Persymmetrische Matrix
Eine persymmetrische Matrix ist in der Mathematik eine quadratische Matrix, die symmetrisch bezüglich ihrer Gegendiagonale ist.
Definition
Eine quadratische Matrix über einem Körper heißt persymmetrisch, wenn für ihre Einträge
für gilt.[1] Die Einträge einer persymmetrischen Matrix verändern sich demnach nicht, wenn sie an der Gegendiagonale gespiegelt werden.
Beispiele
Eine reelle persymmetrische Matrix der Größe ist beispielsweise
Allgemein haben persymmetrische Matrizen der Größe die Form
mit .
Eigenschaften
Symmetrien
Mit der Permutationsmatrix definiert durch
lassen sich persymmetrische Matrizen auch kompakt durch die Bedingung
charakterisieren.[2] Eine bisymmetrische Matrix ist eine persymmetrische Matrix, die zudem symmetrisch oder zentralsymmetrisch ist. Eine Toeplitz-Matrix ist eine persymmetrische Matrix, deren Einträge auf der Hauptdiagonale und allen Nebendiagonalen konstant sind. Eine zyklische Matrix ist eine persymmetrische Matrix, deren Einträge auf allen Diagonalen konstant sind und sich zyklisch wiederholen.
Summe und Produkt
Die Summe zweier persymmetrischer Matrizen und ergibt wieder eine persymmetrische Matrix, ebenso sind auch skalare Vielfache mit . Nachdem die Nullmatrix trivialerweise persymmetrisch ist, bilden die persymmetrischen Matrizen einen Untervektorraum im Matrizenraum .
Das Produkt zweier persymmetrischer Matrizen ergibt aufgrund von
genau dann wieder eine persymmetrische Matrix, wenn die beiden Matrizen und kommutieren.
Siehe auch
Literatur
- Gene Golub, Charles van Loan: Matrix Computations. JHU Press, 2013, ISBN 978-1-4214-0794-4.
- Martin Hanke-Bourgeois: Grundlagen der Numerischen Mathematik und des Wissenschaftlichen Rechnens. Springer, 2008, ISBN 978-3-8348-0708-3.
- Roger A. Horn, Charles R. Johnson: Matrix Analysis. Cambridge University Press, 2012, ISBN 978-0-521-83940-2.
Einzelnachweise
- Martin Hanke-Bourgeois: Grundlagen der Numerischen Mathematik und des Wissenschaftlichen Rechnens. Springer, 2008, S. 66.
- Roger A. Horn, Charles Johnson: Matrix analysis. Cambridge University Press, 2013, S. 36.
- Gene Golub, Charles van Loan: Matrix Computations. JHU Press, 2013, S. 208.