Diagonale Matrix – Wikipedia
Matrizen ähnlich wie Diagonalmatrizen
In der linearen Algebra ist eine quadratische Matrix
wird genannt diagonalisierbar oder fehlerfrei wenn sie einer Diagonalmatrix ähnlich ist, dh wenn eine invertierbare Matrix existiert
und eine Diagonalmatrix
so dass
, oder gleichwertig
. (Eine solche
,
sind nicht eindeutig.) Für einen endlichdimensionalen Vektorraum
, eine lineare Karte
wird genannt diagonalisierbar wenn es eine geordnete Basis von gibt
bestehend aus Eigenvektoren von
. Diese Definitionen sind äquivalent: wenn
hat eine Matrixdarstellung
wie oben, dann sind die Spaltenvektoren von
bilden eine Basis bestehend aus Eigenvektoren von
, und die diagonalen Einträge von
sind die entsprechenden Eigenwerte von
; bezüglich dieser Eigenvektorbasis,
wird vertreten durch
. Diagonale ist der Prozess, das oben genannte zu finden
und
.
Diagonalisierbare Matrizen und Abbildungen sind besonders einfach für Berechnungen, wenn ihre Eigenwerte und Eigenvektoren bekannt sind. Man kann eine Diagonalmatrix erstellen
hoch, indem man einfach die Diagonaleinträge zu dieser Potenz macht, und die Determinante einer Diagonalmatrix ist einfach das Produkt aller Diagonaleinträge; solche Berechnungen lassen sich leicht verallgemeinern zu
. Geometrisch ist eine diagonalisierbare Matrix ein inhomogene Dilatation (oder anisotrope Skalierung) — es skaliert den Raum, ebenso wie a homogene Dilatation, aber um einen anderen Faktor entlang jeder Eigenvektorachse, den Faktor, der durch den entsprechenden Eigenwert gegeben ist.
Eine nicht diagonalisierbare quadratische Matrix heißt defekt. Es kann vorkommen, dass eine Matrix
bei reellen Einträgen ist über die reellen Zahlen defekt, d.h
ist für jedes Invertible unmöglich
und diagonal
bei reellen Einträgen, aber bei komplexen Einträgen ist es möglich, so dass
über den komplexen Zahlen diagonalisierbar ist. Dies ist beispielsweise bei einer generischen Rotationsmatrix der Fall.
Viele Ergebnisse für diagonalisierbare Matrizen gelten nur über einen algebraisch abgeschlossenen Körper (wie die komplexen Zahlen). In diesem Fall liegen diagonalisierbare Matrizen dicht im Raum aller Matrizen, was bedeutet, dass jede defekte Matrix durch eine kleine Störung in eine diagonalisierbare Matrix verformt werden kann; und der Normalformsatz von Jordan besagt, dass jede Matrix eindeutig die Summe einer diagonalisierbaren Matrix und einer nilpotenten Matrix ist. Über einen algebraisch abgeschlossenen Körper sind diagonalisierbare Matrizen äquivalent zu halbeinfachen Matrizen.
Definition[edit]
Ein Quadrat
Matrix
über ein Feld
wird genannt diagonalisierbar oder fehlerfrei falls es eine invertierbare Matrix gibt
so dass
ist eine Diagonalmatrix. Formal,
Charakterisierung[edit]
Die grundlegende Tatsache über diagonalisierbare Abbildungen und Matrizen wird wie folgt ausgedrückt:
Eine weitere Charakterisierung: Eine Matrix oder lineare Karte ist über das Feld diagonalisierbar
genau dann, wenn sein minimales Polynom ein Produkt verschiedener linearer Faktoren über . ist
. (Anders ausgedrückt ist eine Matrix genau dann diagonalisierbar, wenn alle ihre elementaren Teiler linear sind.)
Die folgende hinreichende (aber nicht notwendige) Bedingung ist oft nützlich.
Lassen
sei eine Matrix über
. Wenn
diagonalisierbar ist, dann ist es auch jede Potenz davon. Umgekehrt, wenn
ist invertierbar,
ist algebraisch abgeschlossen, und
ist für manche diagonalisierbar
das ist kein ganzzahliges Vielfaches der Charakteristik von
, dann
ist diagonalisierbar. Beweis: Wenn
ist diagonalisierbar, dann
wird durch ein Polynom vernichtet
, die keine Mehrfachwurzel hat (da
) und wird durch das minimale Polynom von dividiert
.
