Symmetrische Matrizen und der Spektralsatz
Lesen anpassen
Nach dieser Lektion kannst du
begründen, warum eine reelle symmetrische Matrix nur reelle Eigenwerte hat und Eigenvektoren zu verschiedenen Eigenwerten senkrecht aufeinander stehen,
den Spektralsatz formulieren und die Idee seines Induktionsbeweises erklären,
eine symmetrische Matrix orthogonal diagonalisieren, auch wenn ein Eigenwert mehrfach vorkommt,
mit einer Hauptachsentransformation die Lage und die Halbachsen einer Ellipse bestimmen,
positive Definitheit einer symmetrischen Matrix an ihren Eigenwerten ablesen.
Vorausgesetzt: Diagonalisierbarkeit, Das charakteristische Polynom, Das Gram-Schmidt-Verfahren, Orthogonalität und Orthonormalbasen
Welche Kurve beschreibt die Gleichung ? Ohne den gemischten Term wäre es leicht: ist die Ellipse mit den Halbachsen und entlang der Koordinatenachsen. Der gemischte Term sagt: Die Kurve ist gegenüber den Achsen verdreht. Aber um welchen Winkel, und wie lang sind die Achsen?
Die linke Seite lässt sich mit einer Matrix schreiben. Man teilt den gemischten Koeffizienten gerecht auf die beiden Stellen neben der Diagonale auf:
Diese Matrix ist symmetrisch: . Die Frage nach den Achsen der Ellipse wird zu der Frage, ob man durch eine Drehung des Koordinatensystems diagonal machen kann, also mit einer orthogonalen Matrix statt mit irgendeiner invertierbaren. Der Spektralsatz sagt: Bei symmetrischen Matrizen geht das immer.
Die Drehmatrix hat keine reellen Eigenwerte (ihr charakteristisches Polynom ist ). Kann das auch bei einer reellen symmetrischen -Matrix passieren?
Die Eigenwerte einer symmetrischen 2×2-Matrix
Die Eigenwerte einer symmetrischen 2×2-Matrix
Für ist . Die Diskriminante dieser quadratischen Gleichung ist
Also sind beide Eigenwerte reell. Sie fallen nur zusammen, wenn ist, also für und , das heißt . Für die Ellipsenmatrix aus dem Einstieg: , die Eigenwerte sind und .
Symmetrische Matrix
Eine Matrix heißt symmetrisch, wenn ist, also für alle : Die Einträge sind an der Hauptdiagonale gespiegelt.
Die wichtigste Eigenschaft für diese Lektion: Für das Standardskalarprodukt und alle gilt
Man kann von einem Argument ins andere schieben. Umgekehrt folgt aus für alle , dass symmetrisch ist (setze , : dann steht dort ).
Beispiele: , jede Diagonalmatrix, und für jede Matrix , denn . Gegenbeispiel: , hier ist .
Symmetrische Matrizen haben reelle Eigenwerte
Ist symmetrisch, dann sind alle Nullstellen des charakteristischen Polynoms (auch alle komplexen) reell. Insbesondere hat einen reellen Eigenwert mit einem Eigenvektor in .
Der Beweis rechnet kurz in den komplexen Zahlen. Benutzt wird: Jedes nicht konstante Polynom hat eine Nullstelle in (Fundamentalsatz der Algebra). Für ist die konjugierte Zahl, und ist reell und für positiv. Eine Zahl ist genau dann reell, wenn . Für Vektoren und Matrizen wird eintragsweise konjugiert.
Es sei eine Nullstelle von . Dann ist , also gibt es , , mit . Wir betrachten die Zahl .
Einerseits ist , und ist reell und positiv.
Andererseits ist eine -Matrix, also . Weil reell ist, ist , und damit . Also ist reell, und ist reell.
Für reelles ist eine reelle Matrix mit Determinante ; ihr Kern in enthält einen Vektor , einen reellen Eigenvektor.
Eigenvektoren zu verschiedenen Eigenwerten sind orthogonal
Es sei symmetrisch, und mit . Dann ist .
Wir schieben von einem Argument ins andere:
Also ist , und wegen folgt .
Ohne Symmetrie ist die Aussage falsch: hat die Eigenvektoren zum Eigenwert und zum Eigenwert , und die schließen einen Winkel von ein.
Die symmetrische Matrix hat die Eigenwerte und , und ist ein Eigenvektor zu . Welcher Vektor ist ein Eigenvektor zu ?
Spektralsatz für reelle symmetrische Matrizen
Für sind gleichwertig:
- ist symmetrisch.
- Es gibt eine Orthonormalbasis des aus Eigenvektoren von .
- Es gibt eine orthogonale Matrix und eine Diagonalmatrix mit (man sagt: ist orthogonal diagonalisierbar).
Die Diagonaleinträge von sind dann die Eigenwerte von , so oft gezählt, wie sie als Nullstellen von vorkommen, und die Spalten von sind die zugehörigen Eigenvektoren der ONB.
Zweite und dritte Aussage sind dasselbe: Eine orthogonale Matrix hat als Spalten eine ONB, und heißt genau, dass die Spalten Eigenvektoren sind (wie bei der gewöhnlichen Diagonalisierung, nur mit ).
Aus der dritten folgt die erste: , also , weil als Diagonalmatrix symmetrisch ist.
Aus der ersten folgt die dritte durch Induktion nach ; die Schritte stehen unten.
