot \dfdx{u_j(t)}{t} \right)
+            +  \sum^n_{j=1} \left( \dfdx{\left( \e^{t A} \right)_{ij}}{t} \cdot u_j(t) \right).
+    \end{align*}
+    Das ist ganzheitlich betrachtet gerade
+    \begin{equation*}
+        \dfdx{}{t} \left( \e^{t A} \vec{u}(t) \right) = \e^{t A} \dfdx{\vec{u}(t)}{t} + \dfdx{\e^{t A}}{t} \vec{u}(t)
+        = \e^{t A} \dfdx{\vec{u}(t)}{t} + A \e^{t A} \vec{u}(t).
+    \end{equation*}
 \end{proof}
 
-\begin{corollary}\label{thm:matrixexp-derivative-corollary}
+\begin{remark*}
-    Sei $\vec{y}_0 \in \RR^n$ konstant.
+    Die Produktregel gilt allgemein auch für das Differenzieren von Matrizenprodukten.
+    Seien $M$ und $N$ Matrizen, deren Komponenten Funktionen von $t$ sind.
     Dann gilt
     \begin{equation*}
-        \dfdx{}{t} \left( \e^{t A} \vec{y}_0 \right) = A \e^{t A} \vec{y}_0.
+        \dfdx{}{t}(M(t) N(t)) = M(t) \dfdx{N(t)}{t} + \dfdx{M(t)}{t} N(t).
+    \end{equation*}
+\end{remark*}
+
+\begin{corollary}\label{thm:matrixexp-derivative-corollary}
+    Sei $\vec{u}_0 \in \RR^n$ konstant und $A \in \RR^{n \times n}$.
+    Dann gilt
+    \begin{equation*}
+        \dfdx{}{t} \left( \e^{(t - t_0) A} \vec{u}_0 \right) = A \e^{(t - t_0) A} \vec{u}_0.
     \end{equation*}
 \end{corollary}
 
+\begin{lemma}\label{thm:matrixexp-commute}
+    Seien $A,B$ Matrizen und für diese gelte $AB = BA$.
+    Dann gilt
+    \begin{equation*}
+        \e^A B = B \e^A.
+    \end{equation*}
+\end{lemma}
+
+\begin{proof}
+    \begin{equation*}
+        \e^A B = \left( \sum^\infty_{k=0} \frac{A^k}{k!} \right) B
+        = \sum^\infty_{k=0} \frac{A^k B}{k!}
+        = \sum^\infty_{k=0} \frac{B A^k}{k!}
+        = B \left( \sum^\infty_{k=0} \frac{A^k}{k!} \right)
+    \end{equation*}
+\end{proof}
+
 \begin{theorem}[Existenz und Eindeutigkeit]\label{thm:existenz-eindeutigkeit}
     Vorgelegt sei ein C\textc{auchy}-Problem
     \begin{equation}\tag{CP}\label{eq:cp}
-        \vec{y}'(t) = A \vec{y}(t), \qquad \vec{y}(t_0) = \vec{y}_0 \coloneqq \begin{pmatrix} y_{1_0}\\ \vdots\\ y_{n_0} \end{pmatrix}.
+        \vec{u}'(t) = A \vec{u}(t), \qquad \vec{u}_0 \coloneqq \vec{u}(t_0) = \begin{pmatrix} u_{1_0}\\ \vdots\\ u_{n_0} \end{pmatrix}.
     \end{equation}
-    Dann besitzt~\eqref{eq:cp} eine eindeutig bestimmte Lösung $\vec{y}$ auf $\RR$ mit der Form
+    Dann besitzt~\eqref{eq:cp} eine eindeutig bestimmte Lösung $\vec{u}$ auf $\RR$ mit der Form
     \begin{equation}\tag{$\ast$}\label{eq:solution}
-        \vec{y}(t) = e^{(t - t_0) A} \vec{y}_0.
+        \vec{u}(t) = \e^{(t - t_0) A} \vec{u}_0.
     \end{equation}
 \end{theorem}
 
@@ -62,17 +106,38 @@
         \item   \underline{Existenz:}\\
                 Einsetzen von~\eqref{eq:solution} in die rechte Seite von~\eqref{eq:cp} liefert
                 \begin{equation*}
-                    A \vec{y}(t) = A e^{(t - t_0) A} \vec{y}_0.
+                    A \vec{u}(t) = A \e^{(t - t_0) A} \vec{u}_0.
                 \end{equation*}
-                Zusammen mit~\hyperref[thm:matrixexp-derivative]{Lemma~\ref*{thm:matrixexp-derivative}}
+                Zusammen mit~\hyperref[thm:matrixexp-derivative-corollary]{Folgerung~\ref*{thm:matrixexp-derivative-corollary}}
-                bzw.~\hyperref[thm:matrixexp-derivative-corollary]{Folgerung~\ref*{thm:matrixexp-derivative-corollary}}
                 folgt direkt, dass~\eqref{eq:solution} das C\textc{auchy}-Problem löst.
 
