Diagonalisierung

Diagonalmatrix

Als Diagonalmatrix bezeichnet man im mathematischen Teilgebiet der linearen Algebra eine quadratische Matrix, bei der alle Elemente außerhalb der Hauptdiagonale Null sind. Diagonalmatrizen sind deshalb allein durch die Angabe ihrer Hauptdiagonale bestimmt.

Skalarmatrizen

Stimmen dabei sämtliche Zahlen auf der Hauptdiagonalen überein, spricht man auch von Skalarmatrizen. Skalarmatrizen sind also skalare Vielfache der Einheitsmatrix

$E_{n}={\mbox{diag}}\left(1,1,\dotsc ,1\right):={\begin{pmatrix}1&0&\cdots &0\\0&1&\ddots &\vdots \\\vdots &\ddots &\ddots &0\\0&\cdots &0&1\end{pmatrix}}$.

Inversenbildung

Betrachtet man quadratische Matrizen und damit insbesondere Diagonalmatrixen als lineare Abbildung auf einem endlichdimensionalen Vektorraum, so lässt sich die Matrixmultiplikation und die Inversenbildung einfacher als bei einer voll besetzten Matrix berechnen und die Eigenwerte der Abbildung können aufgrund des Spektralsatzes direkt abgelesen werden.

Definition

Eine quadratische Matrix $D$ über einem Körper $K$ mit

$D={\begin{pmatrix}d_{11}&0&\cdots &0\\0&d_{22}&\ddots &\vdots \\\vdots &\ddots &\ddots &0\\0&\cdots &0&d_{nn}\end{pmatrix}}$,

deren Elemente $d_{ij}\in K$ mit $i\neq j$ alle gleich Null sind, heißt Diagonalmatrix.

Schreibweise Diagonalmatrix

Häufig schreibt man dafür

$D=\operatorname {diag} (d_{1},d_{2},\dotsc ,d_{n}):={\begin{pmatrix}d_{1}&0&\cdots &0\\0&d_{2}&\ddots &\vdots \\\vdots &\ddots &\ddots &0\\0&\cdots &0&d_{n}\end{pmatrix}}$.

Beispiele

Zahlenbeispiel

Die $3\times 3$-Matrix

$\operatorname {diag} \left(1,3,5\right)={\begin{pmatrix}1&0&0\\0&3&0\\0&0&5\end{pmatrix}}$

ist eine Diagonalmatrix.

Besondere Diagonalmatrizen

• Die Einheitsmatrix ist ein Spezialfall einer Diagonalmatrix, bei der alle Elemente der Hauptdiagonale den Wert $1$ haben.
• Die quadratische Nullmatrix ist ein Spezialfall einer Diagonalmatrix, bei der alle Elemente der Hauptdiagonale den Wert $0$ haben.

Eigenschaften von Diagonalmatrizen

Unterring

Die jeweiligen Diagonalmatrizen bilden einen kommutativen Unterring des Rings der quadratischen $n\times n$-Matrizen, der nicht kommuntativ ist.

Determinante

Die Determinante einer Diagonalmatrix ist das Produkt der Einträge auf der Hauptdiagonalen:

$\det \left(\operatorname {diag} \left(d_{1},d_{2},\dotsc ,d_{n}\right)\right)=d_{1}\cdot d_{2}\dotsm d_{n}=\prod _{i=1}^{n}d_{i}$

Transponierte Matrix

Die Transponierte $D^{T}$ einer Diagonalmatrix ist ebenfalls wieder die Diagonalmatrix $D$.

$D^{T}=D$

Matrizenaddition

$\operatorname {diag} (a_{1},a_{2},\dots ,a_{n})+\operatorname {diag} (b_{1},b_{2},\dots ,b_{n})$

$\ =\operatorname {diag} (a_{1}+b_{1},a_{2}+b_{2},\dots ,a_{n}+b_{n})$

Skalarmultiplikation

$\lambda \cdot \operatorname {diag} (a_{1},a_{2},\dots ,a_{n})$

$\ =\operatorname {diag} (\lambda \cdot a_{1},\lambda \cdot a_{2},\dots ,\lambda \cdot a_{n})$

Matrizenmultiplikation

$\operatorname {diag} (a_{1},a_{2},\dots ,a_{n})\cdot \operatorname {diag} (b_{1},b_{2},\dots ,b_{n})$

$\ =\operatorname {diag} (a_{1}\cdot b_{1},a_{2}\cdot b_{2},\dots ,a_{n}\cdot b_{n})$

Multiplikation einer Matrix $A$ von links mit einer Diagonalmatrix entspricht der Multiplikation der Zeilen von $A$ mit den Diagonaleinträgen. Die entsprechende Multiplikation von rechts entspricht der Multiplikation der Spalten von $A$ mit den Diagonaleinträgen.

