Merge remote-tracking branch 'upstream/master'

6 files changed, 478 insertions, 9 deletions

diff --git a/buch/chapters/30-endlichekoerper/euklid.tex b/buch/chapters/30-endlichekoerper/euklid.tex
index 094a07a..0bf3016 100644
--- a/buch/chapters/30-endlichekoerper/euklid.tex
+++ b/buch/chapters/30-endlichekoerper/euklid.tex
@@ -681,7 +681,7 @@ Q(q_0)^{-1}
 Q(q_1)^{-1}
 \dots
 Q(q_{n-1})^{-1}
-Q(q_n)
+Q(q_n)^{-1}
 \begin{pmatrix}\operatorname{ggT}(a,b)\\0\end{pmatrix}.
 \]
 Eine mögliche Lösung für die Matrix $K$ in
diff --git a/buch/chapters/40-eigenwerte/chapter.tex b/buch/chapters/40-eigenwerte/chapter.tex
index 242a5e5..24ea57d 100644
--- a/buch/chapters/40-eigenwerte/chapter.tex
+++ b/buch/chapters/40-eigenwerte/chapter.tex
@@ -46,5 +46,6 @@ Dies wird in Abschnitt~\ref{buch:section:spektraltheorie} beschrieben.
 \uebungsaufgabe{4003}
 \uebungsaufgabe{4004}
 \uebungsaufgabe{4005}
+\uebungsaufgabe{4006}
 \end{uebungsaufgaben}
 
diff --git a/buch/chapters/40-eigenwerte/normalformen.tex b/buch/chapters/40-eigenwerte/normalformen.tex
index c21c403..9169f65 100644
--- a/buch/chapters/40-eigenwerte/normalformen.tex
+++ b/buch/chapters/40-eigenwerte/normalformen.tex
@@ -330,9 +330,259 @@ Es ist das Polynom geringsten Grades über $\Bbbk'$, welches $m(A)=0$ erfüllt.
 
 \subsection{Reelle Normalform
 \label{buch:subsection:reelle-normalform}}
+Wenn eine reelle Matrix $A$ komplexe Eigenwerte hat, ist die Jordansche
+Normalform zwar möglich, aber die zugehörigen Basisvektoren werden ebenfalls
+komplexe Komponenten haben.
+Für eine rein reelle Rechnung ist dies nachteilig, da der Speicheraufwand
+dadurch verdoppelt und der Rechenaufwand für Multiplikationen vervierfacht
+wird.
 
-\subsection{Obere Hessenberg-Form
-\label{buch:subsection:obere-hessenberg-form}}
+Die nicht reellen Eigenwerte von $A$ treten in konjugiert komplexen Paaren
+$\lambda_i$ und $\overline{\lambda}_i$ auf.
+Wir betrachten im Folgenden nur ein einziges Paar $\lambda=a+ib$ und
+$\overline{\lambda}=a-ib$ von konjugiert komplexen Eigenwerten mit
+nur je einem einzigen $n\times n$-Jordan-Block $J$ und $\overline{J}$.
+Ist $\mathcal{B}=\{b_1,\dots,b_n\}$ die Basis für den Jordan-Block $J$,
+dann kann man die Vektoren
+$\overline{\mathcal{B}}=\{\overline{b}_1,\dots,\overline{b}_n\}$ als Basis für
+$\overline{J}$ verwenden.
+Die vereinigte Basis
+$\mathcal{C} = \mathcal{B}\cup\overline{\mathcal{B}}
+= \{b_1,\dots,b_n,\overline{b}_1,\dots,\overline{b}_n\}$
+erzeugen einen $2n$-dimensionalen Vektorraum,
+der direkte Summe der beiden von $\mathcal{B}$ und $\overline{\mathcal{B}}$
+erzeugen Vektorräume $V=\langle\mathcal{B}\rangle$ und
+$\overline{V}=\langle\overline{\mathcal{B}}\rangle$ ist.