         \item   \underline{Eindeutigkeit:}\\
-                Angenommen $\vec{u}(t)$ sei eine weitere Lösung, d.h.~es gilt $\vec{u}' = A \vec{u},\ \vec{u}(t_0) = \vec{y}_0$.
+                Angenommen $\vec{v}(t)$ sei eine weitere Lösung, d.h.~es gilt $\vec{v}' = A \vec{v},\ \vec{v}(t_0) = \vec{u}_0$.
                 Dann ist
                 \begin{align*}
-                    \dfdx{}{x} \left( \text{tbc.} \right)
+                    \dfdx{}{t} \left( \e^{-(t - t_0) A} \vec{v}(t) \right)
+                    \overset{\hyperref[thm:matrixexp-derivative]{\text{L\ref*{thm:matrixexp-derivative}}}}&{=} 
+                        \e^{-(t - t_0) A} \dfdx{\vec{v}(t)}{t} - A \e^{-(t - t_0) A} \vec{v}(t)\\
+                    \overset{\hyperref[thm:matrixexp-commute]{\text{L\ref*{thm:matrixexp-commute}}}}&{=} 
+                        \e^{-(t - t_0) A} A \vec{v}(t) - \e^{-(t - t_0) A} A \vec{v}(t)\\
+                    &= \vec{0}. % TODO: e^{-tA} kommutiert mit A, weil A mit sich selbst kommutiert; Minh? oder selsbt sagen?
                 \end{align*}
+                Da die Ableitung die Nullmatrix ist, ist $\e^{-(t - t_0) A} \vec{v}(t)$ konstant, d.h.
+                \begin{equation*}
+                    \e^{-(t - t_0) A} \vec{v}(t) = \vec{c}.
+                \end{equation*}
+                Die Inverse der Matrixexponentialfunktion existiert immer, weshalb
+                \begin{equation*}
+                   \vec{v}(t) =  \e^{(t - t_0) A} \vec{c}
+                \end{equation*}
+                folgt.
+                Mit Voraussetzung $\vec{v}(t_0) = \vec{u}_0$ gilt dann für die Konstante $\vec{c}$
+                \begin{equation*}
+                    \vec{v}(t_0) =  \e^{(t_0 - t_0) A} \vec{c} = E \vec{c} = \vec{c} = \vec{u}_0.
+                \end{equation*}
+                Insgesamt ergibt sich also
+                \begin{equation*}
+                    \vec{v}(t) =  \e^{(t - t_0) A} \vec{u}_0 = \vec{u}(t)
+                \end{equation*}
     \end{itemize}
 \end{proof}

sections/02_berechnung_matrixexponential.tex

@@ -9,8 +9,8 @@ Zunächst werden diagonale Matrizen
     = \begin{pmatrix}
           a_1 &        & \\
               & \ddots & \\
-              &        & a_3
+              &        & a_n
-    \end{pmatrix}
+    \end{pmatrix} \in \CC^{n \times n}
 \end{equation*}
 betrachtet.
 
@@ -67,7 +67,7 @@ Das Berechnen einer Matrixexponentialfunktion mit einer diagonalisierbaren Matri
 kann auf den obigen Fall der~\hyperref[subsec:diagonale-matrizen]{diagonalen Matrizen} zurückgeführt werden.
 