Berechnung der Inversen

Eine Diagonalmatrix ist genau dann invertierbar, wenn keiner der Einträge auf der Hauptdiagonale $0$ ist. Die inverse Matrix berechnet sich dann wie folgt:

$\operatorname {diag} \left(d_{1},d_{2},\dots ,d_{n}\right)^{-1}$

$\ =\operatorname {diag} \left(d_{1}^{-1},d_{2}^{-1},\dots ,d_{n}^{-1}\right)$

Transposition

$\operatorname {diag} (a_{1},a_{2},\dots ,a_{n})^{\top }=\operatorname {diag} (a_{1},a_{2},\dots ,a_{n})$

Symmetrie

Für jede Diagonalmatrix $D$ gilt, dass sie symmetrisch ist, folglich gilt: $D=D^{T}$.

Definition: Diagonalisierbarkeit

Eine quadratische $n$-dimensionale Matrix $A$ heißt diagonalisierbar oder diagonalähnlich, wenn es eine Diagonalmatrix $D_{A}$ gibt, zu der sie ähnlich ist, das heißt, es existiert eine reguläre Matrix $S$, so dass gilt $D_{A}=S^{-1}AS$, bzw. $SD_{A}=AS$.

Äquivalente Definition

Äquivalent dazu: Eine $n$-dimensionale Matrix $A$ mit Einträgen aus einem Körper $K$ ist genau dann diagonalisierbar, wenn folgende Bedingungen erfüllt sind:

• Das Charakteristische Polynom $\chi _{A}(\lambda )$ zerfällt vollständig in Linearfaktoren: $\chi _{A}(t)=\pm (t-\lambda _{1})\cdot \dots \cdot (t-\lambda _{n})$ mit $\lambda _{i}\in K$
• Die geometrische Vielfachheit entspricht der algebraischen Vielfachheit für jeden Eigenwert $\lambda _{i}$.

Lineare Abbildung

Für eine lineare Abbildung $f\colon V\to V$ (Vektorraum-Endomorphismus) bedeutet dies, dass eine Basis $B$ existiert, bei der die Darstellungsmatrix $M_{B}^{B}(f)$ eine Diagonalmatrix ist.

Eigenwerte

Seien $S$ und $D_{A}$ mit den gewünschten Eigenschaften gefunden, so gilt, dass die Diagonaleinträge von $D_{A}$, nämlich $\lambda _{i}$, Eigenwerte von $D_{A}$ zu den Einheitsvektoren $e_{i}$ sind. Weiterhin ist $ASe_{i}=SD_{A}e_{i}=S\lambda _{i}e_{i}=\lambda _{i}Se_{i}$. Die $Se_{i}$ sind also auch Eigenvektoren von $A$, und zwar jeweils zum Eigenwert $\lambda _{i}$.

Da $S$ invertierbar sein soll, ist $(Se_{1},\ldots ,Se_{n})$ zudem linear unabhängig.

Zusammenfassung

• Zusammenfassend ergibt sich daraus die notwendige Bedingung, dass die Matrix $A$ $n$ linear unabhängige Eigenvektoren

$b_{1},b_{2},\ldots b_{n}\in V$ zu den Eigenwerte $\lambda _{1},\lambda _{2},\ldots \lambda _{n}$ hat,

• der Raum $V$, auf dem sie operiert, also eine Basis aus Eigenvektoren von $A$ besitzt.
• Diese Bedingung ist aber auch hinreichend, denn aus $n$ gefundenen Eigenvektoren von $A$ mit den dazugehörigen Eigenwerten lassen sich geeignete $D_{A}$ und $S$ ganz direkt konstruieren.

Eigenschaften einer diagonalisierbaren Matrix

Ist eine Matrix diagonalisierbar, so ist die geometrische Vielfachheit ihrer Eigenwerte gleich der jeweiligen algebraischen Vielfachheit. Das bedeutet, die Dimension der einzelnen Eigenräume stimmt jeweils mit der algebraischen Vielfachheit der entsprechenden Eigenwerte im charakteristischen Polynom der Matrix überein.

Diagonalisierung

Ist eine Matrix $A$ diagonalisierbar, existiert eine Diagonalmatrix $D_{A}$, für die die Ähnlichkeitsbedingung erfüllt ist:

$D_{A}=S^{-1}AS$

Berechnung Diagonalmatrix

Zur Diagonalisierung dieser Matrix berechnet man die Diagonalmatrix $D_{A}$ und eine zugehörige Basis aus Eigenvektoren. Dies geschieht in drei Schritten:

Schritt 1 - Eigenwerte bestimmen

• Es werden die Eigenwerte $\lambda _{i}$ der Matrix $A$ bestimmt.

