Normale Matrix - LinkFang.de





Normale Matrix


Eine normale Matrix ist in der linearen Algebra eine Matrix [math]A \in \mathbb{C}^{n\times n}[/math] mit der Eigenschaft

[math]A^{*} \cdot A = A\cdot A^{*}[/math],

also eine Matrix, die mit ihrer adjungierten Matrix kommutiert. Für eine reelle Matrix [math]B \in \mathbb{R}^{n\times n}[/math] gilt analog

[math]B^{T} \cdot B = B\cdot B^{T}[/math].

Der Spektralsatz besagt, dass eine Matrix [math]A[/math] genau dann normal ist, wenn es eine unitäre Matrix [math]U[/math] gibt, so dass [math]A = UDU^{\rm *}[/math], wobei [math]D[/math] eine Diagonalmatrix ist. Normale Matrizen haben also die Eigenschaft, dass sie unitär diagonalisierbar sind. Es existiert also eine Orthonormalbasis aus Eigenvektoren von A. Die Hauptdiagonalelemente von [math]D[/math] sind genau die Eigenwerte von [math]A[/math]. Insbesondere sind jede reelle symmetrische Matrix und jede komplexe hermitesche Matrix normal. Zudem ist jede unitäre Matrix normal.

Beispiele

Die Eigenwerte können komplex sein, selbst wenn die Matrix [math]A[/math] reell ist, [math]U[/math] und [math]D[/math] sind also im Allgemeinen komplex, wie das Beispiel zeigt:

[math] A = \begin{pmatrix} 0 & 1 \\ -1 & 0 \\ \end{pmatrix} \Rightarrow U = 1/\sqrt{2} \begin{pmatrix} 1 & 1 \\ i & -i \\ \end{pmatrix}, D = \begin{pmatrix} i & 0 \\ 0 & -i \\ \end{pmatrix} [/math]

Lediglich für den Spezialfall einer reellen symmetrischen Matrix [math]A \in \mathbb{R}^{n \times n}, A^T = A[/math] sind die Matrix [math]U[/math] und die Eigenwerte (also [math]D[/math]) stets reell.

Zu beachten ist, dass es Matrizen gibt, die zwar diagonalisierbar aber nicht normal sind. In diesem Fall liegt keine unitäre Diagonalisierbarkeit vor, das heißt, es gilt lediglich [math]A = TDT^{-1}[/math] wobei [math]T[/math] nicht unitär ist, also [math]T^{-1} \neq T^{*}[/math]. Ein Beispiel für eine nicht normale aber diagonalisierbare Matrix ist

[math]A = \begin{pmatrix} 0 & 1 \\ 4 & 0 \\ \end{pmatrix}.[/math]

Normalität und Abweichungen von der Normalität

Die Zerlegung der Matrix [math]A[/math] in [math]UDU^{*}[/math] wird auch die Schur-Zerlegung oder die Schursche Normalform genannt. Grundsätzlich gilt:

[math]UDU^{*} = \operatorname{diag}\{\lambda_1,...,\lambda_n\} + N,[/math]

wobei [math]N[/math] eine strikte obere Dreiecksmatrix ist (auf der Diagonalen stehen also nur Nullen) und [math]\lambda_1\gt\lambda_2\gt...\gt\lambda_n[/math] die Eigenwerte von [math]A[/math] sind. Für normale Matrizen gilt:

[math]\|N\|_F=0\,.[/math]

Ist [math]A[/math] nicht normal, so bezeichnet man [math]\|N\|_F =:\delta(A)[/math] als die Abweichung von der Normalität. Dabei bezeichnet die Norm [math]\| \cdot \|_F[/math] die Frobeniusnorm.

Normale Matrizen und normale Operatoren

Hauptartikel: Normaler Operator

Ein normaler Operator ist in zweierlei Hinsicht eine Verallgemeinerung der normalen Matrix:

  1. Eine normale Matrix beschreibt einen normalen Operator bezüglich einer geeigneten Basis (nämlich bezüglich einer Orthonormalbasis), während der Begriff "normaler Operator" basisunabhängig definiert ist,
  2. Normale Matrizen beschreiben normale Operatoren auf endlichdimensionalen Skalarprodukträumen, während normale Operatoren auch (und sogar meistens) auf unendlichdimensionalen Räumen verwendet werden.

Die Basisabhängigkeit des Begriffs "normal" für eine Matrix kommt durch die Definition von "adjungiert" ins Spiel: Die zu [math]A[/math] adjungierte Matrix [math]A^*[/math] ist durch folgende Eigenschaft definiert:

[math] \langle Av, w\rangle = \langle v, A^*\,w\rangle[/math] für alle [math]v, w \in\Bbb K^n[/math].

Diese Definition lässt sich auch basisunabhängig lesen, aber nur, wenn die Vektoren in dieser Definition Koordinatenvektoren bezüglich einer Orthonormalbasis sind, lässt sich das Skalarprodukt als Matrixprodukt schreiben (siehe dazu auch Matrix (Mathematik)#Vektorräume von Matrizen), so dass für beliebige Matrizen [math]A[/math] folgt:

[math] \langle A\cdot v, w\rangle = \overline{(A\cdot v)}^T \cdot w = (\overline{v}^T\cdot \overline{A}^T)\cdot w= \overline{v}^T\cdot (\overline{A}^T\cdot w)=\langle v, \overline{A}^T \cdot w\rangle.[/math]

Nur dann kann die zu [math]A[/math] adjungierte Matrix immer durch Konjugation und Transposition berechnet werden.

Literatur

ja:正規作用素


Kategorien: Keine Kategorien vorhanden!

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Normale Matrix (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.