 \begin{definition}[Wiederholung]
-    Eine Matrix $A$ heißt \emph{diagonalisierbar}, falls eine Diagonalmatrix $D$ und eine reguläre Matrix $A$ so existieren, dass
+    Eine Matrix $A \in \CC^{n \times n}$ heißt \emph{diagonalisierbar}, falls eine Diagonalmatrix $D$ und eine reguläre Matrix $S$ so existieren, dass
     \begin{equation*}
         A = S D S^{-1}
     \end{equation*}
@@ -87,15 +87,15 @@ kann auf den obigen Fall der~\hyperref[subsec:diagonale-matrizen]{diagonalen Mat
     \begin{alignat*}{2}
         A^k &= (S B S^{-1})^k &&= \underbrace{(S B S^{-1}) (S B S^{-1}) (S B S^{-1}) \dots (S B S^{-1})}_{k \text{-mal}}\\
             &= SB\underbrace{(S^{-1} S)}_{E} B \underbrace{(S^{-1} S)}_{E} \dots \underbrace{(S^{-1} S)}_{E} B S^{-1}
-                &&= V \underbrace{L \cdots L}_{k \text{-mal}} S^{-1}\\
+                &&= S \underbrace{B \cdots B}_{k \text{-mal}} S^{-1}\\
             &= S B^k S^{-1}
     \end{alignat*}
     Damit folgt dann für die Matrixexponentialfunktion
     \begin{alignat*}{2}
         \e^{t A} &= \e^{t \cdot S B S^{-1}} &&= \sum^\infty_{k=0} \frac{(t \cdot S B S^{-1})^k}{k!}\\
                  &= \sum^\infty_{k=0} \frac{t^k (S B S^{-1})^k}{k!} &&= \sum^\infty_{k=0} \frac{t^k \cdot S B^k S^{-1}}{k!}\\
-                 &= V \left( \sum^\infty_{k=0} \frac{t^k B^k}{k!} \right) S^{-1} &&= V \left( \sum^\infty_{k=0} \frac{(t B)^k}{k!} \right) S^{-1}\\
+                 &= S \left( \sum^\infty_{k=0} \frac{t^k B^k}{k!} \right) S^{-1} &&= S \left( \sum^\infty_{k=0} \frac{(t B)^k}{k!} \right) S^{-1}\\
-                 &= V e^{t B} S^{-1}
+                 &= S \e^{t B} S^{-1}
     \end{alignat*}
 \end{proof}
 
@@ -113,13 +113,13 @@ kann auf den obigen Fall der~\hyperref[subsec:diagonale-matrizen]{diagonalen Mat
 \end{proof}
 
 \subsection{Nicht-diagonalisierbare Matrizen}\label{subsec:nichtdiagonalisierbare-matrizen}
-Jede Matrix $A$ lässt sich auf eine \emph{J\textc{ordan}-Normalform} $J = V^{-1} L V$ bringen.
+Jede quadratische Matrix $A$ lässt sich auf eine \emph{J\textc{ordan}-Normalform} $J = S^{-1} A S$ bringen.
 Eine J\textc{ordan}-Normalform $J$ ist eine Blockdiagonalmatrix der Form
 \begin{gather*}
     J = \begin{pmatrix}
             J_1 &        &  \\
                 & \ddots & \\
-                &        & J_n
+                &        & J_k
     \end{pmatrix}\\
     \intertext{mit J\textc{ordan}-Block}
     J_i = \begin{pmatrix}
@@ -128,26 +128,26 @@ Eine J\textc{ordan}-Normalform $J$ ist eine Blockdiagonalmatrix der Form
                         &           & \ddots & 1 \\
                         &           &        & \lambda_i
     \end{pmatrix}
-    \qquad (i = 1,\dots,n).
+    \qquad (i = 1,\dots,k).
 \end{gather*}
 Das folgende \hyperref[thm:blockdiag-exp]{Lemma~\ref*{thm:blockdiag-exp}} lässt vermuten,
 dass die gewonnenen Erkenntnisse aus~\autoref{subsec:diagonalisierbare-matrizen} zur Berechnung der
-Matrixexponentialfunktion $\e^{J} = \e^{V J_i V^{-1}}$ anwendbar sein könnten.
+Matrixexponentialfunktion $\e^{A} = \e^{S J S^{-1}}$ anwendbar sein könnten.
 
 \begin{lemma}\label{thm:blockdiag-exp}
-    Sei $A \in \RR^{n \times n}$ eine Blockdiagonalmatrix
+    Sei $A \in \CC^{n \times n}$ eine Blockdiagonalmatrix
     \begin{equation*}
-        A = \diag\left\{A_1,\dots,A_m\right\}
+        A = \diag\left\{A_1,\dots,A_k\right\}
         = \begin{pmatrix}
                 A_1 &        & \\
                     & \ddots & \\
-                    &        & A_m
+                    &        & A_k
         \end{pmatrix},
     \end{equation*}
-    mit quadratischen Matrizen $A_1, \dots, A_m$.
+    mit quadratischen Matrizen $A_1, \dots, A_k$.
     Dann gilt
     \begin{equation*}
-        \e^{t A} = \diag\left\{ \e^{t A_1}, \dots,\e^{t A_m} \right\}.
+        \e^{t A} = \diag\left\{ \e^{t A_1}, \dots,\e^{t A_k} \right\}.
     \end{equation*}
 \end{lemma}
 