+Es ist also
+\[
+U=\langle \mathcal{C}\rangle
+=
+V\oplus \overline{V}.
+\]
+Wir bezeichnen die lineare Abbildung mit den Jordan-Blöcken
+$J$ und $\overline{J}$ wieder mit $A$.
+
+Auf dem Vektorraum $U$ hat die lineare Abbildung in der Basis
+$\mathcal{C}$ die Matrix
+\[
+A=
+\begin{pmatrix}
+J&0\\
+0&\overline{J}
+\end{pmatrix}
+=
+\begin{pmatrix}
+\lambda&   1   &       &      &       &&&&&\\
+       &\lambda&   1   &      &       &&&&&\\
+       &       &\lambda&\ddots&       &&&&&\\
+       &       &       &\ddots&   1   &&&&&\\
+       &       &       &      &\lambda&&&&&\\
+&&&& &\overline{\lambda}&1&&     & \\
+&&&& &&\overline{\lambda}&1&     & \\
+&&&& &&&\overline{\lambda} &\dots& \\
+&&&& &&&                   &\dots&1\\
+&&&& &&&                   &&\overline{\lambda}\\
+\end{pmatrix}.
+\]
+
+Die Jordan-Normalform bedeutet, dass
+\[
+\begin{aligned}
+Ab_1&=\lambda b_1           &
+	A\overline{b}_1 &= \overline{\lambda} \overline{b}_1      \\
+Ab_2&=\lambda b_2 + b_1     &
+	A\overline{b}_2 &= \overline{\lambda} \overline{b}_2 +\overline{b_1}\\
+Ab_3&=\lambda b_3 + b_2     &
+	A\overline{b}_3 &= \overline{\lambda} \overline{b}_3 +\overline{b_2}\\
+    &\;\vdots               &
+	                 &\;\vdots \\
+Ab_n&=\lambda b_n + b_{n-1} &
+	A\overline{b}_n &= \overline{\lambda} \overline{b}_n +\overline{b_{n-1}}
+\end{aligned}
+\]
+Für die Linearkombinationen
+\begin{equation}
+\begin{aligned}
+c_i &= \frac{b_i+\overline{b}_i}{\sqrt{2}},
+&
+d_i &= \frac{b_i-\overline{b}_i}{i\sqrt{2}}
+\end{aligned}
+\label{buch:eigenwerte:eqn:reellenormalformumrechnung}
+\end{equation}
+folgt dann für $k>1$
+\begin{align*}
+Ac_k
+&=
+\frac{Ab_k+A\overline{b}_k}{2}
+&
+Ad_k
+&=
+\frac{Ab_k-A\overline{b}_k}{2i}
+\\
+&=
+\frac1{\sqrt{2}}(\lambda b_k + b_{k-1}
++ \overline{\lambda}\overline{b}_k + \overline{b}_{k-1})
+&
+&=
+\frac1{i\sqrt{2}}(\lambda b_k + b_{k-1}
+- \overline{\lambda}\overline{b}_k - \overline{b}_{k-1})
+\\
+&=
+\frac1{\sqrt{2}}(\alpha b_k + i\beta b_k + \alpha \overline{b}_k -i\beta \overline{b}_k)
++
+c_{k-1}
+&
+&=
+\frac1{i\sqrt{2}}(
+\alpha b_k + i\beta b_k - \alpha \overline{b}_k +i\beta \overline{b}_k)
++
+d_{k-1}
+\\
+&=
+\alpha
+\frac{b_k+\overline{b}_k}{\sqrt{2}}
++
+i \beta \frac{b_k-\overline{b}_k}{\sqrt{2}}
++
+c_{k-1}
+&
+&=
+\alpha
+\frac{b_k-\overline{b}_k}{i\sqrt{2}}
++
+i \beta \frac{b_k+\overline{b}_k}{i\sqrt{2}}
++
+d_{k-1}
+\\
+&= \alpha c_k -\beta d_k
++
+c_{k-1}
+&
+&= \alpha d_k + \beta c_k
++
+d_{k-1}.