Beweisidee: Induktion nach der Größe der Matrix
Beweisidee: Induktion nach der Größe der Matrix
Wir schreiben Matrizen in Blockform: ist die -Matrix mit oben links, einer -Matrix unten rechts und Nullen sonst. Für ist nichts zu zeigen. Es sei , und die Aussage gelte für symmetrische -Matrizen.
Nach dem ersten Satz hat einen reellen Eigenwert mit einem reellen Eigenvektor; normiert heißt er .
Orthogonal diagonalisieren mit einem doppelten Eigenwert
Orthogonal diagonalisieren mit einem doppelten Eigenwert
Wir diagonalisieren orthogonal.
Charakteristisches Polynom: In addiert man die zweite und dritte Zeile zur ersten (die Determinante bleibt gleich). Die erste Zeile wird ; man zieht heraus und subtrahiert dann die erste Spalte von den anderen beiden.
Hauptachsentransformation der Ellipse
Hauptachsentransformation der Ellipse
Zurück zu , also mit und den Eigenwerten und .
Eigenvektoren: Zu ist , Kern . Zu steht der Eigenvektor senkrecht darauf: (Probe: ). Normiert ergibt das
Die Vorzeichen sind so gewählt, dass ist; dann ist eine Drehmatrix (um den Winkel mit , etwa ). Neue Koordinaten führt man durch ein:
Die Kurve ist eine Ellipse mit der Halbachse in Richtung und der Halbachse in Richtung . Diese Richtungen heißen Hauptachsen. Probe am Scheitel : .
Allgemein: Ist symmetrisch mit Eigenwerten , dann ist für eine Ellipse mit den Halbachsen und entlang der Eigenvektoren. Der größere Eigenwert gehört zur kürzeren Halbachse.
Eine symmetrische -Matrix hat die Eigenwerte und . Wie lang ist die kürzere Halbachse der Ellipse ?
Positive Definitheit und Eigenwerte
Eine symmetrische Matrix heißt positiv definit, wenn für alle . Das ist genau dann der Fall, wenn alle Eigenwerte von positiv sind.
Folgerung: ist genau dann ein Skalarprodukt auf , wenn symmetrisch ist und nur positive Eigenwerte hat. (Jedes Skalarprodukt auf hat diese Form mit .)
Nach dem Spektralsatz ist mit orthogonalem . Für setzen wir , also . Dann ist
Sind alle und ist , dann ist auch ( ist invertierbar), und die Summe ist positiv. Ist umgekehrt positiv definit, dann setzt man für die -te Spalte von ein: .
Zur Folgerung: ist immer bilinear. Symmetrisch ist es genau dann, wenn symmetrisch ist, denn . Positiv definit ist es dann genau bei positiven Eigenwerten.
Diagonalisierbar ist nicht dasselbe wie orthogonal diagonalisierbar
Diagonalisierbar ist nicht dasselbe wie orthogonal diagonalisierbar
Zwei Fehlschlüsse, die beim Spektralsatz oft auftreten:
- „ hat zwei verschiedene reelle Eigenwerte, also gibt es eine ONB aus Eigenvektoren.“
- „Bei einer symmetrischen Matrix stehen alle Eigenvektoren senkrecht aufeinander, man muss sie nur normieren.“
Die erste Matrix ist diagonalisierbar, aber ihre Eigenrichtungen und stehen nicht senkrecht, und jede andere Wahl von Eigenvektoren sind nur Vielfache davon. Nach dem Spektralsatz sind genau die symmetrischen Matrizen orthogonal diagonalisierbar.
Bei symmetrischen Matrizen stehen Eigenvektoren zu verschiedenen Eigenwerten senkrecht. Innerhalb eines Eigenraums der Dimension oder mehr gilt das nicht von selbst: Im Beispiel sind und beide Eigenvektoren zum Eigenwert und schließen einen Winkel von ein. Dort muss man Gram-Schmidt anwenden.
Zusammenfassung
Symmetrisch heißt ; dann gilt für das Standardskalarprodukt.
Eine reelle symmetrische Matrix hat nur reelle Eigenwerte (Beweis über in ).
Eigenvektoren zu verschiedenen Eigenwerten einer symmetrischen Matrix sind orthogonal; innerhalb eines Eigenraums hilft Gram-Schmidt.
Spektralsatz: ist genau dann symmetrisch, wenn es eine orthogonale Matrix mit diagonal gibt, also eine ONB aus Eigenvektoren. Beweis per Induktion über eine Eigenrichtung und ihr orthogonales Komplement.
Hauptachsentransformation: Mit wird zu ; die Eigenvektoren sind die Achsen der Ellipse, die Halbachsen sind .
Eine symmetrische Matrix ist genau dann positiv definit, wenn alle Eigenwerte positiv sind; bei genau dann, wenn und .
ist genau dann ein Skalarprodukt, wenn symmetrisch und positiv definit ist.
Übungen
Für welche Matrix gibt es nach dem Spektralsatz sicher eine orthogonale Matrix , sodass diagonal ist?
Wie groß ist der größte Eigenwert von ?
Die Gleichung beschreibt eine Ellipse. Wie lang ist ihre längere Halbachse?
Für welche reellen Zahlen ist positiv definit?
Beweise: Ist symmetrisch und , dann ist . Gilt das auch ohne Symmetrie?
Es sei beliebig. Zeige: ist symmetrisch, alle Eigenwerte von sind , und ist genau dann positiv definit, wenn die Spalten von linear unabhängig sind.