@@ -156,8 +156,9 @@ Matrixexponentialfunktion $\e^{J} = \e^{V J_i V^{-1}}$ anwendbar sein könnten.
 \end{proof}
 
 Zudem zeigt~\hyperref[thm:blockdiag-exp]{Lemma~\ref*{thm:blockdiag-exp}},
-dass sich die Berechnung von $\e^J$ auf die einzelnen $\e^{J_i}$ für $i = 1,\dots,n$ reduzieren lässt.\\
+dass sich die Berechnung von $\e^J$ auf die einzelnen $\e^{J_i}$ für $i = 1,\dots,k$ reduzieren lässt.
-Ein J\textc{ordan}-Block $J_i$ lässt sich weiter zerlegen zu
+Dafür werden im Folgenden die J\textc{ordan}-Blöcke $J_i$ betrachtet,
+denn ein J\textc{ordan}-Block $J_i$ lässt sich weiter zerlegen in
 \begin{equation*}
     J_i = \begin{pmatrix}
               \lambda_i & 1         &        & \\
@@ -169,26 +170,26 @@ Ein J\textc{ordan}-Block $J_i$ lässt sich weiter zerlegen zu
         \lambda_i &        & \\
                   & \ddots & \\
                   &        & \lambda_i
-    \end{pmatrix}}_{= L_i}
+    \end{pmatrix}}_{= D_i}
     + \underbrace{\begin{pmatrix}
           0 & 1 &        & \\
             & 0 & \ddots & \\
             &   & \ddots & 1 \\
             &   &        & 0
     \end{pmatrix}}_{\eqqcolon N}
-    = L_i + N.
+    = D_i + N.
 \end{equation*}
 
 \begin{definition}[Wiederholung]
-    Eine Matrix $N$ heißt \emph{nilpotent}, falls ein $l \in \NN$ so existiert, dass $N^l = 0$.
+    Eine Matrix $N$ heißt \emph{nilpotent}, falls ein $m \in \NN$ so existiert, dass $N^m = 0$.
 \end{definition}
 
 \begin{corollary}
-    Die Matrix $N \in \NN^{l \times l}$ aus der Zerlegung $J_i = L_i + N$ ist eine nilpotente Matrix mit $N^l = 0$.
+    Die $(m \times m)$-Matrix $N$ aus der Zerlegung $J_i = D_i + N$ ist eine nilpotente Matrix mit $N^m = 0$.
 \end{corollary}
 
 Betrachtet man den Vorgang des Potenzierens von $N$ ausführlicher, erkennt man,
-dass die Nebendiagonalen auf denen die $1$en stehen \enquote{nach oben-rechts hinaus} geschoben werden:
+dass die Nebendiagonalen auf denen die $1$en stehen \enquote{nach oben-rechts hinaus} geschoben werden und ab der $m$-ten Potenz die Nullmatrix ist:
 \begin{equation*}
     N = \begin{pmatrix}
              0 & 1      &        & \\
@@ -204,36 +205,36 @@ dass die Nebendiagonalen auf denen die $1$en stehen \enquote{nach oben-rechts hi
                  &        &        &        & 0
            \end{pmatrix},
     \dots,
-    N^{l-1} = \begin{pmatrix}
+    N^{m-1} = \begin{pmatrix}
                    0 &        & 1\\
                      & \ddots & \\
                      &        & 0
               \end{pmatrix},
-    N^l = \mathfrak{0}
+    N^m = \vec{0}
 \end{equation*}
 
 \begin{lemma}
-    Die Matrizen $L_i$ und $N$ aus der Zerlegung $J_i = L_i + N$ kommutieren bzgl.\ dem Matrixprodukt.
+    Die Matrizen $D_i$ und $N$ aus der Zerlegung $J_i = D_i + N$ kommutieren bzgl.\ der Matrixmultiplikation.
 \end{lemma}
 
 \begin{proof}
     \begin{equation*}
-        L_i N = (\lambda_i E) N = \lambda_i (EN) = \lambda_i (NE) = N (\lambda_i E) = N L_i,
+        D_i N = (\lambda_i E) N = \lambda_i (EN) = \lambda_i (NE) = N (\lambda_i E) = N D_i,
     \end{equation*}
 \end{proof}
 