+\end{align*}
+Für $k=1$ fallen die Terme $c_{k-1}$ und $d_{k-1}$ weg.
+In der Basis $\mathcal{D}=\{c_1,d_1,\dots,c_n,d_n\}$ hat die Matrix
+also die {\em reelle Normalform}
+\begin{equation}
+\def\temp#1{\multicolumn{1}{|c}{#1\mathstrut}}
+\def\semp#1{\multicolumn{1}{c|}{#1\mathstrut}}
+A_{\text{reell}}
+=
+\left(
+\begin{array}{cccccccccccc}
+\cline{1-4}
+\temp{\alpha}& \beta&\temp{     1}&     0&\temp{}      &      &      &      &      &      &&\\
+\temp{-\beta}&\alpha&\temp{     0}&     1&\temp{}      &      &      &      &      &      &&\\
+\cline{1-6}
+      &      &\temp{\alpha}& \beta&\temp{     1}&     0&\temp{}      &      &      &      &&\\
+      &      &\temp{-\beta}&\alpha&\temp{     0}&     1&\temp{}      &      &      &      &&\\
+\cline{3-6}
+      &      &      &      &\temp{\alpha}& \beta&\temp{}      &      &      &      &&\\
+      &      &      &      &\temp{-\beta}&\alpha&\temp{}      &      &      &      &&\\
+\cline{5-8}
+      &      &      &      &      &      &\temp{\phantom{0}}&\phantom{0}&\temp{      }&      &&\\
+      &      &      &      &      &      &\temp{\phantom{0}}&\phantom{0}&\temp{      }&      &&\\
+\cline{7-12}
+      &      &      &      &      &      &      &      &\temp{\alpha}& \beta&\temp{     1}&\semp{     0}\\
+      &      &      &      &      &      &      &      &\temp{-\beta}&\alpha&\temp{     0}&\semp{     1}\\
+\cline{9-12}
+      &      &      &      &      &      &      &      &      &      &\temp{\alpha}&\semp{ \beta}\\
+      &      &      &      &      &      &      &      &      &      &\temp{-\beta}&\semp{\alpha}\\
+\cline{11-12}
+\end{array}\right).
+\label{buch:eigenwerte:eqn:reellenormalform}
+\end{equation}
+
+Wir bestimmen noch die Transformationsmatrix, die $A$ in die reelle
+Normalform bringt.
+Dazu beachten wir, dass die Vektoren $c_k$ und $d_k$ in der Basis
+$\mathcal{B}$ nur in den Komponenten $k$ und $n+k$ von $0$ verschiedene
+Koordinaten haben, nämlich
+\[
+c_k
+=
+\frac1{\sqrt{2}}
+\left(
+\begin{array}{c}
+\vdots\\ 1 \\ \vdots\\\hline \vdots\\ 1\\\vdots
+\end{array}\right)
+\qquad\text{und}\qquad
+d_k
+=
+\frac1{i\sqrt{2}}
+\left(\begin{array}{c}
+\vdots\\ 1 \\ \vdots\\\hline\vdots\\-1\\\vdots
+\end{array}\right)
+=
+\frac1{\sqrt{2}}
+\left(\begin{array}{c}
+\vdots\\-i \\ \vdots\\\hline \vdots\\ i\\\vdots
+\end{array}\right)
+\]
+gemäss \eqref{buch:eigenwerte:eqn:reellenormalformumrechnung}.
+Die Umrechnung der Koordinaten von der Basis $\mathcal{B}$ in die Basis
+$\mathcal{D}$
+wird daher durch die Matrix
+\[
+S
+=
+\frac{1}{\sqrt{2}}
+\left(\begin{array}{cccccccccc}
+1&-i& &  & &  &     &     & &  \\
+ &  &1&-i& &  &     &     & &  \\
+ &  & &  &1&-i&     &     & &  \\
+ &  & &  & &  &\dots&\dots& &  \\
+ &  & &  & &  &     &     &1&-i\\
+\hline
+1& i& &  & &  &     &     & &  \\
+ &  &1& i& &  &     &     & &  \\
+ &  & &  &1& i&     &     & &  \\
+ &  & &  & &  &\dots&\dots& &  \\
+ &  & &  & &  &     &     &1& i\\
+\end{array}\right)
+\]
+vermittelt.