Schritt 2 - Eigenräume bestimmen

• Es werden die Eigenräume $E\left(\lambda _{i}\right)$ zu allen Eigenwerten $\lambda _{i}$ berechnet, also folgendes Gleichungssystem gelöst:

$(A-\lambda _{i}E_{n})\cdot {\begin{pmatrix}x_{1}\\\vdots \\x_{n}\end{pmatrix}}=0_{V}\in V$.

Schritt 3 - Diagonalform und Basis

Nun ist die Diagonalform $D_{A}$ der Matrix $A$ bezüglich der Basis $B$:

• $D_{A}=\operatorname {diag} (\lambda _{1},\lambda _{2},\dots ,\lambda _{n})$
• $S=\{v(\lambda _{1}),\dots ,v(\lambda _{n})\}$ mit $v(\lambda )\in V$ als Eigenvektor zum Eigenwert $\lambda \in \mathbb {K}$

Simultane Diagonalisierung

Gelegentlich will man auch zwei Matrizen $A,B$ mit derselben Transformation $S$ diagonalisieren. Falls das gelingt, gilt

$S^{-1}AS=D_{1}$ und $S^{-1}BS=D_{2}$ und da $D_{1}$ und $D_{2}$ Diagonalmatrizen sind,

$D_{1}\cdot D_{2}=D_{2}\cdot D_{1}:\ \Rightarrow B\cdot A=SD_{2}S^{-1}\cdot SD_{1}S^{-1}=SD_{1}D_{2}S^{-1}=A\cdot B$.

Also müssen die Endomorphismen miteinander kommutieren.

Umkehrung: Simultane Diagonalisierung

In der Tat gilt auch die Umkehrung: Kommutieren zwei diagonalisierbare Endomorphismen, so können sie simultan diagonalisiert werden. In der Quantenmechanik gibt es für zwei solche Operatoren dann eine Basis aus gemeinsamen Eigenzuständen.

Banachalgebren

Der Matrizenraum ist als Vektorraum und einer Norm nicht nur ein vollständiger normierter Vektorraum, sondern mit der Matrixmultiplikation auch eine Banachalgebra über $\mathbb {R}$ bzw. $\mathbb {C}$. Das Konzept der Eigenwerte wird mit der Definition eines Spektrum von Elementen aus dem Grundraum auf Banachalgebren verallgemeinert.

Aufgabe

Betrachten Sie die folgenden Normen $\|\cdot \|_{k}$ Banachalgebra der quadratischen $n\times n$-Matrizen mit der Matrixmultiplikation:

$\|A\|_{1}:={\sqrt {\sum _{i=1}^{n}\sum _{j=1}^{n}a_{(i,j)}^{2}}}$

$\|A\|_{2}:=\max _{i,j\in \{1,\ldots ,n\}}|a_{(i,j)}|$

$\|A\|_{3}:=\sum _{i=1}^{n}\sum _{j=1}^{n}|a_{(i,j)}|$

mit $A:=\left(a_{(i,j)}\right)_{i,j\in \{1,\ldots ,n\}}$.

• Welche dieser Normen ist submultiplikativ d.h. $\|A\cdot B\|_{k}\leq \|A\|_{k}\cdot \|B\|_{k}$ für alle $n\times n$-Matrizen $A,B$?
• Falls die Norm nicht submultiplativ ist, ersetzen Sie die Norm durch eine äquivalente Norm die submultiplikativ ist.

Siehe auch

• Übung:Diagonalisierung
• Äquivalenz (Matrix)
• Ähnlichkeit (Matrix)
• Antidiagonalmatrix
• Blockdiagonalmatrix
• Trigonalisierung
• Matrix (Ähnlichkeit)
• Banachalgebra - vollständig normierte Räume mit einer Multiplation auf dem Vektorraum.
• Spektrum eine Elementes
• Spektralsatz

Wiki2Reveal

• Diagonalisierung (Lineare Algebra) - (Foliensatz)

Weblinks

• Diagonalisieren einer Matrix (Beispiel)

Seiten-Information

• Der Foliensatz wurde für den Kurs:Funktionalanalysis erstellt.
• Inhalte der Seite basieren auf: https://de.wikipedia.org/wiki/Diagonalmatrix
• Diese Seite ist ein PanDocElectron-SLIDE Dokumententyp
• OER-Quelle: Wikiversity DE https://de.wikiversity.org/wiki/Diagonalisierung
• Nächste Inhalte des Kurses Trigonalisierbarkeit Matrizen als Beispiel für Operatoren auf dem $\mathbb {R} ^{n}$
• Dynamische Erzeugung der Reveal-Präsentation von dieser Seite.
• siehe Wiki2Reveal zur Funktionsweise von Wiki2Reveal.