 Damit gilt
 \begin{equation*}
-    \e^{t (L_i + N)} = \e^{t L_i + t N} = \e^{t L_i} \e^{t N}.
+    \e^{t (D_i + N)} = \e^{t D_i + t N} = \e^{t D_i} \e^{t N}.
 \end{equation*}
 
-Da $L_i$ eine Diagonalmatrix ist, ist die Lösung von $\e^{t L}$ bereits aus~\autoref{subsec:diagonale-matrizen} bekannt.
+Da $D_i$ eine Diagonalmatrix ist, ist die Lösung von $\e^{t D_i}$ bereits aus~\autoref{subsec:diagonale-matrizen} bekannt.
 Für $N$ als nilpotente Matrix ergibt sich zudem eine endliche Summe bei der Berechnung von $\e^{t N}$,
-da ab einem $l \in \NN$ gilt, dass $N^l = N^{l+1} = \dots = 0$, d.h.
+da ab einem $m \in \NN$ gilt, dass $N^m = N^{m+1} = \dots = 0$, d.h.
 \begin{align*}
     \e^ {tN } &= \sum^\infty_{k=0} \frac{(t N)^k}{k!}
-        = \sum^{l-1}_{k=0} \frac{(t N)^k}{k!}
+        = \sum^{m-1}_{k=0} \frac{(t N)^k}{k!}
-        = E + t N + \frac{t^2}{2} N^2 + \dots + \frac{t^{l-1}}{(l-1)!} N^{l-1}\\
+        = E + t N + \frac{t^2}{2} N^2 + \dots + \frac{t^{m-1}}{(m-1)!} N^{m-1}\\
     &= E + t N +  \frac{t^2}{2} \begin{pmatrix}
                                 0 & 0      & 1      &        & \\
                                   & \ddots & \ddots & \ddots & \\
@@ -241,14 +242,14 @@ da ab einem $l \in \NN$ gilt, dass $N^l = N^{l+1} = \dots = 0$, d.h.
                                   &        &        & \ddots & 0\\
                                   &        &        &        & 0
                             \end{pmatrix}
-        + \dots + \frac{t^{l-1}}{(l-1)!}  \begin{pmatrix}
+        + \dots + \frac{t^{m-1}}{(m-1)!}  \begin{pmatrix}
                                         0 &        & 1\\
                                           & \ddots & \\
                                           &        & 0
                                     \end{pmatrix}\\
     &= \begin{pmatrix}
-           1 & t & \frac{t^2}{2} & \frac{t^3}{3!} & \dots  & \frac{t^{l-1}}{(l-1)!}\\
+           1 & t & \frac{t^2}{2} & \frac{t^3}{3!} & \dots  & \frac{t^{m-1}}{(m-1)!}\\
-           & 1 & t               & \frac{t^2}{2}  & \dots  & \frac{t^{l-2}}{(l-2)!}\\
+           & 1 & t               & \frac{t^2}{2}  & \dots  & \frac{t^{m-2}}{(m-2)!}\\
            &   & 1               & t              & \ddots  & \vdots\\
            &   &                 & 1              & \ddots & \frac{t^2}{2}\\
            &   &                 &                & \ddots & t\\
@@ -257,28 +258,28 @@ da ab einem $l \in \NN$ gilt, dass $N^l = N^{l+1} = \dots = 0$, d.h.
 \end{align*}
 
 \begin{remark*}
-    Für die Lösung eines~\hyperref[eq:cp]{C\textc{auchy}-Problems} mit einer nicht-diagonalisierbaren Matrix $A = V J V^{-1}$
+    Für die Lösung eines~\hyperref[eq:cp]{C\textc{auchy}-Problems} mit einer nicht-diagonalisierbaren Matrix $A = S J S^{-1}$
     mit J\textc{ordan}-Normalform $J$, gilt also insgesamt
     \begin{align*}
-        \vec{y}(t) &= \e^{(t - t_0) A} \vec{y}_0 = \e^{(t - t_0) V L V^{-1}} \vec{y}_0 = V \e^{(t - t_0) J} V^{-1} \vec{y}_0\\
+        \vec{u}(t) &= \e^{(t - t_0) A} \vec{u}_0 = \e^{(t - t_0) S J S^{-1}} \vec{u}_0 = S \e^{(t - t_0) J} S^{-1} \vec{u}_0\\
-        &= V \begin{pmatrix}
+        &= S \begin{pmatrix}
                 \e^{(t - t_0) J_1} &        & \\
                                    & \ddots & \\
-                                   &        & \e^{(t - t_0) J_n}
+                                   &        & \e^{(t - t_0) J_k}
-            \end{pmatrix} V^{-1} \vec{y}_0\\
+            \end{pmatrix} S^{-1} \vec{u}_0\\
-        &= V \begin{pmatrix}
+        &= S \begin{pmatrix}
-                \e^{(t - t_0) L_1} \e^{(t - t_0) N} &        & \\
+                \e^{(t - t_0) D_1} \e^{(t - t_0) N} &        & \\
                                                     & \ddots & \\
-                                                    &        & \e^{(t - t_0) L_n} \e^{(t - t_0) N}
+                                                    &        & \e^{(t - t_0) D_k} \e^{(t - t_0) N}
-            \end{pmatrix} V^{-1} \vec{y}_0.
+            \end{pmatrix} S^{-1} \vec{u}_0.
     \end{align*}
 \end{remark*}
 