+Der Nenner $\sqrt{2}$ wurde so gewählt, dass die
+Zeilenvektoren der Matrix $S$ als komplexe Vektoren orthonormiert sind,
+die Matrix $S$ ist daher unitär und hat die Inverse
+\[
+S^{-1}
+=
+S^*
+=
+\frac{1}{\sqrt{2}}
+\left(\begin{array}{ccccc|ccccc}
+ 1&  &  &     &  & 1&  &  &     &  \\
+ i&  &  &     &  &-i&  &  &     &  \\
+  & 1&  &     &  &  & 1&  &     &  \\
+  & i&  &     &  &  &-i&  &     &  \\
+  &  & 1&     &  &  &  & 1&     &  \\
+  &  & i&     &  &  &  &-i&     &  \\
+  &  &  &\dots&  &  &  &  &\dots&  \\
+  &  &  &\dots&  &  &  &  &\dots&  \\
+  &  &  &     & 1&  &  &  &     & 1\\
+  &  &  &     & i&  &  &  &     &-i\\
+\end{array}\right).
+\]
+Insbesondere folgt jetzt
+\[
+A
+=
+S^{-1}A_{\text{reell}}S
+=
+S^*A_{\text{reell}}S
+\qquad\text{und}\qquad
+A_{\text{reell}}
+=
+SAS^{-1}
+=
+SAS^*.
+\]
+
+%\subsection{Obere Hessenberg-Form
+%\label{buch:subsection:obere-hessenberg-form}}
 
 
 
diff --git a/buch/chapters/40-eigenwerte/uebungsaufgaben/4006.maxima b/buch/chapters/40-eigenwerte/uebungsaufgaben/4006.maxima
new file mode 100644
index 0000000..9c97a2b
--- /dev/null
+++ b/buch/chapters/40-eigenwerte/uebungsaufgaben/4006.maxima
@@ -0,0 +1,121 @@
+/*
+ * 4006.maxima
+ *
+ * (c) 2021 Prof Dr Andreas Müller, OST Ostschweizer Fachhochschule
+ */
+
+A: matrix([ a+b*%i,      1,       0,      0 ],
+          [      0, a+b*%i,       0,      0 ],
+          [      0,      0,  a-b*%i,      1 ],
+          [      0,      0,       0, a-b*%i ]);
+
+expand(charpoly(A, x));
+
+S: (1/sqrt(2)) * matrix([ 1, -%i,  0,   0 ],
+                        [ 0,   0,  1, -%i ],
+                        [ 1,  %i,  0,   0 ],
+                        [ 0,   0,  1,  %i ]);
+
+B: expand(invert(S).A.S);
+
+
+C: subst(2, a, B);
+C: subst(3, b, C);
+A: subst(2, a, A);
+A: subst(3, b, A);
+
+U: matrix([ 1, 0, 1, 0 ],
+          [ 0, 1, 1, 2 ],
+          [ 0, 0, 1, 0 ],
+          [ 0, 0, 0, 1 ]);
+V: matrix([ 1, 0, 0, 0 ],
+          [ 0, 1, 0, 0 ],
+          [ 0, 1, 1, 0 ],
+          [ 1, 0, 0, 1 ]);
+T: U.V;
+invert(T);
+
+D: T.C.invert(T);
+
+p: expand(charpoly(D, x));
+
+factor(p);
+
+lambda: 2+3*%i;
+
+Dlambda: ratsimp(expand(D - lambda * identfor(D)));