Über die komplexen Zahlen
, fast jede Matrix ist diagonalisierbar. Genauer gesagt: die Menge der Komplexe
Matrizen, die nicht diagonalisierbar über
, als Teilmenge von betrachtet
, lässt Lebesgue Null messen. Man kann auch sagen, dass die diagonalisierbaren Matrizen eine dichte Teilmenge bezüglich der Zariski-Topologie bilden: Die nicht-diagonalisierbaren Matrizen liegen innerhalb der verschwindenden Menge der Diskriminante des charakteristischen Polynoms, die eine Hyperfläche ist. Daraus folgt auch die Dichte im üblichen (stark) Topologie durch eine Norm gegeben. Das gleiche gilt nicht für
.
Die Jordan-Chevaley-Zerlegung drückt einen Operator als Summe seines halbeinfachen (dh diagonalisierbaren) Teils und seines nilpotenten Teils aus. Daher ist eine Matrix genau dann diagonalisierbar, wenn ihr nilpotenter Teil null ist. Anders ausgedrückt ist eine Matrix diagonalisierbar, wenn jeder Block in seiner Jordan-Form keinen nilpotenten Teil hat; dh jeder “Block” ist eine Eins-zu-eins-Matrix.
Diagonale[edit]
Wenn eine Matrix
kann diagonalisiert werden, d.h.
dann:
Schreiben
als Blockmatrix ihrer Spaltenvektoren
die obige Gleichung kann umgeschrieben werden als
Also die Spaltenvektoren von
sind rechte Eigenvektoren von
, und der entsprechende diagonale Eintrag ist der entsprechende Eigenwert. Die Invertibilität von
schlägt auch vor, dass die Eigenvektoren linear unabhängig sind und eine Basis von bilden
. Dies ist die notwendige und hinreichende Bedingung für die Diagonalisierungsfähigkeit und den kanonischen Ansatz der Diagonalisierung. Die Zeilenvektoren von
sind die linken Eigenvektoren von
.
Wenn eine komplexe Matrix
ist eine hermitesche Matrix (oder allgemeiner eine normale Matrix), Eigenvektoren von
kann gewählt werden, um eine Orthonormalbasis von zu bilden
, und
kann als unitäre Matrix gewählt werden. Wenn zusätzlich
eine reelle symmetrische Matrix ist, dann können ihre Eigenvektoren als Orthonormalbasis von . gewählt werden
und
kann als orthogonale Matrix gewählt werden.
Für die meisten praktischen Arbeiten werden Matrizen mit Computersoftware numerisch diagonalisiert. Es gibt viele Algorithmen, um dies zu erreichen.
Gleichzeitige Diagonalisierung[edit]
Eine Menge von Matrizen heißt gleichzeitig diagonalisierbar wenn es eine einzige invertierbare Matrix gibt
so dass
ist eine Diagonalmatrix für jedes
im Satz. Der folgende Satz charakterisiert gleichzeitig diagonalisierbare Matrizen: Eine Menge diagonalisierbarer Matrizen kommutiert genau dann, wenn die Menge gleichzeitig diagonalisierbar ist.[1]: S. 61-63
Der Satz von allen
diagonalisierbare Matrizen (über
) mit
sind diagonalisierbar, aber nicht gleichzeitig diagonalisierbar, da sie nicht kommutieren.
Eine Menge besteht genau dann aus kommutierenden normalen Matrizen, wenn sie gleichzeitig durch eine unitäre Matrix diagonalisierbar ist; das heißt, es existiert eine unitäre Matrix
so dass
ist diagonal für alle
im Satz.
In der Sprache der Lie-Theorie erzeugt eine Menge gleichzeitig diagonalisierbarer Matrizen eine torale Lie-Algebra.
Beispiele[edit]
Diagonale Matrizen[edit]
Matrizen, die nicht diagonalisierbar sind[edit]
Im Allgemeinen ist eine Rotationsmatrix nicht über die reellen Zahlen diagonalisierbar, aber alle Rotationsmatrizen sind über den komplexen Körper diagonalisierbar. Auch wenn eine Matrix nicht diagonalisierbar ist, ist es immer möglich “mach das beste was man kann”, und finden Sie eine Matrix mit den gleichen Eigenschaften, bestehend aus Eigenwerten auf der führenden Diagonale und entweder Einsen oder Nullen auf der Superdiagonalen – bekannt als Jordan-Normalform.
Einige Matrizen sind über kein Feld diagonalisierbar, insbesondere nilpotente Matrizen ungleich null. Dies geschieht allgemeiner, wenn die algebraische und die geometrische Vielfachheit eines Eigenwerts nicht zusammenfallen. Betrachten Sie zum Beispiel
Diese Matrix ist nicht diagonalisierbar: es gibt keine Matrix
so dass
ist eine Diagonalmatrix. In der Tat,
hat einen Eigenwert (nämlich Null) und dieser Eigenwert hat die algebraische Multiplizität 2 und die geometrische Multiplizität 1.