 \begin{example*}
-    Gegeben sei das~\ref{eq:cp}
+    Gegeben sei das~\hyperref[eq:cp]{C\textc{auchy}-Problem}
     \begin{equation*}
-        \vec{y}'(t) = \underbrace{\begin{pmatrix} a & 1\\ 0 & a \end{pmatrix}}_{= A} y(t),\ a \in \RR,
+        \vec{u}'(t) = \underbrace{\begin{pmatrix} a & 1\\ 0 & a \end{pmatrix}}_{\eqqcolon A} \vec{u}(t),\ a \in \RR,
-        \qquad \vec{y}(t_0 = 0) = \vec{y}_0 = \begin{pmatrix}y_1\\ y_2\end{pmatrix}.
+        \qquad \vec{u}_0 \coloneqq \vec{u}(t_0 = 0) = \begin{pmatrix}u_1\\ u_2\end{pmatrix}.
     \end{equation*}
     $A$ lässt sich zerlegen in eine Diagonalmatrix $D$ und nilpotente Matrix $N$:
     \begin{equation*}
@@ -287,13 +288,13 @@ da ab einem $l \in \NN$ gilt, dass $N^l = N^{l+1} = \dots = 0$, d.h.
     \end{equation*}
     Nach~\hyperref[thm:existenz-eindeutigkeit]{Satz~\ref*{thm:existenz-eindeutigkeit}} und~\autoref{sec:berechnung-matrixexponential} ist die Lösung gegeben durch
     \begin{alignat*}{2}
-        \vec{y}(t) &= \e^{t A} \vec{y}_0
+        \vec{u}(t) &= \e^{t A} \vec{u}_0
-            &&= \e^{t (D + N)} \vec{y}_0\\
+            &&= \e^{t (D + N)} \vec{u}_0\\
-        &= \e^{t D + t N} \vec{y}_0
+        &= \e^{t D + t N} \vec{u}_0
-            &&= \e^{t D} \e^{t N} \vec{y}_0\\
+            &&= \e^{t D} \e^{t N} \vec{u}_0\\
-        &= \begin{pmatrix} \e^{t a} & 0\\ 0 & \e^{t a} \end{pmatrix} \begin{pmatrix} 1 & t\\ 0 & 1 \end{pmatrix} \vec{y}_0
+        &= \begin{pmatrix} \e^{t a} & 0\\ 0 & \e^{t a} \end{pmatrix} \begin{pmatrix} 1 & t\\ 0 & 1 \end{pmatrix} \vec{u}_0
-            &&= \begin{pmatrix} \e^{t a} & t \e^{t a}\\ 0 & \e^{t a} \end{pmatrix} \begin{pmatrix}y_1\\ y_2\end{pmatrix}\\
+            &&= \begin{pmatrix} \e^{t a} & t \e^{t a}\\ 0 & \e^{t a} \end{pmatrix} \begin{pmatrix}u_1\\ u_2\end{pmatrix}\\
-        &= \begin{pmatrix} y_1 \e^{t a} + y_2 t \e^{t a}\\ y_2 \e^{t a} \end{pmatrix}
+        &= \begin{pmatrix} u_1 \e^{t a} + u_2 t \e^{t a}\\ u_2 \e^{t a} \end{pmatrix}
-            &&= \begin{pmatrix} \e^{t a} (y_1 + y_2 t)\\ y_2 \e^{t a} \end{pmatrix}
+            &&= \begin{pmatrix} \e^{t a} (u_1 + u_2 t)\\ u_2 \e^{t a} \end{pmatrix}
     \end{alignat*}
 \end{example*}