+rank(Dlambda);
+/* D2: expand(Dlambda.Dlambda); */
+/* rank(D2); */
+
+load(functs);
+
+/*
+E: Dlambda;
+E[1]: (rational(1/E[1,1]))*E[1]$
+E[2]: E[2] - E[2,1] * E[1]$
+E[3]: E[3] - E[3,1] * E[1]$
+E[4]: E[4] - E[4,1] * E[1]$
+E: ratsimp(E)$
+
+E[2]: (rational(1/E[2,2])) * E[2]$
+E[3]: E[3] - E[3,2] * E[2]$
+E[4]: E[4] - E[4,2] * E[2]$
+E: ratsimp(E)$
+
+E[3]: (rational(1/E[3,3])) * E[3]$
+E[4]: E[4] - E[4,3] * E[3]$
+E: ratsimp(E)$
+
+E[2]: E[2] - E[2,3] * E[3]$
+E[1]: E[1] - E[1,3] * E[3]$
+E: ratsimp(E)$
+
+E[1]: E[1] - E[1,2] * E[2]$
+E: ratsimp(E)$
+
+E;
+*/
+
+b1: matrix([1+%i],[2+2*%i],[%i],[1]);
+ratsimp(D.b1 - lambda*b1);
+
+G: Dlambda;
+G: addcol(G, b1);
+G[1]: (rational(1/G[1,1]))*G[1]$
+G[2]: G[2] - G[2,1] * G[1]$
+G[3]: G[3] - G[3,1] * G[1]$
+G[4]: G[4] - G[4,1] * G[1]$
+G: ratsimp(G)$
+
+G[2]: (rational(1/G[2,2])) * G[2]$
+G[3]: G[3] - G[3,2] * G[2]$
+G[4]: G[4] - G[4,2] * G[2]$
+G: ratsimp(G)$
+
+G[3]: (rational(1/G[3,3])) * G[3]$
+G[4]: G[4] - G[4,3] * G[3]$
+G: ratsimp(G)$
+
+G[2]: G[2] - G[2,3] * G[3]$
+G[1]: G[1] - G[1,3] * G[3]$
+G: ratsimp(G)$
+
+G[1]: G[1] - G[1,2] * G[2]$
+G: ratsimp(G)$
+
+G;
+
+b2: matrix([ G[1,5] ], [ G[2,5] ], [ G[3,5] ], [ G[4,5] ]);
+
+expand(D.b2 - lambda * b2 - b1);
+
+c1: 2 * realpart(b1);
+d1: 2 * imagpart(b1);
+c2: 2 * realpart(b2);
+d2: 2 * imagpart(b2);
+
+D.c1 - 2 * c1 + 3 * d1;
+D.d1 - 3 * c1 - 2 * d1;
+D.c2 - 2 * c2 + 3 * d2 - c1;
+D.d2 - 3 * c2 - 2 * d2 - d1;
diff --git a/buch/chapters/40-eigenwerte/uebungsaufgaben/4006.tex b/buch/chapters/40-eigenwerte/uebungsaufgaben/4006.tex
new file mode 100644
index 0000000..7ccc065
--- /dev/null
+++ b/buch/chapters/40-eigenwerte/uebungsaufgaben/4006.tex
@@ -0,0 +1,97 @@
+Man findet eine Basis, in der die Matrix
+\[
+A=\begin{pmatrix*}[r]
+ -5&  2&  6&   0\\
+-11& 12& -3& -15\\
+ -7&  0&  9&   4\\
+  0&  5& -7&  -8
+\end{pmatrix*}
+\]
+die relle Normalform bekommt.
+
+\begin{loesung}
+Das charakteristische Polynom der Matrix ist 
+\[
+\chi_{A}(\lambda)
+=
+\lambda^4-8\lambda^3+42\lambda^2-104\lambda+169
+=
+(\lambda^2-4\lambda+13)^2.
+\]
+Es hat die doppelten Nullstellen
+\[
+\lambda_\pm
+=
+2\pm \sqrt{4-13}
+=
+2\pm \sqrt{-9}
+=
+2\pm 3i.