Einige reelle Matrizen sind nicht über die reellen Zahlen diagonalisierbar. Betrachten Sie zum Beispiel die Matrix
Die Matrix
hat keine reellen Eigenwerte, also gibt es kein Real Matrix
so dass
ist eine Diagonalmatrix. Wir können jedoch diagonalisieren
wenn wir komplexe Zahlen zulassen. In der Tat, wenn wir nehmen
dann
ist diagonal. Das ist leicht zu finden
ist die Rotationsmatrix, die sich um den Winkel gegen den Uhrzeigersinn dreht
Beachten Sie, dass die obigen Beispiele zeigen, dass die Summe der diagonalisierbaren Matrizen nicht diagonalisierbar sein muss.
Wie man eine Matrix diagonalisiert[edit]
Das Diagonalisieren einer Matrix ist der gleiche Vorgang wie das Finden ihrer Eigenwerte und Eigenvektoren, falls die Eigenvektoren eine Basis bilden. Betrachten Sie zum Beispiel die Matrix
Die Wurzeln des charakteristischen Polynoms
sind die Eigenwerte
. Lösung des linearen Systems
gibt die Eigenvektoren
und
, während
gibt
; das ist,
zum
. Diese Vektoren bilden eine Basis von
, so können wir sie als Spaltenvektoren einer Basisänderungsmatrix zusammenstellen
bekommen:
Wir können diese Gleichung in Form von Transformationen sehen:
nimmt die Standardbasis zur Eigenbasis,
, also haben wir:
so dass
hat die Standardbasis als Eigenvektoren, die die definierende Eigenschaft von . ist
.
Beachten Sie, dass es keine bevorzugte Reihenfolge der Eigenvektoren in gibt
; Ändern der Reihenfolge der Eigenvektoren in
ändert einfach die Reihenfolge der Eigenwerte in der diagonalisierten Form von
.[2]
Anwendung auf Matrixfunktionen[edit]
Diagonalisierung kann verwendet werden, um die Potenzen einer Matrix effizient zu berechnen
:
und letzteres ist leicht zu berechnen, da es sich nur um die Potenzen einer Diagonalmatrix handelt. Zum Beispiel für die Matrix
mit Eigenwerten
Im obigen Beispiel berechnen wir:
Dieser Ansatz kann auf Matrixexponential- und andere Matrixfunktionen verallgemeinert werden, die als Potenzreihen definiert werden können. Zum Beispiel definieren
, wir haben:
Dies ist besonders nützlich, um Ausdrücke in geschlossener Form für Terme linearer rekursiver Folgen wie die Fibonacci-Zahlen zu finden.
Besondere Anwendung[edit]
Betrachten Sie beispielsweise die folgende Matrix:
Berechnung der verschiedenen Potenzen von
zeigt ein überraschendes Muster:
Das obige Phänomen lässt sich durch Diagonalisierung erklären
. Um dies zu erreichen, brauchen wir eine Basis von
bestehend aus Eigenvektoren von
. Eine solche Eigenvektorbasis ist gegeben durch
wo eich bezeichnet die Standardbasis von Rn. Der umgekehrte Basiswechsel ist gegeben durch
Einfache Berechnungen zeigen, dass
Daher, ein und B sind die Eigenwerte zu du und v, bzw. Nach Linearität der Matrixmultiplikation haben wir, dass
Zurück zur Standardbasis haben wir
Die vorhergehenden Beziehungen, ausgedrückt in Matrixform, sind
wodurch das obige Phänomen erklärt wird.
Quantenmechanische Anwendung[edit]
In quantenmechanischen und quantenchemischen Berechnungen ist die Matrixdiagonalisierung eines der am häufigsten angewendeten numerischen Verfahren. Der Hauptgrund ist, dass die zeitunabhängige Schrödinger-Gleichung eine Eigenwertgleichung ist, wenn auch in den meisten physikalischen Situationen auf einem unendlich dimensionalen Raum (einem Hilbert-Raum).
Eine sehr verbreitete Näherung besteht darin, den Hilbert-Raum auf endliche Dimensionen zu kürzen, wonach die Schrödinger-Gleichung als Eigenwertproblem einer reellen symmetrischen oder komplexen Hermiteschen Matrix formuliert werden kann. Formal basiert diese Approximation auf dem Variationsprinzip, das für nach unten beschränkte Hamiltonoperatoren gilt.
Die Störungstheorie erster Ordnung führt auch zu einem Matrixeigenwertproblem für entartete Zustände.
Siehe auch[edit]
Verweise[edit]
Recent Comments