+\]
+Zur Bestimmung der Basis muss man jetzt zunächst den Kern von 
+$A_+=A-\lambda_+I$ bestimmen, zum Beispiel mit Hilfe des Gauss-Algorithmus,
+man findet
+\[
+b_1
+=
+\begin{pmatrix}
+1+i\\
+2+2i\\
+i\\
+1
+\end{pmatrix}.
+\]
+Als nächstes braucht man einen Vektor $b_1\in \ker A_+^2$, der 
+$b_1$ auf $b_1+\lambda_+b_2$ abbildet.
+Durch Lösen des Gleichungssystems $Ab_2-\lambda_+ b_2=b_1$ findet man
+\[
+b_2
+=
+\begin{pmatrix}
+2-i\\3\\2\\0
+\end{pmatrix}
+\qquad\text{und damit weiter}\qquad
+\overline{b}_1
+=
+\begin{pmatrix}
+1-i\\
+2-2i\\
+-i\\
+1
+\end{pmatrix},\quad
+\overline{b}_2
+=
+\begin{pmatrix}
+2+i\\3\\2\\0
+\end{pmatrix}.
+\]
+Als Basis für die reelle Normalform von $A$ kann man jetzt die Vektoren
+\begin{align*}
+c_1
+&=
+b_1+\overline{b}_1 = \begin{pmatrix}2\\4\\0\\2\end{pmatrix},&
+d_1
+&=
+\frac{1}{i}(b_1-\overline{b}_1) = \begin{pmatrix}2\\4\\2\\0\end{pmatrix},&
+c_2
+&=
+b_2+\overline{b}_2 = \begin{pmatrix}4\\6\\4\\0\end{pmatrix},&
+d_2
+&=
+\frac{1}{i}(b_2-\overline{b}_2) = \begin{pmatrix}-2\\0\\0\\0\end{pmatrix}
+\end{align*}
+verwenden.
+In dieser Basis hat $A$ die Matrix
+\[
+A'
+=
+\begin{pmatrix*}[r]
+ 2& 3& 1& 0\\
+-3& 2& 0& 1\\
+ 0& 0& 2& 3\\
+ 0& 0&-3& 2
+\end{pmatrix*},
+\]
+wie man einfach nachrechnen kann.
+\end{loesung}
+
diff --git a/buch/chapters/50-permutationen/transpositionen.tex b/buch/chapters/50-permutationen/transpositionen.tex
index 604e010..748b2e9 100644
--- a/buch/chapters/50-permutationen/transpositionen.tex
+++ b/buch/chapters/50-permutationen/transpositionen.tex
@@ -111,7 +111,7 @@ Permutationen.
 \end{definition}
 
 Die alternierende Gruppe $A_n$ ist tatsächlich eine Untergruppe.
-Zunächst ist $\operatorname{sign}(e)=(-1)^0=1$, also ist $e\in A_n$.
+Zunächst ist $\operatorname{sgn}(e)=(-1)^0=1$, also ist $e\in A_n$.
 Es wurde schon gezeigt, dass mit jedem Element $\sigma\in A_n$ auch
 das inverse Element $\sigma^{-1}\in A_n$ ist.
 Es muss aber noch sichergestellt werden, dass das Produkt von zwei
@@ -120,17 +120,17 @@ geraden Transpositionen wieder gerade ist:
 \begin{aligned}
 \sigma_1,\sigma_2&\in A_n
 &\Rightarrow&&
-\operatorname{sign}(\sigma_1)
+\operatorname{sgn}(\sigma_1)
 &=
-\operatorname{sign}(\sigma_2)
+\operatorname{sgn}(\sigma_2)
 =
 1
 \\
 &&\Rightarrow&&
-\operatorname{sign}(\sigma_1\sigma_2)
+\operatorname{sgn}(\sigma_1\sigma_2)
 &=
-\operatorname{sign}(\sigma_1)
-\operatorname{sign}(\sigma_2)
+\operatorname{sgn}(\sigma_1)
+\operatorname{sgn}(\sigma_2)
 =
 1\cdot 1=1
 &&\Rightarrow&